개발 유튜브 숏츠를 AI로 만드는 법 — Veo 프롬프트부터 나만의 편집기까지

안녕하세요, 자바파커입니다.

개발 이야기를 짧은 영상으로 만들어 유튜브 숏츠에 올리고 싶었습니다. 그런데 문제가 하나 있었죠.

"촬영 장비도 없고, 영상 편집도 할 줄 모르는데 어떻게 만들지?"

결론부터 말씀드리면 — 얼굴 노출도, 촬영도, 편집 프로그램도 없이 개발 숏츠를 만들 수 있었습니다. AI 영상 생성(Veo), 약간의 ffmpeg, 그리고 제가 직접 만든 로컬 편집기로요.

이 글에서는 "API가 뭐예요?", "프론트엔드 vs 백엔드" 같은 입문 개발 숏츠를 만든 전체 과정을 공유합니다. 특히 요청이 많았던 실제 프롬프트 원문을 전부 공개합니다.

👉 직접 따라 만들고 싶다면? 이 글은 "왜·어떻게"를 다루는 제작기입니다. 순서대로 손을 움직이는 실습은 30분 만에 따라 만드는 개발 숏츠 실습편을 보세요.

전체 워크플로우 — 4단계

먼저 큰 그림입니다.

대본 설계 → Veo로 영상 생성 → ffmpeg로 자막·인트로·아웃트로 합성 → 편집기에서 다듬고 렌더

하나씩 뜯어보겠습니다.

1단계. 대본 — "비유 하나로 끝내기"

입문 숏츠의 핵심은 어려운 개념을 일상 사물에 빗대는 것입니다. 설명하지 말고 보여주세요.

제가 쓴 60초 공식은 이렇습니다.

예를 들어 "프론트엔드 vs 백엔드"는 이렇게 잡았습니다.

• 홀(손님이 보는 곳) = 프론트엔드
• 주방(안 보이는 곳) = 백엔드
• 마지막 자막: "보이면 프론트, 안 보이면 백엔드! 그럼 API는?" → 다음 편(“API=웨이터”)으로 연결

💡 가장 중요한 건 앞 3초입니다. 로고 인트로로 시작하면 시청자는 바로 넘깁니다. 첫 프레임부터 질문을 던지세요.

2단계. Veo 영상 프롬프트 (원문 공개)

Veo 3는 텍스트 → 영상을 만들면서 나레이션·효과음까지 함께 생성합니다. 여기서 배운 것들을 정리합니다.

프롬프트 구조

좋은 영상 프롬프트에는 아래 요소가 들어갑니다.

[피사체] + [동작] + [배경] + [카메라] + [스타일/조명] + [오디오] + [자막 금지]

실제로 쓴 훅 샷 프롬프트입니다(세로 9:16).

Vertical 9:16, cinematic. A cozy modern restaurant at golden hour. Warm
ambient lighting, shallow depth of field, film grain. Camera slowly pushes
in toward an empty table set for one, building quiet anticipation.
Audio: gentle restaurant ambience, soft chatter, light jazz.
Narrator (warm, friendly Korean male voice, early 30s, calm and clear):
"개발자들이 맨날 말하는 그거, API."
No subtitles, no captions, no on-screen text, no watermark. 8 seconds.

Veo 오디오, 함정 3가지

1. 자막이 멋대로 박힘 — 대사를 넣으면 영어 캡션을 태워버립니다. 프롬프트 끝에 no subtitles, no captions, no on-screen text는 필수입니다.
2. 클립마다 목소리가 달라짐 — 5개 클립을 따로 뽑으면 나레이터 톤이 튑니다. → 목소리 묘사(warm, friendly Korean male voice, early 30s...)를 모든 프롬프트에 글자 하나 안 바꾸고 복붙하세요.
3. 한국어 발음이 가끔 어색함 — 튀는 클립만 무대사로 다시 뽑고, 나레이션은 후반 TTS로 교체하는 게 안전합니다.

캐릭터 일관성 = 이미지 레퍼런스

텍스트만으로 여러 클립을 뽑으면 등장인물이 매번 바뀝니다. 이게 AI 영상의 최대 난제입니다. 해결책은 캐릭터 레퍼런스 이미지 1장을 먼저 확정하고, 그 이미지를 Veo의 이미지 입력에 매 샷 물리는 것(image-to-video)입니다. 일관성의 90%가 여기서 결정됩니다.

그리고 아래 블록 3개를 매 샷 프롬프트에 그대로 붙여 재사용했습니다.

[STYLE] Cinematic 3D animated film look, soft global illumination, shallow
depth of field, cozy warm lighting with teal/cyan neon accents, 8K, 9:16.

[VOICE] Narrator (warm, friendly Korean male voice, early 30s, calm and clear,
off-screen voiceover):

3단계. ffmpeg로 자막·인트로·아웃트로 합성

Veo가 뱉은 8초 클립 5개를 이어 붙이고, 자막과 인트로/아웃트로를 입혀야 합니다. 여기서 AI 영상 툴의 한계가 하나 더 있습니다 — 화면에 정확한 한글 자막·코드를 못 그립니다. 그래서 자막은 AI가 아니라 후반에 직접 번인합니다.

Windows에서 ffmpeg의 drawtext로 한글을 넣으려면 이스케이프 지옥이라, ASS 자막(libass) 방식이 훨씬 깔끔합니다. 한글 폰트·페이드·색상·위치가 자유롭거든요.

# 클립 이어붙이기 + ASS 자막 번인 (개념)
ffmpeg -i 1.mp4 -i 2.mp4 ... \
  -filter_complex "[0:v][0:a][1:v][1:a]...concat=n=5:v=1:a=1[cv][a];\
                   [cv]subtitles=captions.ass[vo]" \
  -map "[vo]" -map "[a]" out/short.mp4

인트로/아웃트로 카드는 HTML로

로고·구독 유도 카드는 HTML + Playwright로 렌더해 PNG로 뽑았습니다. AI가 글자를 못 그리는 문제를 피하면서, 다크 톤 그라데이션·글래스모피즘을 그대로 쓸 수 있어서요. (이 방식은 HTML과 Playwright로 블로그 이미지 자동 생성하기 글에서 자세히 다뤘습니다.)

썸네일도 자동화

숏츠 커버는 홀 vs 주방 대비 구도로 만들었습니다. 왼쪽 절반은 다이닝 홀, 오른쪽 절반은 주방 스틸을 깔고, 가운데 시안 라인 + 초대형 "프론트엔드 VS 백엔드" 타이포. 주제가 0.5초에 읽히게요. 이 스틸은 본편 영상에서 프레임을 추출해 썼습니다.

4단계. 나만의 로컬 웹 편집기 만들기

여기까지 오니 매번 captions.json을 손으로 고치고 전체 렌더를 다시 돌려야 했습니다. 불편했죠. 그래서 전용 편집기를 직접 만들었습니다.

CapCut 같은 범용 편집기도 있지만, 제 숏츠는 "클립 5개 + 키워드 자막 + 고정 인트로/아웃트로"라는 정형 포맷이라 전용 편집기가 훨씬 빠릅니다.

설계 — 의존성 0

핵심 아이디어는 미리보기는 즉시, 최종 렌더만 무겁게입니다.

[브라우저 편집기]  ←→  [작은 Node 서버]  ←→  [ffmpeg + Edge headless]
   실시간 자막 오버레이     API                최종 렌더 / 썸네일 PNG

• 미리보기: 클립을 이어붙인 저해상 영상 위에 자막을 HTML/CSS로 오버레이. 텍스트·시간·색을 바꿔도 재렌더 없이 즉시 반영.
• 최종 렌더: 버튼을 누르면 ffmpeg로 자막을 번인.
• 썸네일 PNG: Windows 기본 Edge를 헤드리스로 호출해 생성(--headless=new --screenshot). 별도 라이브러리 설치 없이요.

Node 내장 http 모듈만 썼습니다. npm 의존성이 하나도 없습니다.

만든 기능

• 타임라인 드래그 편집 — 자막 블록을 끌어 이동, 양끝을 끌어 길이 조절 (숫자 입력 대신)
• 미리보기에서 직접 조작 — 영상 위 자막을 드래그해 위치 이동, 모서리 핸들로 크기 조절
• 자막별 색·위치·크기·글꼴 개별 지정
• 클립 순서 변경/트리밍, BGM 트랙/볼륨
• 저장 상태 표시 + 버전 스냅샷(중요한 시점을 남겨 되돌리기)

정형 포맷이라 새 편은 영상 폴더와 자막 설정만 준비하고 버튼 한 번이면 끝납니다.

조회수를 올리는 5가지 포인트

만들면서 정리한, 개발 숏츠에서 특히 중요한 것들입니다.

1. 앞 3초 — 로고 인트로 금지. 첫 프레임부터 질문 자막.
2. 브랜드 일관성 — 인트로·본편·아웃트로의 톤과 캐릭터를 통일. 세계관이 바뀌면 이탈합니다.
3. 전용 썸네일 — 커버만 봐도 주제(프론트 vs 백엔드)가 읽히게.
4. 루프/다음 편 훅 — 끝에서 다음 질문을 던져 재시청·연속 시청 유도.
5. 상시 자막 — 무음으로 보는 시청자가 많습니다. 키워드는 항상 화면에.

마치며

정리하면, 개발 숏츠 한 편은 이렇게 만들어집니다.

1. 비유 하나로 대본을 잡고
2. Veo 프롬프트로 8초 클립을 뽑고
3. ffmpeg로 자막·인트로·아웃트로를 입히고
4. 직접 만든 편집기에서 다듬어 렌더

촬영도, 편집 프로그램 구독도 없이 개발 이야기를 영상으로 옮길 수 있다는 게 저에겐 꽤 큰 발견이었습니다. 다음 편에서는 캐릭터 마스코트를 본편까지 등장시켜 세계관을 통일한 과정을 공유하려 합니다.

블로그 글을 영상으로 재활용하는 또 다른 방법이 궁금하시면 블로그 글을 유튜브 영상으로 만드는 법도 함께 보세요.

🔒 보너스 — 비밀 콘텐츠

본문에서 소개한 Cody 세계관 전체 샷 프롬프트 팩과 편집기 구조 노트는 비밀번호로 여는 비밀 콘텐츠로 따로 공개합니다.

👉 비밀 콘텐츠 열기 — 비밀번호가 필요합니다.

비밀번호는 뉴스레터/커뮤니티에서 안내드립니다. (정적 사이트에서도 원문을 AES 암호화해 담아, 비밀번호를 알아야 복호화됩니다.)

자주 묻는 질문 (FAQ)

Q. Veo 없이도 만들 수 있나요? 네. Runway, Kling, Sora 등 다른 AI 영상 툴로 대체할 수 있습니다. 다만 툴마다 오디오 생성 여부·한국어 지원이 달라서, 대사는 후반 TTS로 넣는 방식이 가장 안정적입니다.

Q. 자막을 왜 AI 영상에 직접 안 넣나요? Veo/Sora/Kling 같은 툴은 화면에 정확한 한글이나 코드를 못 그립니다(글자가 뭉개짐). 그래서 배경 영상만 AI로 만들고, 자막·코드·핵심 문구는 후반에 ffmpeg(ASS 자막)로 번인하는 게 정석입니다.

Q. 편집기를 꼭 만들어야 하나요? 아닙니다. CapCut 같은 범용 편집기로 충분히 시작할 수 있습니다. 다만 같은 포맷의 영상을 반복 제작한다면, 전용 편집기가 시간을 크게 아껴줍니다.

Q. 얼굴 노출이 꼭 필요한가요? 아니요. 이 방식은 전부 얼굴 없이(faceless) 만듭니다. 나레이션은 AI 음성 또는 TTS로 대체합니다.

Q. 클립 길이는 왜 8초인가요? Veo 3의 기본 출력 단위가 8초입니다. 그래서 처음부터 8초 단위로 대본을 쪼개 설계하면 툴과 싸우지 않고 매끄럽게 이어집니다.