텔레그램에서 명령 한 줄로 네일샵 릴스 만들기 — Hermes·Fable·Kimi·ReelForge 파이프라인 구축기

ㅇ 오늘의 주제 : 네일샵 릴스 편집을 어디까지 자동화할 수 있을까?

네일샵이나 뷰티샵은 시술 영상이 계속 쌓인다. 문제는 촬영보다 편집이다. 원본 영상은 있는데 매번 자르고, 세로 비율로 맞추고, 자막을 넣고, 음악을 붙이고, 최종 확인까지 하는 과정이 사람 손을 기다린다. 그래서 이번에는 “영상 편집을 잘하는 사람”을 더 찾기보다, 반복되는 편집 과정을 AI 에이전트 파이프라인으로 줄이는 쪽을 실험했다.

ㅇ 한줄 결론 : AI 릴스 자동화는 모델 하나를 잘 고르는 일이 아니라, 역할을 나누고 실패를 기록하는 운영 설계에 가깝다.

왜 만들었나: 릴스 편집이 매번 사람 손을 기다리는 문제

처음 목표는 단순했다. 원본 영상 폴더에 네일 시술 영상을 넣으면, 사람이 텔레그램에서 한 줄로 요청하고, 최종적으로 1080×1920 세로 릴스 후보가 나오게 만드는 것이다. 여기서 중요한 점은 완전 자동 게시가 아니다. 업로드나 예약 발송처럼 외부에 바로 영향을 주는 작업은 사람 승인 뒤로 미루고, 먼저 “초안 영상 생성”까지를 자동화 대상으로 잡았다.

이렇게 범위를 좁히니 작업 기준도 명확해졌다. 영상은 로컬에서 처리하고, 고객 영상이나 내부 파일을 외부에 불필요하게 올리지 않으며, 실패하면 어디서 멈췄는지 기록으로 남긴다. 소상공인 자동화에서는 이 세 가지가 생각보다 중요하다.

전체 구조: 텔레그램 한 줄이 릴스가 되기까지

이번 구조는 크게 네 역할로 나눴다.

• Hermes: 텔레그램에서 명령을 받고 작업을 나누는 오케스트레이터다. 위험한 작업은 바로 실행하지 않고 승인 게이트를 둔다.
• Fable: 읽기 전용 리뷰어다. 설계 방향, 민감정보, 과장 표현, 실패 가능성을 먼저 검토한다.
• Kimi: 구현 전담 작업자다. 허용된 파일과 정지 조건이 있는 좁은 범위의 프롬프트를 받아 코드를 고친다.
• ReelForge: 실제 영상 파이프라인이다. 원본 영상을 분석하고, 장면을 고르고, 타임라인을 만들고, ffmpeg로 렌더링한다.

핵심은 “똑똑한 AI 하나에게 전부 맡기기”가 아니었다. 설계를 보는 AI와 코드를 고치는 AI를 분리했다. 리뷰어는 읽기 전용으로 두고, 구현자는 좁은 범위만 고치게 했다. 그러면 한 모델이 과감하게 잘못 실행하는 위험을 줄일 수 있다.

ReelForge 파이프라인 뜯어보기

1. 좋은 컷을 고르는 Beauty Director

릴스는 결국 첫 장면과 핵심 컷이 중요하다. ReelForge에서는 선명도, 매크로 느낌, 반짝임, 손가락 가시성, 조명, 흔들림 같은 지표를 따로 계산해 히어로 컷 후보를 고르게 했다. 여기서 AI가 모든 미감을 판단하는 것은 아니다. 반복 가능한 기준을 먼저 만들고, 마지막 눈 검수는 사람이 한다.

2. 스토리 템플릿

네일 릴스는 그냥 예쁜 컷을 이어 붙인다고 끝나지 않는다. 케어 영상인지, 전후 비교인지, 손상 복구인지, 월간 아트인지에 따라 흐름이 달라진다. 그래서 hook → problem → process → reveal → CTA 같은 순서로 타임라인을 만들도록 했다. 이 구조는 네일뿐 아니라 속눈썹, 피부관리, 헤어 시술 같은 다른 뷰티 업종에도 확장할 수 있다.

3. 실패 처리

자동화에서 제일 중요한 것은 성공한 영상보다 실패한 작업이다. 실패한 원본을 조용히 넘기면 나중에 무엇이 문제였는지 모른다. 그래서 실패 마커, 배치 리포트, 재시도 명령을 따로 두는 방향으로 설계했다. 자동화는 “잘 될 때”보다 “안 될 때” 운영 품질이 드러난다.

오케스트레이션에서 배운 것: AI에게 일 시키는 법

이번 작업에서 가장 많이 배운 부분은 영상 편집 자체보다 AI에게 일을 시키는 방식이었다. “이 프로젝트 개발해줘” 같은 넓은 명령은 금지했다. 대신 Epic → Story → Task → Chunk처럼 작은 단위로 쪼개고, 각 청크마다 허용 파일, 금지 작업, 중단 조건을 넣었다.

예를 들어 코드를 고치는 AI에게는 “이 파일들만 수정”, “외부 게시 금지”, “테스트 실패 시 멈추고 보고”처럼 범위를 좁힌다. 리뷰 전용 AI는 파일을 읽고 구조를 판단하지만 직접 수정하지 않는다. 텔레그램을 보는 Hermes는 최종 사용자와 연결되어 있으므로, 공개 게시·삭제·서버 변경 같은 작업은 승인 없이는 진행하지 않는다.

관련 기본 개념은 이 글들과 함께 보면 좋다: AI Agent 구축 가이드, AI Agent 운영 보안 체크리스트.

실전: 오늘의 네일 릴스 한 편이 나오기까지

실제 릴스 한 편도 한 번에 끝나지는 않았다. 먼저 초판을 만들고, 자막이 릴스 UI 영역과 겹칠 수 있다는 점을 확인했다. 그 다음 캡션 세이프존을 반영한 버전을 만들었다. 이후 일부 컷에서 피사체가 위쪽으로 치우쳐 보여 재중앙 정렬을 했고, 마지막으로 분위기 음악을 붙인 최종본을 만들었다.

중요한 것은 버전이 늘어났다는 사실 자체가 아니다. 각 버전마다 타임라인 JSON과 검증 프레임을 남기고, 컨택트 시트로 컷을 눈으로 확인했다는 점이다. 자동화가 있어도 마지막 품질 검수는 여전히 사람의 눈이 필요하다. 특히 자막 위치, 손의 중심, 고객 영상의 민감한 부분, 음악 볼륨 같은 요소는 점수만으로 판단하기 어렵다.

로컬 우선으로 만든 이유

이런 영상 자동화는 외부 서비스에 전부 올려 처리할 수도 있다. 하지만 네일샵 영상에는 고객 손, 시술 과정, 매장 내부가 담길 수 있다. 그래서 이번 구조는 로컬 처리 중심으로 잡았다. 원본 영상은 로컬 폴더에 두고, 필요한 분석과 렌더링도 로컬에서 진행한다. 외부 AI는 주로 설계, 코드 작성, 검토 같은 텍스트 작업에 사용하고, 영상 원본은 불필요하게 보내지 않는 방향이다.

이 설계는 비용 관점에서도 유리하다. 무거운 작업과 가벼운 작업을 나누면 모든 요청을 비싼 모델에 보낼 필요가 없다. 관련해서는 개인 AI 인프라 구축 가이드와 월 10만원 이하 AI 서버 운영를 참고하면 좋다.

한계와 다음 단계

이번 파이프라인은 완성형 제품이라기보다 실전 자동화의 골격에 가깝다. 아직 업종별 디렉팅 지식, 음악 선택 규칙, 썸네일 자동 생성, 업로드 전 체크리스트, 예약 전환 문구 같은 부분은 계속 다듬어야 한다. 또 API 쿼터 제한이나 일시적 오류가 생길 수 있으므로, 재시도와 fallback 설계도 필요하다.

그래도 방향은 분명하다. 자동 게시부터 욕심내기보다 “원본 영상 → 릴스 초안 → 사람이 확인 → 업로드” 흐름을 먼저 안정화하면, 작은 매장에서도 부담 없이 콘텐츠 생산량을 늘릴 수 있다. 이때 핵심은 매출 보장이 아니라 반복 작업 시간을 줄이고, 사람이 봐야 할 지점만 남기는 것이다.

정리: 이 구조를 따라 하려면

• 먼저 자동 게시가 아니라 초안 생성까지만 목표로 잡는다.
• 원본 영상은 로컬에 두고, 민감한 장면이 외부로 나가지 않게 한다.
• 리뷰 AI와 구현 AI를 분리한다.
• 실패 마커와 배치 리포트를 남긴다.
• 자막 세이프존, 피사체 중심, 음악 볼륨은 최종 프레임으로 직접 확인한다.
• 위험 작업은 텔레그램 승인 뒤에만 실행한다.

이 구조의 최소 버전은 “폴더 감시 → 자동 렌더 → 사람이 확인”이다. 처음부터 완전 자동 업로드까지 가지 않아도 충분하다. 릴스 자동화의 첫 목표는 사람을 없애는 것이 아니라, 사람이 반복 편집 대신 최종 판단에 시간을 쓰게 만드는 것이다.

FAQ

AI가 릴스를 완전히 자동으로 올려도 되나요?

초기에는 권장하지 않는다. 영상 생성과 초안 정리까지 자동화하고, 공개 업로드는 사람이 확인한 뒤 진행하는 편이 안전하다.

네일샵이 아니어도 쓸 수 있나요?

가능하다. 다만 업종마다 좋은 컷의 기준과 스토리 흐름이 다르므로 템플릿을 바꿔야 한다. 피부관리, 속눈썹, 헤어 시술처럼 전후 변화가 있는 업종과 특히 잘 맞는다.

가장 먼저 자동화할 부분은 무엇인가요?

원본 폴더를 읽고 세로 릴스 초안을 만드는 부분이다. 업로드, 고객 DM, 예약 안내처럼 외부에 영향을 주는 작업은 나중에 승인 단계와 함께 붙이는 것이 좋다.

다음 글 예고

다음에는 ReelForge 같은 로컬 영상 파이프라인을 최소 구성으로 만들 때 필요한 폴더 구조, 타임라인 JSON, ffmpeg 렌더링 체크리스트를 더 구체적으로 정리해볼 예정이다. AI 에이전트 구조 자체가 궁금하다면 먼저 AI Agent 구축 가이드에서 기본 개념을 잡고 오는 것을 추천한다.