유튜브 자동화

유튜브 자동화는 유튜브 채널 두 개의 영상을 만드는 제작 시스템이다. AI 하이퍼사이클을 투자자 관점에서 해설하는 AC리서치와, 책을 읽고 삶을 다시 생각하는 부르바키소사이어티를 같은 틀로 만든다. 내가 주제를 주면 감독 에이전트가 대본, 장면 영상, 내레이션, 자막, 편집, 섬네일, 업로드를 여러 작업자에게 나눠 맡긴다. 2026년 9월 29일 채널 페이지 기준으로 AC리서치에 영상 25개, 부르바키소사이어티에 35개가 올라가 있다. 정해진 시간에 저절로 돌아가는 무인 자동화는 아니다. 주제를 정하고 목소리, 섬네일, 공개 시각을 승인하는 일은 내가 한다.

영상 한 편에는 대본, 장면, 목소리, 자막, 편집, 섬네일, 업로드까지 손이 가는 단계가 많다. 혼자서 두 채널을 꾸준히 채우려면 단계마다 내 손을 거치는 방식으로는 버틸 수 없었다. 무엇을 다룰지, 어떤 관점으로 말할지만 내가 정하고 나머지는 에이전트에게 넘기고 싶었다. 이 페이지는 AC리서치 8편 「AI 협력 말하는 미·중, 광트랜시버는 왜 견제할까?」가 만들어진 순서를 따라 단계별로 정리했다. 화면은 그 편의 제작 기록과 두 채널의 공개 페이지에서 가져왔다.

두 채널을 같은 틀로 만든다

AC리서치는 뉴스 제목보다 그 뒤에 연결된 구조를 본다. 데이터센터, 전력, 반도체 공급망 소식을 AI 투자가 실제 설비와 가동으로 이어지는지의 관점에서 읽는다. 부르바키소사이어티는 책 한 권을 골라 저자의 질문과 주장을 풀고 반론을 붙인다. 두 채널은 대본의 성격과 목소리가 다르지만, 장면을 만드는 장비와 검수 기준과 업로드 도구는 같다.

근거를 모으고 대본을 쓴다

8편은 내가 건넨 미·중 AI 협력 분석 자료에서 시작했다. 감독 에이전트가 길이와 관점이 다른 안을 내놓았고, 나는 4~5분짜리 하이퍼사이클 관점을 골랐다. 대본보다 자료 문서를 먼저 만든다. 주장마다 근거와 한계를 적고, 확인하지 못한 것은 뺀다. 로이터 기사와 법안 목록의 발의 날짜가 하루 어긋나 날짜를 단정하지 않았고, 9월 17일 기업 계약은 9월 24일 정상회담보다 앞서 회담의 결과로 쓰지 않았다.

초안은 맥에서 도는 로컬 모델 Qwen3.8 Flash Next가 쓴다. 분량, 문단 수, 첫 문장, 이야기 흐름을 정해 주고, 자료 문서에 없는 사실이나 수치는 넣지 못하게 한다. 매수·매도 권유와 과장된 비유도 금지다. 처음에는 시황, 설명, 반례, 투자자 관점 순서를 매편 강제했는데, 지금은 그런 반복 틀을 쓰지 말라고 적어 둔다. 감독 에이전트가 초안의 사실과 문체를 고친 뒤, 화면에 띄울 대본과 음성 합성용 대본을 나눈다. 음성용에는 “GPU”를 “지피유”로, “9월 24일”을 “구월 이십사일”로 바꿔 적는다.

장면은 두 장비에 나눠 만든다

장면 영상은 로컬 장비 두 대에서 만든다. RTX 5090에서는 MiniMax H3를 8단계로 줄인 가속 설정(Turbo LoRA)으로 돌리고, DGX Spark에서는 LTX 2.5를 돌린다. 사람, 손, 여러 동작이 얽힌 장면은 H3에, 공간과 사물, 느린 카메라 이동은 LTX에 준다. 모델별 고정 비율은 두지 않는다. LTX 결과가 기준에 못 미치면 H3로 다시 보내고, RTX 5090이 밀리면 H3 컷 일부를 DGX Spark로 넘기기도 한다.

2026년 9월 28일까지 성공한 생성 기록 45건을 보면, 약 10초짜리 클립 하나에 RTX 5090의 H3는 9분 40초 안팎, DGX Spark의 LTX는 3분 20초 안팎이 걸렸다. 그래서 컷 수를 반반 나누지 않고 두 장비가 비슷한 시각에 끝나도록 나눈다. 8편 본편에는 LTX 19컷과 H3 7컷, 모두 26컷이 들어갔다. 다시 만든 것까지 합쳐 뽑은 클립은 30개다.

이상한 클립은 눈으로 걸러낸다

생성한 클립을 전부 쓸 수는 없다. 감독 에이전트가 클립마다 처음, 중간, 끝 프레임을 뽑아 직접 보고 통과와 탈락을 기록한다. 8편에서는 네 개가 떨어졌다. 부품 모양이 틀리게 나온 H3 클로즈업 두 개, 건물 입구에 가짜 간판 글자가 생긴 컷, 화면 아래에 뜻 없는 글자가 떠오른 컷이다. 떨어진 원본은 지우지 않고 남겨 둔 채 그 자리에 들어갈 컷을 다시 만든다.

이 기록은 편집 단계와 이어져 있다. 검수 기록에 통과 표시가 없는 컷이 하나라도 있으면 편집 프로그램이 최종 렌더를 거부한다. 생성이 끝났다는 것과 쓸 수 있다는 것을 따로 다룬다.

목소리는 음색까지 맞춘다

AC리서치 내레이션은 ElevenLabs의 Girish 목소리로 만든다. 모델, 안정성 값, 속도를 편마다 같게 고정하고, 원본 음성과 설정을 함께 보관한다. 8편에서는 처음에 받아쓰기 정확도만 보고 테이크를 골랐다가 이전 편과 목소리가 다르다는 지적을 받았다. 화자 인식 모델로 1편 목소리와 음색 유사도를 재 보니 앞서 승인된 6편이 0.88, 처음 고른 테이크가 0.48, 다른 테이크가 0.89였다(1에 가까울수록 비슷하다). 그 뒤로 받아쓰기 정확도와 음색 연속성을 따로 검수하고, 숫자는 참고로만 쓰고 확정은 사람이 들어 보고 한다.

자막은 실제 발화에 맞춘다. 받아쓰기로 단어마다 시간을 찾고, 맥의 Qwen3.8 Flash Next가 발화 조각을 뜻이 끊기지 않는 단위로 묶는다. 시간은 모델이 아니라 코드가 첫 조각과 마지막 조각에서 계산한다. 한 자막은 두 줄까지다. “않습니다.“처럼 끝말만 둘째 줄에 홀로 남거나 자막이 장면 경계를 넘으면 검사에서 걸린다. 8편 자막은 57개다.

한 편으로 묶고 끝까지 본다

편집은 Remotion이 맡는다. 내레이션을 기준 시간으로 두고 장면 영상, 자막, 설명 그래픽, 배경음악을 한 타임라인에 올린다. 그래픽은 광트랜시버의 전기와 빛 변환처럼 말로만 듣기 어려운 대목에만 짧게 얹는다. 첫 1.5초는 말없이 장면으로 열고, 마지막 말 뒤에는 4초 넘게 여운을 둔다. 8편은 1920×1080, 4분 4초로 나왔다.

렌더가 끝나도 바로 완성이라고 부르지 않는다. 영상 전체를 끝까지 디코드해 검은 화면과 멈춘 구간을 찾고, 자막 57개와 장면 26개의 가운데 프레임을 포함해 89장을 모아 눈으로 본다. 마지막으로 브라우저에서 처음부터 끝까지 1배속으로 재생해 오류 없이 끝나는지 확인한다. 목소리 확인이 보류된 동안에는 편집 프로그램이 최종 합성을 막는다.

쇼츠는 본편을 잘라 만들지 않는다. 세로 화면용 대본, 음성, 장면을 따로 만든다. 8편의 58.8초짜리 예고 쇼츠도 본편 클립을 다시 쓰지 않고 H3 2컷과 LTX 4컷을 세로로 새로 만들었다. 2026년 9월 29일 기준으로 이 쇼츠는 아직 올리지 않았다.

섬네일과 설명을 함께 준비한다

섬네일은 GPT Image로 그린다. 8편은 미·중 회담 테이블과 광트랜시버를 한 화면에 맞세우고 “AI는 협력? 광트랜시버는 견제”를 크게 넣었다. 원본을 1280×720과 휴대폰 목록 크기인 320×180으로 줄여 글자가 깨지지 않는지 본다. 제목에는 회차 번호를 넣지 않는다. 설명에는 챕터, 주요 출처, 배경음악의 출처와 라이선스, 영상과 섬네일의 장면이 설명을 위한 연출이라는 고지를 적는다.

업로드와 예약은 브라우저 에이전트가 한다

업로드는 프로그램 연동이 아니라 Aside 브라우저의 에이전트가 YouTube Studio 화면을 직접 다뤄서 한다. 올리기 전에 채널이 맞는지, 같은 영상이 이미 올라가 있지 않은지 기존 본편 목록과 대조한다. 영상은 한 번만 올려 비공개로 저장하고 제목, 설명, 섬네일, 한국어 자막 파일, AI 사용 표시, 아동용 여부를 채운다. 공개 예약을 저장한 뒤에는 페이지를 새로 고쳐 저장된 날짜와 시간대를 다시 읽는다. 8편은 2026년 9월 28일 오전 8시 공개로 예약했고, 다음 날 채널 페이지에서 공개된 것을 확인했다.

책 영상은 사유고에서 출발한다

부르바키소사이어티의 책 영상은 사유고에 들어 있는 책 원문과 완독 코스를 바탕으로 쓴다. 한 편에 핵심 질문 하나와 결론 하나를 두고, 저자의 주장과 채널의 해석을 나눠 말한다. 이해를 돕는 예시가 책의 사례가 아니라 채널이 만든 설명이면 설명란에 그렇게 적는다. 앞선 책 영상 몇 편은 Grok으로 장면을 만들었고, 한병철 『서사의 위기』는 AC리서치와 같은 H3와 LTX 조합으로 만들었다.

목소리는 Adam 목소리로 추가 학습한 Fish Audio 음성 모델(LoRA)을 RTX 5090에서 돌려 만든다. 『서사의 위기』는 문장 사이에 약 0.8초, 문단 사이에 약 2초를 두어 급하게 들리지 않게 했다. 한 문단 후반이 다른 사람 목소리처럼 바뀐 것을 내가 듣다가 찾았고, 설정은 그대로 둔 채 난수값만 바꿔 그 문단만 다시 만들어 끼웠다. 이 편은 장면 42컷 가운데 36컷을 H3, 6컷을 LTX로 만들었고 길이는 약 8분이다.

사람은 주제와 승인을 맡는다

정해진 시간에 저절로 도는 예약 작업은 없다. 매 편은 내가 주제나 자료를 건네면서 시작한다. 목소리 테이크, 섬네일 시안, 공개 시각은 내가 확인한 뒤에 확정된다. DGX Spark를 언어 모델 서빙에서 영상 생성으로 바꾸거나 RTX 5090의 생성 서버를 다시 켤 때도 에이전트가 먼저 묻는다.

업로드 권한은 채널마다 다르게 정해 두었다. AC리서치는 내가 명시해야 올린다. 8편도 “오늘 오전 8시에 올려 달라”는 지시를 받고 나서 예약했다. 부르바키소사이어티는 완성 영상 제작을 맡기는 것 자체를 예약 업로드까지의 승인으로 정했다. 그래도 공개 시각은 내가 정하고, 정해지지 않았으면 비공개로 둔 채 기다린다.

편마다 제작 폴더 하나, 장면은 ComfyUI로 5090과 Spark에 보낸다

편마다 제작 폴더 하나에 자료 문서, 대본, 장면 그래프, 클립, 음성, 자막, 검수 기록이 모인다. 감독은 Codex가 맡고, 자막 묶기 같은 작은 반복 작업은 맥의 Qwen3.8 Flash Next와 스크립트가 맡는다. 장면은 ComfyUI 그래프로 RTX 5090의 MiniMax H3와 DGX Spark의 LTX 2.5에 보내고, 제출 번호와 파일 해시를 기록해 연결이 끊겨도 같은 작업을 두 번 제출하지 않는다. 편집은 Remotion, 섬네일은 GPT Image, 음성은 ElevenLabs와 Fish Audio, 업로드는 Aside 브라우저가 맡는다. 자세한 과정은 개발로그 연재로 이어 쓴다.