1. 1,000원으로 고품질 쇼츠 만들기: n8n 영상 자동화 공개 [0]

thumbnail 1,000원으로 고품질 쇼츠 영상을 자동으로 만드는 방법을 소개한다. n8n 워크플로우를 활용하여 뉴스 기사 선정부터 영상 제작, 유튜브 업로드까지 자동화하며, 특히 GPT-4.1 나노 모델과 오픈소스 툴을 활용하여 비용을 획기적으로 절감한다.

1.1. 자동화 워크플로우 개요 [0]

  1. 쇼츠 영상은 자동으로 생성되어 최적화된 메타데이터와 함께 유튜브에 업로드된다. [0]
  2. 업로드된 유튜브 링크는 구글 시트에 입력되어 자동화 플로우가 종료된다. [1]
  3. 자동 생성된 영상은 제목, 설명, 태그까지 잘 갖춰져 있다. [7]

1.2. 자동화의 필요성 및 비용 절감 [11]

  1. 기존 AI 기반 쇼츠 제작은 편당 약 5,000원으로 매일 사용하기에는 부담스럽다. [11]
  2. 이에 합리적인 가격으로 고품질 쇼츠를 만들 수 있는 워크플로우를 구상했다. [12]
  3. 사용되는 주요 툴과 예상 비용은 다음과 같다. [58]
    1. 오픈 AI GPT 4.1 나노 모델: 스크립트, 이미지/비디오 프롬프트, 유튜브 메타데이터 생성에 사용되며, 2만 토큰 기준 약 14원이다. [51]
    2. 오픈 AI TTS: 나레이션 오디오 생성에 사용되며, 300자 기준 약 6원이다. [52]
    3. 오픈 AI Whisper: 자막 생성에 사용되며, 1분 기준 약 8원이다. [52]
    4. 프리픽 Imagen 3: 이미지 생성에 사용되며, 이미지 한 장당 약 65원이다. [52]
    5. 프리픽 Pika 1.6 Standard: 동영상 생성에 사용되며, 비디오 한 개당 약 400원이다. [52]
    6. FFmpeg: 영상 편집에 사용되는 오픈소스 프로그램으로 무제한 무료이다. [53]
  4. GPT 4.1 나노 모델은 GPT 4.5 모델 대비 5% 수준의 가격으로, 성능 또한 뛰어나 논문 수준의 퀄리티가 필요한 경우가 아니라면 충분히 훌륭한 결과를 얻을 수 있다. [65]

1.3. 워크플로우 상세 흐름 [46]

  1. 워크플로우는 크게 여섯 가지 영역으로 나뉜다. [45]

    1. 나레이션 프롬프트 완성 (초록색 영역) [46]
    2. 이미지 생성 (파란색 영역) [47]
    3. 비디오 생성 (보라색 영역) [47]
    4. 오디오, 자막, 배경 음악, 로고 파일 생성/불러오기 (레드 영역) [47]
    5. 리소스 통합 및 영상 렌더링 (그레이 영역) [48]
    6. 유튜브 업로드 및 결과 기록 (카키 영역) [49]

  2. 시작 및 나레이션 생성 단계 [78]

    1. 구글 시트의 '스타트 비디오' 열에서 '예스'를 선택하면 웹 스크립트가 작동하여 뉴스 데이터를 n8n 워크플로우로 보낸다. [78]
    2. H열에서 트리거가 들어오면 나레이션 생성 흐름으로 이동하여 여섯 개의 문장으로 이루어진 나레이션 초안을 생성한다. [80]
    3. 생성된 나레이션은 구글 시트에 자동으로 입력되며, 사용자는 이를 개인화하여 수정한다. [81]
    4. 수정된 나레이션은 직접 녹음하여 구글 드라이브에 업로드하거나, TTS 모듈로 대체하여 자동으로 생성할 수 있다. [82]

  3. 영상 자동화 단계 [84]

    1. 구글 시트의 '비디오 카운트' 열에 API로 생성할 영상 개수를 입력하고, '컨티뉴 비디오' 열에서 '예스'를 선택하면 영상 자동화 흐름이 시작된다. [84]
    2. L열에서 트리거가 들어오면 영상 자동화 흐름으로 이동한다. [86]
    3. 스플릿 노드에서 여섯 개의 나레이션이 분리되어 AI 에이전트 노드에서 각 문장에 대한 이미지 프롬프트가 생성된다. [87]
    4. 이미지 생성 과정 [110]
      1. 프롬프트 생성: GPT 4.1 나노 모델을 사용하여 각 나레이션 문장을 시각적으로 잘 전달할 수 있는 이미지 프롬프트를 생성한다. [110]
      2. 이미지 생성: 프리픽 Imagen 3 API를 통해 여섯 장의 이미지를 생성한다. [115]
      3. 상태 확인 및 대기: 이미지 생성 완료 여부를 확인하며 대기한다. [117]
      4. 구글 드라이브 업로드: 생성된 이미지 파일을 체계적인 관리를 위해 구글 드라이브에 업로드하고 웹 링크를 확보한다. [121]
    5. 영상 생성 과정 [146]
      1. 영상 개수 결정: 구글 시트에서 입력한 영상 개수에 따라 이미지 중 일부를 영상 생성 흐름으로 보낸다. [146]
      2. 영상 프롬프트 생성: 각 이미지에 대응하는 영상 생성용 프롬프트를 생성한다. [148]
      3. 영상 생성: 프리픽 Pika 1.6 Standard API를 통해 영상 생성을 요청한다. [149]
      4. 오류 방지 및 검증: 영상 생성 요청 시 발생할 수 있는 오류를 방지하기 위한 복잡한 검증 노드를 거친다. [150]
      5. 영상 데이터 수신 및 정렬: 완성된 영상 데이터를 받아 순서를 재정렬한다. [155]
      6. 구글 드라이브 업로드: 정렬된 순서대로 영상 데이터를 구글 드라이브에 업로드하고 다운로드 링크를 확보한다. [157]

1.4. 주요 노드 설정 및 기능 [88]

  1. 웹훅(Webhook) 노드: n8n 외부에서 워크플로우를 실행시키는 통로 역할을 한다. [89]
    1. 구글 시트의 앱스 스크립트가 특정 셀 값을 감시하다가 조건이 충족되면 해당 URL로 HTTP 요청을 보낸다. [91]
    2. 이 호출이 도착하면 웹훅이 활성화되어 워크플로우가 자동으로 실행된다. [92]
  2. 앱스 스크립트: 구글 시트에서 특정 열의 값 변화를 감지하여 웹훅으로 트리거를 전송한다. [95]
    1. '콜 비디오' 작업은 H열의 '예스' 값을 감지하여 '제너레이트 나레이션' 트리거를 전송한다. [96]
    2. '컨펌' 작업은 L열의 '예스' 값을 감지하여 '컨펌레이션' 트리거를 전송한다. [98]
  3. 이프(If) 노드: 트리거 타입에 따라 워크플로우 흐름을 나레이션 생성 또는 영상 자동화 단계로 분기시킨다. [97]
  4. 프리픽 Imagen 3 API 호출 노드: 이미지 생성 API를 호출하며, 요청 URL, API 키, 이미지 개수, 비율, 스타일 등이 설정된다. [123]
    1. 프롬프트는 매우 구체적이고 시각적인 장면을 유도하도록 작성된다. [125]
    2. 이미지 생성 요청 시 고유한 테스크 아이디가 생성되어 상태 확인 및 이미지 요청에 사용된다. [133]
  5. 구글 드라이브 업로드 노드: 생성된 이미지 파일을 구글 드라이브에 업로드하고 파일 이름을 순서대로 넘버링하여 영상 렌더링 시 순서 오류를 방지한다. [135]
  6. 스위치(Switch) 노드: 사용자가 입력한 영상 개수 값에 따라 이미지 중 어떤 것을 영상 생성 흐름으로 보낼지 결정한다. [146]
  7. 프리픽 Pika 1.6 Standard API 호출 노드: 영상 생성 API를 호출하며, 영상 프롬프트와 함께 이미지를 제공해야 한다. [169]
    1. 카메라 워크와 동적 무브먼트 키워드가 상세하게 포함된 프롬프트가 사용된다. [172]
  8. 웨잇(Wait) 노드 및 관련 노드: 영상 생성 완료 여부를 확인하고, 완성된 영상 개수가 사용자가 입력한 개수와 일치하는지 검증한다. [155]
  9. 리스토어 오더(Restore Order) 노드: 받은 영상 데이터를 저장된 인덱스를 사용하여 정렬한다. [157]
  10. 업로드 비디오(Upload Video) 노드: 정렬된 순서대로 영상 데이터를 구글 드라이브에 업로드하고 파일 이름을 지정한다. [157]

1.5. 리소스 통합 및 최종 영상 제작 [179]

  1. 파이널 머지(Final Merge) 노드: 생성되거나 불러온 영상, 나레이션 오디오, 자막, 배경 음악, 로고 등 모든 리소스가 한 곳에 모인다. [179]
  2. 데이터 아그리게이터(Data Aggregator) 노드: 모인 리소스들을 영상 작업에 사용하기 쉬운 형태로 재정의하고 가공한다. [179]
  3. 심플 비디오 프로세서(Simple Video Processor) 노드: 최종 영상 렌더링을 위한 FFmpeg 스크립트를 생성한다. [214]
    1. 세그먼트 길이 조절, 영상 길이 조절, 이미지 효과 적용, 배경 음악 및 나레이션 믹싱, ASS 자막 삽입 등 모든 렌더링 작업이 포함된다. [221]
  4. 스크립트 실행 노드들: FFmpeg 스크립트를 파일로 저장하고 실행하여 최종 영상 파일을 생성한다. [214]
    1. 이 과정을 통해 파싱 오류가 사라지고 실행 성공률이 거의 100%가 된다. [225]

1.6. 유튜브 업로드 및 결과 기록 [227]

  1. 메타데이터 생성 노드: 업로드용 제목, 설명, 태그를 자동으로 작성한다. [228]
  2. 유튜브 업로드 노드: 렌더링된 영상 파일과 메타데이터를 받아 유튜브에 자동 게시한다. [228]
  3. 업로드 성공 시, 해당 영상 링크를 구글 시트의 '비디오 링크' 열에 기록하며 자동화 작업이 완료된다. [228]

1.7. 유튜브 수익화 정책과 AI 활용의 진정성 [235]

  1. 최근 발표된 유튜브 수익화 정책은 '콘텐츠의 개별화된 진정성'과 '보조 도구로서의 AI 활용'을 강조한다. [238]
  2. 이 자동화 작업은 기존 자동화에서 인간적인 관점과 창의성을 살리는 고민에서 시작되었기에 정책 방향과 일치한다. [238]
  3. 개인화된 결과물 확보:
    1. 영상 자동화 결과물에서 마음에 들지 않는 부분(약 5-7%)을 검토하고 수정하는 프로세스를 포함하여 개인화되고 완성도 있는 결과물을 얻는다. [239]
    2. 직접 녹음하는 프로세스를 통해 진정성을 더하며, 향후에는 자신의 목소리를 학습시킨 AI를 사용할 수도 있다. [242]
  4. 영상 구성의 다양성: 여섯 개의 신 중 API로 가져갈 영상 개수를 조절하여 이야기의 성격과 경중에 따라 영상 구성을 다양하게 가져갈 수 있다. [244]
  5. 창의적이고 시각적인 결과물:
    1. 나레이션, 이미지 프롬프트, 영상 프롬프트를 구체적이고 디테일하게 구성한다. [248]
    2. 커스터마이즈된 캠번 효과를 다양하게 적용한다. [249]
    3. 오픈 코어 AI 로고를 삽입하여 마무리한다. [250]
  6. 이러한 요소들이 자동화된 영상에 진정성, 개인화, 창의성을 더해줄 것으로 기대한다. [251]

2. AI 업계 동향 및 관련 뉴스 [3]

  1. AI 업계에서는 다양한 움직임이 나타나고 있다. [15]
    1. 넷플릭스: AI를 활용해 콘텐츠 제작에 혁신을 일으키고 있다. [3]
    2. 메타: 슈퍼 인텔리전스 연구소를 개설하며 AI 연구에 박차를 가하고 있다. [253]
      1. 수백억 달러를 투자하여 AI 개발에 집중할 계획이며, 이는 구글 및 오픈 AI와의 경쟁 의지를 보여준다. [255]
      2. 주크버그는 AI가 향후 10년간 가장 중요한 기술이 될 것이라고 언급하며, 이는 AGI(범용 인공지능)를 향한 발걸음으로 볼 수 있다. [257]
    3. 코히어(Cohere): 갑작스러운 프로 요금 변경으로 논란이 일고 있다. [5]
      1. 기존 고정 요금제에서 토큰 기반 크레딧으로 변경되면서 많은 개발자들이 예상치 못한 높은 비용에 불만을 표하고 있다. [231]
      2. 일부 팀은 하루 만에 연간 구독 비용을 모두 사용하기도 했으며, 소셜 미디어에는 관련 해시태그가 넘쳐나고 클로드 코드로 이동하는 움직임도 있다. [233]
      3. 코히어는 환불까지 해 주겠다는 입장이지만, 위기 극복 여부는 지켜봐야 한다. [235]