AI로 유튜브 영상 만들기 — 대본, 편집, 썸네일 자동화 도구

혼자 영상 하나 만드는 데 8~10시간 박던 시절이 있었어요. 지금은 그 절반도 안 걸립니다. AI가 편집 팀을 대신해 줘서가 아니라, 손은 가는데 머리는 안 쓰는 잡일—자막 따기, 말버릇 컷, 썸네일 배경—을 거의 다 떠넘길 수 있게 됐거든요. 여기선 그걸 실제로 어디에 어떻게 쓰는지, 그리고 어디까지는 절대 AI한테 맡기면 안 되는지를 같이 짚어요.

지금 뭘로 대본·자막을 만드나 (2026년 6월 기준)

AI 모델은 분기마다 세대가 갈아엎어집니다. 그래서 "어떤 도구냐"보다 "지금 몇 세대 버전을 쥐고 있냐"가 결과물 품질을 더 크게 가릅니다. 대본·자막에 AI 쓰는 사람이라면 6월 기준 이 정도는 알아 두는 게 좋아요.

• Anthropic Claude Fable 5 (2026년 6월 9일 공개)— Claude의 5세대 최상위 모델. 긴 대본·리서치·코딩처럼 호흡이 긴 작업에서 이전 세대보다 훨씬 안 흐트러집니다. PDF나 문서 안에 박힌 도표·표를 읽는 비전도 강해졌고요. 대신 사이버보안·생물·화학 같은 고위험 영역은 답을 막고 하위 모델로 떨어뜨리는 안전 제한이 빡빡하게 걸려 있어요. 공개 직후엔 일부 연구자가 "비공개로 능력을 깎았다(secret sabotage)"고 문제 삼았고, Anthropic이 그 제한 일부를 다시 푼 것도 같이 보도됐습니다. (가격은 입력 100만 토큰당 $10, 출력 $50.)
• OpenAI GPT-5.5 (2026년 5월 공개, ChatGPT 기본 모델)— GPT-5.5 Instant가 ChatGPT 새 기본값으로 바뀌었고, 법률·의료·금융처럼 민감한 분야의 환각을 줄였다고 발표했어요. 코딩·수학 벤치마크도 올라갔고요. 한편 구형 GPT-4.5는 6월 27일, o3는 8월 26일에 ChatGPT에서 차례로 종료됩니다. 특정 모델에 워크플로를 못 박아 둔 분은 대체재를 지금 미리 찍어 두세요. 그날 와서 멈추면 영상 일정이 같이 밀립니다.

크리에이터 입장 결론은 간단해요. 초안 뽑기랑 아이디어 발산은 둘 다 확실히 매끈해졌습니다. 근데 한국어 말투랑 사실관계는 여전히 사람이 한 번 손봐야 해요. 모델 버전은 계속 바뀌니까, 특정 버전에 집착하지 말고 아래 "대본 → 사람 수정 → 촬영" 흐름 자체를 기준으로 잡으세요. 그게 안 흔들립니다.

출처: TechCrunch, Fortune, TechCrunch(GPT-5.5) · 모델 사양·가격·종료 일정은 공개 시점 기준이며 변동될 수 있습니다.

대본은 ChatGPT·Claude로 초안만

주제, 타겟 시청자, 영상 길이, 톤. 이 네 개만 던지면 3~5분 안에 쓸 만한 초안이 나옵니다. 진짜로요. 근데 그대로 읽으면 100% 티 납니다. AI 대본은 어딘가 매끈하게 붕 떠 있어서, 내 말투랑 내가 직접 겪은 사례를 얹는 수정이 무조건 들어가야 해요. 초안은 AI, 사람 냄새는 나. 이 분담이 핵심입니다.

편집은 Descript·CapCut AI로 잡일 떠넘기기

Descript는 텍스트를 지우면 영상이 같이 잘리는 도구예요. 처음 써보면 좀 신기합니다. "음...", "어..." 같은 말버릇을 클릭 한 번에 싹 털어내고요. CapCut의 AI는 자동 자막, 배경 제거, 음성 보정 같은 기본 편집을 90% 넘게 자동으로 처리합니다. 컷 흐름이랑 강조 지점만 내가 고르면 돼요.

썸네일은 Canva AI로 배경, 클릭은 내가

Canva의 Magic Media는 프롬프트로 썸네일 배경을 뽑아 줍니다. Midjourney나 DALL-E는 더 정교한 그림을 만들지만, 솔직히 유튜브 썸네일엔 좀 오버예요. 핵심은 AI 배경에 내 얼굴이나 핵심 텍스트를 합성해서 채널 톤을 유지하는 거고요. 배경은 AI가 5분에 만들어도, 클릭을 만드는 건 결국 구도랑 카피입니다. 클릭률을 끌어올리는 썸네일 원칙을 같이 보세요. 거기가 진짜 승부처예요.

음성은 ElevenLabs·클로바

얼굴 안 까는 채널이면 AI 음성은 거의 필수죠. 영어권은 ElevenLabs, 한국어는 네이버 클로바가 제일 자연스럽습니다. 내 목소리를 학습시켜 나만의 AI 음성을 만드는 것도 됩니다. 다만 한국어 감정 표현은 아직 살짝 어긋날 때가 있어요(아래 운영 노트에 적어 뒀습니다).

자막·번역은 Whisper + DeepL

OpenAI Whisper는 공짜로 99% 넘는 정확도로 자막을 뽑습니다. DeepL은 구글 번역보다 한참 자연스럽고요. 이 둘을 묶으면 한국어 영상을 영어·일본어·중국어 자막으로 자동 확장할 수 있어요. 자막으로 해외 시청자까지 끌어오는 구체적 절차는 자막 자동 생성·번역으로 글로벌 시청자를 확보하는 전략에서 더 깊게 다룹니다.

제작 단계별로 뭘 쓰고, 어디서 사람이 끼나

도구가 너무 많아서 뭘 어디 쓸지 헷갈리죠. 제작 단계별 대표 도구랑, 사람이 무조건 끼어야 할 지점을 한 표로 묶었어요.

흔한 착각 — "AI로 다 돌리면 채널 굴러간다"

이게 제일 위험한 착각이에요. AI는 생산성 도구지, 콘텐츠 본체를 대신하는 게 아닙니다. AI 대본 + AI 썸네일로만 채널 돌리면 시청자는 3초 만에 "AI 티"를 알아챕니다. 내 경험도 관점도 없는 콘텐츠는 AI가 흔해진 지금 오히려 값이 떨어지고 있어요. 나만의 걸 담으려면 내가 직접 찍은 화면이랑 내 목소리가 필요하고, 최소한의 촬영 환경은 예산별 장비 가이드를 참고해서 갖추세요.

내가 돌리는 7단계 워크플로

순서대로 적으면 이렇습니다. 1) Claude로 대본 초안 → 2) 내 손으로 수정 → 3) 촬영 → 4) Descript 편집 → 5) CapCut 자막 → 6) Canva AI 썸네일 → 7) Whisper 자동 자막. 이대로 돌리면 10분짜리 영상이 8~10시간에서 3~4시간으로 줄어요. 줄인 시간은 다시 기획에 박는 게 포인트고요. 성과 측정하고 다음 편 개선하려면 무료 분석 도구 TOP 10도 같이 굴리세요.

결국 AI가 해주는 건 시간 확보 하나예요. 그렇게 번 시간을 기획이랑 스토리에 도로 쏟을 때만 채널이 실제로 큽니다. 자막 따다가 절약한 두 시간, 멍하니 쓰면 그냥 사라지고요.