클로드 코드와 로컬 AI로 만드는 0원짜리 영상 (1) — '0원'의 진짜 계산서와 준비물

SVIL 연구소 유튜브 채널에는 지금 124편의 영상이 올라가 있습니다. 나레이션이 있고, 자막이 붙어 있고, 배경음악이 깔려 있고, 장면마다 그림이 바뀝니다.

그 영상들에 들어간 외주비는 0원, 구독형 AI 서비스 이용료도 0원입니다. 성우도, 스톡 영상도, 음원 라이선스도 사지 않았습니다. 전부 집에 있는 그래픽카드 한 장이 만들었고, 그걸 클로드 코드가 지휘했습니다.

이 시리즈는 그 파이프라인을 처음 시작하는 사람이 따라올 수 있게 풀어 씁니다. 그리고 첫 편에서 제일 먼저 할 일은, 저 '0원'이라는 말을 정직하게 뜯어보는 것입니다.

124편을 이렇게 만들었습니다

먼저 규모를 밝혀 둡니다. 이 글은 "이론상 가능하다"가 아니라 실제로 돌아가고 있는 것에 대한 기록입니다.

• 블로그 발행 173편 → 그중 124편을 영상으로 제작·업로드
• 프로젝트 폴더 136개 (롱폼·쇼츠·합본 포함)
• 제작 시간 편당 35~45분 (롱폼 + 쇼츠 세트 기준 약 50분)

중요한 건 편수보다 편차가 작다는 점입니다. 한 편을 겨우 만드는 것과, 같은 품질로 백 편을 만드는 것은 완전히 다른 문제입니다. 이 시리즈가 결국 다루는 건 후자입니다.

이 시리즈가 다루는 것

세 편으로 나눴습니다.

• 1편(이 글) — 비용의 진실, 그리고 준비물. 무엇을 사고 무엇을 깔아야 하는가.
• 2편 — 원고 한 편이 완성 영상이 되기까지의 실제 순서.
• 3편 — 실제로 깨지는 지점들, 그리고 매일 자동으로 돌리는 구조.

완성되는 영상의 모양은 이렇습니다. 1920×1080 · 5~10분 · 두 사람이 대화하는 인터뷰 형식 나레이션 · 장면마다 바뀌는 다크 시네마틱 이미지 · 번인 자막 · 배경음악 · 챕터. 여기에 세로 쇼츠 한 편이 세트로 따라붙습니다.

'0원'은 정확한 표현이 아닙니다

제목에 '0원'이라고 썼지만, 정확히는 "반복 비용이 0에 수렴한다"가 맞습니다. 이 구분이 이 글에서 제일 중요합니다.

드는 돈은 세 종류입니다.

• 한 번 드는 돈 — 그래픽카드 (되팔 수 있는 자산)
• 매달 드는 돈 — 클로드 코드 구독료, 전기요금
• 편당 드는 돈 — 전기요금 몇십 원. 이게 사실상 0원의 정체입니다

"AI 영상 무료"라고 써 놓고 이 셋을 뭉개는 글이 많습니다. 그러면 처음 시작하는 사람이 계산을 못 합니다. 하나씩 숫자로 보겠습니다.

같은 걸 상용 도구로 하면 — 월 20만 원대

이 파이프라인이 하는 일을 구독형 서비스로 대체하면 이런 조합이 됩니다.

연 단위로는 약 230만 원입니다. 그리고 이건 사용량 한도가 있는 요금제라, 하루에 여러 편을 돌리면 크레딧이 먼저 바닥납니다.

로컬로 하면 — 편당 50원

이제 로컬 쪽을 계산합니다. 변동비는 전기요금 하나뿐입니다.

기준 장비는 RTX 5060 Ti 16GB입니다. 이 카드의 TDP는 180W이고, CPU·메인보드·저장장치를 합친 시스템 전체는 작업 중 평균 약 250~300W를 씁니다. 생성 구간에서만 최대치를 치고 나머지는 그보다 낮습니다.

한 편에 50분(0.83시간)이 걸리므로,

• 0.25kW × 0.83h ≈ 0.21kWh
• 주택용 저압 전기요금은 누진 구간에 따라 kWh당 120원대~300원대입니다. 중간값 200원으로 잡으면
• 0.21kWh × 200원 ≈ 편당 약 42원

즉 영상 한 편에 커피 한 잔의 1/100이 듭니다. 100편을 만들어도 4~6천 원입니다. 이 숫자가 '0원'이라는 표현의 실체입니다.

진짜 비용은 GPU 한 대

대신 초기 비용이 있습니다. RTX 5060 Ti 16GB는 정가(MSRP) $429이고, 2026년 8월 현재 실거래가는 메모리 대란 여파로 $540 안팎까지 올라 있습니다. 한화로 대략 60만~80만 원 구간입니다.

여기서 짚어둘 것 두 가지입니다.

• 이건 소모품이 아니라 자산입니다. 구독료는 쓰고 나면 사라지지만 그래픽카드는 남고, 중고로 되팔 수 있습니다.
• 게임용으로 이미 있다면 추가 비용은 0원입니다. 실제로 많은 사람이 이 조건에 해당합니다.

클로드 코드는 유료입니다

여기가 이 글에서 가장 정직해야 하는 대목입니다. 클로드 코드는 무료가 아닙니다.

2026년 기준 요금제는 이렇습니다.

• Free — 제한적
• Pro — 월 $20 (연간 결제 시 $200/년)
• Max 5x — 월 $100
• Max 20x — 월 $200

사용량은 5시간 롤링 창 + 주간 상한의 이중 구조로 관리되고, 앤스로픽은 정확한 토큰 할당량을 공개하지 않습니다. Pro는 5시간당 대략 45개 프롬프트 수준으로 알려져 있습니다.

이 파이프라인을 매일 여러 편 돌리려면 Pro로는 빠듯합니다. 다만 처음 배우는 단계, 즉 주에 한두 편 만들어 보는 정도라면 Pro로 충분합니다. 저 위 상용 스택 표에 Claude Pro $20이 들어 있는 이유도 여기 있습니다 — 어느 쪽을 택하든 이 항목은 공통입니다.

그래서 손익분기점은 어디인가

정리하면 이렇게 됩니다.

• 상용 스택: 월 19만 원 × 12개월 = 연 230만 원
• 로컬 스택: GPU 70만 원(1회) + 클로드 코드 월 2.8만 원 + 전기요금 = 1년차 약 105만 원, 2년차부터 35만 원

손익분기는 대략 5~6개월입니다. 그 뒤로는 격차가 매년 벌어집니다. 그리고 편수를 늘려도 로컬 쪽 비용은 거의 안 늘어납니다 — 이게 구독형과의 결정적 차이입니다.

돈 말고 로컬이 주는 것

사실 비용보다 큰 이유들이 있습니다.

• 한도가 없습니다. 마음에 안 들면 스무 번 다시 뽑아도 됩니다. 크레딧을 세면서 만들면 품질 기준을 스스로 낮추게 됩니다.
• 내 데이터가 밖으로 안 나갑니다. 원고도, 목소리 참조 음원도 전부 내 디스크 안에 있습니다.
• 서비스 사정에 안 흔들립니다. 요금제가 바뀌거나 약관이 바뀌거나 회사가 문을 닫아도, 이미 받아둔 모델 가중치는 계속 돕니다.
• 완전히 자동화할 수 있습니다. 새벽 세 시에 사람 없이 돌아가는 구조를 짤 수 있습니다(3편에서 다룹니다).

로컬이 못 주는 것

반대쪽도 같은 무게로 적습니다.

• 최고 품질은 아닙니다. 클립 품질은 상용 영상 모델이 아직 앞섭니다. 다만 나레이션 영상의 배경 장면으로는 충분합니다.
• 세팅에 시간이 듭니다. 처음 환경을 구성하는 데 하루 이틀은 잡아야 합니다.
• 고장이 내 책임입니다. 상용 서비스는 안 되면 문의하면 되지만, 로컬은 내가 원인을 찾아야 합니다. 3편이 통째로 이 이야기입니다.
• PC를 켜 둬야 합니다. 작업 중에는 그 PC로 무거운 다른 일을 못 합니다.

준비물 ① GPU — 16GB가 기준선인 이유

가장 중요한 결정입니다. VRAM 16GB를 기준선으로 잡으시길 권합니다.

이유는 단순합니다. 이 파이프라인이 쓰는 모델들의 요구치가 이렇습니다.

개별로는 8GB로도 돌아갑니다. 문제는 이것들을 번갈아 쓴다는 점입니다. 16GB면 모델을 바꿔 끼울 때 여유가 생기고, 12GB 이하면 매 단계 언로드를 신경 써야 합니다.

VRAM이 모자라면 어떻게 되나

여기서 초보자가 반드시 알아야 할 함정이 하나 있습니다. VRAM이 모자라면 에러가 나지 않습니다.

실제로 겪은 현상은 이렇습니다. ComfyUI는 여유 VRAM을 보고 모델을 BF16으로 올릴지 FP8로 올릴지 스스로 고르는데, BF16을 골라 놓고 실제로는 다 못 올리면 결과가 NaN이 됩니다. 그런데 샘플러는 정상 완주하고 "완료" 로그까지 찍힙니다.

그래서 나오는 게 완전히 새까만 이미지이거나 컬러 노이즈입니다. 판별법은 의외로 단순합니다 — 파일 크기를 봅니다.

• 4KB 안팎 → 완전 검정 (실패)
• 1.5MB 초과 → 컬러 노이즈 (실패)
• 600KB~1.1MB → 정상

이 한 줄을 몰라서 사흘을 태운 적이 있습니다. 16GB를 권하는 진짜 이유가 이겁니다.

준비물 ② 나머지 하드웨어와 저장공간

GPU 외의 요구치는 생각보다 낮습니다.

• CPU — 특별한 요구 없음. ffmpeg 조립 때만 일합니다.
• RAM 32GB — 16GB로도 되지만, VRAM에서 넘친 모델이 시스템 메모리로 흘러내릴 때 여유가 있는 편이 낫습니다.
• SSD — 모델 가중치만 수십 GB입니다. 여유 있게 500GB 이상 잡으세요.
• 별도 저장 드라이브 — 산출물이 빠르게 쌓입니다. 저희는 생성물 출력 경로를 아예 다른 드라이브로 분리해 뒀습니다.

운영체제는 윈도우로 설명합니다. 리눅스에서도 전부 돌아가고, 오히려 더 쉬운 부분도 있습니다.

소프트웨어 지도 — 무엇이 무엇을 하나

도구 이름이 많아 보이지만 역할은 일곱 개뿐입니다. 이 표 하나로 전체 지형이 정리됩니다.

ComfyUI — 공용 엔진

이미지·영상·음악을 전부 여기서 돌립니다. 노드를 선으로 연결해 처리 흐름을 짜는 도구인데, 처음엔 복잡해 보여도 워크플로 파일을 받아 쓰면 됩니다. 직접 노드를 짤 일은 거의 없습니다.

중요한 건 ComfyUI가 HTTP API를 제공한다는 점입니다. 브라우저에서 클릭하지 않고 스크립트로 작업을 밀어 넣을 수 있다는 뜻이고, 그래서 클로드 코드가 이걸 조종할 수 있습니다. 이 파이프라인 전체가 그 API 위에 서 있습니다.

라이선스는 GPL v3입니다. 개인이 영상을 만들어 올리는 용도에는 아무 제약이 없습니다.

Z-Image Turbo — 이미지

알리바바 통이랩이 2025년 11월에 공개한 60억 파라미터 이미지 모델입니다. Apache 2.0이라 상업적 이용이 자유롭습니다.

왜 이걸 쓰는지가 중요합니다. 빠르기 때문입니다. 저희 환경에서 1280×720 한 장에 8스텝, 약 10초입니다. 한 편에 이미지가 열여덟 장 들어가는데, 그중 새로 만드는 건 대여섯 장이라 1분이면 끝납니다.

단점도 분명합니다. Turbo는 cfg가 1.0으로 고정이라 네거티브 프롬프트가 물리적으로 무시됩니다. 그래서 "글자를 그리지 마"라고 아무리 적어도 안 통합니다. 이 문제를 어떻게 다루는지는 2편에서 자세히 씁니다.

LTX-Video — 움직이는 클립

영상 장면 중 일부는 정지 이미지가 아니라 실제로 움직이는 클립입니다. 그걸 만드는 게 LTX-Video입니다. ComfyUI 코어에 내장돼 있어 별도 설치가 거의 필요 없습니다.

저희가 이걸 고른 이유는 두 가지입니다.

• 색감 지시를 정확히 따릅니다. 다른 모델은 "청록 톤"이라고 적어도 밝은 현대풍으로 나와 매번 후보정이 필요했습니다.
• 같은 시간에 더 긴 클립이 나옵니다. 실측으로 257프레임 클립이 약 8분인데, 경쟁 모델의 5초짜리 클립이 9분이었습니다. 가장 긴 LTX 클립이 가장 짧은 경쟁 클립보다 빠릅니다.

다만 8분은 여전히 깁니다. 그래서 클립 라이브러리를 쌓아 재사용합니다 — 이게 시간을 8분에서 0분으로 만드는 핵심입니다(2편).

Qwen3-TTS — 목소리

2026년 1월에 공개된 음성 합성 모델입니다. Apache 2.0, VRAM 4GB면 돌아가고, 3초짜리 참조 음성만으로 목소리를 복제합니다.

"3초면 된다"는 말은 절반만 맞습니다. 실제로 써 보면 참조 음성 길이가 결과 품질을 결정합니다. 저희는 참조가 짧을 때 긴 문장의 끝이 잘리는 현상을 겪었고, 참조를 27.2초로 늘려서 해결했습니다. 이 이야기도 2편에서 숫자와 함께 다룹니다.

중요한 건 이겁니다 — 내 목소리를 쓸 수 있습니다. 30초쯤 녹음해 두면 그 목소리로 몇 시간짜리 나레이션이 나옵니다. 상용 음성 서비스에서 이건 글자 수 과금 항목입니다.

ACE-Step — 배경음악

2026년 1월에 나온 음악 생성 모델입니다. 4GB 미만으로 돌고, RTX 3090 기준 곡 하나에 10초 미만입니다. 라이선스는 Apache 2.0으로 상업적 이용이 가능합니다.

저작권 문제에서 자유롭다는 점이 큽니다. 유튜브의 저작권 자동 감지에 걸릴 일이 없고, 무료 음원 사이트의 출처 표기 규정을 신경 쓸 일도 없습니다.

저희는 무드별로 10개씩 만들어 라이브러리에 쌓아 두고 재사용합니다. 지금 36개가 쌓여 있어서, 새 영상을 만들 때 BGM 생성 시간은 대개 0분입니다.

faster-whisper — 검수하는 귀

이건 만드는 도구가 아니라 검사하는 도구입니다. 합성된 음성을 다시 텍스트로 받아쓴 다음, 원본 대본과 비교합니다.

왜 필요하냐면, TTS는 가끔 문장 끝을 조용히 삼킵니다. 에러도 안 나고 소리도 자연스러워서, 사람이 끝까지 들어야만 발견됩니다. 100라인짜리 대본을 매번 귀로 듣는 건 불가능합니다.

기계에 맡길 것과 사람이 들을 것을 나누는 게 핵심입니다. 기계는 "내용이 빠졌는지", 사람은 "이상하게 들리는지"를 봅니다. 이 구분을 못 하면 검증기 임계값만 조였다 풀었다 하며 시간을 태웁니다.

🔴 반드시 GPU로 돌리세요. CPU로 돌리면 라인당 10~20초로 파이프라인 최대 병목이 됩니다. GPU면 100라인 전수 검증이 2~3분입니다.

ffmpeg — 최종 조립

AI가 아닙니다. 20년 넘은 영상 처리 도구이고, 이 파이프라인에서 실제로 '영상을 만드는' 건 이 친구입니다.

ffmpeg가 하는 일을 나열하면 이렇습니다. 이미지에 켄 번스 줌 걸기, 장면 사이 전환 효과, 자막 번인, 타이틀 오버레이, 배경음악 믹싱, 인트로·아웃트로 연결, 최종 인코딩. AI가 만든 조각들을 하나의 영상으로 붙이는 전 과정입니다.

라이선스는 기본 빌드가 LGPL 2.1+라 상업적 이용에 문제가 없습니다.

클로드 코드 — 지휘하는 자리

마지막이자 이 시리즈의 제목에 들어간 도구입니다. 클로드 코드가 하는 일은 영상을 만드는 게 아니라 위 도구들을 순서대로 부리는 것입니다.

구체적으로는 이렇습니다.

• 블로그 원문을 읽어 대본으로 각색합니다.
• 장면마다 이미지 프롬프트를 씁니다.
• ComfyUI API에 작업을 밀어 넣고 완료를 기다립니다.
• ffmpeg 조립 스크립트를 실행하고 결과를 검사합니다.
• 유튜브 API로 업로드하고 재생목록에 넣습니다.

사람이 하면 이 왕복이 하루입니다. 이걸 대화 한 번으로 밀어 넣는 것이 이 파이프라인의 실질입니다. 그래서 '클로드 코드로 만드는 영상'이라는 말은 정확히는 '클로드 코드가 로컬 AI들을 부려서 만드는 영상'입니다.

라이선스 — 상업적으로 써도 되나

수익화를 생각한다면 반드시 확인해야 할 부분입니다. 결론부터 쓰면 개인이 영상을 만들어 유튜브에 올리고 수익을 내는 데는 문제가 없습니다.

• Z-Image Turbo · Qwen3-TTS · ACE-Step — Apache 2.0. 상업 이용 자유.
• faster-whisper — MIT. 가장 자유롭습니다.
• ffmpeg — 기본 빌드 LGPL 2.1+. 단, --enable-gpl이나 --enable-nonfree로 빌드한 바이너리를 재배포하면 조건이 달라집니다. 영상 산출물에는 영향이 없습니다.
• ComfyUI — GPL v3. 소프트웨어 자체를 개조해 배포할 때 의무가 생기고, 도구로 쓰는 건 자유입니다.
• LTX-Video — 커뮤니티 라이선스. 조건이 별도로 있으니 대규모 상업 프로젝트라면 원문을 직접 확인하세요.

일반화하면 "결과물을 쓰는 것"은 대체로 자유롭고, "소프트웨어를 고쳐 배포하는 것"에 조건이 붙습니다. 우리가 하려는 일은 전자입니다.

설치는 이 순서를 권합니다

한 번에 다 깔려고 하면 어디서 막혔는지 모르게 됩니다. 한 단계씩 결과를 확인하며 가세요.

1. NVIDIA 드라이버와 CUDA — nvidia-smi가 카드 이름과 VRAM을 찍으면 성공입니다.
2. 파이썬 — 3.11 이상. 가상환경을 쓰세요. 시스템 파이썬에 직접 깔면 나중에 반드시 후회합니다.
3. ffmpeg — 설치 후 ffmpeg -version. PATH에 넣는 것까지 확인.
4. ComfyUI — 설치하고 브라우저에서 기본 화면이 뜨는지만 봅니다.
5. Z-Image Turbo — 모델 가중치를 받아 이미지 한 장을 뽑아 봅니다. 여기까지 되면 절반은 온 겁니다.
6. Qwen3-TTS — 짧은 문장 하나를 합성해 들어 봅니다.
7. 클로드 코드 — 설치하고, 위 도구들이 있는 폴더에서 실행합니다.
8. LTX-Video · ACE-Step · faster-whisper — 나머지는 나중에 붙여도 됩니다.

🔴 5번까지가 진짜 관문입니다. 이미지 한 장이 정상 크기(600KB~1.1MB)로 나오면 GPU·드라이버·VRAM이 전부 정상이라는 뜻이고, 나머지 모델은 요구치가 더 낮아서 대개 그냥 됩니다.

핵심 정리

• SVIL은 이 파이프라인으로 영상 124편을 만들었고, 제작 시간은 편당 35~45분입니다.
• '0원'의 정확한 뜻은 편당 변동비가 전기요금 약 42원이라는 것입니다. 100편에 4~6천 원입니다.
• 같은 일을 상용 구독으로 하면 월 약 19만 원(연 230만 원)입니다.
• 초기 비용은 GPU 한 대(60~80만 원)이고, 손익분기는 5~6개월입니다.
• 🔴 클로드 코드는 유료입니다(Pro 월 $20 ~ Max 월 $200). 이건 어느 쪽을 택하든 공통 비용입니다.
• VRAM 16GB를 기준선으로 잡으세요. 모자라면 에러 없이 검은 이미지가 나옵니다 — 파일 크기로 판별합니다.
• 도구는 일곱 개뿐입니다 — ComfyUI · Z-Image · LTX-Video · Qwen3-TTS · ACE-Step · faster-whisper · ffmpeg.
• 라이선스는 결과물 사용은 자유, 소프트웨어 개조·배포에 조건이 붙는 구조입니다.

다음 편에서

2편은 원고 한 편이 완성 영상이 되기까지의 실제 순서를 씁니다. 블로그 글을 고르는 기준부터, 대본 분량을 정하는 계산(초당 6.4자), 목소리 두 개를 배치하는 법, 이미지 대부분을 새로 만들지 않는 이유, 클립을 4섹션당 하나만 넣는 이유, 그리고 조립까지입니다.

3편은 실제로 깨지는 지점들입니다. 검은 이미지, 큐 교착, 자막 싱크 어긋남, 재사용 이미지 오염, 검증 오탐 루프 — 전부 저희가 실제로 밟은 것들이고, 각각 어떻게 막았는지를 씁니다.

지금 시작하실 거라면 위 설치 순서 5번(이미지 한 장 뽑기)까지만 먼저 해 보세요. 거기까지 되면 나머지는 따라옵니다.

출처

1. Hugging Face — Tongyi-MAI/Z-Image-Turbo (모델 카드·라이선스)
2. WillItRunAI — Z-Image Turbo VRAM Requirements (ComfyUI / Diffusers)
3. GitHub — QwenLM/Qwen3-TTS
4. GitHub — ace-step/ACE-Step-1.5
5. GitHub — Lightricks/ComfyUI-LTXVideo
6. FFmpeg — License and Legal Considerations
7. Club386 — NVIDIA GeForce RTX 5060 Ti 16GB review (TDP·가격)
8. 한국전력공사 — 주택용 전기요금표

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://kuroicode-beep.github.io/svil-homepage/