AI 영상에서 손과 얼굴이 이상하게 나오는 이유는, 모델이 단순히 하나의 설득력 있는 이미지를 그리는 데 그치지 않고, 여러 프레임에 걸쳐 해부학적 구조, 정체성, 조명, 자세, 동작을 일관되게 유지해야 하기 때문이다. 20번 프레임에서는 괜찮아 보이는 손이 24번 프레임에서는 얼굴을 가로지르고, 26번 프레임에서는 손가락 간격이 바뀌며, 28번 프레임에서는 머리카락과 합쳐질 수 있습니다. 그러면 모델은 여러 개의 불확실한 영역을 한 번에 수정해야 합니다.
우리는 GlobalGPT CLI를 통해 짧고 친근한 웨이브 프롬프트와 훨씬 더 제약이 많은 오픈 팜 프롬프트를 비교 테스트했습니다. 제약이 가해진 버전은 더 차분한 움직임과 더 알아보기 쉬운 손 자세를 만들어 냈습니다. 다만 원본 인물의 신원, 옷차림, 마이크, 방의 모습은 보존하지 못했습니다. 이러한 혼합된 결과는 프롬프트 제약 조건이 무엇을 제어할 수 있고 무엇을 제어할 수 없는지를 보여주기 때문에, 완벽한 데모보다 더 유용합니다.

왜 손은 시대를 초월해 실패하는가
손은 수많은 작은 부품으로 이루어진 관절 구조물이며, 자주 자기 가림 현상이 발생하고 윤곽이 빠르게 변합니다. 손을 흔들 때 손은 회전하고, 손가락이 겹치며, 모션 블러로 인해 가장자리가 흐려지며, 손바닥은 얼굴에 비해 상대적으로 움직입니다. 생성기는 이전 프레임을 유지하면서 매번 새로운 시점에서 일관된 3D 구조를 추론해야 합니다.
문제는 손가락이 하나 더 생기거나, 손가락이 서로 붙어 있거나, 손톱 위치가 바뀌거나, 손목이 고무처럼 늘어지거나, 손의 방향이 바뀌는 등의 증상으로 나타납니다. 더 광범위한 AI 기반 영상 고장 진단 해부학적 오류와 카메라, 물리, 연속성상의 오류를 구분하는 데 도움이 됩니다.
한 프레임이 잘 나와도 왜 얼굴이 어긋나는가
얼굴은 눈 사이 거리, 눈꺼풀 모양, 입꼬리, 코 너비, 헤어라인의 미세한 변화에도 민감하게 반응합니다. 말이나 표정을 지을 때 이러한 특징점들은 끊임없이 움직입니다. 얼굴이 작아지거나, 고개를 돌리거나, 그림자에 가려지거나, 손에 부분적으로 가려지면 모델은 식별할 수 있는 단서가 줄어들어 신원을 다시 파악해야 할 수도 있습니다.
바로 그 때문에 AI 영상 일관성 확보 워크플로우 캐릭터의 일관성을 시퀀스 문제로 간주합니다. 첫 번째 프레임이 탄탄하면 도움이 되지만, 프롬프트, 카메라, 지속 시간, 움직임 역시 정체성 신호를 유지해야 합니다.
기본 테스트 및 제약 조건이 적용된 테스트
두 실행 모두 동일한 원본 이미지와 Grok Imagine 경로를 사용하여 1280×720 해상도에서 약 5초간 진행되었습니다. 기준 실험에서는 여성에게 카메라를 향해 몸을 돌리고 손을 흔들도록 요청했습니다. 제약 조건이 적용된 프롬프트에서는 오른손을 명시하고, 손가락을 다섯 개 모두 벌리도록 요구하며, 손을 어깨 옆에 두도록 하고, 얼굴이 가려지지 않도록 하며, 머리 움직임을 제한하고, 카메라를 고정하도록 했습니다.
각 과제는 500 크레딧이 소요되었습니다. 이는 프롬프트당 한 번씩 실행한 A/B 관찰 연구이며, 통계적으로 통제된 실험은 아닙니다. 우리는 고정된 시간 구간을 추출하여 영상을 정상 속도로 검토했습니다.
기준선 결과: 활발한 움직임, 심각한 정체성 편차
베이스라인은 친근하고 활기찬 손짓을 만들어 냈습니다. 샘플링된 프레임에서 열린 손의 모습은 여전히 식별 가능했지만, 출력 결과에서는 원본 호스트 대신 다른 방에서 다른 옷차림을 한, 겉모습이 다른 여성이 등장했습니다. 손짓이 주요 동작으로 자리 잡기도 전에 구도가 바뀌었습니다.
이러한 결과는 겉보기만 좋은 손짓만으로는 충분하지 않은 이유를 보여줍니다. 해당 직무에 정기적으로 발표를 해야 하는 경우, 정체성과 환경은 필수적인 선정 기준이 됩니다. 그 한 장의 사진으로 일관성 있는 캐릭터를 구축하기 이 논문은 초기 참조 이미지를 개선할 수 있는 원본 이미지 선정 기준을 다루고 있지만, 우리의 연구 결과에 따르면 원본 이미지만으로는 연속성을 보장할 수 없는 것으로 나타났다.
제한된 결과: 자세는 개선되었으나, 정체성은 여전히 상실됨
제약을 받은 동작은 더 느리게 움직였으며, 손을 머리 옆에 두고 손바닥을 펴고 있는 자세를 더 깔끔하게 유지했다. 손이 얼굴을 가로지르듯 움직이지 않았다. 이러한 차이점들 덕분에 제스처를 관찰하기가 더 쉬워졌으며, 편집 과정도 단순화될 것이다.
그럼에도 불구하고 인물, 옷, 마이크, 방은 여전히 상당히 달라졌다. 프롬프트에서는 정확한 보존을 요구했으나 모델은 이를 충족시키지 못했다. 이번 사례에서는 제약 조건이 적용된 실행이 동작의 가독성을 향상시켰다고 말할 수 있다. 그러나 해부학적 구조가 전반적으로 수정되었거나 정체성이 보존되었다고 말할 수는 없다.
‘가시성’과 ‘움직임’을 주제로 한 글쓰기 주제 제시
유용한 손 동작 지침은 사지 하나, 동작 하나, 자세 하나, 지속 시간 하나를 명시해야 합니다. “오른손을 들어 어깨 옆에서 손바닥을 펼친 채 1초간 유지한 뒤 내린다”는 지침은 평가가 가능합니다. 반면 “흥분된 어조로 말하면서 자연스럽게 제스처를 취하라”는 지침은 관절, 속도, 발음 차단 여부 등 많은 부분이 구체적으로 명시되지 않았습니다.
카메라 조작법도 중요합니다. 카메라를 고정하고, 손 전체가 화면 안에 들어오도록 하며, 제스처를 취하는 동안 갑작스러운 줌 인·아웃은 피하십시오. 카메라 및 동작 프롬프트 제어 카메라 및 모션 제어에 대해 더 폭넓은 용어를 제공하며, 한편으로는 Veo 모션 프롬프트 기법 Veo 전용 프롬프트 기법을 추가합니다.
성능을 높이기 전에 얼굴을 보호하세요
얼굴이 읽기 어려울 정도로 작아지지 않도록 하세요. 인물이 누구인지 파악해야 하는 중요한 순간에는 고개를 돌리거나 과도한 표정을 짓거나 손을 교차하는 동작을 최소화하세요. 대사, 소품, 움직이는 카메라를 함께 활용하기 전에는 미묘한 눈 깜빡임과 작은 입 모양의 움직임만 보여달라고 요청하세요. 가장 단순한 샷이 통과된 후에야 비로소 복잡성을 더하세요.
긴 시퀀스의 경우, 시작 프레임과 끝 프레임이 안정적인 샷으로 나눕니다. 이 장편 영상의 캐릭터 일관성 클립이 쌓일수록 캐릭터의 일관성을 유지하기가 왜 더 어려워지는지, 그리고 편집을 넘나들 때 앵커가 어떻게 도움이 되는지 설명합니다.
더 나은 소스 프레임 구축하기
양쪽 눈이 모두 보이고, 머리카락 윤곽이 선명하며, 손이 화면 전체에 다 보이거나 화면 밖으로 완전히 빠져나와 있는, 선명하고 조명이 균일한 이미지를 사용하십시오. 손가락이 화면 가장자리에 잘리는 경우, 과도한 미용 필터, 심한 모션 블러, 그리고 몸과 겹치는 무늬가 있는 배경은 피하십시오.
소스 프레임은 의도한 영상 구도와도 일치해야 합니다. 근접 인물 샷을 상반신만 나오는 파도 장면으로 바꾸려고 하면, 모델이 팔과 손, 옷, 그리고 공간의 세부 요소까지 한꺼번에 만들어내야 하는 상황이 발생합니다. 애니메이션을 제작하기 전에 필요한 구도를 미리 생성하거나 촬영해 두십시오.
모든 것을 다시 작성하는 대신 분류 과정의 문제점을 파악하라
- 손가락이 서로 닿을 것 같으면 동작 속도를 늦추고, 손을 얼굴이나 몸에서 떼어내세요.
- 정체성이 흐트러진다면, 머리 회전, 표정 변화 범위 및 클립 길이를 줄이세요.
- 손목이 이상하게 굽혀진다면, 손의 움직임을 단순화하고 소품과의 상호작용을 제거하십시오.
- 배경이 바뀌면 카메라를 고정하고 고정된 장면 앵커를 설명하십시오.
- 여러 오류가 동시에 발생하면 오류가 없는 소스 프레임으로 되돌아가십시오.
AI 영상 제작 시 흔히 저지르는 실수 이러한 복합적인 실패를 초래하는 흔한 계획상의 실수들을 나열하고 있다.
복사 가능한 기준 프롬프트 및 제약 조건이 적용된 프롬프트
먼저 짧은 기준선을 실행하여 모델이 별도의 도움 없이 어떤 결과를 선택하는지 확인해 보세요. 그런 다음 동작 제약 조건만 변경하세요. 모델, 소스, 재생 시간, 화면 비율은 그대로 유지하세요. 이렇게 하면 두 개의 개별 샘플만으로는 인과 관계를 입증할 수는 없더라도, 비교 결과를 해석하기가 더 쉬워집니다.
한 프레임씩 다시 본 다음, 일반 속도로 재생하세요
일반 속도로 재생해 보면 동작이 인간답게 느껴지는지 알 수 있습니다. 프레임 단위로 확인해 보면 해부학적 구조나 인물이 어긋나기 시작하는 지점을 파악할 수 있습니다. 시작 동작, 동작의 절정, 가림 지점, 복귀 자세를 확인하세요. 손을 흔드는 쪽뿐만 아니라 양손을 모두 살펴보고, 눈 모양과 입꼬리를 원본과 비교해 보세요.
가장 초기에 나타난 문제가 있는 프레임을 기록해 두세요. 이를 통해 소스 영상을 변경해야 할지, 샷 길이를 줄여야 할지, 아니면 특정 전환 효과를 제한해야 할지 판단할 수 있습니다. “뭔가 이상해 보인다”는 식의 막연한 메모만으로는 더 나은 지침으로 삼기 어렵습니다.
교합 문제를 생산 위험 요인으로 간주하라
폐쇄 현상은 한 물체가 다른 물체를 가릴 때 발생합니다. 예를 들어, 손가락이 얼굴을 가로지르거나, 머리카락이 눈을 가리거나, 소품이 손목을 가리거나, 몸이 카메라에서 돌아서는 경우 등이 있습니다. 가려진 구조는 여전히 추론되어야 하며, 모델은 이를 다른 형태로 재구성할 수도 있습니다. 빠른 움직임의 경우 인접한 프레임에서 얻을 수 있는 증거가 덜 안정적이기 때문에 이러한 추론이 더 어려워집니다.
중요한 신체 부위가 잘 보이도록 동작을 구성하십시오. 손은 얼굴 바로 앞이 아니라 얼굴 옆에 두십시오. 소품은 손가락 관절에서 멀리 떨어뜨려 놓으십시오. 접촉이 꼭 필요한 경우, 동작을 ‘접근’, ‘접촉’, ‘이완’ 샷으로 나누어 촬영한 뒤 이를 편집하여 합치십시오. 이렇게 하면 한 세대가 처리해야 하는 갑작스러운 전환 횟수를 줄일 수 있습니다.
모델에 대한 결론을 내리기 전에 테스트를 다시 수행하십시오.
두 개의 클립은 유용한 관찰 자료이지만, 시드 하나만으로도 프롬프트의 결과가 크게 달라질 수 있습니다. 실제 모델을 선택하려면 동일한 소스와 설정으로 각 프롬프트를 여러 번 반복해 보세요. 손의 가독성, 신원, 배경, 카메라, 동작 완성도를 각각 따로 평가하세요. 거부된 결과물은 로그에 기록해 두세요.
테스트를 반복해 보면, 제약이 가해진 프롬프트가 실제로 활용 가능한 포즈가 나올 확률을 높이는지, 아니면 단지 운 좋게 하나의 샘플만 생성한 것인지 파악할 수 있습니다. 또한, 더 강력한 동작 제어가 표정을 약화시키거나 연기가 경직되게 만들 수 있다는 상충 관계도 드러날 수 있습니다. 단 하나의 완벽한 프레임을 쫓기보다는, 해당 샷에 맞는 균형을 선택하십시오.
편집할 때와 재생성할 때를 파악하세요
인물, 동작, 카메라 구도가 전반적으로 훌륭하다면 사소한 결함 부분만 편집하여 보완하세요. 짧은 컷어웨이 샷을 삽입하면 두 프레임 동안 손가락이 굽어지는 현상을 가릴 수 있고, 더 타이트하게 트리밍하면 부자연스러운 복귀 포즈를 제거할 수 있습니다. 얼굴 표정이 전체적으로 변하거나, 잘못된 손이 동작을 수행하거나, 배경이 바뀌거나, 여러 프레임에 걸쳐 인체 구조가 일관되지 않을 경우에는 재제작해야 합니다.
핵심 요건을 위반하는 클립을 수정하는 데 한 시간을 낭비하지 마십시오. 반대로, 일반적인 편집으로 감출 수 있는 사소한 문제 때문에 훌륭한 결과물을 버리지도 마십시오. 검토를 시작하기 전에, 승인 체크리스트를 통해 치명적인 결함과 수정 가능한 불완전함을 구분해야 합니다.
‘인체 동작 승인 체크리스트’를 활용하십시오
각 테이크마다 ‘정체성’, ‘해부학적 요소’, ‘동작’, ‘카메라’, ‘장면’의 다섯 가지 항목을 각각 별도로 평가하십시오. ‘정체성’은 얼굴 비율, 머리카락, 의상을 다룹니다. ‘해부학적 요소’는 손가락, 손목, 팔꿈치, 치아, 눈의 움직임을 다룹니다. ‘동작’은 요청된 동작이 올바르게 시작, 절정에 달하고 끝나는지 확인합니다. ‘카메라’는 구도와 원치 않는 움직임을 다룹니다. ‘장면’은 소품, 배경, 조명의 일관성을 다룹니다.
각 영역에 ‘통과’, ‘수리 가능’ 또는 ‘불합격’으로 표시하십시오. ‘수리 가능’ 판정은 의미에 영향을 주지 않고 잘라낼 수 있는 짧은 불량 프레임이 포함된 경우를 말합니다. ‘불합격’ 판정은 지속적인 정체성 편차, 반복되는 손 모양의 붕괴 또는 누락된 동작이 있는 경우입니다. 이러한 분류를 통해 치명적인 연속성 오류가 있음에도 시각적으로 훌륭한 클립이 간과되는 것을 방지할 수 있습니다.
기사가 얼굴과 손에 초점을 맞추고 있더라도 사운드는 별도로 검토해야 합니다. 예상치 못한 오디오, 음성 왜곡, 또는 트랙 누락은 시각적으로는 무난해 보이는 테이크도 사용할 수 없게 만들 수 있습니다. 최종적으로 채택되는 파일은 콘택트 시트에서 가장 잘 보이는 스틸 프레임이 아니라, 전체 전달 사양을 모두 충족하는 파일입니다.
실제 평가
제한을 둔 프롬프트를 사용했을 때, 기준 모델보다 더 차분하고 보기 편한 손 동작이 생성되었지만, 두 출력 모두 정체성이 극적으로 달라졌습니다. 프롬프트 엔지니어링은 전체적인 연속성 문제를 해결하지는 못했지만, 한 가지 측면에서는 개선 효과를 가져왔습니다.
실전 촬영에 적합한 방법은 구도가 잘 잡힌 피사체, 통제된 하나의 동작, 안정적인 카메라, 반복된 샘플 촬영, 그리고 서면으로 작성된 승인 체크리스트를 결합한 것입니다. 피사체가 말을 하거나 소품을 다뤄야 할 경우, 이를 결합하기 전에 별도의 짧은 샷으로 해당 행동을 먼저 검증해야 합니다. 복잡한 촬영은 성공적인 테스트를 통해 단계적으로 진행되어야 합니다.
마지막 자세만 보고 동작을 평가해서는 안 됩니다. 동작을 시작하고 끝내는 전체 과정을 지켜본 다음, 얼굴을 원본과 비교해 보세요. 손바닥이 깔끔하다고 해서 다른 사람의 동작을 보완할 수는 없으며, 얼굴이 안정적이라고 해서 동작 도중 손목이 무너지는 것을 보완할 수는 없습니다.
GlobalGPT에서 비디오 경로 비교하기 샷이 실패했을 때는 한 번에 하나의 변수만 변경하고, 원본과 설정, 그리고 거부 사유를 기록해 두세요. 더 나은 손과 얼굴을 만드는 비결은, 이미 정보가 과부하된 프롬프트에 “완벽한 해부학적 구조’를 추가하는 것이 아니라, 시퀀스 전반에 걸친 불확실성을 줄이는 데 있습니다.
다음 테스트에서는 동일한 소스를 사용하여 두 프롬프트를 여러 번 반복하고, 정체성, 해부학적 구조, 동작, 카메라, 장면을 각각 따로 평가해 보세요. 이 작은 샘플을 통해 제약이 가해진 프롬프트가 선정률을 향상시켰는지, 아니면 단순히 운 좋게 한 번의 좋은 결과를 만들어 냈는지를 확인할 수 있습니다. 핵심 제스처가 안정될 때까지 동작은 짧고 명확하게 유지하십시오. 그런 다음 대사와 소품, 카메라 움직임을 하나씩 차례로 추가하되, 심사를 통과한 모든 단계의 깔끔한 버전을 보관해 두십시오.
자주 묻는 질문
왜 AI 영상에 나오는 손에는 손가락이 하나 더 있는 걸까요?
빠른 관절 움직임, 자가 폐색, 모션 블러, 그리고 시점 변화로 인해 프레임 간 손가락 구조가 불확실해집니다. 모델은 손이 움직일 때 손을 다르게 재렌더링할 수 있습니다.
AI 영상에서 얼굴이 왜 바뀌나요?
작은 얼굴, 고개를 돌리는 동작, 표정, 그림자, 가림 현상은 신원 식별 단서를 약화시킵니다. 이에 생성기는 얼굴 랜드마크를 정확히 보존하는 대신 이를 재구성합니다.
더 나은 프롬프트가 AI의 문제를 해결할 수 있을까?
제약 조건이 적용된 프롬프트는 움직임과 가림을 줄여주어, 우리가 실시한 단일 테스트에서 가독성을 향상시켰습니다. 하지만 이는 모든 모델이나 실행에서 해부학적 정확성을 보장할 수는 없습니다.
참조 이미지가 정체성의 일관성을 보장해 주는가?
아닙니다. 신뢰할 수 있는 원본 자료가 있으면 도움이 되지만, 비디오 모델은 움직이는 동안에도 인물, 옷차림, 방의 모습 또는 카메라 구도를 변경할 수 있습니다.
얼굴과 손을 촬영할 때 가장 안전한 카메라 움직임은 무엇일까요?
중간 샷이나 상반신 샷 구도로 카메라를 고정하는 것이 가장 안전한 시작점입니다. 간단한 동작이 끝난 후에야 팬, 줌, 또는 회전 촬영을 추가하세요.
촬영이 계속 실패할 때 모델을 바꿀 수 있나요?
네. GlobalGPT를 사용하면 사용 가능한 비디오 경로를 비교할 수 있습니다. 소스와 승인 기준을 일정하게 유지하여 모델 변경이 실제로 도움이 되는지 판단할 수 있습니다.








