[시즌 4] 무료로 배우는 AI 영상 생성 프로그램

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI 영상 생성 프로그램은 에이전트의 대본 작성, 음성 합성, 장면 선택을 연결해 직접 만들 수 있으며, 무료로 배우는 것과 도구 이용 비용은 구분해야 한다.

📌 핵심 요점

1. 제작 흐름은 주제 리서치와 데이터 검증 → 대본 작성 → ElevenLabs 음성 합성 → 장면 구성 → 사람의 최종 선택과 수정으로 이어진다.
2. 소개된 ‘오마이 슬라이드 스튜디오’는 대본·음성 조각마다 화면 유형 세 가지를 제안하고, 사용자가 원하는 장면을 골라 연결하는 도구다.
3. Claude Code에 스튜디오의 동작과 화면 요구사항을 설명하고, Codex에는 이미지 생성을 맡기는 역할 분담을 제시한다. 처음부터 세부 코드를 지시하기보다 원하는 결과와 사용 흐름을 전달하는 방식이다.
4. ElevenLabs 연동에는 API 키와 Voice ID가 필요하다. 영상은 Text to Speech 접근 권한과 음성 등록을 위한 Voices 쓰기 권한을 설명하며, 본인 목소리 복제에는 인증과 학습 대기가 추가된다.
5. 도구가 만들어져도 음성 연결, 장면 전환, 배속 재생 등을 직접 확인해야 한다. 영상 말미의 핵심은 편집기 제작보다 정확한 정보 검토와 꾸준한 제작·배포가 더 어렵다는 것이다.

🧩 배경과 문제 정의

발표자는 AI 지식을 정리해 공유하고 싶지만 직접 녹음할 수 없는 상황도 있어, 자신의 목소리를 합성하고 화면 제작을 보조하는 실험을 시작했다고 설명한다. 목표는 정보를 검증한 뒤 대본과 음성을 만들고, 각 구간에 맞는 화면을 선택해 하나의 지식 영상으로 연결하는 제작 환경이다.

소개하는 ‘오마이 슬라이드 스튜디오’는 사용자가 모든 장면을 처음부터 편집하는 부담을 줄이기 위해 화면 후보를 제공한다. 강의는 이 도구를 에이전트와 함께 만드는 원리를 설명하며, 음성 서비스 연동과 개인 음성 인증, 생성 결과 검토까지 다룬다. 마지막에는 도구의 존재만으로 콘텐츠 운영이 해결되지는 않으며, 정확한 정보와 지속적인 제작·배포가 중요하다고 강조한다.

🕒 시간순 섹션별 상세정리

1. 녹음의 제약에서 출발한 영상 제작 실험

• 직접 녹음하기 어려운 상황에도 AI 지식과 필요한 자료를 정리해 공유하기 위해 실험적인 콘텐츠 제작을 이어가겠다고 보여준다. [00:27]
• 에이전트와 리서치를 마치고 데이터를 검증한 뒤, 대본을 자신의 목소리로 합성하는 흐름을 보여준다. [00:53]
• 스튜디오는 음성 조각마다 화면 유형 세 가지를 제안한다. 사용자가 화면을 선택하고 마지막에 손질해 하나의 영상으로 연결한다. [01:47]

2. 학습 목표와 코딩 도구 준비

• 도구를 함께 만들며 원리를 이해하고, 시청자도 유튜브 영상 제작을 시도하도록 돕겠다는 목표를 드러낸다. [02:03]
• 터미널에서 프로젝트 폴더를 만들고 Claude Code를 실행한 뒤, 분할 화면에 Codex도 준비한다. Codex는 슬라이드에 들어갈 이미지 제작에 활용한다. [02:36]
• 자신이 사용하는 모델 설정과 남은 주간 사용량을 확인하며, 코딩 도구에도 사용량 제약이 있음을 보여준다. [02:55]

3. ElevenLabs 가입과 개인 음성 복제 선택

• 코드를 바로 작성하기 전에 ElevenLabs 가입부터 진행하고, 자신의 목소리를 등록해 음성을 생성하는 준비 과정을 보여준다. [03:28]
• Professional Voice Cloning을 위해 Creator 플랜을 추천한다. 간편 복제보다 더 나은 결과를 얻는다는 설명은 발표자의 경험과 평가에 근거한다. [04:16]
• 테스트에서 크레딧 소모가 많지 않았다고 말하며 22달러를 언급하지만, 전체 제작 비용이나 상세 과금 조건을 계산하지는 않는다. [04:30]

4. API 키 발급과 음성 관련 권한

• Developers 메뉴에서 API 키를 만들고, 대본을 음성으로 변환하기 위한 Text to Speech 접근 권한을 설정한다. [04:55]
• 녹음 파일을 서비스에 등록하는 작업을 설명하며 Voices 쓰기 권한도 지정한다. [05:25]
• 발급받은 API 키를 프로젝트 연동에 사용할 준비를 마친다. [05:37]

5. 에이전트에 스튜디오의 동작 설명하기

• 주제별 대본을 작성하고 ElevenLabs에서 자신의 목소리로 변환한 뒤, 지식을 전달하는 영상으로 구성하는 스튜디오를 요청한다. [06:16]
• 화면 조각마다 유형 세 가지를 추천하고 사용자가 선택하도록 하며, 조각들의 연결과 진행을 볼 수 있는 화면을 요구한다. [06:43]
• Codex의 이미지 생성 기능으로 에셋을 만들고 타이포그래피와 모션 그래픽을 더하도록 보여준다. 대본·음성·장면 선택·이미지 역할을 전달하는 것이 설계의 핵심이라고 정리한다. [07:49]

6. 환경변수 준비와 결과 중심의 수정 방식

• 에이전트가 필요한 API 키를 요청하면 환경변수 파일에 입력란을 준비하도록 하고, 값은 사용자가 직접 넣겠다고 보여준다. [08:17]
• 처음부터 화면의 모든 세부사항을 완성하려 하기보다, 원하는 결과를 설명하고 만들어진 화면을 조금씩 수정하는 접근을 권한다. [08:58]
• 자동 지식 영상 생성기가 만들어지면 함께 결과를 확인하고 수정할 부분을 점검하겠다고 예고한다. [09:11]

7. 녹음 자료 등록과 Voice ID 확보

• 프로젝트의 환경변수 파일에 API 키를 입력하고, 등록된 목소리를 식별하는 Voice ID도 필요하다고 보여준다. [09:48]
• My Voices에서 직접 생성하거나 녹음 파일을 에이전트에 전달해 API로 등록하도록 요청할 수 있다고 안내한다. 다만 세부 등록 과정 일부는 생략한다. [10:26]
• 등록된 목소리의 샘플을 재생하고, 앞서 설정한 Voices 쓰기 권한이 음성 자료 등록에 쓰인다고 다시 보여준다. [11:06]

8. 배속 렌더링과 짧은 샘플 영상 요청

• 구현을 기다리며 1.25배·1.5배·1.75배·2배속 렌더링 등 생각나는 기능을 추가로 요청한다. [11:38]
• 서비스에서 Voice ID를 복사해 환경변수에 저장한 뒤, API 키와 함께 사용하도록 에이전트에 알린다. [12:01]
• 모델 관련 기사를 설명하는 약 3분짜리 샘플 영상을 준비하도록 하고, 최종 렌더링은 사용자가 버튼을 눌렀을 때 실행되도록 요구한다. [12:28]

9. 개인 음성 설정과 본인 인증 마무리

• 업로드 후 남아 있는 음성 설정에서 이름·언어·설명·억양 등의 정보를 입력하고 녹음 샘플을 확인한다. [13:18]
• 안내 문구를 직접 녹음해 목소리를 인증하고, Professional Voice Clone 준비 상태로 넘어가는 과정을 보여준다. [13:36]
• 개인 음성을 사용하려면 이 마무리 절차를 진행해야 한다고 강조한다. [13:48]

10. 완성된 화면과 음성 학습 대기 문제

• 생성된 도구에서 장면 유형을 골라 구성을 바꾸고, 음성 생성 버튼으로 음성이 없는 14개 장면의 생성을 시도한다. [14:21]
• 파인튜닝 미완료 안내가 나타나자 Voice ID를 다시 확인한다. 값은 같았으며, 샘플 재생이 가능해진 뒤에도 앱의 생성 요청은 계속 대기 상태에 걸린다. [15:33]
• 장면 탐색과 장면별 음성 재생성 기능을 살펴보고 Hyperframes 기반이라고 보여준다. 개인 음성 학습을 계속 기다릴 수 없어 다른 목소리를 쓰는 방법으로 넘어간다. [16:33]

11. 라이브러리 음성과 콘텐츠 운영의 실제 과제

• 본인 목소리 대신 ElevenLabs의 알려진 라이브러리 음성을 찾아 앱에서 선택할 수 있게 해 달라고 요청한다. [17:01]
• 말실수나 침묵 구간을 자동으로 자르고 연결하는 기능도 추가 요청할 수 있다고 제안한다. 이 기능의 실제 작동 시연은 제시하지 않는다. [17:24]
• 편집기가 생겨도 꾸준한 제작·공급·홍보와 데이터 정확성 검토가 더 어렵다고 강조한다. 이어 에이전트가 음성 선택 기능을 붙이겠다고 응답하는 과정을 보여준다. [18:23]

12. 라이브러리 음성 생성과 재생 결과 점검

• 화면을 새로고침해 개인 음성과 라이브러리 음성을 선택하는 메뉴를 확인하고, 라이브러리에서 고른 음성으로 장면들의 생성을 진행한다. [18:51]
• 모델 관련 기사를 설명하는 생성 영상을 재생한다. 이는 도구의 출력 예시이며, 재생 중 배속 동작에 이상이 있다고 언급한다. [19:21]
• 음성이 어색하게 잘린 구간을 짚으며 이런 부분은 결과를 보면서 계속 조정해야 한다고 보여준다. [19:39]

13. 연동 절차 복습과 Hyperframes의 역할

• API 키 발급, Text to Speech 접근 권한, 개인 음성 등록 시 Voices 쓰기 권한, 학습 진행과 Voice ID 복사 절차를 다시 정리한다. 라이브러리 음성도 찾아 선택하고 미리 들어볼 수 있다고 안내한다. [20:52]
• 대본을 조각으로 나누고 각 조각에 화면 유형 세 가지를 설계하도록 요청하는 원리를 복습한다. 시각적 참고 자료는 검색해 이미지로 전달하는 방법을 제안한다. [21:11]
• Hyperframes는 웹 기술로 텍스트·도형 등의 화면 요소와 모션을 렌더링하는 도구라고 보여준다. 함께 사용해 보라고 권하며 영상을 마친다. [21:41]

🧾 결론

• 이 영상은 완성된 프로그램의 사용법에 더해, 자연어로 요구사항을 전달하며 자신에게 맞는 지식 영상 제작 도구를 만드는 과정을 보여준다.
• 자동화의 중심은 대본·음성·이미지·장면을 연결하는 데 있다. 데이터 검증과 화면 선택, 어색한 구간 수정에는 사람의 판단이 남는다.
• 본인 목소리 복제는 등록만으로 끝나지 않는다. 인증과 파인튜닝 완료를 확인해야 하며, 시연에서는 학습 대기로 생성이 막히는 상황이 반복된다.
• 무료로 학습할 수 있다는 제목을 전체 제작 과정의 무료 이용으로 해석하면 안 된다. 발표자는 유료 음성 서비스와 코딩 도구의 사용량을 함께 언급한다.

📈 투자·시사 포인트

• 제작 도구를 직접 구성하는 접근은 반복 작업을 줄일 가능성을 보여준다. 다만 영상에는 제작 시간 절감률이나 영상 한 편당 총비용을 측정한 자료가 없다.
• 발표자가 더 어렵다고 강조하는 영역은 정보의 정확성, 지속적인 공급, 홍보와 배포다. 도구 제작이 쉬워져도 콘텐츠 운영의 실행력이 중요하다는 시사점이 있다.
• 음성 서비스의 구독·크레딧, 코딩 도구의 사용량, 재생성 횟수가 제작 비용을 좌우할 수 있다. 개인 목소리 복제와 라이브러리 음성 중 어떤 방식이 필요한지 먼저 판단필요가 있다.
• 영상 속 모델 가격 비교는 생성 결과물의 재생 예시다. 해당 수치를 검증된 투자 정보나 기업 경쟁력 판단 근거로 바로 사용할 수는 없다.

⚠️ 불확실하거나 확인이 필요한 부분

• ‘무료로 배우는’ 강의와 서비스 무료 이용은 다르다. 발표자는 ElevenLabs Creator 플랜을 추천하며 22달러를 언급하지만, 실제 적용 가격·제공량·과금 조건은 이 자료만으로 확정할 수 없다.
• Instant Voice Cloning의 품질이 떨어진다는 설명과 Creator 플랜 추천은 발표자의 평가다. 동일한 녹음 조건으로 비교한 결과나 품질 지표는 제시되지 않는다.
• 본인 목소리는 샘플 재생이 되어도 앱의 음성 생성 단계에서 파인튜닝 미완료 오류가 발생한다. 시연 후반에는 라이브러리 음성으로 전환하며, 새로 등록한 개인 음성의 최종 생성 성공은 확인되지 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

• 리서치·검증·대본·음성·장면 선택·렌더링 순서로 원하는 제작 흐름을 먼저 적는다.
• 대본 조각마다 화면 후보 세 가지를 제안하고 선택한 장면을 연결하는 기능을 구현 요구사항에 포함한다.
• ElevenLabs의 이용 요금과 필요한 권한을 확인하고, API 키와 Voice ID를 입력할 환경변수를 준비한다.
• 본인 목소리를 사용할 경우 녹음 자료 등록, 본인 인증, 학습 완료 여부를 확인한 뒤 음성 생성을 시험한다.

❓ 열린 질문

• 개인 음성 학습은 실제로 얼마나 걸리며, 완료 여부를 앱에서 명확히 안내할 수 있을까?
• 구독료와 크레딧, 코딩 도구 사용량까지 포함하면 영상 한 편의 실제 제작 비용은 얼마일까?
• 대본이나 장면을 수정했을 때 음성 길이와 화면 전환을 얼마나 안정적으로 다시 맞출 수 있을까?