유튜브 쇼츠 자동화 직접 만들기: ChatGPT 제작실에서 영상·예약·성과까지
소재 수집부터 대본, AI 음성, 자막, 영상 검수, 예약 공개와 조회수·좋아요 통합 화면까지 연결한 하루의 기록이에요. 실제 비용과 걸린 시간, 실패한 부분도 함께 정리했어요.
마지막 업데이트
쇼츠 한 편을 만드는 데는 생각보다 많은 일이 붙어요. 이야기를 찾고, 대본을 쓰고, 그림과 목소리를 만들고, 자막을 맞춘 다음 올려야 하죠. 여러 채널을 운영하면 영상 하나를 완성하는 것만큼 지금 어디까지 했는지 찾는 일도 번거로워져요.
2026년 10월 16일에는 이 과정을 ChatGPT와 연결해 직접 만들어봤어요. 대화로 기능을 요청하고, ChatGPT Sites로 비공개 제작실 웹사이트를 만들어 작업 과정과 결과를 한곳에서 확인하도록 구성했어요. 실제 유튜브 업로드와 조회수·좋아요·댓글 조회까지 연결했고, 정기적으로 다음 영상을 준비하는 자동화도 등록했어요.
이 글은 10월 16일의 작업과 이후 확인한 상태를 정리한 제작기예요. 채널 이름·주소·영상 링크는 공개하지 않아요. 그림은 기능을 설명하기 위해 새로 그린 도식이며, 실제 화면을 찍은 스크린샷은 아니에요. 판매용 자동화 제품을 출시했다는 소개도 아니고요.
처음부터 원했던 건 “한 화면에서 끝까지 보기”였어요
대화창에서 “대본 만들어줘”, “음성 넣어줘”, “이제 올려줘”를 이어가다 보면 파일과 진행 상황이 여기저기 흩어져요. 한 편은 음성까지 만들었고, 다른 편은 검수 중인데 기억만으로 관리하기는 어렵죠. 그래서 결과물을 모으는 폴더에 더해, 각 영상의 현재 단계와 다음 행동이 보이는 제작실이 필요했어요.
처음에는 소재·대본·캐릭터·음성·영상 검수를 모았어요. 이후에는 채널을 오가지 않아도 전체 영상을 볼 수 있도록 메인 화면을 다시 정리했어요. 위에는 전체 조회수·좋아요·댓글 합계, 그 아래에는 채널별 합계, 이어서 모든 영상 목록이 나오는 구성이에요. 목록은 기본적으로 누적 조회수가 높은 순서이고 좋아요순·최신순과 채널 필터도 제공해요.
채널 A·B·C는 익명 설명용 표시예요. 실제 이름·로고·썸네일은 사용하지 않았고, 그림 속 수치는 구조를 보여주기 위한 가상 예시예요.
성과 합계에는 범위가 있어요. 이 제작실을 통해 올린 공개 영상의 누적 수치를 더해요. 채널에서 예전에 올린 모든 영상이나 기간별 분석을 전부 가져온 것은 아니에요. 비공개·조회 불가 영상은 공개 합계에서 제외하고, 제공되지 않는 수치는 0으로 바꾸지 않아요.
어떤 도구가 무슨 일을 맡았나요?
| 도구 | 이번 작업에서 맡긴 일 |
|---|---|
| ChatGPT | 기능 요청을 구현하고, 원문을 읽어 대본을 다듬고, 제작과 검수 작업을 이어가는 작업 창구예요. |
| ChatGPT Sites | 소재·대본·음성·검수·예약·성과를 보는 비공개 웹 제작실이에요. |
| Gemini 3.8 Flash TTS | 검수된 문장을 승인한 목소리로 읽어 음성 파일을 만들어요. TTS는 글을 말소리로 바꾸는 기능이에요. |
| Railway 음성 연결 서버 | 제작실에서 온 인증된 요청을 음성 API로 전달하는 중간 연결이에요. 비밀 키를 브라우저에 넣지 않아요. |
| Python·FFmpeg | 그림, 실제 발화 시각에 맞춘 자막, 음성, 배경음과 효과음을 세로 MP4로 조립해요. FFmpeg는 영상·소리를 합치고 변환하는 도구예요. |
| ElevenLabs | 공통 배경음·일부 효과음 제작, 사례 영상의 음성 인식으로 자막 시각 확인에 사용했어요. |
| 서버 저장소와 작업 기록 | 소재 사용 여부, 생성 요청, 파일과 검수 결과, 업로드 세션을 남겨요. 제작실은 Cloudflare D1·R2를 사용해요. |
| YouTube API | 승인한 계정으로 업로드·예약 상태를 확인하고, 영상별 조회수·좋아요·댓글을 읽어요. |
| ChatGPT의 예약 작업 | 정해진 시간에 실제 제작 절차를 시작하거나 제작 조건을 확인해요. 웹사이트를 계속 열어둘 필요는 없어요. |
Sites는 화면과 상태를 모으는 역할이고, 음성 API는 소리를 만들고, 영상 도구는 파일을 조립해요. 대화창 하나가 이 모든 처리를 혼자 수행하는 구조는 아니에요. 또 앞서 만든 SNS 마케팅 자동화와 이번 유튜브 제작·업로드 경로는 별개예요.
한 편이 만들어지는 과정을 순서대로 풀어볼게요
1. 제작에 쓸 자료를 확인하고 보관해요
제작에 필요한 자료를 확인하고, 확인 날짜·요약·사용 여부를 비공개 보관함에 기록해요. 이미 사용한 자료나 중복 항목은 다시 새 작업으로 처리하지 않아요.
자료를 충분히 확인할 수 없거나 필요한 정보가 빠져 있으면 그 단계에서 보류해요. 확인하지 못한 내용을 AI가 임의로 채우지 않도록 하는 과정이에요.
자료를 읽는 것과 재사용 권한을 확인하는 일도 구분해요. 인용·그림·사진의 사용 조건을 확인하고, 근거에 없는 대사나 결말을 추가하지 않도록 검수해요.
2. 대본을 쓰고 “처음 듣는 사람도 이해하나”를 확인해요
짧은 영상이라고 설명을 무조건 줄이면 오히려 이해하기 어려워요. 누가 누구에게 한 말인지, 왜 그런 행동을 했는지, 앞 장면과 어떤 관계인지 남겨야 하니까요. 첫 대사부터 사건을 시작하고 쉬운 일상말을 쓰되, 원문의 사건 순서와 결말을 지키도록 했어요.
실제로 초기 대본 중에는 짧지만 관계와 시간 순서가 헷갈리는 결과가 있었어요. 이를 수정하면서 문법 검사만으로 통과시키지 않고, 전체 대본을 순서대로 읽어 누가·무엇을·왜 했는지 확인하는 절차를 넣었어요. 검수 뒤에 대본을 바꾸면 이전 확인을 그대로 재사용하지 않아요.
3. 목소리를 골라 고정하고, 실제 음성을 저장해요
목소리는 직접 들어보고 고른 설정을 사용해요. 목소리 이름만 고정하는 것이 아니라 말투 지시도 함께 저장하고, 콘텐츠별 설정을 구분해 일관성을 유지해요.
음성 생성 전에는 대본 검수를 확인하고, 생성 요청별 사용 토큰과 성공·실패를 남겨요. 이미 만든 소리를 재생하거나 다운로드한다고 API를 다시 호출하지 않아요. 성공한 음성을 다시 만드는 실수를 줄이는 것이 비용 관리의 첫 단계였어요. 일부 초기 대본·이미지·샘플 비용은 기록이 없어 ‘미집계’로 남겨요.
4. 그림과 자막을 붙이고 배경음·효과음을 섞어요
사례 영상은 장면 그림 6장과 약 47초 음성으로 만들었어요. 자막은 말한 문장과 같게 두고, 실제 저장된 음성에서 확인한 단어 시각을 기준으로 바꿔요. 문장 길이를 대충 나눠 자막 시간을 추정하는 것과 구분했어요.
영상은 1080×1920 세로형이에요. 그림이 작게 들어가 빈 공간이 생겼던 문제를 고치면서 장면 영역을 그림으로 가득 채우고, 얼굴이나 핵심 행동이 잘리면 그림 구성을 다시 잡도록 했어요. 불필요한 확대·이동을 계속 넣기보다는 고정된 화면과 읽기 쉬운 자막을 택했어요.
배경음은 한 번 만든 같은 곡을 계속 재사용해요. 문 여는 소리·발소리·휴대전화 같은 효과음도 저장한 소리 묶음에서 실제 행동에 맞춰 넣어요. 다만 배경음 파일이 있다는 것과 최종 영상에서 들린다는 것은 다르더라고요. 실제로 소리가 잘 안 들린다는 피드백이 있어 다음 영상부터 음성 대비 배경음 크기, 효과음 시점, 모노 재생까지 확인하도록 규칙을 보강했어요. 이전 영상들이 모두 이 개선을 반영했다고 쓰지는 않을게요.
5. 완성된 파일을 확인한 뒤 유튜브로 보내요
완성 MP4에서 소리·자막·그림·마지막 프레임까지 확인해요. 제작용 목소리 이름이나 ‘남자 리액션’ 같은 내부 안내가 영상에 남았던 경우도 있어, 공개 영상에서 그런 표시를 빼는 검수 항목을 추가했어요.
검수는 특정 최종 파일에 묶어요. 파일이 바뀌면 이전 검수가 새 파일을 승인한 것으로 처리하지 않아요. 업로드 때는 연결된 실제 채널을 확인하고, 작업·소재·예약 시간에 식별표를 붙여 같은 영상을 두 번 올리는 실수를 막아요. 전송이 끊기면 저장한 업로드 세션을 확인해 이어가요.
작업 예약, 업로드 접수, 유튜브 예약 공개 등록, 실제 공개는 각각 다른 상태예요. 유튜브가 처리 완료와 예약 시각을 확인해줘야 ‘예약됨’으로, 실제 공개 상태가 확인돼야 ‘발행됨’으로 표시해요. 이 차이를 흐리면 자동화가 돌아갔는데 영상은 없는 상황을 놓치기 쉬워요.
“자동화”는 어떻게 설정했나요?
반복 작업에는 시작 시간뿐 아니라 해야 할 절차, 사용할 소재와 목소리, 검수 조건, 실패하면 멈출 지점까지 적었어요. 작업은 그때 제작실의 최신 기록을 읽고 기존 진행분이 있으면 이어가요. 자동화 등록은 향후 모든 실행의 성공을 보장하는 것은 아니에요.
| 흐름 | 실행 방식 | 실제 하는 일 |
|---|---|---|
| 자료 준비 | 정기 실행 | 다음 제작에 필요한 자료를 확인하고 비공개로 보관해요. |
| 영상 제작 | 공개 전에 실행 | 새 영상을 제작·검수하고 예약 등록을 시도해요. |
| 예약 공개 | 미리 설정한 시점 | 유튜브의 예약 상태가 확인된 영상이 설정한 시점에 공개돼요. |
| 조건 확인 | 정기 점검 | 제작 조건을 충족하지 못하면 생성·발행을 건너뛰어요. |
위 표는 자동화 방식만 설명한 것이며, 개별 운영 일정과 자료 구성은 공개하지 않아요. 작업을 설정한 것과 실제 실행이 성공한 것은 구분해요.
처음에는 작업을 시작하는 것을 공개 예약과 혼동하기 쉬웠고 실제 발행이 빠진 경우도 있었어요. 그래서 지금은 공개 전에 준비 여유를 두고, 채널별로 성공·보류·실패를 따로 남기도록 했어요. 준비 시간은 여유를 둔 설정값이며, 한 편의 실제 제작 시간을 뜻하지 않아요.
조건을 확인하는 작업은 정기적으로 다시 점검하는 방식이에요. 건너뛴 점검도 기록하고, 기준을 충족하지 못하면 빈 시간을 채우려고 억지로 영상을 만들지 않아요.
좋아요와 시청수는 어떻게 한 번에 보이게 했나요?
영상이 업로드되면 YouTube가 돌려준 영상 ID를 제작 기록에 저장해요. 통계 조회는 이 ID로 조회수·좋아요·댓글을 읽어서 해당 영상 카드에 붙이는 방식이에요. 화면에 적힌 임시 제목만 보고 업로드를 추정하거나 통계를 얻기 위해 재업로드하지 않아요.
이 수치를 채널별로 더한 뒤 전체 합계를 만들고, 영상 목록은 누적 조회수순으로 정렬해요. 기본 갱신 간격은 5분이고 수동 새로고침도 있어요. 매초 실시간 분석은 아니며, 조회 실패 때는 마지막 성공 수치와 확인 시각을 남겨요. 오래된 값을 방금 가져온 것처럼 보여주지 않도록 한 거예요.
수익화 진행률 막대도 추가했지만 일반 조회수 합계가 곧바로 유튜브 수익화 심사용 유효 조회수는 아니에요. 구독자와 심사에 쓰는 별도 수치를 구분하고, 확인되지 않은 값은 자동으로 채우지 않아요. 조건 달성이나 신청 승인까지 자동으로 보장하는 기능은 아니에요.
실제 얼마 들었나요?
가장 구체적인 기록이 남은 사례는 46.64초 영상, 그림 6장, 음성 요청 1회·재시도 0회예요. 아래 금액은 USD이며 무료 한도·크레딧·세금을 적용한 결제 총액과 구분해요.
| 확인한 항목 | 사례 금액 | 의미 |
|---|---|---|
| Gemini 음성 생성 | 약 US$0.0106 | 입력 181·출력 1,166토큰을 당시 일반 유료 단가로 계산한 예상액이에요. |
| 자막 시각 확인용 음성 인식 | 약 US$0.0648 | 별도 제공업체 응답에 남은 금액이에요. |
| 위 두 항목 합계 | 약 US$0.0754 | 음성 생성과 해당 확인 작업의 부분 합계예요. 영상 전체 원가가 아니에요. |
| 공통 배경음 최초 생성 | US$0.0600 | 한 번 만들어 저장한 자산 비용이에요. 영상마다 다시 발생하지 않아요. |
| 추가 행동 효과음 12개 최초 생성 | US$0.0126 | 공용 소리 묶음의 일회성 비용이에요. 배경음과 합쳐 US$0.0726이에요. |
| 그림·대본·렌더·서버·구독·수정 시간 | 미집계 | 0원이 아니라 이번 사례의 비용 기록에 포함되지 않은 항목이에요. |
음성비는 입력 토큰 × 입력 단가 + 출력 토큰 × 출력 단가로 계산해요. 기록에 적용된 2026년 단가는 100만 토큰당 입력 US$0.50·출력 US$9.00이에요. 모델·날짜·과금 방식이 달라지면 다시 계산해야 하고, 실제 청구는 제공업체 결제 내역에서 확인해야 해요.
규모 감각을 위해 같은 길이·같은 토큰·재시도 없음을 가정하면, 음성만 30편 약 US$0.32, 180편 약 US$1.91이에요. 매편 같은 음성 인식 비용도 든다고 가정하면 두 항목 합계는 각각 약 US$2.26·US$13.57이에요. 이 숫자는 계산 예시예요. 이미지와 운영비가 빠져 있으니 월 전체 예산으로 쓰면 안 돼요. 현재 자료만으로 “전체 구축비 얼마, 월 총액 얼마”를 확정할 수는 없어요.
시간은 어느 정도 걸렸나요?
기록된 음성 요청 시작부터 완료까지는 약 15.4초였어요. 같은 영상의 음성 요청 시작부터 실제 공개 확인까지는 약 22분 27초예요. 그 사이에는 자막 확인, 영상 조립, 검수, 저장·배포와 업로드 대기가 함께 들어 있어요. 순수 렌더 속도나 전체 소재 조사 시간, 앞으로의 평균 제작 시간은 아니에요.
처음 제작실이 생성된 때부터 이후 화면 개편 기록까지는 약 17시간의 경과가 있어요. 하루 동안 기능 연결과 피드백을 반복한 시제품이라는 뜻이지, 계속 앉아서 17시간 일했다는 작업시간 기록은 아니에요. 기존 AI 계정과 도구, 앞서 만든 코드도 활용했으니 처음 시작하는 사람이 같은 시간에 완성한다고 약속할 수도 없어요.
줄이고 싶은 시간은 편집 프로그램에서 반복하는 일과 진행 상태를 찾는 시간이에요. 반면 원문이 맞는지, 대본이 이해되는지, 배경음이 실제로 들리는지는 여전히 확인해야 해요. 자동화가 더 안정되면 영상별 시작·종료·대기·수정 횟수까지 모아 평균과 변동 폭을 비교할 수 있겠지만, 오늘은 그 장기 측정치가 없어요.
비슷하게 시작한다면 이 순서가 좋아요
- 한 편의 형식부터 정해요. 언어, 말투, 화면 비율, 자막 위치와 원문 사용 기준을 적어요.
- 대본과 완성본을 모을 제작실을 만들어요. 처음에는 소재·대본·음성·검수·발행 상태만 있어도 돼요. 비밀 키는 서버 설정에 두고 공개 화면에 넣지 않아요.
- 짧은 테스트 음성을 듣고 고정해요. 저장한 음성을 재사용하고 실제 사용량을 기록해요.
- 직접 확인한 한 편을 먼저 완성해요. 음성에 맞춘 자막, 그림 잘림, 최종 소리를 확인한 뒤 올려요.
- 유튜브 권한을 연결하고 실제 채널을 확인해요. 조회 권한과 업로드 행동을 구분하고, 발행 결과를 기록해요.
- 그다음 예약 작업을 붙여요. 공개보다 먼저 시작하고, 중복·실패·재개 조건을 적어요. 화면을 만들어놓는 것만으로 자동 제작이 켜지지는 않아요.
- 통계와 실패 기록을 다시 봐요. 조회수만 보고 성급히 결론 내리기보다 비슷한 공개 기간, 내용과 검수 결과도 함께 비교해요.
이번에 편했던 건 “어느 파일을 어디까지 만들었더라”를 덜 찾게 된 점이에요. 동시에 자동화가 실수를 반복하지 않게 하려면 피드백을 다음 실행이 읽는 규칙과 검사에 남겨야 한다는 것도 배웠어요. 배경음이 안 들린 일, 그림이 작게 들어간 일, 예약이 누락된 일을 숨기기보다 다음 영상에서 무엇을 확인해야 하는지로 바꾸는 과정이었어요.
현재는 실제 제작·공개·통계 연결과 반복 작업 설정까지 확인한 단계예요. 장기간 무인 운영, 일정 성공률, 수익이나 성장 효과를 입증한 단계는 아니에요. 앞으로도 제작실을 고칠 때에는 성공한 결과와 아직 확인 중인 부분을 나눠 기록하려고 해요.