AI 영상 제작에서 처음 기대했던 것은 ‘문장을 넣으면 영상이 나온다’는 경험이었습니다. 실제로 만들어보니 한 모델의 생성 품질보다 더 자주 시간을 잡아먹는 것은 도구 사이를 옮겨 다니는 일이었습니다. 시나리오를 만든 뒤 이미지 도구로 이동하고, 비디오를 만든 뒤 자막을 다시 맞추고, BGM과 렌더 설정을 따로 관리하면 한 편의 영상에 필요한 맥락이 계속 끊겼습니다.
그래서 모델보다 워크플로를 먼저 제품으로 만들었습니다
AI Video Studio의 중심 단위는 ‘프로젝트’와 ‘씬’입니다. 한 줄 아이디어에서 시작해 시나리오를 장면으로 나누고, 각 장면의 이미지·대사·자막·모션을 같은 자리에서 수정합니다. 생성 결과가 마음에 들지 않으면 전체를 다시 만드는 대신 그 씬만 교체할 수 있도록 했습니다.
이 구조를 쓰면 이미지 생성 모델이나 비디오 모델이 바뀌어도 전체 제작 흐름은 유지됩니다. 모델은 교체 가능한 도구이고, 사용자가 쌓아온 장면 순서와 편집 상태가 실제 프로젝트 자산이라는 판단입니다.
‘자동’ 버튼보다 되돌아갈 수 있는 편집 지점을 많이 뒀습니다
생성형 도구는 같은 입력에도 결과가 달라집니다. 그래서 한 번에 끝까지 달리는 자동화만 제공하면 앞 단계의 작은 오류가 마지막 렌더에서 크게 드러납니다. 각 씬을 확인하고 대사와 자막을 수정한 뒤 다음 단계로 갈 수 있게 만든 이유입니다.
파이널 렌더에서는 H.264와 HEVC, GPU와 CPU 경로를 고를 수 있도록 했습니다. NVIDIA NVENC가 있으면 빠르게 처리하고, GPU가 없어도 CPU 렌더로 완주할 수 있게 해 특정 하드웨어가 전체 작업의 단일 실패 지점이 되지 않도록 했습니다.
API 키와 결과물은 가능한 한 사용자 PC에 남깁니다
여러 생성 서비스를 연결하려면 API 키와 OAuth가 필요합니다. Studio는 이런 자격정보를 웹 페이지에 올려두는 구조가 아니라 사용자 PC의 설정에서 관리하는 방향을 택했습니다. 생성한 시나리오와 영상도 로컬 출력 폴더를 중심으로 다룹니다.
여러 언어도 별도 제품이 아니라 같은 제작 상태를 공유합니다
한국어, 영어, 일본어, 중국어, 스페인어 UI를 따로 만든 이유는 번역 페이지 수를 늘리기 위해서가 아닙니다. 같은 씬과 같은 프로젝트를 두고 UI·시나리오·자막을 사용자의 언어로 다룰 수 있어야 실제 제작 흐름이 끊기지 않기 때문입니다.
결국 자동화의 목표는 ‘클릭 수 0’이 아니었습니다
지금도 사람이 봐야 하는 지점은 남겨둡니다. 생성 이미지가 적절한지, 문장이 장면에 맞는지, 최종 영상이 공개 가능한지까지 모두 기계가 결정하는 제품을 만들려는 것은 아닙니다. 반복되는 파일 이동, 포맷 변환, 렌더 단계, 업로드 준비 같은 일을 줄여 사람이 내용 판단에 더 오래 머물게 하는 것이 목표입니다.
사용자 화면에는 구현 세부보다 작업 상태가 보여야 했습니다
초기 화면에는 내부 출력 경로, 장치 식별값, 색보정 계산 변수처럼 개발 중에는 유용하지만 사용자에게는 필요 없는 정보가 섞여 있었습니다. 실제 공개 페이지를 다시 점검하면서 이런 표현을 ‘내 프로젝트’, ‘라이선스 활성’, ‘장면 분위기에 맞춘 색보정’처럼 작업 의미가 드러나는 말로 바꿨습니다. 제품 내부가 복잡하더라도 인터페이스는 사용자가 다음 행동을 이해하는 데 필요한 정보만 남겨야 한다는 교훈이었습니다.