본문으로 건너뛰기

유튜브 shorts 업로드까지 자동화 과정 수정

은쌤T

2026.04.08

소개

21기 네트워킹방에서 스니이님께서 Typecast 정보 주셔서 tts 바꾸는 김에, 파이프라인 전체 수정했습니다. 개입단계 2번 추가(대본 완성 후, 업로드 하기 전)하고 typecast 사용해서 /shortform 스킬을 만들었습니다. 'AI 시대에 글쓰기를 해야 하는 이유'라는 주제로 두번째 영상을 만들어 업로드 했습니다. 영상 제작 비용이 궁금해서 토큰 로깅 시스템도 구축했습니다.

https://youtube.com/shorts/zwcG3ke7dbQ

진행 방법

  1. 숏폼 영상 제작 비용 확인 및 토큰 로깅 시스템 구축

  • 숏폼 영상 제작에 사용된 API 서비스별(Claude, Gemini, edge-tts, Remotion) 비용 확인 방법 안내

  • Gemini API 토큰 사용량 로깅 시스템 구축

    • agents/token-logger.mjs 유틸리티 생성

    • agents/story-writer.mjs, character-designer.mjs, scene-director.mjs에 로깅 추가

    • scripts/deep-research.mjs에 로깅 추가

    • producer.mjs에 파이프라인 완료 후 토큰 사용량 요약 출력 기능 추가

  • workspace/token_usage.json에 누적 저장 방식으로 구현

역할

도구

비용

오케스트레이션

Claude Code (Opus 4.6)

-

대본 생성

Gemini 2.5 Flash

$0.001

캐릭터/씬 설계

Gemini 2.5 Flash

$0.004

이미지 생성

Imagen 4.0 (12장)

~$0.05

TTS 음성

Typecast API (ssfm-v30)

구독 내

영상 렌더링

Remotion 4.x

무료

업로드

YouTube Data API v3

무료

  1. /shortform 커맨드 워크플로우 수정

  • 기존: 모드 선택(전체자동/대본까지만/중간재개) 방식

  • 변경: 항상 대본 생성 후 멈추고 사용자 확인을 받은 뒤 나머지 파이프라인 진행

  • /shortform 스킬 파일(~/.claude/commands/shortform.md) 수정

사용 도구: Claude Code
결과물: ~/.claude/commands/shortform.md 수정

  1. TTS를 edge-tts에서 Typecast API로 전환

  • Typecast API 문서 조사 (최신 API: api.typecast.ai, X-API-KEY 인증, ssfm-v30 모델)

  • API 토큰 설정 (.env에 TYPECAST_API_TOKEN 추가)

  • 사용 가능한 목소리 542개 조회, 교육/대화 적합 + ssfm-v30 지원 116개 필터링

  • 후보 6명 샘플 음성 생성 및 비교 청취

    • 책쌤 후보: Jinhan, Sanghoon, Wonwoo

    • 글쌤 후보: Moonjung, Seoyeon, Gowoon

  • 최종 선택: 책쌤 = Wonwoo, 글쌤 = Seoyeon

  • agents/audio-creator.py 전면 재작성

    • edge-tts 의존성 제거, Typecast API(urllib) 사용

    • 출력 포맷 MP3 → WAV

    • 화자별 voice_id 매핑

  • CLAUDE.md, /shortform 스킬의 TTS 관련 설정 업데이트

사용 도구: Typecast API, edge-tts(비교용), Claude Code
결과물: agents/audio-creator.py 재작성, data/tts_samples/ 샘플 6개, .env 업데이트, CLAUDE.md 업데이트

  1. /shortform 스킬로 영상 작업

1단계: 대본 생성 + 캐릭터 설정 커스텀

기존 파이프라인은 책쌤+글쌤 2인 대화 구조였는데, 이번 에피소드는 글쌤(선생님) + 호기(초5 학생) 주인공에 책쌤은 도우미로 변경. config.json의 additionalNotes에 캐릭터 관계, 말투, 존댓말 규칙을 상세히 지정.

{
  "additionalNotes": "글쌤은 선생님이므로 존댓말, 호기는 초등 5학년 반말+존댓말 혼용, 책쌤은 보조 1~2회 등장"
}

배운 점: AI 대본 생성 시 캐릭터 관계와 말투를 additionalNotes로 오버라이드하면 시스템 프롬프트를 수정하지 않고도 유연하게 바꿀 수 있다.

2단계: 호기 음성 교체 — 성인 남성 → 소년 목소리

파이프라인에 호기 전용 음성이 없어서 기본값(Wonwoo, 성인 남성)으로 나옴. 초등 5학년인데 아저씨 목소리가 나오는 문제.

해결법: Typecast API에서 후보 음성 10개를 같은 대사로 테스트 클립 생성 → 비교 청취 → Haerang 선택.

# audio-creator.py에 호기 전용 음성 추��
VOICE_CONFIG = {
    "책쌤": {"voice_id": "tc_686dc43e...", "voice_name": "Wonwoo"},
    "글쌤": {"voice_id": "tc_637cbfee...", "voice_name": "Seoyeon"},
    "호기": {"voice_id": "tc_6788847e...", "voice_name": "Haerang"},  # 추가!
}

팁: TTS 음성 선택은 반드시 실제 대사로 테스트해야 한다. 이름만 보고 고르면 캐릭터와 안 맞을 확률 높음.

3단계: TTS 반복 버그와의 전쟁 (가장 큰 삽질)

53초 지점에서 "자신만의 경험이나 느낌을 담은 글은 못쓴답니다"가 반복 재생되고, 1:06에서 "멋진 여행이에요"가 또 반복. Typecast TTS의 특성상 긴 문장(40자 이상)에서 반복 생성 현상 발생.

대사

글자 수

TTS 길이

문제

"AI는 이미 있는 정보를 조합해서..."

52자

14.10초

❌ 반복

"맞아요! 글쓰기는 스스로 생각하고..."

48자

11.45초

❌ 반복

"글쓰기는 생각하는 힘을 길러주거든요."

18자

2.75초

✅ 정상

해결: 모든 대사를 35자 이내로 분리. 10개 → 12개 대사로 재구성.

Before: "AI는 이미 있는 정보를 조합해서 글을 만들어요. 하지만 우리 호기처럼 
        자신만의 경험이나 느낌을 담은 글은 못 쓴답니다. 그게 바로 '진짜 나'의 이야기죠."

After:  ① "AI는 정보를 조합해서 글을 만들어요. 하지만 자기만의 경험을 담진 못해요."
        ② "그게 바로 진짜 나만의 이야기인 거죠."

4단계: 이미지-씬 매핑 불일치 (두 번째 큰 삽질)

대사를 10개 → 12개로 바꿨는데 이미지는 옛 10개 기준 그대로. 글쌤이 말하는 장면에 호기 이미지가 나오는 상황 발생.

원인: batch-image-gen.mjs가 이미 존재하는 이미지를 건너뛰는 로직 때문. 대사 순서가 바뀌었는데 같은 파일명(scene_02.png)의 이미지가 남아있어서 다른 캐릭터 이미지가 재사용됨.

해결: 기존 이미지 전부 삭제 → 12개 새로 생성.

scene_02.png: 원래 호기(curious) → 지금 글쌤(confident) ❌ 불일치!
→ 전체 삭제 후 재생성으로 해결

교훈: 파이프라인 중간 단계를 수정하면, 그 이후 단계의 캐시/기존 파일을 반드시 초기화해야 한다.

5단계: 최종 렌더링 + 업로드

모든 문제 해결 후 Remotion 렌더링 → YouTube 비공개 업로드 완료.

✅ 결과 (After)

항목

값

에피소드

EP.002 "AI 시대, 왜 글쓰기를 해야 할까요?"

영상 길이

67.7초

대사 수

12개 (글쌤 7, 호기 4, 책쌤 1)

이미지

Imagen 4.0으로 12장 생성

TTS

Typecast 3음성 (Seoyeon, Haerang, Wonwoo)

Gemini API 비용

$0.005

총 소요 시간

약 30분 (대화+디버깅 포함)

YouTube

https://youtube.com/shorts/zwcG3ke7dbQ

결과와 배운 점

효과적이었던 것:

  1. 대본 먼저 확인하고 진행 — 대본 승인 후 나머지 파이프라인 실행. "한 번에 다 돌리기"보다 중간 체크포인트가 수정 비용을 줄여줌

  2. TTS 음성은 테스트 클립으로 비교 — API에서 후보 10개를 같은 대사로 뽑아 비교 청취. 이름만으로는 절대 판단 불가

  3. 긴 문장 분리 — TTS 안정성을 위해 35자 이내 원칙. 길면 반복 생성되는 건 Typecast만의 문제가 아님

  4. 파이프라인 의존성 인식 — 중간 단계 수정 시 하위 단계 캐시 초기화 필수

하면 안 되는 것:

  1. 대사 수를 바꾸고 이미지를 재생성 안 하기 → 화자-이미지 불일치

  2. 한국어 텍스트를 부분 편집으로 수정하기 → 유니코드 깨질 위험 (파일 전체 재작성이 안전)

  3. TTS에 40자 이상 문장 넣기 → 반복 생성 확률 급증

  4. 음성 선택 없이 기본값으로 가기 → 캐릭터와 안 맞는 목소리

함께 이야기해요 0

로그인하고 댓글을 남겨 주세요

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기