얼굴 없이 쇼츠 만드는 방법

얼굴을 드러내지 않아도 쇼츠를 만들 수 있냐고? 드러내지 않아서가 아니라, 드러낼 필요 자체가 없다. 영상 한 편 제작비 약 250원, 촬영 0회, 편집 0회. 대본만 쓰면 파이썬이 렌더한다. 이게 얼굴 없이 쇼츠 만드는 방법의 실제 구조다.

왜 얼굴 없이 쇼츠를 만드는가 — 구조적 이유

얼굴을 노출하면 발생하는 비용이 있다. 촬영 장비, 조명, 배경 세팅, 편집 시간. 그리고 가장 큰 비용은 ‘심리적 마찰’이다. 카메라 앞에 서야 한다는 사실 하나가 영상 제작 주기를 길게 만든다. 반면 얼굴 없는 쇼츠는 이 마찰을 구조적으로 제거한다. 대본 텍스트를 넣으면 TTS(Text-to-Speech)가 음성을 만들고, 파이썬 스크립트가 자막·배경 영상·음성을 합쳐 MP4 파일로 뽑아낸다. 사람이 개입하는 단계는 ‘대본 작성’ 하나뿐이다. 이 구조가 확립되면 영상 한 편당 순수 제작비는 약 250원 수준으로 고정된다. 클라우드 TTS API 호출 비용과 배경 영상 스톡 라이선스 비용의 합산이다.

필요한 도구 5가지 — 무료와 유료의 기준

도구를 고를 때 기준은 하나다. 파이썬 스크립트로 자동화할 수 있느냐 없느냐. 자동화 불가 도구는 아무리 기능이 많아도 제작 속도를 떨어뜨린다. 아래는 얼굴 없이 쇼츠를 만들 때 실제로 쓸 수 있는 도구 목록이다.

• Python 3.10 이상 — 전체 렌더링 파이프라인의 중심. 무료.
• MoviePy — 파이썬 라이브러리. 영상 클립 합성·자막 삽입·오디오 믹싱을 코드로 처리. 무료.
• Google Cloud TTS 또는 ElevenLabs — 텍스트를 음성으로 변환. Google Cloud TTS는 월 100만 자까지 무료, 초과분은 100만 자당 약 4달러. ElevenLabs 유료 플랜은 월 5달러부터 시작하며 감정 표현이 자연스럽다.
• Pexels 또는 Pixabay API — 저작권 무료 배경 영상을 API로 자동 검색·다운로드. 무료.
• FFmpeg — 최종 MP4 렌더링 및 해상도(1080×1920) 변환. 무료 오픈소스.

이 다섯 가지를 연결하면 ‘대본 텍스트 파일 입력 → 음성 생성 → 배경 영상 다운로드 → 자막 합성 → MP4 출력’의 파이프라인이 완성된다. 인간이 영상 편집 소프트웨어를 열 일이 없다.

파이썬 자동화 파이프라인 — 단계별 구조

파이프라인을 처음 설계할 때 가장 많이 막히는 지점이 ‘음성과 자막의 싱크’다. TTS가 생성한 오디오 파일의 총 길이를 먼저 구하고, 그 길이에 맞춰 배경 영상 클립을 자르는 순서로 작업해야 자막이 밀리지 않는다.

• 1단계 — 대본 파싱: 대본 텍스트 파일을 문장 단위로 분리한다. 한 문장당 자막 한 줄 원칙.
• 2단계 — TTS 호출: 각 문장을 TTS API에 전송, 개별 MP3 파일로 저장. 문장별 오디오 길이를 딕셔너리로 기록.
• 3단계 — 오디오 연결: MoviePy의 concatenate_audioclips()로 MP3 파일들을 순서대로 붙인다. 총 오디오 길이 산출.
• 4단계 — 배경 영상 선택: Pexels API에 키워드(예: “money”, “city”, “nature”)를 쿼리, 총 오디오 길이보다 긴 영상을 다운로드.
• 5단계 — 클립 자르기: 배경 영상을 총 오디오 길이에 맞춰 subclip()으로 자른다.
• 6단계 — 자막 삽입: 각 문장의 시작 시간과 끝 시간을 계산, TextClip()으로 자막을 화면 하단 20% 위치에 배치.
• 7단계 — 최종 렌더: FFmpeg 백엔드로 1080×1920 해상도 MP4 출력. 파일 크기는 60초 기준 약 30~50MB.

이 7단계 스크립트를 한 번 작성해두면 이후 작업은 대본 텍스트 파일을 바꾸는 것만으로 영상이 다시 생성된다. 촬영과 편집이 완전히 사라진다.

대본 구조 — 60초 안에 시청자를 붙잡는 포맷

얼굴 없는 쇼츠에서 유일하게 사람이 직접 만드는 것이 대본이다. 그래서 대본 품질이 곧 채널 품질이다. 60초 쇼츠 기준으로 검증된 구조는 다음과 같다.

• 0~3초 — 훅(Hook): 시청자가 이미 알고 있는 고통이나 궁금증을 한 문장으로 찌른다. “월급 190만원으로 10년 안에 은퇴하는 게 가능한가?” 같은 형태. 질문형이 진술형보다 이탈률이 낮다.
• 4~45초 — 본문: 3~5개의 핵심 포인트를 번호 없이 나열. 각 포인트는 1~2문장. 추상 표현 금지. 숫자와 구체 행동으로만 서술.
• 46~55초 — 반전 또는 경고: 앞에서 말한 내용의 예외 케이스나 실패 패턴을 하나 삽입. 시청 완료율을 높이는 가장 효과적인 구간.
• 56~60초 — CTA: “더 자세한 계산은 링크에서” 같은 단일 행동 요청 한 문장.

이 포맷은 대본을 쓰기 전에 구조를 고정시켜 놓으면, 실제 작성 시간이 15~20분 내로 줄어든다. AI 도구(ChatGPT 등)에 이 포맷 구조를 시스템 프롬프트로 넣고 키워드만 바꾸면 초안 생성 시간은 3분 이내로 단축된다.

실측 데이터 — 얼굴 없는 쇼츠의 현실적인 성과

이론이 아니라 실제 숫자를 보자. 이 방식으로 제작한 쇼츠 20여 편의 누적 조회수는 약 2만 3천 회다. 같은 영상들을 통해 사이트로 유입된 방문자는 약 한 달간 7명이었다. 소셜 플랫폼 도달 수는 6만에 달했지만 이메일 구독자는 0명이었고, 6개월간의 매출은 19,000원이었다.

이 숫자들이 말하는 것은 무엇인가. 얼굴 없는 쇼츠는 조회수를 만드는 데는 작동하지만, 조회수를 구체적인 행동(사이트 방문, 이메일 가입, 구매)으로 전환하는 효율은 매우 낮다는 것이다. 도달 6만 대비 이메일 가입 0명이라는 수치는 콘텐츠와 CTA 사이의 연결이 끊겨 있다는 신호다. 자동화 파이프라인을 구축한 뒤에는 영상 제작 문제가 아니라 ‘콘텐츠가 어디로 사람을 보내는가’의 문제를 풀어야 한다. 조회수 자체를 목표로 삼으면 19,000원이 6개월의 결과가 된다.

조회수를 전환으로 바꾸는 3가지 수정 포인트

실측 데이터에서 드러난 구조적 문제를 해결하려면 파이프라인 외부, 즉 유통 전략을 수정해야 한다.

• CTA를 영상 내 자막으로 삽입: 영상 설명란의 링크는 클릭률이 극히 낮다. 영상 마지막 5초에 자막으로 URL을 직접 표시하는 것이 더 효과적이다. MoviePy의 TextClip()으로 URL 자막을 마지막 클립에 추가하는 코드 한 줄로 해결 가능하다.
• 단일 랜딩 페이지 연결: 사이트 홈이 아니라 이메일을 수집하는 단일 랜딩 페이지로 트래픽을 집중시킨다. 방문자 7명이 홈페이지를 봤다면 7명 전원이 이탈했을 가능성이 높다. 이메일 수집 폼이 첫 화면에 없으면 전환은 일어나지 않는다.
• 쇼츠 주제와 랜딩 페이지 주제의 일치: 도달 6만 중 실제로 랜딩 페이지를 찾아온 사람이 7명이라면, 영상 주제와 랜딩 페이지 제공 가치 사이에 불일치가 있다는 뜻이다. 영상에서 말한 것을 랜딩 페이지에서 더 깊게 제공한다는 명확한 연결이 필요하다.

얼굴 없이 쇼츠 만드는 방법을 익히는 것은 파이프라인의 절반이다. 나머지 절반은 만든 영상이 어디로 사람을 데려가는가를 설계하는 것이다. 이 두 가지가 모두 작동해야 영상 제작에 쓴 250원이 의미 있는 수치로 돌아온다. 쇼츠 자동화 파이프라인 전체 가이드 확인하기에서 실제 스크립트 구조와 대본 템플릿을 확인할 수 있다.

지금 바로 시작하는 법

이 시스템을 직접 설계한 쇼츠 자동화 가이드와 대본 템플릿을 무료로 받아가세요. 파이썬 파이프라인 코드 구조, TTS API 세팅법, 60초 대본 포맷이 한 곳에 정리되어 있습니다.

👉 fire20note.com/shorts/ 에서 무료로 받기

---