영상 프롬프트 설계

마스터 얼굴 한 장을 고정해 두고, 레퍼런스만 갈아 끼워 아홉 개 상황의 이미지와 영상을 만들었습니다. 같은 사람으로 보이는지 숫자로 확인했습니다.

대상: AI 아이돌 ‘시연’ SNS 마케팅 콘텐츠
산출물: 컷 9개 · 영상 12편 · GIF 2편 — 틱톡 세로와 트위터 가로를 따로 출력
제약: 얼굴은 마스터 한 장에서만 나온다. 컷마다 새로 뽑지 않는다
판단 기준: 아홉 컷이 모두 같은 사람으로 보일 것 · 상황은 서로 겹치지 않을 것

제작 파이프라인

얼굴을 매번 새로 생성하면 같은 인물로 유지되지 않습니다. 그래서 얼굴을 한 번만 만들고 고정한 뒤, 나머지 변수만 컷별로 바꿨습니다.

마스터 얼굴

1024 × 1024 · 이후 모든 컷의 얼굴 출처

정면 · 무표정 · 흰 티 · 회색 배경으로 가장 정보가 적은 상태로 만들었습니다. 배경과 의상과 표정이 들어가면 그것까지 따라오기 때문에, 얼굴 외의 모든 것을 비워 둬야 다른 컷에 얹을 수 있습니다.

컷마다 바꾼 변수

컷이 달라져도 얼굴은 그대로여야 합니다. 그래서 바꿀 수 있는 것과 절대 바꾸지 않는 것을 먼저 갈랐습니다.

축	바꾸나	컷에서 실제로 쓴 예
얼굴	고정	마스터 1장에서만 나온다 — 컷마다 새로 뽑지 않는다
컨셉	3갈래	일상 · 교복 · 볼하트 — 분위기와 색감의 기준
의상	컷마다	세자 — 곤룡포 / 진우 — 갓 · 도포 / 티저 — 교복
포즈	컷마다	세자 — 의자에 앉은 포즈 참고 1장
소품	필요할 때	세자 — 헤드폰 / 거울샷 — 휴대폰 / 편의점 — 음료
배경	컷마다	교실 · 강변 · 물속 · 방 · 편의점
동작	영상 단계	4~6초 안에 끝나는 짧은 움직임 하나만

한 컷에 레퍼런스를 많이 넣을수록 얼굴이 흔들립니다. 의상·포즈·소품을 한꺼번에 주면 서로 간섭해 마스터에서 멀어집니다. 그래서 컷당 레퍼런스를 1~4장으로 제한하고, 나머지는 텍스트로 지정했습니다.

한 컷의 파일 구조

// 세자 컷 — 레퍼런스 3장으로 본컷 1장 + B컷 4장을 뽑고 영상 2벌로 출력
01_시연_세자/
├─ src/
│   ├─ 세자_포즈.png        포즈 참고
│   ├─ 세자_옷.jpg          곤룡포
│   ├─ 세자_마샬.avif       소품·분위기
│   ├─ b컷_1 ~ b컷_4.png     같이 뽑아 두고 고르지 않은 컷
│   └─ 시연_세자_편집전.mp4   560×560 · 모델 출력 원본
├─ 시연_세자_이미지_1.png     고른 본컷 · 2048×2048
├─ 시연_세자_영상_틱톡.mp4    1080×1920 · 7.77초
└─ 시연_세자_영상_트위터.mp4  1200×674 · 7.77초

컷마다 바꾼 것

단계	무엇을 넣나	규격 · 수량
① 마스터 얼굴	고정 — 바꾸지 않는다	1024 × 1024 · 1장
② 컨셉 레퍼런스	일상 · 교복 · 볼하트 세 갈래의 분위기 참고	컨셉당 6장 · 총 18장
③ 컷별 레퍼런스	의상 · 포즈 · 소품 — 컷이 요구하는 것만	컷당 1~4장
④ 이미지 생성	본컷 + B컷을 함께 뽑아 고른다	2048 × 2048 · 컷당 3~4장
⑤ 영상화	고른 이미지 한 장을 움직인다	560 × 560 · 24~30fps · 4~6초
⑥ 편집 · 출력	확대 · 자막 · 길이 조정 후 플랫폼별로	틱톡 1080×1920 / 트위터 1200×674

영상 모델이 뱉는 건 560×560 정사각형입니다. 틱톡에 올리려면 세로 1080×1920으로 키워야 하는데, 그냥 늘리면 깨집니다. 그래서 인물을 어디에 두고 어디를 잘라낼지를 이미지 생성 단계에서 미리 정했습니다.

상황별 변형

같은 얼굴이 상황만 바뀐 채 반복됩니다. 아래 숫자는 마스터와의 얼굴 유사도입니다.

컨셉 참고 이미지는 실존 인물 사진이라 여기에 싣지 않았습니다

같은 사람으로 보이는가 — 측정

눈으로만 보던 일관성을 숫자로 확인했습니다. 앞선 이미지 프롬프트 설계에서 만든 측정을 그대로 쓰되, 목표가 반대입니다. 거기서는 레퍼런스와 달라야 했고, 여기서는 마스터와 같아야 합니다.

측정 방법

얼굴 검출 · 특징	YuNet으로 얼굴을 잡고 SFace로 128차원 벡터 추출
비교	마스터(FR_시연)와 각 컷의 코사인 유사도
판정선	0.363 이상이면 “같은 사람” · 여기서는 높을수록 성공

컷별 결과

컷	마스터와의 유사도	촬영 조건
거울샷	0.760	정면 · 얼굴 큼
방	0.753	정면 · 실내
공개티저	0.677	정면 클로즈업
편의점	0.650	반측면
세자	0.649	의상 강함 · 정면
일상 컨셉	0.629	정면
교복 컨셉	0.607	측면 · 배경 복잡
물속	0.502	물 속 굴절 · 눈 감음
강변	0.485	원거리 전신
거울셀카	0.393	광각 왜곡 · 고개 기울임

파랑 0.6 이상 · 빨강 0.6 미만 (판정선 0.363은 전부 통과)

열 컷 모두 판정선을 넘었습니다. 마스터 한 장으로 아홉 개 상황을 만들면서 같은 인물이 유지됐다는 뜻입니다. 평균 0.61, 최고 0.76(거울샷), 최저 0.39(거울셀카)입니다.

읽은 결과

점수가 낮은 컷에는 공통점이 있었습니다.

확인한 것	근거
얼굴이 크고 정면일수록 잘 유지된다	거울샷 0.760 · 방 0.753 — 둘 다 정면 상반신
멀어지면 떨어진다	강변 0.485 — 전신 원거리라 얼굴이 화면에서 작다
렌즈 왜곡이 가장 크게 깎는다	거울셀카 0.393 — 광각 셀카 + 고개 기울임으로 비율이 달라짐
굴절·가림도 영향을 준다	물속 0.502 — 물의 굴절과 감은 눈
의상이 강해도 얼굴은 버틴다	세자 0.649 — 곤룡포와 익선관에도 유사도가 유지됨

이 측정의 한계 — 컷당 대표 이미지 한 장만 쟀습니다. 영상의 프레임별 흔들림은 포함되지 않았고, 유사도가 높다고 해서 사람 눈에 자연스럽다는 뜻도 아닙니다.

반복 제작에서 도출한 원칙

아홉 컷을 만들며 자리 잡은 규칙입니다. 전부 결과를 보고 되돌아가 고친 것입니다.

원칙	왜
마스터는 가장 비워 둔다	정면 · 무표정 · 흰 티 · 회색 배경. 배경이나 표정이 들어가면 그것까지 따라옵니다
얼굴은 한 번만 만든다	컷마다 새로 뽑으면 같은 인물로 유지되지 않습니다. 생성이 아니라 이식으로 다룹니다
레퍼런스는 축마다 하나씩	의상·포즈·소품을 한 장에 섞어 주면 서로 간섭합니다. 한 사진이 한 축만 맡습니다
크롭은 생성 단계에서 정한다	모델 출력은 560 정사각형입니다. 세로로 자를 걸 알고 인물 위치를 미리 잡아야 합니다
B컷을 같이 뽑는다	한 장만 뽑으면 마음에 안 들 때 처음부터 다시입니다. 3~4장을 함께 뽑아 고릅니다
동작은 하나만 넣는다	4~6초 안에 두 가지를 시키면 둘 다 어색해집니다

플랫폼별로 두 벌 뽑기

같은 소재라도 올릴 곳에 따라 화면비와 길이가 다릅니다. 편집 단계에서 나눴습니다.

컷	틱톡 · 세로	트위터 · 가로	그 외
세자	1080×1920 · 7.77초	1200×674 · 7.77초	—
물속	1080×1920 · 5.60초	—	원본 560×560 · 4.60초
거울셀카	1080×1920	—	GIF
공개티저	1080×1920 · 4.46초	—	도윤 · 시연 · 합본 3편

세자 · 틱톡 1080×1920