쇼츠 대본 AI로 쓰는 법 — 촬영 없이 영상 한 편을 250원에 뽑는 실전 구조

유튜브 쇼츠 20여 편을 올렸는데 한 달 동안 사이트로 들어온 사람이 7명이었다. 소셜 도달은 6만을 넘었고, 누적 조회는 약 2만 3천 회였지만, 이메일 수집은 0명, 6개월 매출은 19,000원이었다. 숫자가 이렇게 나와도 계속 만드는 이유는 하나다. 영상 한 편 제작비가 약 250원이고, 촬영과 편집이 전혀 없기 때문이다. 쇼츠 대본 AI로 쓰는 법을 제대로 설계해두면, 대본을 넣는 순간부터 파이썬이 렌더까지 알아서 돌린다. 이 글은 그 구조를 그대로 공개한다.

왜 대본이 쇼츠 자동화의 핵심인가

쇼츠 자동화 파이프라인에서 사람이 반드시 개입해야 하는 구간은 딱 하나, 대본이다. TTS(텍스트 음성 변환) 엔진은 텍스트를 음성으로 바꾸고, 파이썬 스크립트는 그 음성에 자막과 배경 영상을 붙여 mp4를 뱉는다. 이 과정은 완전히 자동이다. 그런데 대본이 흐릿하면 TTS가 읽는 문장도 흐릿하고, 결국 완성된 영상도 흐릿해진다. 조회 2만 3천 회를 만든 영상과 100회도 못 넘긴 영상의 차이는 편집 실력이 아니라 대본의 첫 3초였다. AI로 대본을 쓴다는 것은 “ChatGPT한테 써달라고 했다”가 아니라, AI가 일관된 품질을 유지하도록 프롬프트를 설계하는 것을 뜻한다. 그 설계가 없으면 AI는 매번 다른 톤의 문장을 뱉고, 자동화 파이프라인의 장점이 사라진다.

쇼츠 대본 AI로 쓰는 법 — 프롬프트 설계 5단계

AI가 쓴 대본이 TTS를 통과해 실제 영상이 되려면, 문장 구조가 읽히는 방식까지 제어되어야 한다. 아래 5단계는 실제로 쓰고 있는 프롬프트 설계 순서다.

• 1단계 — 역할 고정: “너는 20대 초반이 운영하는 투자 정보 채널의 대본 작가야. 말투는 구어체, 존댓말, 문장당 15자 이내”처럼 AI의 페르소나를 먼저 고정한다. 역할이 없으면 AI는 매 요청마다 다른 톤을 선택한다.
• 2단계 — 길이 제한: 쇼츠 60초 기준 TTS 속도 1.1배율로 약 250~280자가 적당하다. “전체 대본은 270자 이내로 써줘”를 프롬프트에 명시한다. 글자 수 제한이 없으면 AI는 항상 필요 이상으로 길게 쓴다.
• 3단계 — 훅 문장 분리 요청: “첫 문장은 반드시 질문형 또는 충격 팩트로 시작해줘. 이 문장만 따로 표시해줘”라고 요청한다. 파이썬 스크립트가 첫 자막을 굵게 처리하도록 설계되어 있어서, 훅 문장을 구분해두면 자막 강조도 자동으로 적용된다.
• 4단계 — 금지어 목록: “좋아요, 구독, 알림벨, 시청해주셔서 감사합니다”는 쇼츠 알고리즘에서 이탈을 유도하는 단어로 분류된다. 프롬프트에 금지어를 명시하면 AI가 습관적으로 붙이는 아웃트로 문구를 막을 수 있다.
• 5단계 — 출력 형식 고정: “대본을 JSON 형식으로 줘. 키는 hook, body, cta로 구분해줘”처럼 파이썬이 파싱할 수 있는 형식으로 출력을 강제한다. 이렇게 하면 대본을 복사·붙여넣기 없이 스크립트가 직접 읽어서 렌더에 들어간다.

AI 대본을 TTS가 읽을 수 있도록 다듬는 규칙

AI가 문법적으로 완벽한 문장을 써도 TTS가 어색하게 읽으면 영상은 망한다. TTS 엔진은 구두점, 숫자 표기, 외래어 처리 방식에 매우 민감하다. 실제로 쓰는 후처리 규칙은 다음과 같다.

• 숫자는 반드시 한글로 변환한다. “VOO 60%”가 아니라 “VOO 육십 퍼센트”로 써야 TTS가 자연스럽게 읽는다.
• 괄호와 대시(—)는 TTS가 묵음 처리하거나 이상하게 읽는 경우가 있어서 쉼표나 마침표로 대체한다.
• 문장 끝 어미를 통일한다. “~입니다”와 “~해요”가 혼용되면 TTS 톤이 중간에 바뀐다. AI 프롬프트 단계에서 어미를 하나로 고정하고, 출력된 대본에서 파이썬 정규식으로 다시 한번 체크한다.
• 영어 고유명사는 한글 발음으로 바꾼다. “ETF”는 “이티에프”, “SCHD”는 “에스씨에이치디”처럼 AI에게 변환 기준을 미리 알려준다.
• 문장 사이 0.3초 정도의 포즈를 넣고 싶으면 “.” 대신 “… “처럼 점 세 개를 쓰도록 AI에게 안내한다. 파이썬 스크립트가 이 기호를 읽어 TTS에 pause 파라미터를 추가한다.

파이썬이 대본을 영상으로 바꾸는 구조 개요

대본이 완성되면 사람이 더 이상 개입하지 않는다. 파이썬 스크립트가 하는 일은 크게 세 가지다. 첫째, AI가 JSON으로 뱉은 대본을 읽어 TTS API에 텍스트를 보내고 mp3를 받아온다. 둘째, 저작권 없는 배경 영상 풀에서 랜덤으로 클립을 선택해 mp3 길이에 맞게 자른다. 셋째, 자막 파일을 생성하고 FFmpeg로 자막·음성·영상을 합쳐 최종 mp4를 출력한다. 영상 한 편의 렌더 시간은 영상 길이와 컴퓨터 사양에 따라 다르지만, 대본 입력부터 mp4 출력까지 사람이 화면을 보고 있을 필요는 없다. 렌더가 끝나면 슬랙이나 디스코드 봇으로 알림이 오도록 설계해두면 다른 일을 하는 중에도 완료 여부를 확인할 수 있다. 이 구조에서 유일하게 돈이 드는 부분은 TTS API 호출 비용이다. 영상 한 편 기준 약 250원 수준이며, 이것이 전체 제작비의 대부분을 차지한다.

조회 2만 3천 회에서 배운 대본 패턴 3가지

쇼츠 20여 편을 올리면서 누적 조회 약 2만 3천 회가 나왔다. 같은 파이프라인, 같은 TTS, 같은 편집 스타일인데 영상마다 조회 수 차이가 크게 났다. 차이를 만든 건 대본 패턴이었다. 반복적으로 확인된 패턴 세 가지는 다음과 같다.

• 패턴 1 — 숫자 훅: 첫 문장에 구체적인 숫자가 들어간 영상의 평균 시청 지속률이 그렇지 않은 영상보다 눈에 띄게 높았다. “많은 사람이 실패한다”보다 “10명 중 8명이 첫 달에 그만둔다”가 더 잘 작동한다. AI에게 훅 문장에 반드시 숫자를 넣도록 프롬프트에 명시한다.
• 패턴 2 — 반전 구조: “~라고 생각하지? 실제로는 이렇다”는 구조가 body 섹션에서 가장 자주 끝까지 시청하게 만들었다. AI에게 “body는 독자의 예상을 뒤집는 방식으로 써줘”라고 지시하면 이 구조를 자주 선택한다.
• 패턴 3 — CTA를 질문형으로: “링크 클릭하세요” 대신 “이 방법, 너한테도 되는지 한 번만 확인해봐”처럼 질문형 CTA를 쓴 영상에서 사이트 유입이 더 많았다. 그래도 7명이었지만, 질문형이 아닌 영상에서 유입은 0명이었다.

소셜 도달 6만, 매출 19,000원이 말해주는 것

이 구조의 가장 솔직한 성적표는 이렇다. 소셜 도달 6만, 이메일 수집 0명, 6개월 매출 19,000원. 쇼츠 대본 AI로 쓰는 법을 완성하고 파이프라인을 돌려도 매출이 바로 나오지 않는다는 뜻이다. 이 숫자는 “이 방법이 틀렸다”는 증거가 아니라, 쇼츠 트래픽의 성격이 전환보다 인지에 가깝다는 것을 보여준다. 조회는 쌓이지만 클릭은 일어나지 않는 구조다. 그렇기 때문에 대본 설계 단계에서 CTA의 방향을 처음부터 명확히 잡아야 한다. 매출을 목표로 한다면 대본의 CTA가 “영상 더 보기”가 아니라 “특정 페이지 방문”을 유도하는 방식이어야 하고, 그 페이지에서 전환이 일어나는 구조가 먼저 만들어져 있어야 한다. 영상 제작비가 250원이어서 잃을 게 없다는 건 사실이지만, 전환 구조 없이 영상만 쌓으면 조회 수 이상의 결과는 나오지 않는다. 대본 AI 자동화는 시작점이고, 그 다음은 전환 페이지 설계다. 쇼츠 자동화 구조 전체 흐름 확인하기에서 파이프라인 전체를 단계별로 볼 수 있다.

지금 바로 시작하는 법

촬영도 편집도 없이 대본만 쓰면 파이썬이 영상을 렌더한다. 이 구조를 처음부터 직접 설계하는 건 시간이 걸리지만, 한 번 만들어두면 영상 한 편에 드는 시간은 대본 작성 시간뿐이다. 프롬프트 설계부터 파이썬 스크립트 연결, TTS 세팅까지 정리한 가이드를 아래에서 무료로 받아갈 수 있다. 이 시스템을 직접 설계한 쇼츠 자동화 가이드를 무료로 받아가세요.

👉 fire20note.com/shorts/ 에서 무료로 받기

---