오픈소스 AI 쇼츠 제작기 PrintFilm 분석
프롬프트 한 번으로 완성되는 AI 영상은 왜 매번 캐릭터 얼굴이 바뀌고 결말이 어긋날까요?
이 아티클의 핵심 내용 요약과 글로벌 검색·AI 엔진을 위한 테이크어웨이입니다.
✦ KR 주제: 오픈소스 AI 쇼츠·만화 드라마 제작 플랫폼 PrintFilm의 구조와 실무 활용
✦ KR 핵심 요약: PrintFilm은 깃허브 공개 56일 만에 7,400개 이상의 스타를 받으며 급부상한 오픈소스 AI 영상 저작 도구입니다. 프롬프트 하나로 끝내는 기존의 블랙박스형 생성 도구와 달리 대본 작성, 분경 분할, 이미지 생성, 비디오 변환, 최종 렌더링에 이르는 전 과정을 인간이 개입해 수정할 수 있는 단계별 제어 아키텍처를 채택했습니다. 4가지 특화 화풍과 캐릭터·배경 재사용 에셋 시스템을 통해 숏폼 마케팅 영상과 연재형 숏드라마 제작의 치명적 결함인 일관성 문제를 구조적으로 해결합니다.
🌐 Global Takeaway: PrintFilm is an emerging open-source orchestration platform for AI-driven vertical short videos and serialized episodic dramas, earning over 7,400 GitHub stars within two months. Unlike monolithic black-box generators, it enforces a human-in-the-loop pipeline separating script breakdown, storyboard generation, character consistency asset caching, and video synthesis. This decoupled architecture allows creators to eliminate hallucinated visual drifts while producing 60-second 9:16 short-form media at scale.
아래 그림은 단일 프롬프트 기반의 일괄 생성 방식과 PrintFilm의 단계별 인간 개입 워크플로 간의 구조적 차이를 보여줍니다.
- 원클릭 일괄 생성으로 중간 수정 불가
- 컷마다 캐릭터 얼굴과 복장 붕괴
- 생성 실패 시 처음부터 크레딧 재소모
- 대본과 분경의 세부 묘사 통제 불가
- 5단계 파이프라인별 정지 및 수동 승인
- 에셋 라이브러리로 캐릭터·배경 재사용
- 실패한 특정 컷만 선택적 재렌더링
- 분경별 내레이션·화면 프롬프트 분리 수정
1. 숏폼 비디오 생성의 병목과 오픈소스의 대안
생성형 인공지능이 텍스트와 정지 이미지를 넘어 영상 영역으로 확장되면서, 가장 치열한 전장으로 떠오른 분야는 틱톡, 인스타그램 릴스, 유튜브 쇼츠를 겨냥한 세로형 숏폼 콘텐츠입니다. 구글이 2026년 리서치 도구 노트북LM(NotebookLM)에 복잡한 연구 문서를 약 60초 분량의 9:16 세로 영상으로 요약해 주는 '숏폼 개요(Short Video Overviews)' 기능을 탑재한 사례에서 보듯, 업계 전반이 텍스트의 숏폼 영상화에 막대한 자원을 투입하고 있습니다. 그러나 상용 플랫폼의 완전 자동화 원클릭 파이프라인은 치명적인 한계를 드러냅니다. 사용자가 결과물의 톤앤매너, 특정 컷의 앵글, 캐릭터의 일관성을 세부적으로 통제할 수 없다는 점입니다.
이러한 중앙집중형 블랙박스 솔루션의 대척점에서 등장한 프로젝트가 바로 오픈소스 AI 숏폼·만화 드라마 저작 도구인 PrintFilm(깃허브 저장소 yi1108/printfilm)입니다. PrintFilm은 2026년 하반기 공개된 지 불과 56일 만에 깃허브 스타 7,415개를 돌파하며 전 세계 크리에이터와 개발자 커뮤니티의 폭발적인 관심을 받았습니다. 이 플랫폼은 단순히 텍스트를 비디오로 직행시키는 것이 아니라, 아이디어 발상부터 분경 분할, 화풍 고정 이미지 생성, 비디오 변환, 음성 및 자막 합성에 이르는 전 과정을 모듈화된 단계로 해체했습니다.
상용 서비스들이 '모든 과정을 AI가 알아서 해준다'는 편리함을 내세울 때, PrintFilm은 '각 단계마다 사람이 멈춰 서서 검토하고 수정한다'는 인간 참여형(Human-in-the-loop) 설계 철학을 전면에 내세웠습니다. 이를 통해 AI가 만들어내는 서사의 왜곡과 비주얼 붕괴를 원천적으로 차단하고, 1분 안팎의 고품질 마케팅 영상은 물론 여러 에피소드로 이어지는 연재형 숏드라마까지 제작 가능한 환경을 완성했습니다.
1-1. 공개 56일 만에 입증된 오픈소스의 수요
PrintFilm 프로젝트가 단기간에 7,400개 이상의 스타를 확보한 배경에는 기존 AI 비디오 생성기들이 해결하지 못한 세 가지 고질적인 갈증이 존재합니다. 첫째는 캐릭터와 배경의 시각적 연속성 유지이며, 둘째는 중간 단계 수정 권한의 부재로 인한 API 비용 낭비이고, 셋째는 9:16 세로 영상 템플릿에 맞춘 자동화 편집 인프라의 부족입니다.
| 비교 지표 | 기존 상용 원클릭 생성기 | PrintFilm 오픈소스 플랫폼 |
|---|---|---|
| 파이프라인 제어 | 프롬프트 입력 후 일괄 렌더링 | 5단계 분리 및 단계별 수동 승인 |
| 에셋 재사용성 | 컷마다 새로운 인물 생성 | 캐릭터·배경·소품 에셋 라이브러리 지원 |
| 워크플로 복구 | 실패 시 전체 파이프라인 재실행 | 실패 컷 선택 재생성 및 세션 복구 |
| 렌더링 옵션 | 클라우드 종속 비디오 변환 | AI 비디오 모드 및 정지 컷 모션 모드 병행 |
| 호스팅 방식 | 폐쇄형 SaaS 구독 모델 | 온프레미스 Docker 셀프 호스팅 지원 |
"AI로 서사 중심의 영상을 만들 때 가장 큰 적은 비일관성이다. 문안과 분경, 이미지가 분리되어 검증되지 않는 파이프라인은 창작자에게 도박과 다름없다."
기존 상용 도구에서는 60초 분량의 영상을 생성하는 도중 5번째 컷에서 엉뚱한 캐릭터가 튀어나오면 전체 프로젝트를 처음부터 다시 생성해야 했습니다. 반면 PrintFilm은 각 단계를 카드 기반의 작업대(Workbench) 인터페이스로 가시화하여, 창작자가 문제가 발생한 지점만을 핀포인트로 재작업할 수 있도록 시스템을 설계했습니다.
2. PrintFilm 핵심 아키텍처와 분생(分生) 철학
PrintFilm의 아키텍처는 거대한 단일 모델(Monolithic Model)에 의존하지 않고, 특화된 하위 서비스들을 정밀하게 연결하는 오케스트레이션 엔진을 중심으로 구축되었습니다. 버전 0.2.0 기준 PrintFilm의 소스코드는 프런트엔드 작업대, 백엔드 코어, 관리자 대시보드, 미디어 가공 파이프라인으로 엄격히 분리되어 있습니다. 시스템은 창작자의 아이디어가 입력되는 순간부터 이를 잘게 쪼개어 검증 가능한 상태 머신(State Machine)으로 전환합니다.
이러한 계층 구조의 핵심은 '분步(단계별) 창작' 메커니즘입니다. 사용자가 /studio/new 엔드포인트에서 프로젝트를 생성하면, 백엔드는 즉각 전체 영상을 렌더링하지 않고 문안 생성 세션을 별도의 독립 단위로 초기화합니다. 각 단계의 산출물은 데이터베이스에 구조화된 JSON 형태로 영속화되며, 다음 단계의 입력 프롬프트와 컨텍스트로 전달되기 전에 사용자의 검증 인터페이스를 반드시 거치도록 강제됩니다.
2-1. 데이터베이스 스키마와 세션 복구 메커니즘
PrintFilm은 네트워크 장애, API 응답 지연, 브라우저 종료 등의 상황에서도 작업 손실을 방지하기 위해 정교한 데이터베이스 스키마를 운용합니다. 시스템은 creation_sessions, creation_messages, creation_runs의 세 가지 핵심 테이블을 통해 분경 상태와 타임라인을 관리합니다.
사용자가 기존에 진행하던 프로젝트를 중단하고 작업대를 떠나더라도, 언제든 /history 인터페이스에서 해당 프로젝트 카드를 열어 마지막으로 승인된 단계부터 작업을 재개할 수 있습니다. 시스템 환경 설정에서 데이터베이스 자동 부트스트랩(DATABASE_BOOTSTRAP_ENABLED=false)이 비활성화된 환경에서는 백엔드 디렉터리에서 전용 마이그레이션 스크립트를 수동으로 실행하여 구조를 정합화할 수 있습니다.
python scripts/prepare_creation_schema.py
이 스크립트는 기존 비즈니스 데이터나 시드 데이터를 훼손하지 않고 세션 라이프사이클에 필요한 세 개의 테이블과 인덱스, 목표 재생 시간 필드만을 안전하게 생성합니다. 스키마 무결성을 검증하기 위해 다음과 같이 점검 플래그를 제공합니다.
python scripts/prepare_creation_schema.py --check
이러한 영속성 구조 덕분에 크리에이터는 수십 개의 컷으로 구성된 복잡한 숏폼 드라마 프로젝트를 진행하면서도 리소스 소모를 철저히 제어할 수 있습니다. 각 컷의 생성 런(Run)은 독립적인 레코드로 기록되므로, 특정 컷의 렌더링이 실패하더라도 시스템 전체가 롤백되지 않고 해당 컷만 재시도 큐에 할당됩니다.
3. 5단계 제작 파이프라인의 실무 구현
PrintFilm의 기본 제작 워크플로는 9:16 세로 화면 비율, 약 60초 재생 시간을 기본 타깃으로 삼고 있습니다. 전체 파이프라인은 크게 다섯 가지 연속적인 페이즈로 분할되어 구동됩니다.
- 페이즈 1: 화풍 선택 및 문안 기획: 시스템이 제공하는 4가지 정밀 튜닝 화풍 중 하나를 선택하고, 스토리 발상(Idea)을 입력하거나 외부에서 작성된 대본을 붙여넣습니다. AI가 생성한 문안은 실시간 에디터에서 자유롭게 문장 단위로 교정되며 초안으로 저장됩니다.
- 페이즈 2: 분경(分鏡) 자동 분할: 확정된 문안을 기반으로 AI가 씬(Scene)과 컷(Shot)을 논리적으로 분할합니다. 각 컷마다 영상 지속 시간(보통 3~5초), 시각적 프롬프트, 낭독될 내레이션(旁白)이 카드 형태로 분리 매핑됩니다.
- 페이즈 3: 스타일 앵커 기반 이미지 생성: 선택된 화풍의 기준 참조 이미지(Style Reference)를 고정하고, 직전 컷의 결과물을 시각적 컨텍스트로 주입하여 인물과 배경의 왜곡을 방지하면서 컷별 정지 이미지를 생성합니다.
- 페이즈 4: 모달리티 분기 렌더링: 사용자의 컴퓨팅 예산과 품질 목표에 따라 'AI 비디오 모드' 또는 '정지 컷 모션 모드' 중 하나를 선택하여 미디어를 변환합니다.
- 페이즈 5: 타임라인 믹싱 및 패키징: 내레이션 오디오의 파형 길이에 맞춰 비디오 속도를 미세 조정하고, 자막을 번인(Burn-in) 처리한 뒤 최종 MP4 파일로 합성합니다.
이 과정에서 각 단계는 자동으로 다음 단계로 넘어가지 않고, 인터페이스상에서 '멈춤(Pause)' 상태를 유지합니다. 사용자가 분경 카드의 내레이션을 직접 퇴고하거나, 마음에 들지 않는 구도의 이미지를 단일 컷 단위로 재생성한 뒤 명시적으로 '다음 단계 진행' 버튼을 눌러야만 비디오 변환 엔진이 기동됩니다.
3-1. 듀얼 렌더링 모드의 기술적 선택지
PrintFilm은 하드웨어 자원과 API 크레딧의 제약을 고려하여 두 가지 서로 다른 렌더링 모드를 제공합니다. 이 설계는 고비용의 비디오 확산 모델(Video Diffusion Model)을 무조건 강제하지 않고, 프로젝트의 성격에 따라 유연하게 비용을 최적화할 수 있도록 돕습니다.
첫째, 'AI 비디오 모드'는 각 분경에서 생성된 정지 이미지를 기반으로 이미지-투-비디오(Image-to-Video) 모델을 구동하여 컷당 동적인 움직임과 카메라 워크를 직접 생성합니다. 이 모드에서는 사운드 효과와 카메라 줌, 인물의 미세한 동작이 비디오 스트림에 직접 구워지며, 단일 컷 단위로 프리뷰를 확인하고 재생성할 수 있습니다.
둘째, '정지 컷 모드(Static Image Mode)'는 생성된 정지 이미지를 유지한 채 외부 TTS(Text-to-Speech) 엔진으로 전문 내레이션 오디오를 생성하고, FFmpeg 미디어 파이프라인을 통해 이미지에 켄 번스 효과(Ken Burns Effect, 천천히 확대되거나 이동하는 팬/줌 효과)와 동적 자막을 합성합니다. GPU 연산 비용을 획기적으로 절감하면서도 지식 전달형 쇼츠나 웹소설 홍보 영상에서 탁월한 가독성을 제공하는 경제적인 방식입니다.
4. 시각적 일관성을 지키는 4대 화풍과 에셋 시스템
생성형 AI 영상 제작에서 가장 빈번하게 발생하는 참사는 실사 인물을 생성할 때 발생하는 이른바 '불쾌한 골짜기(Uncanny Valley)'와 컷이 바뀔 때마다 인물의 이목구비가 바뀌는 현상입니다. PrintFilm은 이 문제를 정면 돌파하기 위해 초기 버전(v0.2.0)에서 실사 인물 모델을 과감히 배제하고, 시각적 안정성이 검증된 4가지 비실사 화풍을 핵심 엔진으로 채택했습니다.
- 3D 애니메이션(3D 动画): 픽사나 드림웍스 스타일의 입체적인 볼륨감과 명확한 외곽선을 제공하여 캐릭터의 얼굴 특징을 장시간 안정적으로 유지합니다.
- 2D 애니메이션(二维动漫): 일본 애니메이션 스타일의 셀 셰이딩 기법을 모사하여 역동적인 액션 연출과 웹툰 원작 숏폼에 최적화된 결과물을 도출합니다.
- 그림책 삽화(绘本插画): 수채화 및 동화책 특유의 따뜻한 텍스처를 적용하여 교육용 콘텐츠나 감성적인 스토리텔링 쇼츠에 적합합니다.
- 국풍 수묵화(国风水墨): 먹선의 번짐과 여백의 미를 살린 동양적 화풍으로, 역사물이나 전통 무협 소재의 숏드라마에서 독보적인 분위기를 연출합니다.
단순히 화풍 프롬프트를 고정하는 것에 그치지 않고, PrintFilm은 '에셋 라이브러리(Asset Library)' 시스템을 통해 서사 내에 등장하는 핵심 개체를 모듈식으로 관리합니다.
- PrintFilm (오픈소스 워크벤치)
- 캐릭터 에셋 라이브러리 연동
- 분경 캔버스 수동 오버라이드
- 상용 숏폼 콘티 제작 툴
- 개별 컷 수동 교체 지원
- 장기 캐릭터 유지력 한계
- 일부 자동화 봇 프레임워크
- 대본부터 비디오까지 무개입
- 디테일 붕괴율 높음
- Google NotebookLM 숏폼 개요
- 문서 업로드 즉시 60초 생성
- 학습·리서치 요약에 특화
AI 만화 드라마(AI 漫剧) 워크벤치에서는 작품 전체를 관통하는 대강(Outline)과 줄거리(Summary)를 바탕으로 캐릭터(Role), 장면 배경(Scene), 주요 소품(Prop)을 에셋 라이브러리에 선제적으로 등록할 수 있습니다. 한 번 생성된 인물 카드는 고유한 임베딩 벡터와 참조 이미지 세트로 보존되며, 이후 에피소드 1화부터 수십 화에 이르기까지 동일한 비주얼 토큰으로 분경 렌더러에 주입됩니다. 이를 통해 컷이 전환되거나 회차가 바뀌어도 주인공의 복장, 헤어스타일, 체형이 일관되게 유지되는 산업용 연속성을 확보합니다.
5. 기존 숏폼 솔루션과의 기술적 격차와 포지셔닝
현재 생성형 AI 시장에는 텍스트를 입력하면 자동으로 비디오를 조립해 주는 서비스들이 다수 존재합니다. 앞서 언급한 구글 노트북LM의 60초 숏폼 개요는 구글의 경량 비전 모델 '나노 바나나 2 라이트(Nano Banana 2 Lite)'를 탑재하여 복잡한 학술 논문이나 보고서를 종이 오리기(Paper-cut) 애니메이션 스타일의 직관적인 요약 영상으로 변환합니다. 이는 교육과 연구 요약 측면에서 매우 뛰어난 편의성을 제공하지만, 스토리텔러가 원하는 연출을 능동적으로 삽입하거나 특정 장면의 구도를 재단할 수는 없습니다.
반면 상용 AI 비디오 서비스인 런웨이(Runway), 피카(Pika), 루마(Luma) 등은 개별 컷의 렌더링 퀄리티는 극도로 높지만, 60초짜리 세로 영상의 서사를 기획하고 대본과 싱크를 맞추며 자막까지 완성하는 전체 파이프라인 저작 도구라기보다는 '렌더링 엔진'에 가깝습니다. 창작자는 이들 엔진에서 뽑아낸 수십 개의 비디오 클립을 다시 프리미어 프로나 캡컷 같은 전문 편집기로 가져와 일일이 이어 붙이고 자막을 입혀야 합니다.
PrintFilm이 점유하는 영역은 바로 이 두 극단 사이의 거대한 공백입니다. PrintFilm은 런웨이와 같은 파운데이션 렌더러와 캡컷 같은 NLE(Non-Linear Editor)의 기능을 통합하여, 숏폼과 숏드라마 제작에 특화된 엔드투엔드 저작 환경을 제공합니다. 특히 토큰프리(TokenFree)와 같은 다중 모델 API 라우팅을 지원하여, 창작자가 특정 폐쇄형 플랫폼의 요금제에 종속되지 않고 최신 오픈소스 모델과 상용 모델을 자유롭게 스위칭하며 파이프라인을 운영할 수 있도록 개방성을 보장합니다.
6. 설치 환경 구성과 개발자 배포 가이드
PrintFilm을 온프레미스 서버나 개인 개발 환경에 구축하기 위해서는 Docker 환경 또는 파이썬과 Node.js가 조합된 풀스택 런타임이 필요합니다. 공식 리포지토리는 배포 편의를 위해 docker-compose.yml 및 docker-compose.full.yml을 제공하며, 백엔드와 프런트엔드, 관리자 대시보드를 독립된 컨테이너로 격리하여 배포할 수 있도록 구성되어 있습니다.
6-1. 백엔드 환경 설정 및 증분 마이그레이션
로컬 개발 환경에서 백엔드를 직접 구동할 경우, 데이터베이스 세션 관리 테이블의 정합성을 맞추는 작업이 선행되어야 합니다. 저장소를 클론한 후 Python 3.10 이상의 가상환경을 활성화하고 백엔드 디렉터리로 이동합니다.
git clone https://github.com/yi1108/printfilm.git
cd printfilm/backend
필요한 의존성 패키지를 설치한 뒤, 데이터베이스 스키마를 점검하고 전용 증분 마이그레이션 스크립트를 실행하여 세션 테이블과 인덱스를 프로비저닝합니다. 이 스크립트는 멱등성(Idempotency)을 지원하므로 여러 번 실행해도 기존 데이터베이스 구조를 오염시키지 않습니다.
python scripts/prepare_creation_schema.py
윈도우 환경에서 파이썬 런처를 사용하는 개발자는 python 대신 py 명령어를 사용하여 동일한 스크립트를 구동할 수 있습니다. 정상적으로 스키마가 반영되면 creation_sessions, creation_messages, creation_runs 테이블이 생성되며, 신규 워크벤치 아키텍처에서 요구하는 세로 화면 60초 프로젝트 메타데이터를 완벽히 수용할 준비를 마치게 됩니다.
7. 실무 도입 시의 한계와 엔지니어링 주의점
PrintFilm이 숏폼 제작 자동화에 혁신적인 접근법을 제시하고 있지만, 실제 프로덕션 환경에 전면 도입하기 전에 반드시 검토해야 할 기술적 제약과 운영 리스크가 존재합니다.
첫째는 외부 API 의존성과 비용 통제 문제입니다. PrintFilm 자체는 오픈소스 소프트웨어로 무료 배포되지만, 백엔드에서 이미지와 비디오를 실제로 렌더링하기 위해서는 외부 모델 API 키(예: TokenFree 또는 개별 모델 게이트웨이 키)가 필수적입니다. AI 비디오 모드를 사용하여 60초 분량(약 12~15개 컷)의 영상을 고해상도로 렌더링할 경우, 실패한 컷의 재생성 횟수에 따라 컷당 API 호출 비용이 급격히 증가할 수 있습니다. 따라서 대량 생산 파이프라인을 구축할 때는 정지 컷 모션 모드를 1차 검증용으로 활용하고 최종 마스터링 단계에서만 비디오 모델을 기동하는 비용 제어 정책이 요구됩니다.
둘째는 레거시 인터페이스와의 호환성 문제입니다. 버전 0.2.0으로 전환되면서 과거 대화형(Chat-based) 세션 인터페이스 관련 API가 공식적으로 제거되었습니다. 기존 대화형 프로젝트의 생성 및 질의 엔드포인트는 폐기되었으며, 오직 구버전 프로젝트를 신규 작업대로 이관하기 위한 open-editor 엔드포인트만이 유지됩니다. 기존 버전을 이미 도입해 운영 중이던 팀이라면 데이터 마이그레이션과 워크플로 전환 계획을 면밀히 수립해야 합니다.
셋째는 비실사 화풍의 한계입니다. PrintFilm은 시각적 일관성을 위해 3D 애니메이션, 2D 코믹, 일러스트, 수묵화의 4대 스타일에 집중하고 있습니다. 이는 브랜드 마케팅에서 실제 사람 모델의 정밀한 인터뷰나 실물 제품 시연 영상을 필요로 하는 엔터프라이즈 사용자에게는 직접적인 적용이 어려울 수 있음을 의미합니다. 콘텐츠의 장르와 타깃 오디언스가 비실사 그래픽에 적합한지 사전에 냉정히 평가해야 합니다.
8. 요약과 시사점
PrintFilm은 56일 만에 7,400개가 넘는 깃허브 스타를 기록하며 단순한 유행을 넘어 생성형 AI 비디오 도구가 나아가야 할 실용적 방향타를 제시했습니다. '모든 것을 AI가 한 번에 해결한다'는 허상에서 벗어나, 대본, 콘티, 비주얼, 오디오, 합성의 각 공정을 투명하게 시각화하고 인간 크리에이터에게 정밀한 통제권을 돌려준 점이 이 프로젝트의 가장 큰 기술적 성취입니다.
특히 캐릭터와 배경 에셋을 저장하고 회차별로 재활용할 수 있는 아키텍처는 숏폼 영상 제작을 단발성 실험에서 지속 가능한 미디어 비즈니스로 격상시키는 핵심 엔진 역할을 합니다. 빅테크 기업들이 원클릭 요약 기능으로 사용자 편의성을 높이는 동안, 오픈소스 진영은 더욱 정교한 통제력과 커스터마이징 자유도를 제공하며 전문 제작자들의 실제 작업 흐름을 파고들고 있습니다. AI를 활용해 숏폼 콘텐츠를 대량 생산하고자 하는 크리에이터와 개발팀에게 PrintFilm의 단계별 제어 파이프라인은 신뢰할 수 있는 강력한 레퍼런스 아키텍처가 될 것입니다.
자주 묻는 질문
Q. PrintFilm은 완전 무료로 사용할 수 있는 프로그램인가요?
A. PrintFilm의 소스코드는 깃허브에 공개된 오픈소스로 소프트웨어 자체는 무료로 설치해 실행할 수 있습니다. 다만 문안 생성, 이미지 렌더링, 비디오 합성에 필요한 AI 모델을 구동하기 위해서는 TokenFree와 같은 외부 모델 제공자의 유효한 API 접근 키가 별도로 필요합니다.
Q. 실사 인물이 나오는 숏폼 영상도 제작할 수 있나요?
A. 버전 0.2.0 기준 PrintFilm은 캐릭터의 시각적 일관성을 보장하기 위해 3D 애니메이션, 2D 애니메이션, 그림책 삽화, 국풍 수묵화 등 4가지 정밀 튜닝된 비실사 화풍을 기본 제공합니다. 실사 인물 합성은 현재 기본 프리셋의 주요 대상이 아닙니다.
Q. 영상 생성 도중 특정 컷이 마음에 들지 않으면 어떻게 수정하나요?
A. PrintFilm은 단계별 승인 워크플로를 채택하고 있어 전체 과정을 다시 생성할 필요가 없습니다. 분경 작업대에서 문제가 발생한 개별 컷 카드만 선택하여 내레이션을 고치거나 이미지를 재생성한 뒤 최종 합성을 진행할 수 있습니다.
원본
https://github.com/yi1108/printfilm



댓글 0개