AI 시네마틱 영상 프롬프트: 8초 안에 연출할 수 있는 다섯 가지 샷 레시피

대부분의 짧은 AI 클립은 아이디어가 너무 작아서 실패하지 않는다. 프롬프트가 카메라에게 무엇을 하라고 말해주지 않았기 때문에 실패한다. "음악가의 장대하고 영화적인 샷"을 요청하면 느리게 흐르는 기본 와이드 프레임이 나온다. 그 문장의 모든 단어 — 장대한, 영화적인, 놀라운 — 가 모델이 실행할 수 있는 결정이 아니라 느낌을 지칭하기 때문이다.

Veo 3는 이런 종류의 작업에서 판돈을 끌어올렸다. 이 모델은 영상과 소리를 함께 생성하며, 대사, 음향 효과, 주변 소음을 나중에 덧입히는 대신 본래부터 만들어낸다 (Google DeepMind의 Veo 페이지는 이를 영상이 오디오를 만나는 것이라고 설명한다). 이제 하나의 프롬프트로 입 모양과 일치하는 대사 한 줄, 젖은 돌 위의 발소리, 그 아래 깔리는 공간음을 함께 얻을 수 있다. 이는 프롬프팅을 검색 질의보다 촬영 브리프에 가까운 것으로 바꾸어 놓았고, AI 시네마틱 영상 프롬프트가 실제 촬영 대본에 부여할 만한 규율을 똑같이 받을 자격이 있다는 뜻이다.

이 가이드는 묘사가 아니라 연출에 관한 것이다. 프롬프트를 모델이 읽을 수 있게 유지하는 구조, 설계할 때 감안해야 하는 물리적 한계, 그리고 오늘 바로 KOOX AI의 Veo 3 생성기 같은 프롬프트 우선 도구에서 만들 수 있는 다섯 가지 창의적 방향 — 제품 공개, 대사 비트, 관찰된 순간, 변형, 세로형 훅 — 을 다룬다.

영화적인 형용사는 왜 아무 일도 하지 않는가

Veo에 관한 Google의 자체 지침은 순서에 대해 단호하다. 카메라워크가 "톤과 감정을 전달하는 가장 강력한 도구"이므로 촬영이 가장 먼저 온다 (Google의 5부 공식에 대한 Prompt Architects의 분석). 다섯 슬롯은 촬영, 피사체, 행동, 맥락, 그다음 스타일과 분위기 순으로 이어진다. 슬롯을 비워두면 모델이 기본값으로 채우는데, 그 기본값은 언제나 당신의 아이디어보다 밋밋하다.

이름 붙은 카메라 무브는 밀도 높은 의미를 담는다. "느린 돌리 푸시인"은 세 단어로 속도감, 렌즈 느낌, 샷의 감정적 방향을 모델에게 알려주지만, "멋진 카메라 움직임"은 아무것도 알려주지 않는다. 같은 논리가 조명에도 적용된다. "영화적인 조명"은 무드 보드이고, "카메라 왼쪽의 네온에서 오는 하드 키, 오른쪽 상점 창에서 오는 소프트 필, 로우키 대비"는 검토자가 실제로 확인할 수 있는 지시다.

Google DeepMind의 프롬프트 가이드는 같은 원리를 반대 방향에서 적용한다. 만들고 싶은 영상의 종류 — 실사, 애니메이션, 스톱모션 — 를 먼저 정하고, 캐릭터 대사로 톤을 잡으라는 것이다. 스타일이 먼저, 구체적 디테일이 다음이다.

6슬롯 샷 브리프

아래의 모든 내용은 하나의 재사용 가능한 템플릿에 들어맞는다. 중요한 슬롯은 모두 채우고 나머지는 빼둔다. 무음 제품 샷에는 대사가 필요 없고, 참조 이미지로 이끄는 샷에는 외형에 관한 문단이 필요 없다.

• 피사체 — 식별 가능한 디테일 하나를 지닌 한 사람 또는 사물. "40대 여성, 어두운 머리, 린넨 블레이저 착용."
• 행동 — 방향이 있는 하나의 눈에 보이는 사건. "카메라 쪽으로 천천히 걸으며, 한 번 아래를 본다."
• 장면 — 장소, 시간대, 날씨. "해질녘의 좁은 서점, 창문에 내리는 비."
• 카메라 — 하나의 샷 사이즈, 하나의 렌즈, 하나의 무브. "미디엄 클로즈업, 35mm, 느린 돌리 푸시인."
• 조명 — 광원, 방향, 질감. "화면 왼쪽에서 들어오는 따뜻한 창빛, 소프트 필, 안개 없음."
• 오디오 — 대사는 따옴표 안에, 효과음과 주변음은 따로 명시. "SFX: 유리에 내리는 비, 문 종소리. 그녀가 말한다: '영업 끝났어요.'"

두 가지 습관이 템플릿을 충실하게 유지한다. 첫째, 수식어를 예산 안에서 쓴다. 샷당 두세 개가 적정선이며, 상충하는 무브 다섯 개를 쌓는 것은 결과를 흐릿하게 만드는 가장 빠른 길이다. 둘째, 움직임을 원하지 않을 때도 원하는 움직임을 명시한다. "정적" 또는 "고정"이라고 쓰지 않으면 모델이 마음대로 흔들림을 더할 수 있다.

완성된 예시 하나:

영업을 마친 지친 제빵사가 스테인리스 카운터에 기대어 있는 미디엄 클로즈업, 50mm, 카메라는 눈높이에 고정. 위로는 따뜻한 형광등, 창문으로는 차가운 푸른 가로등 빛, 앞치마 위의 밀가루 먼지. 그녀가 한숨을 내쉬며 조용히 말한다: "내일은 더 일찍 시작하자." 오디오: 냉장고 웅웅거림, 쟁반 하나가 내려앉는 소리, 희미한 빗소리. 음악 없음.

8초를 위해 설계하라

Veo 3.1은 본래 생성된 오디오와 함께 720p, 1080p, 4K로 8초 영상을 생성한다 (Gemini API Veo 문서). 8초는 맞서 싸울 한계가 아니라 작업의 단위다. 하나의 샷, 하나의 읽히는 사건, 하나의 카메라 무브. 세 순간 — 설정, 변화, 착지 — 으로 이루어진 비트 시트가 편안하게 들어맞으며, 1분짜리 원 테이크를 요청하는 프롬프트는 그저 잘려나갈 뿐이다.

길이는 단일 생성이 아니라 조립에서 나온다. Extend는 클립을 마지막 1초부터 이어가므로, 시퀀스는 시각적·청각적 연속성을 유지한 채 1분 이상으로 커질 수 있다 (Google의 Veo 3.1 발표). 첫 프레임·마지막 프레임 생성은 두 이미지를 전환으로 이어주며, 일관성이 중요할 때 최대 세 장의 참조 이미지로 캐릭터, 제품, 스타일을 고정할 수 있다. 문장이 아니라 스틸 이미지에서 시작한다면 같은 샷 브리프가 이미지-투-비디오에도 적용된다. 이미 보이는 것을 다시 묘사하기보다 원본 프레임에서 무엇이 바뀌는지를 묘사하라, 이 사진을 영상으로 바꾸는 워크플로에서처럼.

오늘 바로 연출할 수 있는 다섯 가지 방향

1. 하나의 물성 변화가 있는 제품 공개. 단일 제품과 하나의 물리적 변화를 고른다. 차가운 캔에 맺히는 결로, 접시에서 피어오르는 김, 유리잔에 가라앉는 액체 같은 것. 카메라는 정적으로 두거나, 라벨이 프레임을 가득 채우기 전에 멈추는 짧은 푸시인 하나를 준다. 설계된 사운드 큐 하나와 공간음만 요청하고 그 외에는 아무것도 요청하지 않는다. 검토 기준은 간단하다. 마지막 프레임에서 라벨이 여전히 읽히는가?

2. 대사 비트. 화자 하나, 짧은 대사 한 줄, 하나의 고정된 미디엄 또는 클로즈 샷. 말하는 문장을 따옴표 안에 넣어 모델이 발화로 처리하게 하고, 전달 방식을 명시하며, 클립에 들어갈 만큼 대사를 짧게 유지한다. 그림을 판단하기 전에 입 모양 타이밍, 발음, 원치 않는 자막이 끼어들었는지 확인하라.

3. 관찰된 다큐멘터리 순간. 핸드헬드 팔로우 또는 느린 트랙, 평범하고 구체적인 무언가를 하는 피사체 하나 — 빨간 신호에 멈춰 선 자전거 타는 사람, 노점을 접는 상인. 주변음은 겹겹이 쌓되 낮게 유지한다. 거리 소음, 종소리, 접촉음 하나. 이 방향은 절제에 가장 크게 보답한다. 자연스러운 움직임과 공간 논리가 클립을 실제처럼 읽히게 만들기 때문이다.

4. 초현실적 변형. 고정된 프레임 안에서 하나의 사물이 상태를 바꾼다. 종이학이 새로 펼쳐지고, 모래가 얼굴로 재배열된다. 고정 프레이밍이 필수적인데, 클립 전체가 바로 그 변화 자체이기 때문이다. 그 순간에 음악 대신 물성 사운드를 주고, 변형이 암시가 아니라 눈에 보이게 하라.

5. 세로형 훅. 세로 프레임에서의 즉각적인 행동, 첫 비트에서의 선명한 효과 하나, 안전 영역 안에 유지되는 피사체. 세로와 가로가 모두 가능하므로 쓰기 전에 프레이밍을 정하고, 나중에 정하지 않는다. "정적"이라고 쓰거나 짧은 푸시 하나를 요청하라. 흔들리는 훅은 피사체를 놓치는 훅이다.

이 각각은 하나의 8초 사건 안에 머무르며, 바로 그렇기 때문에 효과가 있다.

오디오를 두 번째 트랙처럼 연출하라

본래 오디오는 대부분의 사람이 낭비하는 기능이다. Veo 3는 프롬프트 자체로부터 대사, 음향 효과, 주변 소음을 생성하며, Veo 3.1은 그 오디오 지원을 그 위에 구축된 도구 전반으로 확장했다. 세 가지 관례가 결과를 깔끔하게 유지한다.

• 대사는 따옴표 안에 넣고 이름이 있는 화자에게 귀속한다.
• 효과음은 효과음으로 명명한다 — "SFX: 단 한 번의 알루미늄 슬라이드, 돌에 떨어지는 물방울 하나."
• 주변음은 자기만의 문장을 갖는다: "공간음, 멀리서 들리는 교통 소음, 음악 없음."

침묵은 기록해 둘 가치가 있는 선택이다. "대사 없음, 음악 없음"은 정당한 지시이며, 제품이나 자연 샷을 깔끔하게 유지하는 정직한 방법이다.

라이브러리를 만들고 모든 테이크를 검토하라

반복을 하나의 변수만 바꾸는 일로 다뤄라. 구도가 잘못됐으면 카메라 슬롯을 다시 쓰고, 분위기가 어긋났으면 조명 슬롯을 다시 쓰며, 움직임이 잘못됐으면 나머지는 그대로 두고 그 하나의 무브만 바꾼다. 한 필드만 다른 두 결과를 비교하면 어느 필드가 차이를 만들었는지 알 수 있다. 세 가지를 한꺼번에 바꾼 곳에서는 아무것도 배우지 못한다.

그 비교 습관이 자리 잡으면 의도 — 공개, 긴장, 전환, 증명 — 별로 정리한 작은 샷 라이브러리를 유지할 수 있다. 각 항목은 고정된 샷 명세와 가변적인 내용을 담는다. 명세를 재사용하고 피사체만 바꾸면 캠페인의 시각적 일관성을 지킬 수 있다.

두 가지 규칙이 이 관행을 깨끗하게 유지한다. 생성된 클립에는 SynthID 워터마크가 들어 있다 (Veo 3 모델 카드). 따라서 출처를 제거하거나 왜곡하지 말고, 시청자, 고객, 플랫폼이 기대하는 곳에서는 AI 생성을 공개하라. 또한 실존하는 식별 가능한 인물, 보호되는 캐릭터, 사용할 권리가 없는 브랜드 제품을 프롬프트로 요청하지 말라. 프롬프트 브리프는 계획이지 허가증이 아니다.

한 줄에서 시작하라

생성된 것처럼 보이는 클립과 연출된 것처럼 보이는 클립의 차이는 대개 두세 개의 구체적인 단어다. 카메라 무브의 이름, 빛의 방향, 소리의 질감. 피사체를 쓰고, 카메라에 일 하나를 주고, 조명에 이름을 붙이고, 소리를 명시하고, 8초를 위해 설계하라. 그런 다음 생성하고, 한 가지를 바꾸고, 다시 생성하라.

Veo 3 영상 생성기를 열고, 첫 샷 브리프를 쓰고, 카메라가 연기를 하게 하라.