AI로 유튜브 쇼츠 자동화 파이프라인 구축기 — 기획부터 업로드까지

유튜브 쇼츠 채널을 운영하면서 가장 먼저 부딪힌 벽은 반복 노동이었다. 주제 선정, 스크립트 작성, 보이스오버 녹음, 영상 편집, 썸네일 제작, 업로드 예약—매일 이 사이클을 혼자 돌리는 건 지속 불가능했다. 그래서 약 6주에 걸쳐 AI 기반 자동화 파이프라인을 직접 설계하고 실전에 투입했다. 이 글은 그 과정의 기록이다.

1단계 — 주제 발굴: Perplexity + GPT-4o

모든 콘텐츠는 수요 있는 주제에서 시작한다. 매일 아침 Perplexity API로 특정 키워드의 최신 트렌드를 수집하고, 그 결과를 GPT-4o 프롬프트에 넣어 "쇼츠에 최적화된 후크 5개"를 뽑는다. 프롬프트 핵심은 단순하다.

당신은 유튜브 쇼츠 전문 기획자입니다.
아래 트렌드 데이터를 바탕으로, 15초 안에 시청자를 잡을 수 있는
강렬한 오프닝 후크 5개를 한국어로 작성하세요.

이 단계를 자동화하니 하루 평균 20~30개의 후보 아이디어가 쌓였고, 그 중 3~4개를 사람이 최종 선택하는 방식으로 품질 게이트를 유지했다.

2단계 — 스크립트 생성: GPT-4o + 커스텀 프롬프트 체인

쇼츠는 평균 45~60초. 이 안에 후크 → 정보 전달 → CTA 구조를 완성해야 한다. 단일 프롬프트로 한 번에 뽑으면 구조가 흐트러지기 쉬워서, 세 개의 프롬프트를 순차적으로 연결하는 체인 방식을 택했다.

후크 프롬프트: 첫 3초 안에 의문이나 충격을 유발하는 문장 생성
본문 프롬프트: 150자 이내로 핵심 정보만 압축
CTA 프롬프트: 구독 또는 다음 편 유도 문구 생성

세 결과물을 합산하면 완성도 높은 스크립트가 나온다. 이 체인은 n8n 워크플로우로 묶어 버튼 하나로 실행되도록 만들었다.

3단계 — 보이스오버: ElevenLabs API

스크립트가 완성되면 ElevenLabs API로 자동 TTS 변환한다. 목소리는 채널 아이덴티티에 맞게 사전에 클론된 커스텀 보이스를 사용했다. API 호출 코드는 Python 20줄 수준이며, 생성된 MP3 파일은 자동으로 Google Drive 지정 폴더에 저장된다.

주의할 점은 감정 조절 파라미터(stability / similarity_boost) 세팅이다. 너무 안정적으로 설정하면 로봇처럼 들리고, 너무 낮추면 발음이 뭉개진다. 테스트 결과 stability: 0.45, similarity_boost: 0.78이 쇼츠 특유의 빠른 호흡과 잘 맞았다.

4단계 — 영상 조립: Remotion + FFmpeg

영상 편집이 자동화의 가장 까다로운 구간이다. 현재는 두 가지 경로를 병행한다.

템플릿형 콘텐츠: Remotion(React 기반 영상 렌더링 라이브러리)으로 자막, 배경 영상, 로고를 자동 합성
B-roll 필요 콘텐츠: Pexels API로 키워드 기반 무료 영상을 다운로드한 후 FFmpeg로 편집

Remotion은 코드로 영상을 선언적으로 설계할 수 있어서 브랜드 일관성을 유지하기 매우 좋다. 자막 타이밍도 ElevenLabs의 타임스탬프 데이터를 파싱해서 자동으로 맞춘다.

5단계 — 썸네일 & 업로드: DALL·E 3 + YouTube Data API

썸네일은 DALL·E 3로 생성한 이미지에 Pillow 라이브러리로 제목 텍스트를 오버레이한다. 완성된 영상과 썸네일은 YouTube Data API v3를 통해 예약 업로드된다. 업로드 시 제목, 설명, 해시태그도 GPT-4o가 생성한 메타데이터로 자동 채워진다.

실제 운영 결과

파이프라인 가동 4주차 기준, 하루 평균 3개의 쇼츠를 거의 무개입으로 발행 중이다. 사람이 직접 개입하는 시간은 아이디어 선택 10분, 결과물 QC 15분, 총 하루 25분 수준으로 줄었다. 조회수 자체보다 운영 지속 가능성이 크게 높아진 게 가장 큰 성과다.

자동화는 창의성을 대체하지 않는다. 오히려 반복 노동에서 해방된 시간에 전략과 퀄리티에 집중할 수 있게 된다. 파이프라인은 도구일 뿐—그 방향을 설계하는 건 여전히 사람의 몫이다.