DAKER 프로젝트를 하면서 AI가 PDF뿐 아니라 영상도 제법 완성된 형태로 만드는 것을 봤다. 그렇다면 뉴스를 모으고, 대본을 쓰고, 음성을 만들고, 세로 영상으로 렌더링하는 과정도 상당 부분 자동화할 수 있지 않을까.

막상 쇼츠 채널을 만들 생각으로 들어가 보니 문제는 “영상 파일을 만들 수 있는가”가 아니었다. 무엇을 소재로 고를지, 복사한 뉴스가 아닌 어떤 관점을 넣을지, 어색한 한국어 음성을 어떻게 고칠지, 화면을 어떻게 덜 심심하게 만들지, 그리고 이것이 수익화 가능한 채널이 될지는 전부 다른 문제였다.

이번 글은 AI 쇼츠로 돈을 벌었다는 후기가 아니다. 채널을 운영하기 전에 필요한 제작 시스템을 실제로 만들어 본 기록이다. 로컬에서는 쇼츠 제작물 일곱 편을 만들었다. 다섯 편은 완성본이고 두 편은 같은 소재를 다른 화면 문법으로 만든 비교 후보다. 공개 조회수와 구독자, YouTube Partner Program(YPP) 승인, 광고 수익은 이 제작 기록만으로 확인되지 않는다.

첫 결정: 뉴스를 읽어 주는 채널은 만들지 않는다

처음 생각한 소재는 지난 24시간의 기술·경제 뉴스였다. 이미 터진 소재를 뒤늦게 복사하는 쇼츠보다, 막 나온 기사 중 토론할 만한 것을 고르는 편이 차별화될 수 있다고 봤다.

하지만 “최신 뉴스를 빨리 찾는다”만으로는 채널의 이유가 생기지 않았다. 기사의 사실을 짧게 읽어 주는 것과, 내가 그 기사에서 이상하다고 느낀 지점을 짚는 것은 완전히 다르다.

예를 들어 AI 코딩 비용 기사라면 “고가 모델과 저가 모델을 섞으면 싸진다”는 숫자를 반복하는 데서 끝내지 않는다. 실제로 코덱스나 Cursor를 쓰면 비싼 모델도 스스로 서브에이전트를 불러 과제를 나눈다. 사용자가 모델을 직접 바꾸는 방식에는 어떤 일을 어느 모델에 줄지 판단하는 비용, 컨텍스트를 옮기는 비용, 한 번에 제대로 끝내지 못했을 때의 재작업 비용도 있다. 이런 사용 경험을 기사와 부딪쳐 보는 것이 영상의 내용이 된다.

그래서 대본의 기본 단위를 다음처럼 정했다.

  1. 기사에서 바로 이해되는 숫자나 문장으로 시작한다.
  2. 확인된 사실과 아직 모르는 부분을 짧게 분리한다.
  3. 한 영상에서는 내가 던질 질문이나 관점 하나에만 집중한다.
  4. 결론을 과장하지 않고, 시청자가 생각할 지점을 남긴다.

이 방식은 콘텐츠의 차별점이면서 수익화 위험을 줄이는 장치이기도 하다. YouTube 채널 수익화 정책은 뉴스피드나 웹사이트 원문을 읽는 형태, 영상별 차이가 거의 없는 반복물, 비슷한 템플릿을 대량 생산한 저가치 콘텐츠를 수익화에 불리한 사례로 든다. 반대로 일정한 형식을 쓰더라도 영상마다 내용이 실질적으로 다르고 창작적·교육적 가치가 있으면 같은 문제로 보지 않는다.

즉, AI 사용 자체보다 원자료를 얼마나 자기 콘텐츠로 바꾸었는가가 더 중요했다. 뉴스는 완성품이 아니라 입력 자료다.

공부용 수집기는 두고, 쇼츠용 프롬프트를 따로 만들었다

기존에는 하루의 기술·경제 뉴스 중 토론할 만한 일곱 개를 모으는 Scheduled 프롬프트를 썼다. 이 목록은 공부하기 좋다. 여러 분야를 넓게 보고, GPT Live로 대화하며 생각을 발전시키는 목적에 맞는다.

쇼츠 제작에는 다른 수집기가 필요했다. 중요한 기사라고 해서 60초 영상이 되는 것은 아니기 때문이다. 제작 후보에는 적어도 다음 조건이 더 필요했다.

  • 공식 발표·논문·공시 같은 1차 출처가 있는가
  • 한 문장으로 확인된 사실을 말할 수 있는가
  • 35~60초 안에 관점 하나로 좁힐 수 있는가
  • 숫자·차트·제품 화면·지도처럼 보여 줄 근거가 있는가
  • 단순 제품 홍보나 확인되지 않은 소문이 아닌가
  • 이미 수많은 채널이 같은 각도로 복제한 소재는 아닌가

기존 GPT Live용 수집기와 별도로, 쇼츠 후보를 고르는 프롬프트를 새로 작성했다. 매일 오전 6시(KST)에 실행하고 지난 28시간의 서로 다른 뉴스 20개 이상을 검토한 뒤, 하드 게이트를 통과한 후보를 최대 세 개만 내는 설계다. 24시간보다 4시간 넓게 보는 이유는 늦게 색인된 1차 출처를 보완하기 위해서다.

후보마다 신선도, 검증 가능성, 훅, 시각화 가능성, 시청자 관련성, 포화도를 평가한다. 기사에 사용자의 의견을 미리 만들어 넣는 대신, 전환비용·검증비용·이해관계를 토론할 질문만 제안한다. 실제 수치나 공식 화면의 출처와 권리 상태도 함께 적는다. 좋은 후보가 없으면 억지로 세 개를 채우지 않고 NO_STRONG_CANDIDATE를 반환한다.

다만 현재 확인된 것은 프롬프트 준비까지다. 오전 6시 Scheduled 태스크가 실제로 생성되거나 실행됐다고 쓰지는 않는다. 중요한 것은 수집부터 업로드까지 한 번에 자동화하지 않는 것이다.

현재 설계는 다음 경계를 가진다.

1
2
3
4
5
6
7

수집기 실행
→ 후보 최대 3개와 근거·위험·시각자료 권리 상태 표시
→ 사람이 0~1개 선택
→ 주장과 불확실성 고정
→ 대본·음성·화면 제작
→ 사람이 최종 영상 검수
→ 별도의 업로드 결정

속도를 내기 위해 수집을 자동화하지만, 소재 선택과 관점, 공개 결정은 사람에게 남겨 두었다.

한국어 먼저, 영어는 나중에 별도 채널로

초기 음성을 비교할 때 영어 TTS가 한국어보다 훨씬 자연스럽게 들렸다. 그래서 처음부터 영어권을 노리는 안도 검토했다. 시장은 크지만 경쟁도 크고, 무엇보다 영어 대본의 미묘한 어색함과 논지의 강도를 내가 한국어만큼 빠르게 판단하기 어렵다.

결론은 한국어로 형식을 먼저 검증하는 쪽이었다.

  • 첫 채널은 한국어로 운영한다.
  • 한국어와 영어 영상을 한 계정에 섞지 않는다.
  • 한국어에서 반응한 형식을 찾은 뒤 영어권은 별도 채널로 만든다.
  • 영어판은 단순 번역이 아니라 사례와 훅을 해당 시청자에 맞게 다시 쓴다.

채널명은 짧 by elecson, 핸들은 @shorts-by-elecson을 후보로 정했다. 카피바라를 쓴 프로필과 배너도 만들었다. 다만 핸들의 실제 사용 가능 여부와 계정 적용 상태는 이 글을 공개하기 전에 다시 확인해야 한다.

한국어 TTS는 모델보다 생성 방식이 더 중요했다

음성은 생각보다 오래 걸렸다. 처음 만든 영상은 말이 너무 느렸고, 어떤 샘플은 일본인이 한국어를 말하는 것처럼 음절이 튀었다. 대화형 지시를 넣은 버전은 문장 사이의 쉼이 부자연스러웠다. 속도만 1.3배로 올리면 이번에는 너무 급했다.

최종적으로 고른 로컬 기준은 다음과 같다.

항목 선택
모델 Qwen3-TTS CustomVoice 0.6B, MLX 8-bit
음색 Sohee
언어값 Korean
생성 방식 의미 단위 일곱 조각
조각 사이 간격 110ms
최종 속도 음높이를 보존한 1.2배속
실패 처리 문제가 난 조각만 다시 생성

특히 언어값을 ko가 아니라 Korean으로 지정하고, 긴 대본을 한 번에 읽히지 않은 것이 발음 안정성에 중요했다. 완성 음성을 통째로 다시 만들면 괜찮았던 문장까지 달라진다. 의미 단위로 나누면 이상한 부분만 교체할 수 있고 호흡도 직접 조정할 수 있다.

이것은 “Qwen3-TTS가 언제나 최고의 한국어 TTS”라는 결론은 아니다. 이번 Mac 로컬 환경과 이 대본들에서 통과한 제작 프로필이다. 새로운 화자나 영어판을 만들 때는 다시 비교해야 한다.

AI 그림만 채우니 오히려 AI 티가 났다

처음에는 장면마다 이미지를 생성해 자막과 함께 붙였다. 영상은 만들어졌지만 색감이 지나치게 몽글몽글하고 모든 장면이 비슷했다. 실제 회사와 정책, 가격을 다루면서도 화면은 어디에도 없는 추상 사무실과 귀여운 동물뿐이었다. 내용이 구체적인데 화면은 일반적이니 AI가 만든 슬라이드쇼처럼 보였다.

그래서 화면을 두 층으로 나누었다.

사실을 보여 주는 층

  • 회사·제품을 말할 때는 실제 로고와 공식 제품 화면
  • 모델 크기를 말할 때는 실제 모델명과 파라미터
  • “내 PC에서 못 돌린다”가 아니라 필요한 GPU 구성과 대략적인 비용
  • 지역 규제를 말할 때는 실제 지도와 주 이름
  • 보고서 수치는 원문 표를 재구성한 간단한 차트

계속 보게 만드는 층

  • 일관된 카피바라 캐릭터
  • 자막을 올려다보거나 정면을 보는 시선
  • 눈 깜빡임과 아주 약한 호흡
  • 화면 오른쪽·왼쪽 아래에서 머리를 내미는 코너 피크
  • 정말 필요한 장면에서만 놀라거나 한 번 점프

카피바라 애니메이션은 현재 17개 포즈와 7개 시퀀스로 정리했다. 기본은 3~6초 간격의 눈 깜빡임, 미세한 호흡과 시선 이동이다. 큰 점프는 45~60초 영상에 많아야 한 번만 쓴다. 계속 놀라면 반응이 아니라 소음이 되기 때문이다.

실사 자료를 섞는다고 해서 검색 결과 이미지를 그대로 저장해 쓰지는 않는다. 자체 캡처와 자체 도표, 1차 출처 데이터를 다시 그린 화면을 먼저 쓰고, 공식 배포 자산이나 공개 라이선스 자료는 파일별 조건을 확인한다. 공식 사이트에 있다는 사실만으로 재사용 권리가 생기는 것은 아니다. 로컬 평가용으로 쓴 이미지도 공개 업로드 권리가 확인되지 않으면 교체 대상으로 남긴다.

배경음악은 한 곡을 유지하고 음량을 움직인다

음성이 또렷하고 화면 전환이 있어도 배경음악이 없으니 영상이 비어 보였다. 그렇다고 장면마다 음악을 바꾸면 1분 안에 너무 많은 것이 경쟁한다.

그래서 세 종류의 원본 BGM을 만들어 팔레트로 두었다.

  • 진중한 분석이나 위기: serious-crisis
  • 산뜻한 호기심: bright-curiosity
  • 가벼운 반응과 반전: comic-reaction

한 영상에서는 한 곡을 계속 사용하고, 훅·핵심 수치·결론에서만 음량을 조절한다. 말이 나올 때는 음악을 낮추고, 장면 전환에서 잠깐 올린다. TTS가 중심이고 음악은 리듬을 이어 주는 역할이다.

이 세 곡은 제3자 샘플을 가져온 것이 아니라 이 실험에서 만든 절차적 음원이다. 다만 YouTube의 합성·변형 콘텐츠 공개 안내는 현실적으로 보이는 생성·변형 장면과 일부 생성 음원을 공개 대상으로 설명한다. 최종 업로드 때는 “AI로 만들었다”는 한 문장으로 뭉뚱그리지 않고, 해당 영상의 이미지·음성·음악 사용 방식이 현재 공개 기준에 해당하는지 따로 확인해야 한다. 공개 표시 자체가 수익화 자격을 자동으로 박탈하는 것은 아니라고 YouTube는 안내한다.

실제로 만들어진 것은 어디까지인가

AI 시스템을 주제로 로컬 최종 영상 다섯 편을 만들었다. AI 결과물의 검증 비용, 분석 먼저·수정 나중인 코드 리뷰, 중국 오픈웨이트 전략, 대형 오픈웨이트 모델의 하드웨어 비용, 개인화 가격 규제를 각각 다뤘다.

다섯 영상은 모두 1080×1920, 30fps이고 길이는 약 46.3~60.4초다. 영상과 음성 트랙, 자체 BGM, 생성 일러스트와 실제 근거 화면, 체크섬과 검수용 콘택트시트까지 로컬 제작 기록에 남겼다.

여기에 Google ATLAS와 Anthropic 노동시장 분석을 함께 다룬 소재로 두 편을 더 만들었다. 하나는 정보와 수치를 중심에 둔 영상이고, 다른 하나는 화면 아래의 카피바라가 눈을 깜빡이고 호흡하며 위의 내용을 바라보는 반응형 영상이다. 둘 다 1.2배속 TTS를 사용한 57.633초짜리 비교 후보다. 외부 근거 이미지는 로컬 평가용으로만 승인돼 있어, 권리 검토 전에는 공개 업로드 가능한 최종본으로 세지 않는다.

따라서 현재 숫자는 로컬 제작물 일곱 편 = 완성본 다섯 편 + 비교 후보 두 편이다.

그러나 여기서 “쇼츠 채널이 됐다”고 뛰어넘으면 안 된다.

단계 현재 말할 수 있는 것 아직 말할 수 없는 것
브랜딩 채널명 후보, 프로필·배너 제작 핸들 사용 가능 여부, 실제 적용 상태
수집 오전 6시용 제작 프롬프트와 평가 기준 작성 Scheduled 태스크 생성·실행과 실제 후보 품질
제작 완성본 5편과 비교 후보 2편의 로컬 렌더링 후보 2편의 공개 권리, 공개 후 정책 판단
시청자 측정할 지표를 정함 조회수, 유지율, 구독 전환
수익 YPP 정책을 검토함 YPP 승인, 광고 수익, 제작비 회수

제작 가능성, 시청자 수요, 플랫폼 자격, 실제 현금 수익은 서로 다른 단계다. 앞단계가 확인됐다고 뒷단계까지 성공한 것은 아니다.

자동화는 이렇게 제한하려 한다

현재까지 정리한 운영 흐름은 다음과 같다.

  1. 매일 오전 6시에 지난 28시간의 후보를 수집한다.
  2. 1차 출처와 보조 출처, 아직 모르는 점을 확인한다.
  3. 사람이 그날 만들 0~1개를 고르고 자신의 관점 하나를 적는다.
  4. 확인된 사실, 해석, 불확실성을 나눠 대본을 고정한다.
  5. 실제 수치·로고·지도·차트 중 공개 가능한 화면을 준비한다.
  6. 대본을 의미 단위로 나누어 TTS를 만들고 발음을 듣는다.
  7. 카피바라의 저강도 동작과 한 곡의 BGM을 장면에 맞춘다.
  8. 1080×1920 영상으로 렌더링하고 길이·트랙·자막·화면을 검사한다.
  9. 이미지 권리와 AI 생성물 공개 항목을 영상별로 다시 본다.
  10. 사람이 제목·설명·최종 영상을 확인한 뒤 별도로 업로드한다.

완전 자동 업로드를 마지막 목표로 두지는 않았다. 뉴스가 틀렸거나, TTS가 한 단어를 이상하게 읽거나, 로고 사용 맥락이 부적절한 문제는 한 편만 생겨도 채널 신뢰를 깎는다. 지금 자동화할 가치가 큰 부분은 반복 작업이고, 최종 판단은 아직 사람이 맡는 편이 낫다.

수익화에서 실제로 봐야 할 것

“AI 생성물은 수익화가 안 된다”는 말은 너무 넓다. 현재 YouTube 정책의 핵심은 사용 도구 하나가 아니라 채널 전체에서 확인되는 독창성, 실질적 차이, 시청자 가치다. 자동화 도구와 템플릿을 썼다는 사실만으로 탈락하는 것은 아니지만, 원문 낭독과 저변형 슬라이드쇼를 비슷하게 대량 생산하면 위험하다. 남의 영상을 조금 바꾸는 경우에는 저작권 문제와 별개로 재사용 콘텐츠 심사도 받을 수 있다.

YPP는 기준 숫자에 도달했다고 자동 승인되는 구조도 아니다. 공식 YPP 안내에 따르면 기준을 충족한 뒤에도 채널 전체가 정책에 맞는지 심사를 받는다. 따라서 “영상 몇 편을 자동 생성할 수 있다”는 사실로 수익성을 보장할 수 없다.

첫 실험에서는 조회수 하나만 보지 않으려 한다. YouTube가 제공하는 Shorts 분석 지표를 기준으로 적어도 다음을 함께 본다.

  • 피드에서 영상을 넘기지 않고 보기로 한 비율(Stayed to watch)
  • engaged views
  • 평균 시청 지속 시간
  • 평균 시청률
  • 영상별 구독자 변화
  • 한 편을 만드는 데 든 사람의 시간
  • TTS 재생성, 근거 확인, 권리 교체에 든 횟수

다음 관찰 구간으로는 한국어 쇼츠 12~18편 정도를 몇 가지 형식으로 나눠 비교하는 안이 적당해 보인다. 이것은 YouTube가 정한 성공 기준이 아니라, 한두 편의 우연을 채널 적합성으로 착각하지 않기 위한 임시 실험 구간이다.

그 구간에서도 모든 형식의 시청 유지와 구독 전환이 약하고, 영상마다 재사용할 수 없는 수작업이 너무 많이 들면 방향을 바꾼다. 반대로 특정 주제와 화면 문법이 반복해서 반응하고 제작 시간도 감당할 수 있다면, 그때 영어권 별도 채널을 검토한다.

지금 얻은 결론

AI는 쇼츠 한 편을 만드는 도구로는 이미 충분히 강했다. 더 어려운 것은 매일 무엇을 고르고, 무엇을 사실로 말하고, 어디에 내 관점을 넣고, 어떤 화면과 음성이 채널의 반복 가능한 언어가 될지 정하는 일이었다.

이번에 만든 것은 자동 수익 기계가 아니라 그 앞단계의 제작 시스템이다.

1
2
3
4
5
6

뉴스 수집
+ 사람의 선택과 관점
+ 근거와 권리 확인
+ 일관된 음성·화면·음악
+ 공개 후 지표
= 검증 가능한 쇼츠 채널 실험

다음 글에서 기록할 가치가 있는 것은 “AI로 몇 편 더 만들었다”가 아니다. 실제로 공개했을 때 사람들이 넘기지 않았는지, 끝까지 봤는지, 구독했는지, 그리고 그 반응을 얻는 데 얼마의 제작비와 시간이 들었는지다. 돈 이야기는 그다음에 해야 한다.