[시즌 3] GPT Astra 6로 리니지 like 게임 만들기(GPT Image 2.5)(프롬프트 공개)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

GPT Astra 6로 리니지풍 게임을 만든 이 사례는 이미지의 일관성, 명확한 제작 의도, 에셋 규격이 AI 게임 제작의 핵심임을 보여준다.

📌 핵심 요점

1. 발표자는 약 4~5시간 동안 30~40회 정도 프롬프트를 입력해 RPG를 제작했다고 설명한다. 월 200달러 ChatGPT 요금제의 주간 사용 한도 중 92%를 소진했다는 개인 경험이며, 정확한 토큰 수는 제시하지 않는다.
2. 자동사냥, 장비 드롭·장착·강화, 회피, 보스 패턴 등을 구현했지만 콘텐츠와 밸런스는 미완성이다. 특히 99레벨 환생을 요청했으나 몬스터가 부족해 해당 레벨에 도달할 수 없다고 인정한다.
3. 제작을 다시 시도한 주된 계기는 이미지 생성의 일관성 개선이었다. 발표자는 과거보다 캐릭터 애니메이션의 위치 흔들림이 줄었다고 평가하고, 브라우저 화면을 직접 확인하는 computer use도 결과물 개선에 기여했다고 본다.
4. 프롬프트에서는 불확실한 전문 지식을 억지로 설명하기보다 RPG, 자동사냥, 재미있는 파밍, 위험을 동반한 강화처럼 원하는 경험을 명확히 전달했다. 에셋에는 가상 격자와 64×64 크기 기준을 제안하고, 인터페이스에는 나인슬라이스를 활용했다.
5. 영상의 메시지는 제작 과정에서 필요한 지식을 배우자는 것이다. AI에 코딩을 맡기고 결과를 직접 확인·수정하면서, 낯선 개념은 질문하고 필요하면 책이나 강의로 학습을 확장하는 방식을 권한다.

🧩 배경과 문제 정의

발표자는 이전에도 RPG 제작을 네다섯 차례 시도했으며, 이번에는 이미지 생성의 일관성 개선 가능성에 주목해 리니지풍 게임을 만들었다. 전문 게임 개발자는 아니지만 과거 관련 공부와 취미 제작 경험이 있다고 설명한다.

영상이 다루는 문제는 게임 기능을 코드로 구현하는 것에 그치지 않는다. 캐릭터의 연속 동작이 흔들리지 않아야 하고, 에셋 크기와 인터페이스 표현이 서로 맞아야 하며, 구현된 성장 시스템이 실제 플레이에서도 작동해야 한다. 발표자는 제작 결과를 시연한 뒤 공식 발표에서 활용 가능성을 읽는 방법, 의도 중심의 프롬프트, 에셋 규격, 제작을 통한 학습을 설명한다.

🕒 시간순 섹션별 상세정리

1. 재도전의 계기와 제작 규모

• 과거 RPG 제작을 여러 차례 시도했던 발표자는 이미지 생성 기능에 대한 기대를 계기로 다시 게임을 만들었으며, 제작에 사용한 프롬프트를 공유하려고 영상을 준비했다고 드러낸다. [00:50]
• 월 200달러 요금제의 주간 한도 92%를 사용했고, 프롬프트는 약 30~40회, 작업 시간은 약 4~5시간이었다고 추산한다. [01:41]
• 결과물은 리니지와 같은 수준의 게임이 아니라 리니지풍 시도라고 선을 긋는다. [01:59]

2. 구현한 전투·성장 기능과 남은 결함

• 자동사냥, 타격감과 효과음, 능력치 강화, 장비 드롭·인벤토리·장착, 실패 시 파괴될 수 있는 강화 시스템을 시연한다. [03:09]
• 99레벨 환생 기능은 성장 설계와 몬스터 부족 때문에 실제로 도달할 수 없다고 보여준다. 회피와 보스 패턴, 다음 스테이지 진행도 구현했지만 몬스터 종류는 적다. [03:59]
• 플레이 분량은 한 시간 미만이라고 소개하며, 장비에 시각 효과뿐 아니라 게임 시스템도 반영하도록 요청했다고 회고한다. [04:34]

3. 코딩 성능보다 주목한 화면 확인 능력

• 발표자는 Astra 6의 코딩 성능이 크게 도약했다고 보지는 않으며, Claude 3.5 Sonnet과 비슷하다는 자신의 인식을 보여준다. [05:03]
• 반면 computer use로 브라우저 화면을 직접 보고 상호작용하는 과정이 코드와 결과물에 잘 반영됐다고 평가한다. [05:25]

4. 이미지 일관성과 애니메이션의 변화

• 실제로 확인하고 싶었던 것은 이미지의 일관성과 재사용성이다. 2D 게임에서는 여러 이미지를 연속 재생해야 하므로 프레임 사이의 위치 변화가 큰 문제가 된다고 보여준다. [06:10]
• 과거에는 에셋 구매나 별도 노하우로 흔들림을 보완했지만, 이번에는 이전 제작 경험보다 떨림이 상당히 줄었다고 드러낸다. [06:39]
• 대기 상태의 호흡 동작도 더 부드러워졌다고 보며, 이런 변화가 게임 제작에 다시 도전하게 한 이유라고 정리한다. [07:08]

5. 공식 발표의 도입부에서 활용 방향 읽기

• 발표자는 공식 문서와 발표의 첫 부분을 중요하게 본다. 소개 영상에서 음성으로 그림을 그리고 커서를 움직이며 Blender로 작업하는 장면에 주목한다. [08:04]
• 이를 사용자가 프로그램 조작법을 모두 배우지 않아도 에이전트를 통해 생각을 결과물로 표현하게 하려는 방향으로 해석한다. [08:38]
• 문서 작성과 그림 제작도 같은 맥락에서 설명하며, 벤치마크에 앞서 나오는 도입부에 핵심 의도가 담긴다고 본다. [09:22]

6. 부분 수정과 이미지 재사용의 가능성

• 이미지 소개 자료에서 생성 속도와 정밀성을 강조하는 대목, 배경과 자세를 유지하며 머리 모양만 바꾸는 사례를 살펴본다. [10:17]
• 기존 이미지에 헬멧을 추가하거나 의상을 바꾸는 예시를 통해, 다른 부분을 유지하는 편집과 연속 이미지의 흔들림 감소를 게임 에셋에 활용할 수 있다고 판단한다. [11:44]
• 회전하는 큐브의 위치 안정성도 같은 관점에서 해석하며, 새로운 문서의 앞부분에서 제작 아이디어를 얻는 방식을 다시 강조한다. [12:28]

7. 남은 이미지 한계와 발표자의 경험 범위

• 이미지의 입자감과 열화, 생성 속도는 여전히 개선되기를 바라는 부분이라고 드러낸다. 이를 기술적 확언이 아닌 개인적인 희망으로 보여준다. [12:56]
• 게임 회사 지원 경험과 과거 취미 제작 경험은 있지만 전문적으로 게임을 만들어 온 사람은 아니며, 예전에 공부한 내용도 많이 잊었다고 드러낸다. [13:40]

8. 전문 용어보다 원하는 경험을 전달하는 프롬프트

• 지식이 모호한 부분은 모델에 조사를 맡기고, 자신은 의도와 목표를 분명하게 전달하는 데 집중했다고 보여준다. [13:57]
• RPG 장르, 자동사냥, 재미있는 파밍, 위험이 있는 강화처럼 원하는 요소를 중심으로 지시했다. [14:14]

9. 격자와 크기 기준으로 에셋 통일하기

• 가상 단위 타일을 정하고 그 기준에 맞춰 에셋을 생성하도록 요청했다. 일정한 크기 안에서 제작하게 하는 것이 중요하다고 보여준다. [15:00]
• 격자 크기로 64×64를 제안하고 나머지는 맡겼으며, 일부 에셋만 지나치게 크거나 작아지는 문제를 막을 공통 기준을 두고자 했다. [15:21]

10. 나인슬라이스와 만들면서 배우는 방식

• 발표자는 아홉 조각을 복사하거나 늘려 사각형 요소를 확장하는 방식으로 나인슬라이스를 설명하되, 용어에 대한 자신의 기억이 정확한지는 확신하지 못한다고 덧붙인다. [16:29]
• AI에 코딩을 맡기고 결과를 직접 확인·수정하면서 궁금한 점을 질문하라고 권한다. 다만 AI의 환각 문제도 언급한다. [17:29]
• 먼저 만들어 감을 얻고 필요해지면 책이나 강의로 학습을 확장하는 편이 자신에게 효율적이었다고 보여준다. [18:13]

11. 픽셀 단위 학습과 프롬프트 공개 안내

• 낯선 용어를 접했을 때 자주 쓰이는 개념부터 우선순위를 정해 배우며, pixels per unit을 이미지 픽셀과 게임 세계의 한 단위를 연결하는 기준으로 보여준다. [18:51]
• 자신의 게임도 64×64를 기준으로 다른 에셋을 구성했을 것이라고 추정하며, 제작과 학습을 연결한 사례로 보여준다. [19:06]
• 사용한 프롬프트를 유튜브 설명란에 그대로 남기겠다고 안내한다. 제공된 전사에는 그 전문이 담겨 있지 않다. [19:30]

12. 인터페이스 테두리의 재사용과 시각적 통일

• 이번 영상은 함께 실습하는 수업보다 자신이 게임을 만든 과정을 소개하려는 목적이라고 보여준다. [20:03]
• 인터페이스 테두리 조각을 복사하고 이어 붙여 사각형을 확장하는 예를 보여주며, 같은 에셋을 재활용하는 방식을 보여준다. [20:39]
• 나인슬라이스로 테두리를 표현하고 같은 요소를 확대·재사용해 화면의 일관성을 높이고 어색함을 줄였다고 평가한다. [20:59]

13. 추가 효과와 제작 권유로 마무리

• 전체 구성이 끝난 뒤 효과를 추가해 달라고 요청했으며, 관련 작업 세션을 보여주려 했지만 현장에서 제시하지 못한다. [21:26]
• 이번 제작 과정이 게임이나 다른 결과물을 직접 만들고 싶은 사람에게 참고가 되기를 바란다며 영상을 마친다. [21:48]

🧾 결론

• 결과물은 리니지의 분위기와 일부 시스템을 참고한 취미용 시제품이다. 발표자도 리니지급 완성도가 아니라고 명시한다.
• 이미지 한 장의 품질뿐 아니라 연속 프레임의 위치 안정성과 에셋 사이의 크기 일관성이 게임 화면의 자연스러움을 좌우한다.
• AI에 맡길 조사·구현과 사람이 정할 목표·규격을 구분하고, 플레이 결과를 확인하는 반복 과정이 중요하다.
• 프롬프트를 설명란에 공개하겠다고 안내하지만, 제공된 전사에는 프롬프트 전문과 게임 접속 주소가 포함되어 있지 않다.

📈 투자·시사 포인트

• AI 제작 도구를 평가할 때 코딩 성능 외에도 화면 확인·조작 능력과 이미지 재사용 품질을 살펴볼 필요가 있다. 발표자는 이 두 요소를 실제 제작 경험의 개선 요인으로 꼽는다.
• 짧은 시간에 여러 기능을 구현해도 높은 사용량과 미완성 밸런스가 남을 수 있다. 제작 효율은 구현 속도뿐 아니라 반복 수정 부담과 최종 완성도를 함께 보아야 한다.
• 공식 발표의 도입부에서 강조하는 사례는 제품의 활용 방향을 탐색하는 단서가 될 수 있다. 다만 도입부를 가장 중요하게 보는 것은 발표자의 해석 방법이다.
• 이 영상은 개인 제작 경험을 다루며 매출, 수익성, 시장 규모 자료를 제공하지 않는다. 특정 기업이나 자산의 투자 매력으로 연결할 근거는 제시되지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목에는 GPT Astra 6와 GPT Image 2.5가 등장하지만 전사에는 Astra 6, Claude 3.5 Sonnet, GPT-4o, GPT Image 2 등의 명칭이 혼재한다. 실제 사용 모델과 버전은 이 자료만으로 확정하기 어렵다.
• 이미지 흔들림 감소와 computer use의 효과는 발표자의 관찰이다. 동일 조건의 비교 실험이나 정량 평가가 없어 모델별 성능 차이로 일반화하기 어렵다.
• 제작 시간과 프롬프트 횟수는 추정치이며, 주간 한도 92% 사용은 정확한 토큰 수나 해당 게임의 개별 제작비를 뜻하지 않는다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 영상 설명란에서 공개 예고된 프롬프트와 게임 링크를 확인하고, 실제 사용 모델·버전도 대조한다.
• 제작 전에 원하는 장르, 자동사냥 방식, 파밍 재미, 강화 위험을 짧고 구체적인 요구사항으로 정리한다.
• 에셋 생성 전에 격자, 기본 크기, 게임 내 한 단위에 대응하는 픽셀 수를 정하고 결과물의 크기 일관성을 확인한다.
• 대기·이동 애니메이션을 연속 재생해 위치 흔들림과 프레임 간 외형 변화를 확인한다.

❓ 열린 질문

• 동일한 게임 요구사항에서 computer use를 사용하는 경우와 사용하지 않는 경우의 결과물은 얼마나 달라질까?
• 이미지의 연속 프레임 안정성과 반복 편집에 따른 열화는 더 많은 캐릭터·장비에서도 유지될까?
• 시제품을 지속적으로 즐길 수 있는 게임으로 확장하려면 콘텐츠와 밸런스 수정에 얼마나 많은 추가 작업이 필요할까?