코덱스와 구글 플로우로 공학 AI 쇼츠 제작하기: 대본부터 4초 클립 합성까지

공학·과학 원리를 설명하는 쇼츠는 일반적인 이미지 슬라이드보다 제작 난도가 높습니다. 물체의 움직임, 힘의 방향, 수치 변화 같은 요소를 화면에 보여줘야 하기 때문입니다. 예전에는 3D 모델링이나 모션그래픽 툴을 직접 다뤄야 했지만, Codex와 Google Flow를 조합하면 대본 분석부터 장면 설계, 영상 클립 생성, 파일 정렬까지 상당 부분을 자동화할 수 있습니다.

다만 ‘5분 만에 완성’이라는 표현은 모든 작업이 끝난다는 뜻으로 받아들이기보다, 초안 제작을 빠르게 시작할 수 있다는 의미에 가깝습니다. 대본의 정확성, 생성 이미지의 일관성, 장면 전환과 음성 싱크는 여전히 사람이 확인해야 합니다.

제작에 필요한 서비스와 역할 나누기

이 workflow는 하나의 AI 도구가 영상을 전부 만드는 방식이 아닙니다. 각 서비스를 서로 다른 작업에 배치하는 것이 핵심입니다.

도구	맡는 일
Codex	대본 분해, 장면별 프롬프트 작성, 파일명 정렬
Google Flow	키프레임 이미지와 4초 클립 생성
Google Generate Speech	내레이션 음성(2분 이내 무료)
CapCut / Premiere Pro	타임라인 배치, 자막, 효과음 볼륨 조정

Codex는 대본을 읽고 장면 단위로 분해하는 역할을 맡습니다. 어떤 이미지를 먼저 만들지, 화면에 어떤 움직임을 넣을지, 인포그래픽을 어디에 배치할지 프롬프트로 정리할 수 있습니다. 생성된 파일이 뒤섞였을 때 대본 순서에 맞춰 이름을 바꾸는 작업에도 사용할 수 있습니다.

Google Flow는 키프레임 이미지와 짧은 영상 클립을 생성합니다. 여기서는 OmniFlash 모델을 사용해 4초 길이의 클립을 만드는 흐름을 기준으로 설명합니다. 기본 이미지 한 장만 움직이는 방식보다, 원본 이미지와 연출이 추가된 이미지를 함께 입력해 장면의 시작과 변화를 지정하는 편이 공학 설명에 유리합니다.

음성은 Google Generate Speech에서 만듭니다. Gemini 2.5 Pro 기반 음성을 사용하며, 2분 이내 생성은 무료입니다. 최종 편집에는 CapCut 또는 Adobe Premiere Pro를 사용할 수 있습니다. 처음 제작한다면 빠른 배치와 볼륨 조절이 쉬운 CapCut이 편하지만, 장면이 많아지거나 세밀한 오디오 편집이 필요하면 Premiere Pro가 더 적합할 수 있습니다.

영상보다 먼저 음성 길이를 확정해야 하는 이유

많은 사람이 이미지를 먼저 만든 뒤 내레이션을 얹지만, 이 방식은 장면 수와 영상 길이가 맞지 않는 문제가 자주 생깁니다. 이 workflow에서는 확정된 대본을 먼저 음성 파일로 변환하고, 전체 타임라인 길이를 기준으로 장면을 나눕니다.

장면 하나에 배정하는 시간은 대략 2~4초입니다. 1분 분량이라면 약 18~30장의 키프레임 프롬프트가 필요할 수 있습니다. 말이 빠르고 화면 정보가 많으면 장면을 짧게 나누고, 복잡한 원리를 설명하거나 숫자를 읽어야 한다면 한 장면을 길게 유지하는 편이 낫습니다.

예를 들어 4초 클립만으로 1분을 채우려면 단순 계산상 15개가 필요합니다. 그러나 실제 편집에서는 도입부, 장면 전환, 여백, 음성의 앞뒤 무음이 들어가므로 클립 수가 달라질 수 있습니다. 15개라는 숫자를 고정값으로 보기보다 음성 파형과 대본의 문장 단위를 함께 확인해야 합니다.

Codex에 대본을 전달할 때는 단순히 “이미지를 만들어 달라”고 요청하기보다 장면 번호, 내레이션 문장, 화면에 보여줄 대상, 카메라 움직임, 표시할 수치와 단위를 분리해 달라고 하는 것이 좋습니다. 그래야 이미지 프롬프트와 영상 프롬프트를 나중에 다시 사용하기 쉽습니다.

Google Flow에서 키프레임과 동작을 분리해 생성하기

먼저 Google Flow에서 기본이 되는 키프레임 이미지를 생성합니다. 이 workflow에서는 입력창 아래 Agent 버튼의 흰색 불이 켜져 있는지 확인한 뒤 Codex가 작성한 일괄 프롬프트를 붙여넣습니다.

이때 한 번에 많은 이미지를 만들더라도 장면별 공통 조건을 유지해야 합니다. 예를 들어 전투기라면 기체의 방향, 배경의 시점, 색상, 조명, 화면 비율을 가능한 한 동일하게 지정해야 합니다. 장면마다 스타일이 달라지면 영상 자체는 선명해도 하나의 쇼츠로 연결했을 때 시각적 일관성이 떨어집니다.

그 다음 단계에서 인포그래픽을 추가합니다. 유체의 흐름, 화살표, 압력 분포, 속도 수치처럼 정적인 이미지에 설명 요소를 입히고, Codex에 2차 연출 프롬프트를 요청합니다. 원본 이미지와 인포그래픽이 포함된 이미지 두 장을 Flow에 입력하면 시작 화면과 변화 방향을 지정하는 데 활용할 수 있습니다.

OmniFlash 모델을 선택한 뒤 4초 영상으로 변환합니다. 생성 결과가 항상 원하는 방향으로 움직이는 것은 아닙니다. 화살표가 뒤틀리거나 숫자가 바뀌고, 기체의 형태가 장면마다 달라지는 경우도 있으므로 과학적 설명에 직접 영향을 주는 프레임은 반드시 검수해야 합니다. 화면 속 텍스트는 영상 생성 모델이 불안정하게 처리하는 경우가 많아, 중요한 라벨이나 수치는 CapCut에서 별도 자막으로 넣는 방법이 더 안전합니다.

파일이 섞였을 때 Codex로 순서 복구하기

여러 장의 클립을 생성하면 다운로드한 ZIP 안의 파일명이 대본 순서와 맞지 않을 수 있습니다. 이 상태에서 편집 툴로 하나씩 열어 확인하면 시간이 많이 걸립니다.

클립을 ZIP으로 내려받아 압축을 푼 다음, 해당 폴더의 경로를 Codex에 알려주고 대본 순서에 맞춰 파일명을 일괄 변경하도록 요청할 수 있습니다. 예를 들어 첫 장면부터 01_, 02_처럼 접두어를 붙이면 파일 탐색기와 편집 프로그램에서 정렬하기가 쉬워집니다.

다만 파일명 변경 전에 원본 폴더를 복사해 두는 것이 좋습니다. AI가 파일의 내용을 완벽하게 판별한다고 가정하면 안 되기 때문입니다. 파일명과 실제 장면이 어긋난 경우에는 짧은 미리보기나 썸네일을 기준으로 일부를 직접 확인해야 합니다. 같은 이름의 파일이 있거나 확장자가 다른 경우에도 일괄 변경 명령이 의도와 다르게 실행될 수 있습니다.

1분 쇼츠 제작 비용과 편집에서 생기는 차이

비용은 OmniFlash 기준 4초 클립 하나에 7크레딧, 약 100.8원입니다. 4초 클립 15개로 1분 분량을 구성하면 105크레딧, 약 1,512원이 됩니다. 이 계산에는 이미지 생성 비용이 포함되지 않았고, 재생성에 필요한 추가 크레딧도 빠져 있습니다.

항목	크레딧	환산
4초 클립 1개(OmniFlash)	7크레딧	약 100.8원
1분 분량(15개)	105크레딧	약 1,512원
이미지 생성	별도	위 계산에 미포함
재생성	추가	위 계산에 미포함

따라서 실제 비용은 첫 결과가 바로 usable한지에 따라 달라집니다. 숫자나 물리적 움직임이 잘못된 장면을 다시 만들거나, 동일한 장면을 여러 스타일로 비교하면 계산보다 크레딧이 늘어납니다. 서비스 요금과 크레딧 정책은 변경될 수 있으므로 제작 전에 현재 화면의 과금 기준을 확인해야 합니다.

편집 단계에서는 음성 파일을 먼저 타임라인에 놓고, 각 클립을 대본의 문장 시작점에 맞춥니다. 영상의 길이가 4초로 고정되어 있어도 내레이션은 문장마다 길이가 다르므로 클립을 자르거나 정지 화면을 삽입해야 할 수 있습니다. 화면이 빠르게 바뀌면 정보량은 늘지만 시청자가 수치와 도식을 읽을 시간이 부족해집니다.

Flow에서 생성된 클립에는 자체 효과음이 들어갈 수 있습니다. 내레이션이 중심인 공학 쇼츠에서는 이 소리가 목소리를 가릴 수 있으므로 영상 클립의 효과음 볼륨을 원래보다 20~30% 낮추는 방식이 제시됩니다. 실제 조정값은 음성의 크기와 효과음의 주파수에 따라 달라지므로, 숫자를 일괄 적용하기보다 휴대전화 스피커에서도 말이 선명한지 확인하는 편이 낫습니다.

과학 콘텐츠는 생성보다 검증이 더 중요하다

공학 영상은 그럴듯한 화면만으로 신뢰를 얻기 어렵습니다. 대본의 용어와 인과관계를 별도로 검증해야 합니다. 예를 들어 전투기의 음속 돌파와 소닉붐이 그런 사례입니다.

전투기 주변에 나타나는 수증기 고깔은 공기가 압축되면서 압력과 온도가 변하고, 특정 조건에서 수증기가 응결해 보이는 현상으로 설명됩니다. 이를 프란틀-글라우에르트 응결 현상과 연결할 수 있지만, 화면에 보이는 구름 자체가 소닉붐은 아닙니다.

소닉붐은 항공기가 초음속으로 비행할 때 형성된 충격파가 지상 등에 도달하면서 들리는 큰 소리입니다. 즉, 수증기 고깔은 가시적인 응결 현상이고 소닉붐은 충격파에 따른 청각적 현상입니다. 두 장면이 함께 등장하더라도 원인과 관측 방식은 구분해서 설명해야 합니다.

이 차이를 자막과 내레이션에서 섞으면 영상의 시각적 완성도가 높아도 과학적으로는 부정확해집니다. 특히 마하 수, 단위, 압력·온도 변화처럼 수치가 들어가는 부분은 생성 모델에 맡기지 말고 신뢰할 수 있는 자료로 다시 대조하는 것이 필요합니다.

이 workflow를 안정적으로 쓰는 기준

Codex와 Google Flow의 조합은 짧은 시간에 장면 초안을 많이 만드는 데 강합니다. 반면 긴 영상 전체의 연속적인 물리 시뮬레이션이나 정밀한 제품 형상 재현처럼 일관성이 중요한 작업에서는 재생성과 후편집이 늘어날 수 있습니다. 모든 장면을 AI 생성 영상으로 채우기보다, 핵심 설명 장면만 Flow로 만들고 나머지는 도식·자막·정지 이미지를 섞는 방식도 실용적입니다.

제작 전에는 대본을 먼저 확정하고 음성 길이를 측정한 뒤 장면 수를 정해야 합니다. 제작 중에는 키프레임의 스타일과 수치를 통일하고, 생성 후에는 파일 순서와 음성 싱크를 확인해야 합니다. 게시 전에는 과학적 주장, 자막의 단위, 효과음 크기까지 다시 검수해야 합니다.

이 순서를 지키면 단순히 영상을 많이 생성하는 데서 그치지 않고, 설명 구조를 갖춘 공학 쇼츠를 비교적 빠르게 만들 수 있습니다. 다만 제작 시간과 비용을 좌우하는 것은 최초 생성 속도보다 재생성 횟수와 검수 범위입니다. 특히 사실 전달이 목적이라면 ‘그럴듯한 화면’보다 정확한 대본과 검증 가능한 설명을 먼저 완성하는 편이 결과물의 품질을 더 크게 좌우합니다.