# 대본부터 음성·자막·렌더까지, YouTube 제작 흐름을 연결했습니다 Author: Jaeho Shin / 신재호 Date: 2026-09-08 Updated: 2026-09-12 Category: Media Canonical: https://www.viberick.com/notes/multimodal-production-pipeline 대본, 장면 이미지, 음성, 자막과 렌더를 연결한 영상 제작 시스템입니다. 실제 오디오와 자막의 타이밍·줄바꿈을 확인하고, 부분 수정과 편집 도구 인계까지 다루는 제작 과정을 정리했습니다. ## Workflow overview 1. 대본·씬 2. 이미지·음성 3. 정렬·자막 4. 렌더·검수 제작 흐름 요약. 이미지와 음성 등 독립 작업은 병렬 실행하며, 렌더 완료와 게시 승인은 별개다. ## 영상 한 편을 만드는 반복 작업을 연결했습니다 **대본에서 장면 이미지, 내레이션, 자막과 최종 영상까지 이어지는 제작 파이프라인을 만들었습니다.** 생성 도구마다 파일을 옮기고 결과를 맞추던 작업을 단계별 산출물로 연결했습니다. 영상 한 편에는 서로 다른 작업이 들어갑니다. 문장이 자연스러워도 음성으로 읽으면 발음이 어색할 수 있고, 이미지가 좋아도 그 장면의 내레이션과 맞지 않을 수 있습니다. 자막 텍스트가 맞아도 너무 빨리 지나가거나 엉뚱한 곳에서 줄이 바뀌면 다시 편집해야 합니다. 이 시스템의 중심은 생성 버튼 하나보다, 수정할 부분을 찾고 다시 작업할 수 있는 제작 흐름입니다. [콘텐츠 제작 사례](/work/content)에서 공개 채널과 결과물을 볼 수 있습니다. ## 제작 단계를 어떻게 나눴나요? 1. **대본과 장면:** 주제와 채널 문체에 맞는 대본을 만들고 장면으로 나눕니다. 2. **메타데이터:** 제목, 설명과 챕터 자료를 정리합니다. 3. **장면 이미지:** 해당 대본과 연결된 이미지를 만듭니다. 4. **썸네일:** 본편과 별도로 표지 이미지를 준비합니다. 5. **음성:** 채널에 맞는 내레이션을 생성합니다. 6. **정렬과 자막:** 실제 음성과 대본을 맞춰 시간 정보를 구성합니다. 7. **장면 영상화:** 필요한 장면을 움직이는 클립으로 만듭니다. 8. **조립과 렌더:** 장면, 음성, 자막을 최종 파일로 출력합니다. 이 목록은 독자가 이해하기 위한 묶음입니다. 실제 구현의 스테이지 구분과 실행 순서는 제작 경로에 따라 달라집니다. ## 중간 파일을 남기는 이유는 무엇인가요? 대본 한 문장이나 음성 한 구간을 고칠 때 모든 결과물을 버리고 다시 만들 필요는 없습니다. 어떤 대본과 장면에 연결된 음성인지 알 수 있어야 수정 범위를 정할 수 있습니다. 그래서 대본, 장면 이미지, 오디오, 시간 정보와 편집 결과를 구분해 남기는 구조로 만들었습니다. 입력이 바뀌었을 때 어떤 결과를 재사용할 수 있는지도 함께 확인해야 합니다. 파일이 있다는 이유만으로 오래된 결과를 새 대본과 섞으면 안 됩니다. 예를 들어 인물 이름의 발음만 수정했다면 음성을 다시 만든 뒤 길이를 확인하고, 해당 자막과 장면 길이를 점검합니다. 대본의 장면 의미가 같다면 이미지까지 다시 만들 필요가 있는지 별도로 판단할 수 있습니다. ## 오디오를 듣고 자막까지 판단해야 하는 이유 대본은 읽기를 의도한 내용이고, 오디오는 실제로 들리는 결과입니다. 생성된 음성이 단어를 빠뜨리거나 숫자를 다르게 읽었다면 원고만 보고 자막을 붙이는 것으로는 문제를 찾기 어렵습니다. 자막 작업에서는 실제 발화를 확인하고 전사 결과와 비교해야 합니다. 그다음 문장이 언제 시작하고 끝나는지, 잠깐 쉬는 구간이 어디인지와 화면에서 읽을 시간을 함께 봅니다. 자막 추출기의 입력·검수 흐름은 [음성 기반 자막과 줄바꿈 글](/notes/audio-subtitle-editing)로 분리했습니다. 전체 영상 제작과 자막 한 구간의 판단은 설명해야 할 깊이가 다르기 때문입니다. ## 자막의 정확도와 줄바꿈은 다른 작업입니다 단어가 맞는 것과 화면에 읽기 좋게 배치하는 것은 다릅니다. 예를 들어 아래는 실제 고객 자막이 아닌 편집 설명용 문장입니다. - 한 줄 원문: 오늘 입실하는 객실과 추가 침구를 확인해 주세요. - 의미 단위 배치: 오늘 입실하는 객실과 / 추가 침구를 확인해 주세요. 글자 수만 균등하게 나누면 조사나 짧은 어절이 혼자 남을 수 있습니다. 영상의 자막 폭과 글씨 크기, 발화 속도에 맞춰 의미가 이어지는 곳에서 나누는 것이 목표입니다. 원고가 있는 영상 제작에서는 그 원고와 생성 음성을 강제 정렬합니다. 현재 content-factory의 한국어 경로는 세밀한 시간 구간을 받은 뒤 실제 쉼, 문장부호와 글자 길이를 기준으로 자막을 다시 묶습니다. 반면 별도 자막 추출기는 원고 없는 오디오에서 STT 초안을 만들고, 용어집을 포함한 LLM 음성 교정과 재정렬, 의미 단위 분할을 수행합니다. 같은 자막 서비스를 활용해도 모든 제작 영상이 LLM 교정을 거치는 것은 아닙니다. 자동 결과는 실제 영상 크기로 재생해 읽기 속도와 잘림을 확인합니다. ## 브루 연계가 아니라 자체 자막 품질 개선입니다 이 작업의 자막 추출기는 브루 플러그인이 아닙니다. 기존 자막 편집에서 아쉬웠던 전문용어, 교정 후 타이밍과 의미 단위 분할을 직접 다루기 위해 별도 서비스를 만들었습니다. 브루 같은 편집 도구를 사용할 때도 인계할 대본, 오디오, 장면 이미지와 자막을 명확히 나눠두는 것이 중요합니다. 어떤 도구에서 최종 편집하든 파일 이름과 장면 연결 관계가 정리돼 있어야 다시 맞추는 작업이 줄어듭니다. 현재 자막 서비스는 SRT, VTT, TXT와 구간 데이터를 생성합니다. [자막 추출기 구축 기록](/notes/audio-subtitle-editing)에서 각 처리 단계와 키워드 부스팅의 적용 위치를 설명합니다. ## 노이즈 제거와 음성 제작은 어떻게 연결하나요? 기존 녹음에 잡음이 있으면 정리 전후를 들어보고 자막 추출에 쓸 오디오를 선택할 수 있습니다. 자체 TTS로 만든 음성도 발음과 누락 여부를 확인해야 합니다. [Denoise 제작 사례](/notes/denoise-editing-workflow)는 영상·오디오 업로드와 정리본 다운로드를 다룹니다. 노이즈 제거가 자막의 정확도까지 보장하는 것은 아니므로, 음성 정리와 전사 검수는 별도 단계로 둡니다. ## 롱폼과 Shorts는 어떻게 다르게 만드나요? 롱폼은 챕터 사이의 흐름과 장시간 청취가 중요합니다. Shorts는 작은 화면의 자막, 짧은 도입과 한 가지 메시지에 맞춰 장면을 구성해야 합니다. 같은 원고를 세로로 잘라내기만 하면 설명이 중간에서 끊길 수 있습니다. 자료는 공유하되 대본 길이, 장면 배치와 자막을 별도로 설계하는 편이 좋습니다. 녹음 후 실제 길이에 맞춰 편집하는 과정도 필요합니다. ## 렌더가 끝나면 무엇을 확인하나요? - 대본의 사실과 이미지·음원·목소리 사용 범위를 확인합니다. - 누락 파일, 검은 프레임, 무음과 갑작스러운 종료를 확인합니다. - 이름과 숫자의 발음을 실제로 듣습니다. - 자막의 시작·종료 시각, 줄바꿈과 읽기 속도를 확인합니다. - 제목·썸네일이 본편 내용과 맞는지 확인합니다. 자동 검사를 통과한 것과 사람이 내용 검수를 마친 것은 별개입니다. 오류가 있는 단계만 다시 작업할 수 있어야 제작량이 늘어도 관리할 수 있습니다. ## 자주 묻는 질문 ### 기존 영상이나 오디오부터 시작할 수 있나요? 녹음된 자료는 음성 정리·전사·자막 편집 흐름으로 접근할 수 있습니다. 새 대본에서 영상을 만드는 경로와 입력 조건이 다릅니다. ### 영상이 자동으로 게시되나요? 이 글은 제작과 렌더 흐름을 설명합니다. 최종 검수와 계정 게시 작업은 별도로 다룹니다. ### 가장 먼저 무엇을 준비하면 되나요? 반복해서 만들 영상 한 편의 예시, 원고나 녹음, 원하는 자막 형태를 준비하면 됩니다. [제작 흐름 상담](/start)에서 현재 수작업이 가장 많은 단계부터 설명해 주세요.