같은 모델을 쓰는데
결과가 다른 이유

60초는 어차피 한 번에 나오지 않습니다

OpenRouter 의 영상 모델 22종을 조사했습니다. 1080p 이상에서 한 번의 호출로 만들 수 있는 최장 길이는 20초입니다. 널리 쓰는 모델은 8~15초입니다.

즉 60초 한 편은 누가 만들어도 8~12번 생성해서 이어 붙여야 합니다. 그러므로 진짜 비교 대상은 「모델 하나 vs 파이프라인」이 아니라 「아무렇게나 이어 붙이기 vs 설계된 조립」입니다.

생성 모델은 글자를 기억하지 못합니다

회사소개영상에는 틀리면 안 되는 글자가 반드시 들어갑니다. 회사명, 대표번호, 0.002밀리미터, 31개국, 인증 번호. 대표번호가 한 자리 틀린 영상은 「조금 아쉬운」 영상이 아니라 낼 수 없는 영상입니다.

「그러면 첫 프레임에 정확한 글자를 박아 넣고 그 컷만 만들면 되지 않느냐」— 자주 나오는 질문이고, 우리도 한때 그렇게 했습니다. 그래서 직접 쟀습니다. 이미지 모델을 빼고 글자를 우리 폰트로 첫 프레임에 완벽하게 박아 영상 모델만 시험했습니다.

크기가 아니라 소속이 갈랐습니다. 평면에 얹은 글자는 3차원 장면의 일부가 아니라서, 카메라가 움직이는 순간 모델이 그것을 「장면」으로 해석해 다시 그리고 결국 버립니다. 우리 납품본에서도 벽의 「서울사무실」이 클립에서 「디지털 전략팀」으로 바뀌어 있었습니다.

제품 화면은 더 나쁩니다

앱·웹·대시보드 화면을 프롬프트로 요구하면 모델은 없는 UI 를 지어냅니다. 실제 캡처를 참조로 주고 「이 화면을 픽셀 그대로 모니터에 띄워라」고 해도 마찬가지였습니다.

글자는 모델에게 맡기지 않습니다

화면에 읽혀야 하는 모든 글자는 우리가 브랜드 폰트로 직접 그립니다. 값은 데이터베이스의 필드에서 옵니다. 그래서 틀릴 수가 없습니다. 모델에게는 반대로 글자가 없는 장면을 요구합니다. 제품 화면은 만들지 않고, 올리신 실제 캡처가 그 장면의 화면 전체가 됩니다 — 모델을 거치지 않으므로 픽셀이 그대로입니다.

나레이션은 길이를 예고하지 않습니다

같은 원고를 같은 모델로 읽혔는데 목소리에 따라 21.15초에서 26.35초가 나왔습니다. 25% 편차이고, 속도 파라미터가 없어 미리 계산할 방법이 없습니다. 컷 길이를 먼저 정해 두고 나레이션을 나중에 얹는 방식은 그래서 반드시 어긋납니다 — 문장이 잘리거나 빈 화면이 남습니다.

우리는 순서를 뒤집습니다.

1. 나레이션을 먼저 합성한다완성된 소리가 기준이 됩니다.
2. 문장 경계를 소리에서 뽑는다무음 구간을 찾아 실제 문장 시작 시각을 얻습니다.
3. 그 타이밍에 컷 길이를 맞춘다화면이 말에 맞춰 바뀝니다. 반대가 아닙니다.

다시 만들면 다른 영상이 나옵니다

생성 모델에 같은 프롬프트를 다시 넣으면 다른 결과가 나옵니다. 「대표번호만 바꿔 주세요」라는 한 줄 요청에 승인받은 화면 전체가 사라집니다. 이것은 도구의 결함이 아니라 생성 모델의 성질이고, 그래서 승인이 필요한 납품물에는 결정론적 레이어가 반드시 있어야 합니다.

우리는 장면마다 따로 렌더해 무손실로 이어 붙입니다. 그래서 고친 장면만 다시 돕니다. 나머지는 픽셀 단위로 그대로입니다.

고치는 말도 사람의 말로 합니다. 「250명을 320명으로 고쳐 줘」, 「모니터 안 화면을 내 캡처로 바꿔 줘」라고 적으면 그것을 실제 조작으로 옮깁니다. 할 수 없는 요청에는 할 수 있는 척하지 않고 되는 길을 알려 드립니다 — 위의 실측이 그 답의 근거입니다.

비싼 모델을 살 이유가 없어집니다

같은 6초 클립을 네 모델에서 실제로 뽑아 청구액을 비교했습니다. 같은 60초를 만드는데 모델 선택만으로 $6 에서 $30 까지 벌어집니다.

영상 모델	6초 실측 청구액	60초 촬영분 환산
Veo 3.1 Fast — 우리 기본값	$0.600	$6.00
Hailuo 3 (2K)	$0.780	$7.80
Veo 3.1	$1.200	$12.00
Seedance 2.0 (1080p)	$2.261	$22.61
Sora 2 Pro (20초 테이크 × 3)	—	$30.00

여기서 중요한 것은 순위가 아닙니다. 차별화가 어디에서 오느냐입니다. 결과물의 차이를 모델에서 얻으려면 3.8배 비싼 모델을 사야 합니다. 우리는 정확한 글자, 나레이션 동기, 브랜드 재현, 고칠 수 있는 구조를 조립 층에서 얻습니다. 그래서 촬영분은 가장 싼 축을 쓰고도, 비싼 모델이 혼자서는 만들지 못하는 것을 냅니다.

실제로 낸 영상 한 편

이 도구로 만든 55초 회사소개영상의 전체 청구액입니다. 나레이션과 BGM 믹싱까지 포함한 값입니다.

촬영분	$7.60
키프레임	$1.11
기획 · 분석	$0.17
나레이션	$0.13
BGM	$0.04
합계	$9.05 · 12,488원

한 편의 총액에 상한이 있습니다. 처음 만들기와 재작업을 모두 합쳐 영상 한 편에 $50 을 넘기지 않습니다. 호출할 때마다 적립액을 그 상한과 비교하고, 넘으면 호출하지 않고 멈춥니다. 제작 화면에는 금액을 보여주지 않습니다 — 만드는 사람이 볼 것은 얼마를 썼는지가 아니라 무엇이 만들어졌는지입니다.

무엇이 다른가

	모델 하나로 뽑아 이어 붙이기	제작소 파이프라인
회사명 · 수치 · 연락처	틀릴 수 있음	데이터에서 그림, 틀릴 수 없음
화면 속 제품 UI	없는 UI 를 지어냄	실제 캡처가 그대로 올라감
로고 · 브랜드 색	비슷한 무언가	원본 자산 그대로
나레이션 동기	통제 수단 없음	나레이션이 컷 길이를 정함
한 줄 수정 요청	영상 전체가 바뀜	그 장면만 45초, 나머지 동일
컷 길이 · 오디오 · 색	모델이 준 대로	정규화 후 조립
정책 거부	그 컷을 포기	그래픽으로 자동 우회
60초 촬영분 원가	모델에 따라 $7.80 ~ $30	$6.00 — 조립에서 차별화하므로
한 장면 다시 찍기	전체를 다시 사야 함	$0.40, 나머지는 그대로
예산	사후 집계	승인 게이트 · 상한 · 정산서
촬영 같은 리얼리티	모델 성능만큼	동일 — 같은 모델을 씁니다