# Opus5.5에 맡겼더니 45초짜리 픽셀 영상, 약 1,300엔으로 1시간 남짓 만에 완성했다 ── 검은고양이 스미의 교토 여행 [영상편]

> https://bookfactory.kr/board/news/18632
> 게시판: 뉴스
> 작성자: admin
> 작성일: 2026-09-26T09:24:12.189Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/317619472/rectangle_large_type_2_66fbe9194c9aaaf1a0de95d7b0c2909b.png?width=1280)

Claude Code(Opus 5.5)에게 “검은 고양이가 교토를 하루 동안 여행하는 픽셀 영상을 만들고 싶다”고 말했을 뿐인데, 45초짜리 영상이 완성됐습니다. 소재 사전 조사, 스토리, 이미지, 영상, 대사, 사운드까지 전부 AI로 만들었고, 중간에 제가 내용을 직접 고친 부분은 없습니다. API에 지불한 금액은 약 8.5달러(약 1,300엔), 대본을 의뢰하고 완성본이 나오기까지 약 1시간 15분이 걸렸습니다. 이 글에서는 사용한 API, 비용, 시간, 그리고 AI가 스스로 찾아내 고친 실패 사례를 실제 이미지와 함께 정리합니다.

완성품은 이것입니다.

## 1. 계기는 ‘이 영상, 나도 만들 수 있을까’였다

発端は、X（旧Twitter）で見た『像素上海』というピクセルアートの短編でした。上海の街を数秒ずつ切り取ったカットが続き、それがそのままクリックして遊べるゲームにもなっている。

처음에는 게임화의 구조 쪽에 관심이 있어서, 동영상을 넣으면 ‘컷별 장면+클릭할 수 있는 사람이나 사물+대화’를 만들어 주는 도구를 직접 만들었습니다(이 이야기는 다음 회 [게임 편]에서 쓰겠습니다). 그런데 수중에 시험해 볼 만한 동영상이 없습니다. 남의 작품을 계속 소재로 쓸 수도 없는 노릇이고요.

그렇다면 입력 영상도 AI로 만들면 된다. 그런 생각에서 시작한 것이 이번 실험입니다. 궁금했던 것은 다음 세 가지였습니다.

- 같은 캐릭터를 12컷 내내 같은 모습으로 유지할 수 있을까
- 교토의 명소를 사진을 주지 않고도 ‘그럴듯하게’ 그릴 수 있을까
- 총 얼마가 들까. 영상 생성은 비싸다고 들었기 때문에, 여기가 가장 불안했다.

## 2. 내가 전한 것은 '만들고 싶은 것'뿐이었다

우선 밝혀두자면, 이번에 제 역할은 거의 '주문하는 사람'이었습니다. Claude Code에 전달한 내용은 대략 다음과 같습니다.

- 京都のランドマークと名物を紹介する、『像素上海』のようなピクセル動画を自分で作りたい
- 주인공은 검은 고양이(『마녀 배달부 키키』의 지지 같은 분위기)다. 검은 고양이의 시선으로 교토를 1일 여행하는 이야기로 만들고 싶다.
- 사용할 수 있는 것은 Gemini 서비스뿐입니다. 비용이 들 것 같으니 먼저 소규모로 시험해 본 뒤, 본격 도입 전에 견적을 내 주시기 바랍니다.

그 이후로는 견적이 나올 때마다 "go", "ok"라고 답했을 뿐입니다. 어느 명소를 둘러볼지, 고양이의 이름과 성격, 각 컷의 대사, 어떤 안을 채택할지, 어떤 컷을 다시 만들지. 이 모든 것을 Opus 5.5가 스스로 정했습니다. "가모가와에 등간격으로 앉아 있는 커플들 사이에 고양이도 정확히 등간격으로 앉는다"라는 컷도 Opus가 내놓은 아이디어입니다.

## 3. 진행자는 Claude Code, 생성은 Gemini API. 역할 분담은 이렇게 되었다

작업 흐름은 대략적으로 말하면 "사전 조사 → 대본 → 스틸 이미지 → 동영상 → 음성과 자막 → 편집"입니다.

![画像](https://assets.st-note.com/img/1790389993-t4KZ1NhIR5Pk620AJG8bvidz.png?width=1200)

Claude Code는 Anthropic의 Opus 5.5를 사용해 구동했습니다. 이미지·동영상·음성 생성에 사용한 API 키는 Gemini API(Google AI Studio)의 유료 플랜 하나뿐입니다. Veo는 무료 플랜에서는 사용할 수 없으므로 동영상까지 만들려면 유료 결제 설정이 필요합니다.

Opus 5.5는 이미지를 볼 수 있어서 생성한 스틸 이미지나 영상에서 추출한 프레임을 스스로 보며 '이건 쓸 수 있다 / 다시 만들자'라고 판단했습니다. 이 '스스로 보고 고칠 수 있다'는 점 덕분에 이번 작업을 통째로 맡길 수 있었던 가장 큰 이유라고 생각합니다.

## 4. 먼저 1컷만 만들어 봤다(약 0.8달러)

처음부터 12컷을 만드는 건 부담스러웠기 때문에, Opus의 제안으로 후시미 이나리 1컷만으로 시험해 봤습니다. 정지 이미지 2장(저렴한 모델과 비싼 모델), 동영상 2편(Lite와 Fast)으로 든 비용은 0.81달러입니다.

![画像](https://assets.st-note.com/img/1790389997-GgXx2kYtfp3VDTSLoiqb8OcR.jpg?width=1200)

시제품 후시미 이나리(Lite). 센본 도리이의 형태는 4초 동안 거의 무너지지 않았다.

토리이의 형태가 4초 동안 거의 무너지지 않은 것은 솔직히 예상 밖이었습니다. 영상 생성이라고 하면 도중에 형태가 녹아내리는 이미지가 있었기 때문입니다. 저렴한 Lite라도 '천천히 다가가는' 정도의 움직임이라면 충분하고, Fast는 카메라가 훨씬 더 크게 움직인다는 차이가 있었습니다.

스틸 이미지는 더 비싼 쪽(Nano Banana Pro, 1장당 약 0.13달러)이 더 ‘센본도리이’답게 보였기 때문에 이쪽을 채택했습니다.

이 시제품을 바탕으로 견적이 나왔습니다.

![画像](https://assets.st-note.com/img/1790390001-t0LAyKS25Cn6eXauFDrRGNZo.png?width=1200)

동영상 요금은 '초수×단가'로 정해지며, 최상위 모델은 Lite의 8배입니다. Opus의 제안은 큰 카메라 움직임이 필요한 처음과 마지막 2컷만 Fast로 하고, 나머지 10컷은 Lite로 하자는 것이었습니다. 저는 이에 'go'라고 답했을 뿐입니다.

참고로 이 시작품은 픽셀이라기보다 복셀(마인크래프트풍의 입체)에 가까운 그림이 되었습니다. 나중에 캐릭터표를 참조 이미지에 추가했더니 평면적인 픽셀 그림 쪽으로 바뀌었는데, 왜 그렇게 되었는지는 확실히 모르겠습니다.

## 5. 같은 고양이를 12컷 동안 유지하기 위해, 먼저 '캐릭터표' 1장을 만들었다

주인공은 빨간 쿠미히모 목걸리에 금방울을 달고 등에 남색 보자기에 싼 짐을 짊어진 검은 고양이 「スミ」입니다. 이름도 외모도 Opus가 생각해 냈습니다. ジジ의 분위기는 참고하되, 흰자뿐인 눈 등 외형은 닮지 않게 하라고 프롬프트에 스스로 적어 넣은 데에는 조금 감탄했습니다.

![画像](https://assets.st-note.com/img/1790390016-yn2N8wBDfX6RVPmGgrli9xed.png?width=1200)

처음 만든 캐릭터표. 2안을 만들고 (0.27달러) 하나를 채택

이 캐릭터표와 화풍 견본 2장을 모든 컷의 스틸 이미지 생성에 매번 전달하고 있습니다. 그 결과 12개 컷 모두에서 목걸이, 방울, 보자기가 그대로 유지되었습니다.冒두 12장을 보시면 고양이의 크기는 달라도 같은 고양이처럼 보이실 겁니다.

교토의 명소는 사진 한 장도 제공하지 않았습니다. “기요미즈데라의 무대” “긴카쿠지와 연못에 비친 그림자” 같은 글자만으로, 그것임을 확실히 알 수 있는 그림이 생성되었습니다.

다만 한 번에 모두 정확했던 것은 아닙니다. 각 컷마다 2안씩 그리게 했더니, 교토 타워가 도쿄 타워 같은 형태로 나온 안이 있었습니다. 여름 설정인데 벚꽃이 피어 있는 안도 있었습니다. 이러한 안은 Opus가 확인용 이미지를 보고 제외하고, 다른 한쪽을 선택했습니다. 작은 썸네일에서는 타워 형태의 차이를 알 수 없어서, 800px 정도의 큰 이미지로 비교하는 방식으로 스스로 바꾸었습니다.

사진 소재에 대해서는 Opus가 교토시 공식 포토 라이브러리도 조사했습니다. 다만 이용약관에서 가공이나 스타일 변경이 금지되어 있었기 때문에 구도 참고용으로만 살펴보기로 판단했습니다. 이 부분은 저도 직접 확인했는데, AI에 입력하는 소재의 권리는 생각보다 먼저 확인해야 할 부분이라는 점이었습니다.

## 6. 영상으로 만들었더니, 40%는 AI가 스스로 다시 만들었다

정지 이미지 12장을 Veo로 4초 영상으로 만듭니다. 여기서부터가 진짜였습니다.

12편 중 다시 만든 것은 5편입니다. 이것도 Opus가 각 영상에서 추출한 4컷을 보고 스스로 찾아냈습니다. 이유는 크게 2가지였습니다.

첫 번째는 화면 구석에 의문의 스티커가 나타나는 현상입니다.

![画像](https://assets.st-note.com/img/1790390020-MfRo7Gsc8NLSyOep2tKZdhVj.jpg?width=1200)

왼쪽 상단에 'ZL'이라고 적힌 아이콘이 재생 2.5초쯤부터 나타났다

프롬프트에 '로고나 문자를 넣지 말 것'이라고 써도 Lite에서는 막을 수 없었습니다. 다시 만들어도 같은 현상이 반복됐습니다. 결국 ffmpeg로 화면을 살짝 확대해 모서리를 잘라내는(약 1.09배) 방식으로 추가 비용 없이 해결하고 있습니다.

두 번째는 주인공이 화면에서 사라지는 것입니다. "난간 위를 걷는다"고 지시한 컷에서 스미가 마지막 1초에 뛰어내려 화면 밖으로 나가 버리거나, 카메라가 멋대로 아래를 향하는 바람에 고양이가 찍히지 않게 되었습니다.

이는 프롬프트 작성법으로 줄였습니다. 움직임 지시를 '카메라 움직임 하나', '캐릭터 동작 하나'로 좁히고, 마지막에 '스미는 끝까지 화면 안에 있다'고 명기합니다. 동작을 애매하게 두면 Veo가 나름대로 이야기를 '완결'시키려 해서 날아가거나 사라지는 것 같습니다.

또 하나, Lite에 '포함하지 않길 바라는 요소'를 별도 필드로 전달하는 지정(네거티브 프롬프트)을 보내면 오류가 반환되었습니다. 오류가 발생한 호출에는 요금이 청구되지 않았기 때문에 실질적인 피해는 없었습니다.

## 7. 음성에서 막힌 부분은 AI가 영어 지시까지 읽어버린 것이다

대사는 각 컷당 한 줄, 2~3초에 읽을 수 있는 길이입니다. “…딴 길로 샌 게 아니야. 조사야” “교토의 룰, 지키고 있어요” 같은, 살짝 엉뚱한 한마디입니다. 이것도 Opus가 쓰고 있습니다.

여기서도 두 번 막혔지만, 둘 다 Opus가 스스로 알아채고 고쳤습니다.

처음에는 "차분하고 낮은 목소리로"와 같은 영어로 된 연기 지시를 대사 앞에 붙이고 있었습니다. 그러자 그 영어 지시까지 그대로 소리 내어 읽어버렸습니다. 음성 전체를 한 번에 전사해 확인했을 때는 알아차리지 못했고, 무음 구간을 기준으로 끊어 하나씩 전사해 보고 나서야 비로소 알게 되었다고 합니다. 지금은 대사만 보내고 있습니다.

또 하나는 '……'입니다. 이것을 넣으면 AI가 간격을 너무 길게 잡아서, 2초여야 할 대사가 5~13초가 되었습니다. '……'를 지우고 문장 끝에 마침표를 붙이는 단순한 처리로 해결했습니다.

![画像](https://assets.st-note.com/img/1790390035-j5XfvJsDTPqi1Meyu3nmWzZ9.jpg?width=1200)

완성판의 마지막 컷. 편지를 전하고, 세 사람이 다이몬지를 올려다본다

TTS 요금은 총 1센트 정도였습니다.

목소리 외의 소리, 즉 역의 웅성거림이나 강물 소리, 축제 음악 같은 환경음과 음악은 Veo가 영상과 함께 생성한 것입니다. 소리만 따로 만들거나 나중에 교체하지는 않았습니다. 완성본을 처음부터 끝까지 제 귀로 직접 들어 확인했는데, 영상과 소리가 잘 어울렸고 결과는 좋았습니다. 이 부분도 손대지 않았습니다.

## 8. 결국 얼마가 들었고, 몇 시간이 걸렸는가

먼저 돈입니다.

![画像](https://assets.st-note.com/img/1790390039-S0E6ge491Z5w87TJsYq3tpBf.png?width=1200)

1달러를 150엔으로 계산하면 약 1,300엔입니다. 이 표는 Gemini API에 지불한 금액일 뿐, Claude Code 이용료는 포함되어 있지 않습니다.

내역을 살펴보면 가장 비용이 많이 든 것은 동영상이 아니라 정지 이미지(키프레임)였습니다. 한 컷당 2안씩 그린 것이 크게 작용했습니다. 역으로 말하면, Veo는 Lite 위주로 사용하면 4초 1편에 0.2달러로 생각보다 비싸지 않았습니다.

다음은 소요 시간입니다. 대본을 의뢰한 시점부터 완성본이 나오기까지의 과정을 파일의 생성 시각으로 추적해 보면 다음과 같았습니다.

![画像](https://assets.st-note.com/img/1790390042-T9ruK3SqipVDWvFkOgyYo8mL.png?width=1200)

이미지 24장이 3분, 영상 12개가 4분 만에 모인 것은 Opus가 생성을 묶어 병렬로 요청했기 때문입니다. 가장 시간이 오래 걸린 것은 생성이 아니라 목소리의 문제를 찾아 고치는 마무리 공정이었습니다.

참고로, 처음에 ‘교토 영상을 만들고 싶다’고 전한 시점부터 따지면 완성까지 약 5시간이 걸렸습니다. 다만 그 대부분은 시제작 견적을 본 제가 답장하기까지의 대기 시간이었습니다. AI가 직접 작업한 시간은 합쳐도 1시간 반 정도였습니다.

돈 사용에 관해 정해 두었던 한 가지는, 유료 생성을 할 때마다 ‘견적 → 조금만 시험 → 승인 후 본 작업’을 지키는 것이었습니다. Opus는 생성을 실행하기 전에 반드시 견적을 내고 멈춰 주었기 때문에, 맡겨도 금액이 늘어날 걱정은 없었습니다.

## 9. 그저 전달했을 뿐인데 이 품질이 나온 것에 솔직히 놀랐다

시작하기 전에는 동영상 생성 AI를 써도 결국 컷 선별이나 수정에 사람의 손이 꽤 많이 필요할 거라고 생각했습니다. 로고가 노출되지 않았는지, 고양이가 사라지지 않았는지, 목소리에 어색한 공백이 생기지 않았는지. 그런 확인은 사람의 일이겠지, 하고요.

실제로는 그 확인마저 Opus 5.5가 하고 있었습니다. 12편 중 5편의 재제작도, 목소리 문제도 제가 알아차리기 전에 Opus가 찾아내 고쳤습니다. 제가 내용에 손을 댄 부분은 전혀 없었고, 한 번에(One-Shot) 나온 완성본이 이 정도 품질이었다는 점에는 솔직히 놀랐습니다.

한 가지 덧붙이자면, “One-Shot”이라는 것은 어디까지나 제 입장에서 본 이야기입니다. 뒤에서는 AI가 시안을 만들고, 2개 안 중에서 고르고, 5개를 다시 만들고 있습니다. 사람이 1번에 완벽한 지시를 내린 것이 아니라, AI가 스스로 시도하고 수정하는 과정을 끝까지 수행해 준 것이 실태에 가깝다고 생각합니다.

처음 세 가지 의문에 대해서도 대체로 답이 나왔습니다. 캐릭터 설정표를 매번 전달하면 동일한 고양이를 유지할 수 있었습니다. 명소는 텍스트만으로 묘사할 수 있었습니다(2개의 시안을 만들어 AI가 고른다는 전제). 금액은 약 8.5달러였고, 가장 비쌌던 것은 동영상이 아니라 정지 이미지였습니다.

## 10. 다음 편【게임 편】: 이 영상을 클릭해서 즐길 수 있는 게임으로 만들기

사실, 이 영상은 여기서 끝나지 않습니다. 이 영상을 Opus5.5에 넘겨 브라우저에서 플레이할 수 있는 게임으로 만들어보는 실험을 [게임편]에서 쓰겠습니다. 기대해 주세요~

![画像](https://assets.st-note.com/img/1790390243-3Xl6ipv8MNWGERSeKgJ7wTYq.jpg?width=1200)

**출처:** [note 원문](https://note.com/dende2023/n/nd72aaf4a5a1b)

*번역: Gemma 3(.44) 초벌 + 교정 43청크*

[원문 보기](https://note.com/dende2023/n/nd72aaf4a5a1b) | 출처: note.com