AI로 1분 요약한 오디세이
📺 원본 영상: AI로 1분 요약한 오디세이
🎙️ 채널: 코드팩토리
📅 정리 일자: 2026-08-31
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료와 실제 프롬프트, 생성 이미지, 타임라인 등의 세부 내용은 포함되지 않을 수 있습니다.
개요
이 영상은 AI로 제작한 1분 분량의 《오디세이》 시네마틱 영상을 도입부에서 보여준 뒤, 비슷한 형식의 영상을 어떻게 일관성 있게 제작할 수 있는지 설명한다. 실습에서는 《오디세이》가 아니라 명량대첩을 소재로 삼아, 사전 조사와 메타 프롬프팅(Meta-prompting), 공통 에셋 생성, 샷별 이미지 제작, 영상 변환, 오디오 합성, 최종 편집으로 이어지는 전체 프로덕션 과정을 시연한다.
강연자가 강조하는 핵심은 특정 AI 도구의 기능 자체보다 제작 순서에 있다. 긴 영상을 한 번에 생성하고 결과를 운에 맡기는 대신, 먼저 이야기와 화면 구성을 설계하고 수정하기 쉬운 단위로 작업을 분해해야 결과의 일관성과 편집 가능성을 함께 높일 수 있다는 주장이다.
한 번의 프롬프트보다 중요한 것은 프로덕션 설계다
최근의 생성형 AI는 짧은 시네마틱 영상을 상당히 높은 품질로 만들 수 있다. 그러나 여러 컷을 독립적으로 생성하면 인물의 얼굴과 의상, 공간의 분위기, 소품의 형태가 장면마다 달라지는 문제가 발생한다. 한 장면만 놓고 보면 훌륭하더라도, 컷을 연결했을 때 서로 다른 작품처럼 보인다면 완성된 영상으로서의 설득력은 크게 떨어진다.
강연자는 도입부의 《오디세이》 영상이 여러 개의 독립적인 컷으로 구성되었음에도 얼굴과 분위기의 일관성을 비교적 잘 유지한다고 설명한다. 여기서 중요한 차이는 사용한 생성 엔진보다 엔진에 무엇을 어떤 순서로 전달했는지에 있다. 동일한 모델을 사용하더라도 사전 기획 없이 바로 영상을 생성하는 방식과, 공통 에셋과 스토리보드를 먼저 확정한 뒤 샷을 만드는 방식은 결과의 안정성에서 큰 차이를 보일 수 있다.
영상에서 소개하는 Flova AI는 이러한 제작 원리를 하나의 작업 흐름으로 구조화한 도구다. 강연자는 이 도구를 실제로 사용할 계획이 없는 사람도 그 안에 구현된 프로세스를 공부할 가치가 있다고 말한다. 결국 핵심은 제품 사용법을 암기하는 것이 아니라, 생성형 AI를 임의의 결과를 내놓는 상자가 아닌 단계별 프로덕션 시스템으로 다루는 방법을 이해하는 데 있다.
리서치가 프롬프트보다 먼저 와야 하는 이유
명량대첩 영상을 만드는 첫 단계는 영상 생성 도구에 곧바로 명령을 입력하는 것이 아니었다. 강연자는 먼저 GPT나 Claude 계열 도구에 명량대첩을 조사하도록 요청하고, 영상에 필요한 역사적 배경과 사건의 흐름을 컨텍스트(Context)로 확보한다. 이는 모델이 제목이나 몇 개의 키워드만으로 장면을 임의 구성하는 것을 방지하고, 이야기의 시간적·인과적 구조를 프롬프트 안에 담기 위한 준비 작업이다.
두 번째 조사 대상은 콘텐츠가 아니라 제작 도구다. Flova AI가 샷과 에셋을 어떤 방식으로 처리하는지 알아야 그 특성에 맞는 프롬프트를 만들 수 있기 때문이다. 강연자는 명량대첩이라는 주제 정보와 Flova AI의 사용 방식이라는 도구 정보를 모두 확보한 다음, 두 컨텍스트를 결합해 1분 영상용 프롬프트를 작성하도록 요청한다.
이 과정은 메타 프롬프팅의 실용적인 형태로 볼 수 있다. 사용자가 완성된 프롬프트를 처음부터 직접 작성하는 대신, AI에게 주제와 도구의 제약을 충분히 제공한 뒤 해당 환경에 적합한 프롬프트를 설계하게 만드는 방식이다. 강연자에 따르면 이렇게 생성된 결과에는 영상 비율과 언어, 약 60초라는 길이뿐 아니라 0초부터 6초, 6초부터 14초처럼 시간대별 화면 구성까지 포함되었다.
💡 [영상 참조] 강연자는 이 구간에서 조사 결과와 초 단위로 나뉜 프롬프트 구조를 화면으로 보여준다. 실제 문구와 세부 설정은 원본 영상에서 확인할 수 있다.
스토리보드는 생성형 AI의 불확실성을 관리하는 장치다
작성된 프롬프트를 Flova AI에 입력하면 작업은 스토리보드 중심으로 전개된다. 강연자가 설명한 화면은 크게 Key Elements(핵심 요소), Shots(샷), Audio Layers(오디오 레이어)로 구분된다. 이 구조는 인물과 장소, 소품을 먼저 정의하고, 그 자산을 참조해 개별 장면을 만든 다음, 마지막에 음악과 내레이션을 결합하는 전통적인 영상 제작 순서를 AI 환경에 맞게 재구성한 것이다.
강연자는 자동으로 끝까지 진행하도록 설정할 수도 있지만, 시연에서는 각 단계마다 자신의 승인을 받은 뒤 다음 작업으로 넘어가게 한다. 이러한 승인 지점은 단순한 편의 기능이 아니라 비용과 품질을 통제하는 검수 단계다. 초기 이미지나 장면 설계가 잘못되었을 때 이를 먼저 수정하면, 잘못된 결과를 바탕으로 여러 개의 비싼 영상을 생성하는 낭비를 막을 수 있다.
스토리보드가 제공하는 또 하나의 이점은 추상적인 아이디어를 검토 가능한 대상으로 바꿔준다는 데 있다. “웅장한 해전”이라는 문장은 사람마다 다르게 해석할 수 있지만, 특정한 구도와 배치가 담긴 이미지가 만들어지면 사용자는 배가 지나치게 크게 보이는지, 안개의 밀도가 적절한지, 전장의 분위기가 원하는 방향인지 구체적으로 판단할 수 있다. 생성 전에 판단할 수 있는 항목이 많아질수록 최종 영상에서 발생하는 고비용 수정도 줄어든다.
핵심 에셋이 장면 사이의 연속성을 만든다
명량대첩 실습에서 먼저 만들어진 핵심 에셋은 이순신 지휘관, 판옥선, 명량해협의 바다, 일본 함대였다. 각각의 에셋에는 이미지를 만들기 위한 프롬프트가 연결되고, 사용자는 생성 전에 설명을 직접 고치거나 특정 요소를 선택해 추가 지시를 내릴 수 있다. 강연자는 이 네 가지 요소를 먼저 만든 뒤 모든 샷에서 반복적으로 참조하는 것이 영상의 일관성을 높이는 원리라고 설명한다.
이 방식은 단순히 같은 이미지를 재사용한다는 의미보다 넓다. 인물의 외형과 함선의 디자인, 공간의 색조처럼 작품의 시각적 정체성을 결정하는 요소를 먼저 고정하고, 이후 장면들이 동일한 기준점에서 파생되도록 만드는 것이다. 일반적인 영상 제작에서 캐릭터 시트와 콘셉트 아트, 로케이션 디자인을 먼저 확정하는 것과 유사한 역할을 AI 에셋이 담당한다.
강연자는 생성된 이순신 이미지와 판옥선, 구름 낀 명량해협, 일본 함대를 차례로 검토한다. 판옥선이 필요 이상으로 높게 표현되는 등 완벽하지 않은 부분도 있었지만, 시연에서는 전체 과정의 결과를 확인하기 위해 그대로 승인했다. 이 선택은 도구가 한 번에 완벽한 결과를 제공한다는 것을 보여주기보다, 초안이 어느 정도까지 자동으로 완성되는지 관찰하려는 실험에 가깝다.
💡 [영상 참조] 강연자는 핵심 에셋으로 생성된 인물, 판옥선, 해협, 일본 함대 이미지를 차례로 확인한다. STT에는 화면에 나타난 세부 화풍과 프롬프트가 포함되지 않으므로 원본 영상을 함께 참조할 필요가 있다.
샷 단위 분해가 영상의 수정 가능성을 높인다
핵심 에셋을 승인하면 초 단위 기획이 개별 샷으로 전환된다. 첫 장면은 새벽의 명량해협을 높은 각도에서 내려다보는 구도로 설계되며, 짙은 안개와 거친 바다, 해협 입구를 담도록 지시된다. 이어지는 장면에는 일본 함대의 진입과 이순신의 대장선이 전투를 이끄는 모습 등이 배치되고, 전체적으로 여덟 개의 샷이 병렬 생성된다.
각 샷은 공통 에셋을 참조하면서도 서로 다른 시간 범위와 카메라 구도, 사건을 담당한다. 따라서 전체 영상은 하나의 거대한 생성물이 아니라 독립적으로 교체할 수 있는 여러 모듈의 조합이 된다. 특정 장면만 어색하다면 그 장면의 기준 이미지를 수정하고 해당 구간만 다시 렌더링한 뒤 기존 편집본에 끼워 넣을 수 있다.
강연자는 이 구조가 일괄 생성 방식과 구별되는 결정적인 장점이라고 평가한다. 영상을 처음부터 끝까지 한 번에 만들면 중간의 작은 오류를 고치기 위해 전체를 다시 생성해야 하고, 재생성 과정에서 이미 만족했던 다른 부분까지 달라질 수 있다. 반면 샷 단위 제작에서는 수정 범위를 국소화할 수 있으므로 반복 작업의 비용과 결과 변동성을 동시에 줄일 수 있다.
이미지에서 영상으로 올라가는 단계적 생성 전략
강연자가 제시하는 제작 순서는 에셋, 샷 이미지, 영상, 오디오의 네 단계로 요약된다. 이 가운데 가장 중요한 중간 산출물은 샷별 기준 이미지다. 이미지 생성은 영상 생성보다 상대적으로 빠르며, 사용자가 구도와 분위기, 인물 배치가 의도와 맞는지 판단하기도 쉽기 때문이다.
텍스트만으로 카메라 움직임과 물체의 운동, 장면의 정서적 느낌을 정확하게 전달하는 일은 어렵다. 더욱이 영상은 생성 시간이 길고 수정 비용도 크기 때문에, 처음부터 움직이는 결과물로 시행착오를 반복하면 비효율이 커진다. 강연자는 먼저 이미지로 원하는 시각적 기반을 확보한 뒤 그 이미지를 영상 생성 모델에 입력하면, 의도에 가까운 결과를 얻기 쉽고 이후 수정 횟수도 감소한다고 설명한다.
이 과정은 생성형 AI를 사용할 때 해상도가 낮고 비용이 적은 의사결정을 먼저 수행해야 한다는 원칙을 보여준다. 이야기 구조를 텍스트로 검토하고, 시각적 방향을 이미지로 검토한 다음, 최종적으로 시간과 움직임이 포함된 영상을 생성하는 것이다. 앞선 단계에서 오류를 발견할수록 되돌리는 비용이 작기 때문에, 단계적 작업은 품질뿐 아니라 제작 경제성까지 개선한다.
병렬 생성과 비용 가시성이 제작 경험을 바꾼다
시연에서는 네 개의 핵심 에셋과 여덟 개의 샷이 각각 병렬로 생성된다. 강연자는 진행률이 명확하게 표시되어 기다리는 동안 현재 상태를 파악하기 쉽고, 예상 크레딧도 사전에 안내되어 예산을 가늠할 수 있다는 점을 장점으로 꼽는다. 생성형 영상처럼 처리 시간이 길고 비용 단위가 낯선 작업에서는 이러한 가시성이 실제 사용성에 큰 영향을 미친다.
완성된 실습에는 강연자의 추산으로 1,000크레딧 미만이 사용되었으며, 전체 과정은 약 30분 정도 걸렸다. 다만 이 수치는 영상에서 수행한 특정 설정과 당시의 가격 체계에 기반한 경험적 결과이므로, 다른 모델과 해상도, 재생성 횟수에서는 달라질 수 있다. 특히 완성도를 높이기 위해 여러 에셋과 샷을 반복 수정한다면 실제 비용과 작업 시간은 시연보다 증가할 가능성이 높다.
| 관찰 항목 | 영상에서 언급된 내용 |
|---|---|
| 최종 영상 길이 | 약 60초 |
| 핵심 에셋 | 4개 |
| 샷 구성 | 8개 |
| 사용 크레딧 | 1,000크레딧 미만으로 추산 |
| 전체 생성 시간 | 약 30분 |
| 작업 방식 | 에셋과 샷의 병렬 생성 |
이 숫자들의 의미는 AI가 완성된 영화를 30분 만에 자동 제작한다는 데 있지 않다. 강연자는 시연 중 수정 요청을 거의 하지 않았기 때문에 비교적 빠르게 마지막 단계까지 도달할 수 있었다고 밝힌다. 실제 제작에서는 원하는 이미지와 소품, 움직임을 얻기 위한 검수와 수정이 추가되므로, 이 결과는 완성형 제작비라기보다 첫 번째 편집본을 확보하는 데 필요한 대략적인 기준으로 이해해야 한다.
물리적 움직임은 여전히 취약한 영역이다
생성된 장면은 파도에 흔들리는 배와 전반적인 전투 분위기를 비교적 설득력 있게 표현했지만, 모든 움직임이 자연스럽지는 않았다. 강연자는 특히 포탄이 발사되고 이동하는 모습에서 물리적으로 맞지 않는 듯한 느낌을 받았다고 평가한다. 함선과 포탄, 충돌처럼 여러 물체가 인과관계에 따라 움직여야 하는 장면은 현재의 영상 생성 AI가 안정적으로 처리하기 어려운 영역이라는 설명이다.
이 문제는 정적인 이미지의 품질과 시간적 일관성이 서로 다른 과제라는 점을 보여준다. 한 프레임에서 배와 파도가 사실적으로 보이더라도, 프레임이 이어지는 동안 물체의 크기와 속도, 궤적, 충돌 결과가 자연스럽게 유지된다는 보장은 없다. 특히 역사적 해전처럼 복수의 선박과 병사, 연기, 파도, 포격이 동시에 움직이는 장면은 모델이 관리해야 할 관계가 급격히 늘어난다.
따라서 제작자는 결과가 시각적으로 화려하다는 이유만으로 움직임의 오류를 지나쳐서는 안 된다. 물리적 정확성이 중요한 장면은 짧게 분할하고, 기준 이미지와 카메라 구도를 단순화하며, 문제가 있는 샷만 반복 생성하는 편이 현실적이다. 필요하다면 후반 편집과 시각효과를 결합해야 하며, 전 과정을 생성 모델 하나로 해결하려는 기대는 조정할 필요가 있다.
오디오 레이어와 최종 편집본의 완성
영상 생성 후에는 배경음악과 내레이션이 별도의 오디오 레이어로 만들어졌다. 강연자는 제안된 오디오를 직접 들어보고, 전투 직전의 긴장감과 웅장함이 더 강하게 느껴지는 첫 번째 배경음악을 선택했다. 이처럼 오디오도 자동 생성에 맡기되, 최종 결정은 사람이 내리는 승인 구조가 유지된다.
최종 편집 화면에서는 개별 장면과 음악, 내레이션이 타임라인 위에 배치되며, 일반적인 영상 편집 도구처럼 사용자가 직접 구간을 확인하고 조정할 수 있다. 자동화가 결과를 닫힌 파일 하나로 전달하는 것이 아니라, 사람이 개입할 수 있는 편집 가능한 구조로 제공된다는 점이 중요하다. 이는 생성과 편집의 경계를 없애기보다 두 과정을 하나의 작업 공간 안에서 연결한다.
완성된 명량대첩 영상의 내레이션은 칠천량 패배 이후 이순신에게 남은 13척의 전선, 명량으로 진입한 약 130척의 일본 전선, 대장선의 버팀과 조선 수군의 합류, 일본 함대의 후퇴를 약 1분 안에 압축한다. 다만 이 내레이션은 영상 제작 실습 중 AI가 생성한 결과이며, 본 리포트는 그 역사적 수치와 표현을 별도로 검증한 것이 아니다. 일부 문장은 STT 과정에서도 왜곡되었으므로 역사 자료로 직접 인용하기보다는 생성 영상의 서사 구성 사례로 보는 것이 적절하다.
완성본이 드러낸 품질과 수정 지점
강연자는 수정 요청을 한 번도 하지 않은 채 생성한 첫 번째 완성본이 예상보다 괜찮은 수준이라고 평가한다. 여러 장면과 배경음악, 내레이션이 결합되자 개별 결과만 확인했을 때보다 작품 전체의 인상이 좋아졌고, AI 기반 역사 채널에서 활용할 수 있을 정도의 초안이 만들어졌다는 판단이다. 이는 자동 생성된 개별 자산의 완성도뿐 아니라 편집과 음악이 전체 경험을 얼마나 크게 바꾸는지도 보여준다.
가장 눈에 띈 문제는 한 장면에서 배가 산보다 거대하게 보일 정도로 과장된 스케일이었다. 강연자는 초기 샷 이미지를 확인할 때 이미 배가 너무 크게 확대되었다고 느꼈지만, 결과를 보기 위해 그대로 진행했다고 설명한다. 예상했던 시각적 문제가 최종 영상에도 남았다는 사실은 이미지 승인 단계가 단순한 형식이 아니라 실제 품질을 결정하는 중요한 검수 지점임을 입증한다.
다행히 이 문제는 전체 영상을 처음부터 다시 만들지 않고도 수정할 수 있다. 해당 장면의 기준 이미지를 바꾸고 그 이미지를 기반으로 영상만 다시 생성하면, 수정된 샷을 기존 타임라인에 삽입할 수 있기 때문이다. 자동화의 진정한 가치는 오류가 전혀 없는 결과보다 오류가 생겼을 때 빠르게 고칠 수 있는 구조에서 발견된다.
사람의 역할은 제작에서 판단으로 이동한다
Flova AI는 에셋과 이미지, 영상, 오디오를 자동으로 생성하지만, 원하는 결과를 얻기 위한 사람의 판단까지 제거하지는 않는다. 사용자는 어떤 정보를 조사할지 결정하고, 이야기의 방향을 정하며, 스토리보드와 에셋을 검토하고, 음악과 장면을 선택해야 한다. 자동화되는 것은 제작 과정의 많은 실행 단계이고, 작품의 목표와 품질 기준을 설정하는 역할은 여전히 사람에게 남는다.
강연자 역시 완벽하게 원하는 영상을 만들려면 상당한 수정 단계가 필요할 수 있다고 솔직하게 말한다. 처음 구상과 다른 이미지가 나오거나 소품의 형태가 어색하고, 장면의 움직임이 의도와 맞지 않을 수 있기 때문이다. 중요한 것은 수정 자체가 사라진다는 기대가 아니라, 수정할 영역이 에셋과 샷 단위로 분리되어 작업 난도가 낮아진다는 점이다.
이러한 변화는 영상 제작자의 핵심 능력도 바꾼다. 직접 모든 프레임을 만드는 기술만큼이나 좋은 결과와 나쁜 결과를 구분하고, 문제를 구체적인 언어로 설명하며, 어느 단계로 돌아가야 효율적인지 판단하는 능력이 중요해진다. 생성형 AI 시대의 제작자는 단순한 프롬프트 작성자가 아니라 리서처와 감독, 편집자의 역할을 동시에 수행하게 된다.
활용 가능성이 높은 콘텐츠 유형
강연자는 이 도구가 단일 장면을 빠르게 생성하는 작업보다 여러 장면을 연결해 시네마틱한 결과물을 만드는 작업에 더 적합하다고 본다. AI 단편영화와 뮤직비디오, 시리즈 애니메이션, 게임 시네마틱처럼 캐릭터와 세계관의 연속성이 필요한 콘텐츠에서 에셋 기반 제작 방식의 장점이 커진다. 여러 버전의 광고를 반복 제작할 때도 공통 자산을 유지하면서 일부 장면이나 메시지만 교체할 수 있어 활용 가능성이 있다.
특히 역사 콘텐츠는 인물과 장소, 사건의 순서가 비교적 명확해 스토리보드 기반 작업과 잘 맞는다. 다만 시각적 설득력이 높아질수록 생성된 내용이 실제 역사 자료처럼 받아들여질 위험도 커지므로, 사실 검증은 별도의 과정으로 수행해야 한다. 역사적 정확성과 시각적 연출은 서로 다른 품질 기준이며, 하나가 좋아졌다고 다른 하나까지 자동으로 보장되지는 않는다.
강연자가 보여준 실습은 배우와 실제 소품, 촬영 장소 없이도 상당한 수준의 영상 초안을 만들 수 있음을 보여준다. 앞으로 모델의 움직임과 일관성이 개선되면 소규모 팀이 제작할 수 있는 콘텐츠의 범위는 더욱 넓어질 가능성이 크다. 동시에 비슷한 도구가 대중화될수록 단순히 AI를 사용했다는 사실보다 소재 선정과 해석, 편집 감각이 콘텐츠를 구별하는 요소가 될 것이다.
AI 영상 제작에서 얻을 수 있는 실전 원칙
이 영상에서 가장 재사용 가치가 높은 교훈은 특정 모델의 이름이나 화면 위치가 아니라 작업 순서다. 먼저 주제에 관한 자료를 조사하고, 사용할 도구의 작동 방식까지 파악한 뒤, 두 정보를 결합해 제작용 프롬프트와 시간대별 구성을 설계해야 한다. 이후에는 반복적으로 등장할 인물과 장소, 소품을 공통 에셋으로 확정하고, 이를 참조하는 샷 이미지를 검수한 다음 영상과 오디오를 생성하는 편이 안정적이다.
또한 검수는 가능한 한 이른 단계에서 수행해야 한다. 스토리보드에서 발견한 문제를 텍스트로 고치는 비용은 낮고, 이미지 단계에서 고치는 비용은 그보다 높으며, 영상과 오디오까지 완성된 뒤 수정하는 비용은 더 커진다. 따라서 단계마다 승인 지점을 두는 것은 작업을 느리게 만드는 장애물이 아니라 전체 재작업을 줄이는 품질 관리 장치다.
마지막으로, 완성도를 높이기 위해서는 “다시 생성”이라는 막연한 요청보다 문제의 위치와 원인을 구체화해야 한다. 배가 산보다 크게 보인다면 해당 샷의 구도와 스케일을 고치고, 포탄의 움직임이 부자연스럽다면 물리적 상호작용이 단순해지도록 장면을 재설계하는 방식이 필요하다. 좋은 AI 제작 워크플로는 모델이 우연히 정답을 내놓기를 기다리는 과정이 아니라, 오류의 범위를 작게 만들고 빠르게 교체하는 시스템이다.
마무리 / 핵심 정리
코드팩토리의 시연은 생성형 AI 영상 제작의 경쟁력이 한 번의 화려한 프롬프트보다 체계적인 프로덕션 흐름에서 나온다는 점을 보여준다. 리서치로 서사의 기반을 만들고, 메타 프롬프팅으로 도구에 맞는 계획을 세우며, 공통 에셋과 샷 이미지를 통해 시각적 일관성을 확보한 다음 영상과 오디오를 결합하는 순서가 결과의 품질을 결정한다.
Flova AI의 가장 인상적인 부분도 모든 결과를 자동 생성한다는 사실만은 아니다. 에셋과 샷, 오디오를 분리하고 각 단계에 검수와 교체 가능성을 남겨둠으로써, 생성형 AI 특유의 불확실성을 관리 가능한 제작 문제로 바꾼다는 점이 핵심이다. 물리적 움직임과 역사적 정확성, 세부 소품의 표현에는 여전히 사람의 검토가 필요하지만, 문제가 있는 장면만 다시 만들 수 있다는 구조는 반복 제작의 부담을 크게 낮춘다.
결국 AI 영상 제작을 잘한다는 것은 프롬프트 한 줄로 모든 것을 해결하는 능력이 아니다. 자료를 조사하고, 이야기를 장면으로 분해하며, 공통 기준을 설계하고, 결과를 판단해 필요한 부분만 수정하는 능력에 가깝다. 도구가 발전할수록 제작의 실행 비용은 줄어들겠지만, 무엇을 만들고 어떤 결과를 승인할 것인지 결정하는 편집자적 판단은 오히려 더 중요해질 것이다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | AI로 1분 요약한 오디세이 |
| 채널 | 코드팩토리 |
| 영상 길이 | 약 17분 53초 |
| 리포트 작성 | 2026-08-31 |
| 작성 방식 | YouTube 영상 STT 변환 후 문맥 교정 및 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 영상에 표시된 실제 프롬프트와 생성 이미지, 모델 설정, 가격 및 크레딧 정보는 STT에 모두 포함되지 않을 수 있으므로 정확한 내용은 원본 영상을 참조해 주세요.