RTX 5070으로 AI 영상 공짜 생성? 재보고 접었다
크레딧 0원이 공짜라는 뜻은 아니다. 7분짜리 재시도가 348원짜리 재생성보다 비쌌다.
로컬 GPU로 AI 영상을 생성하면 크레딧이 들지 않습니다. 하지만 크레딧 0원이 공짜라는 뜻은 아닙니다. 서버에 RTX 5070이 놀고 있길래 붙여서 재보고, 결국 접었습니다. 그 이유를 실측치로 남깁니다.
환경
| 항목 | 값 |
|---|---|
| GPU | RTX 5070 · VRAM 12,227 MiB · sm_120 |
| CUDA | 13.1 · PyTorch cu128 |
| 런타임 | ComfyUI |
| 모델 | Wan 2.2 TI2V-5B |
| 출력 | 704×1280 · 121프레임(5.04초 @24fps) · 20 steps |
| 소요 | 7분/클립 |
이 환경은 정리(삭제)한 상태입니다. 따라 하면 그대로 재현된다는 뜻은 아니고, 아래 실측만 참고용으로 남깁니다. 서버는 운영 서비스가 함께 도는 곳이라 내부 IP·계정·서비스명은 밝히지 않습니다.
실측 — 접은 이유
| 제약 | 실측 |
|---|---|
| 품질 | 정지 컷은 쓸 만하나 전반적으로 구글 플로우에 미달 |
| 멀티샷 불가 | 5초 단일 샷이 한계. 플로우는 8초에 3샷 — 같은 분량에 클립 수가 배로 는다 |
| 수직 상승 불가 | rises, keeps ascending 두 번 시도, 두 번 다 정지(0.0020 → 0.0014) |
| 부정 개념 취약 | "물이 없는 마른 바닥" 요청에 물 흐르는 진흙 수로가 나옴 |
| 클립 내 전환 불가 | 젖음→마름 같은 변화를 못 만든다 |
| 재시도 비용 | 실패해도 7분이 사라진다 |
| VRAM | 704×1280에서 96% — 다른 GPU 작업과 동시 실행 불가 |
틀렸던 가설 ① — "shift를 낮추면 모션이 늘 것이다"
틀렸습니다. shift는 노이즈 스케줄이라 화질에 작용하고 카메라 움직임과는 무관합니다.
| shift | 평균 장면변화 | 결과 |
|---|---|---|
| 8.0(기본) | 0.0023 | — |
| 3.0 | 0.0021 | 모션은 오히려 줄고, 하이라이트가 날아가고 석재 질감이 뭉갠다 |
틀렸던 가설 ② — "영화 용어를 쓰면 카메라가 움직인다"
tracking shot, dolly shot, aerial shot 같은 명사형 영화 용어는 스타일로 읽히고 카메라를 안 움직입니다. 동일 시드·동일 설정에서 프롬프트만 바꿔 확인했습니다.
| 프롬프트 | 평균 장면변화 |
|---|---|
Low-angle tracking shot along a narrow urban stream... | 0.0023(사실상 정지) |
The camera dollies forward continuously down a narrow urban stream, moving fast between tall stone embankment walls that rush past on both sides... | 0.0065(벽이 흘러가고 모션 블러) |
주어-동사 진행형으로 써야 움직입니다. 검증된 동사구는 dollies forward continuously · pushes forward steadily · rushes past on both sides · sliding by · racing beneath the lens입니다. 다만 전진·통과는 되고 수직 상승은 안 됩니다. 이건 프롬프트로 못 넘는 벽이었습니다.
모션을 눈이 아니라 수치로 재는 법
ffmpeg의 scene 필터로 프레임 간 변화량을 뽑아 평균을 냅니다. 0.002대면 정지, 0.006 이상이면 이동이 있다는 기준이 있어야 A/B가 성립합니다.
ffmpeg -v error -i clip.mp4 -vf "select='gt(scene,0)',metadata=print:file=-" -an -f null - 2>/dev/null \
| grep -o "scene_score=[0-9.]*" | cut -d= -f2 \
| awk '{s+=$1;n++} END{printf "%.4f\n", s/n}'부수적으로 얻은 규칙 — 노출
deep shadows + night industrial lighting을 같이 쓰면 화면이 거의 새까맣게 나옵니다(평균 밝기 18/255, 파일 120KB). 밝게 지시하도록 고치니 밝기가 18 → 97로 올랐고, 정지 성질은 오히려 강해졌습니다(첫↔끝 SSIM 0.73 → 0.93). "밝히면 정지를 잃는다"는 걱정은 근거가 없었습니다.
계산 — 아끼는 돈 vs 잃는 것
전 컷을 구글 플로우로 생성하면 편당 4,524원(156크레딧)이 기준입니다. 로컬로 4~5컷을 덜어내면 약 1,400원을 아낍니다. 대신 잃는 것은 품질, 멀티샷, 워크플로 단일성, 그리고 7분×실패 횟수입니다.
1,400원 아끼려고 품질 저하와 워크플로 분기를 감수할 이유가 없다.
그래도 남은 로컬의 강점
공정하게 적어 둡니다. 글자 깨짐이 사실상 없습니다 — 한글 간판이 많은 국내 소재에서는 구글 플로우보다 유리합니다. 정지 컷 화질은 대체 가능한 수준입니다.
언제 다시 볼까
- 로컬 모델이 멀티샷 + 8초 이상을 지원할 때
- 편수가 늘어 월 크레딧(1,000) 자체가 병목이 될 때 — 현재는 월 5~6편 여유가 있다
- VRAM 24GB+ GPU가 들어와 더 큰 모델이 돌 때
"없다"를 그리게 하지 말고 "있는 것"으로 바꿔 쓴다.
이 시리즈는 제가 실제로 만든 유튜브 쇼츠 한 편(완성본 보기)의 제작 기록입니다. 문화인류학·심리학 소재로 상식을 뒤집는 지식 쇼츠를 만듭니다.
발행 2026-08-19 · 최종 확인 2026-08-19