AI로 짧은 영상(쇼츠) 만들기 — 개념 이해

AI로 이미지·음성·자막을 붙여 쇼츠 영상을 만들고 유튜브에 올리는 사례에서, 나온 개념들만 뽑아 정리.

케빈님이 가져온 사례(원문 보기)는 Claude Code로 AI 쇼츠 영상 한 편을 만들어서 유튜브에 올린 이야기예요. 여기서는 따라 만드는 방법이 아니라, 이 사례에 나온 개념들만 쉽게 풀어볼게요.

전체 그림 먼저

쇼츠 영상 한 편은 사실 여러 AI 도구가 이어붙어서 만들어져요. 순서만 보면:

스토리보드(장면 설계) → 이미지 생성 AI(장면 그림) → 영상 편집(움직임·자막) → TTS(목소리) → 유튜브 업로드

이렇게 다섯 조각이 붙어서 영상 하나가 나와요. 케빈님이 나중에 릴스·유튜브용 영상을 만들 때도 결국 이 다섯 조각 중 몇 개를 골라 쓰게 될 거예요.

영상을 만들기 전에 “1번 장면엔 이게 나오고, 2번 장면엔 이게 나온다”처럼 순서를 미리 정해두는 것. 이 사례에서는 AI(Claude)가 주제 하나만 던지면 6장면짜리 스토리보드를 알아서 짜줬어요.

글로 설명하면(예: “벚꽃놀이에서 생긴 고부갈등”) 그 장면을 그림으로 그려주는 AI예요. 이 사례에서는 Google의 이미지 생성 도구(Gemini)를 API로 연결해서 썼어요.

💡 API란? 서로 다른 프로그램끼리 대화하는 약속이에요. “이미지 생성 AI한테 API로 요청한다” = “그 AI 서비스에 인터넷으로 그림을 그려달라고 부탁한다”는 뜻이에요.

ffmpeg: 영상·음성을 자르고 합치는 무료 프로그램이에요. 화면 버튼 없이 명령어로만 다뤄서, 케빈님이 나중에 직접 쓸 땐 AI(Claude)한테 “이 영상을 이렇게 편집해줘”라고 시키는 식이 돼요.
Ken Burns 효과: 가만히 있는 사진을 천천히 확대하거나 이동시켜서, 정지 이미지도 마치 움직이는 영상처럼 보이게 하는 기법이에요. 이 사례의 영상은 실제 촬영 없이 이미지 + 이 효과만으로 “영상처럼” 만들어졌어요.

텍스트를 사람 목소리로 바꿔주는 기술이에요(Text-to-Speech). 성우를 따로 섭외하지 않아도, 대사만 글로 쓰면 AI가 읽어줘요. 이 사례에서는 Google Gemini의 TTS로 6장면 분량의 한국어 대사를 목소리로 만들었어요.

OAuth2 인증: 내 구글 계정 비밀번호를 프로그램에 직접 알려주지 않고도, 구글이 “이 프로그램이 내 유튜브에 영상을 올려도 된다”고 안전하게 허락해주는 방식이에요.
Unlisted(공개 범위): 유튜브 영상 공개 설정 중 하나로, 링크를 아는 사람만 볼 수 있고 검색이나 구독자 피드엔 안 뜨는 상태예요. 테스트할 때 자주 씁니다.
YouTube Shorts: 유튜브의 세로 짧은 영상 포맷이에요. 케빈님이 목표로 하는 인스타그램 릴스도 같은 성격의 세로 짧은 영상 포맷이라, 이 사례의 영상 만드는 방식(이미지+효과+TTS+자막)은 릴스에도 그대로 쓸 수 있어요. 다만 업로드하는 곳(유튜브 API vs 인스타그램)만 다를 뿐이에요.

사례글에 과정이 생략된 곳들이 있어요. 나중에 실제로 따라 만들 땐 이 부분에서 막힐 수 있으니 미리 알아두면 좋아요 (지금은 개념만 보는 단계라 채우지 않았어요):