TikTok, Instagram 릴스, YouTube 쇼츠와 같은 세로형 숏폼 플랫폼에서 말하는 아바타 영상을 제작할 때, 단순히 말하는 얼굴 이미지를 생성하는 것만으로는 시청자의 시선을 붙잡을 수 없습니다. 어색하고 기계적인 느낌의 아바타는 피드에 노출된 지 2초도 되지 않아 스킵됩니다. 전환율 높은 오리지널 콘텐츠나 UGC(사용자 생성 콘텐츠) 광고를 제작하려면 두 가지 핵심 요소를 정밀하게 제어해야 합니다. 바로 고유한 어조와 호흡을 담아내는 사용자 지정 오디오 가져오기와 스마트폰 인터페이스 가림 현상을 방지하는 인물 구도(프레이밍) 최적화입니다.
Hedra는 Spaces 내 대화형 AI 에이전트를 통한 협업 방식과 수동 비디오 툴을 통한 직접 파라미터 제어 방식을 모두 지원합니다. 이 가이드에서는 외부 오디오 트랙을 가져오는 절차, 9:16 세로 구도 최적화 기준, 그리고 완성도 높은 소셜 영상을 편집하는 실무 팁을 안내합니다.
1. 사용자 지정 오디오 트랙 준비 및 가져오기
Hedra의 아바타 생성 파이프라인에서 오디오는 동작을 이끄는 안무 지시서 역할을 합니다. AI 모델은 오디오의 음소, 음성 에너지, 문장 사이의 무음 구간을 분석하여 입 모양 변화, 눈 깜빡임, 자연스러운 고개 흔들림을 연산합니다. 오디오 품질이 불완전하면 립싱크(Lip-sync)가 심각하게 왜곡됩니다.
오디오 준비 필수 기준
- 목소리만 있는 깨끗한 보컬(Dry Audio): 반드시 배경음악이나 공간 잔향(리버브), 소음이 섞이지 않은 보컬 트랙을 사용해야 합니다. 악기 소리나 환경음이 섞이면 립싱크 엔진이 이를 음소로 오인하여 입술이 부자연스럽게 떨리는 현상이 발생합니다. 믹싱된 오디오라면 사전에 보컬 분리 처리를 거쳐야 합니다.
- 자연스러운 대화 휴지기(Pause) 유지: 사람은 말할 때 문장 사이에 자연스럽게 숨을 고릅니다. Hedra의 모델은 이 무음 구간을 활용하여 숨을 들이쉬는 흉부 움직임, 눈썹 위치 복귀, 미세한 고개 끄덕임을 표현합니다. 빠른 템포의 훅을 노리는 것이 아니라면 쉼표 구간을 억지로 모두 잘라내지 마세요.
- 발음 및 어조 정돈: 외부 TTS 도구(예: ElevenLabs)나 Hedra 내장 Speech 도구로 음성을 생성할 경우, 약어나 고유명사는 발음 나는 대로 표기하고 줄바꿈과 구두점을 적절히 배치해 말하는 속도감을 조절합니다.
사용자 지정 오디오를 가져오는 두 가지 워크플로
방법 A: Spaces에서 에이전트와 협업하기
- Spaces를 열고 presenter 또는 ugc 스킬을 선택해 새 프로젝트를 시작합니다.
- Add reference asset을 클릭하고 준비한 외부 오디오 파일(MP3, WAV, M4A 등)을 업로드합니다.
- 동일한 공간에 아바타로 사용할 인물 포트레이트 이미지를 함께 첨부합니다.
- 에이전트에게 연출 지시문을 입력합니다(예: “첨부된 오디오에 맞춰 친근하고 에너지 넘치는 크리에이터 어조로 말하도록 이 캐릭터를 움직여 줘. 시선은 카메라를 정면으로 응시하도록 해줘”).
- 에이전트가 캔버스에 생성 결과를 제시하며, 승인된 에셋을 유지한 채 세부 수정 프롬프트를 이어갈 수 있습니다.
방법 B: 수동 Video 툴의 Avatar 모드 직접 제어하기
- Manual tools → Video로 이동하여 모드를 Avatar로 전환합니다.
- 실시간 모델 선택기를 열어 생성 길이와 해상도 요구사항에 맞는 아바타 모델(예: Hedra Avatar 또는 전용 발표자 모델)을 선택합니다.
- 프롬프트 상단의 참조 패널에서 오디오 참조 슬롯에 오디오 파일을, 이미지 참조 슬롯에 인물 사진을 각각 업로드합니다.
- 연출 프롬프트를 작성하고 화면 비율(9:16)과 해상도를 지정한 뒤 Generate 버튼을 누릅니다.
영상 길이 최적화 팁: Hedra의 최신 모델은 몇 분 단위의 긴 오디오도 지원하지만, 소셜 미디어용 영상은 15~30초 단위의 짧은 클립으로 나누어 생성하는 것이 훨씬 효율적입니다. 크레딧 소모를 줄일 수 있을 뿐만 아니라 도입부 훅(Hook) 테스트가 쉬워지고 편집 단계에서 유연한 컷 전환이 가능해집니다.
2. 9:16 세로형 소셜 피드를 위한 인물 구도 최적화
구도는 아바타가 스마트폰으로 촬영한 실제 크리에이터처럼 보일지, 아니면 어설프게 오려 붙인 그래픽처럼 보일지를 판가름합니다. 세로형 플랫폼에서는 인터페이스 오버레이 요소를 고려한 구도 설계가 필수적입니다.
이상적인 샷 사이즈: 가슴 위 바스트 샷 (Bust Shot)
소셜 아바타 영상에 가장 안정적인 구도는 **가슴 위까지 잡는 바스트 샷(미디엄 클로즈업)**입니다.
- 익스트림 클로즈업(얼굴 확대)을 피해야 하는 이유: 얼굴만 꽉 차게 잡으면 턱이 아래로 움직일 여백이 부족해집니다. 강한 파열음을 발음할 때 화면 하단 테두리와 턱이 맞닿으며 찌그러지는 아티팩트가 생기기 쉽습니다.
- 풀샷(전신)을 피해야 하는 이유: 작은 모바일 화면에서 얼굴 면적이 지나치게 축소되면 입술의 미세한 움직임, 치아 노출, 시선 처리가 뭉개져 립싱크의 사실감이 급격히 떨어집니다.
- 바스트 샷의 장점: 목과 어깨 라인이 포함되면 AI 모델이 인체 골격의 중심을 안정적으로 인식합니다. 이를 통해 아바타가 말할 때 자연스럽게 몸을 기울이거나 무게중심을 이동하며, 배경 왜곡 없이 자연스러운 호흡 움직임이 구현됩니다.
모바일 UI 안전 영역(Safe Zone) 준수
9:16 세로 화면에서는 각 앱의 UI 버튼과 텍스트를 고려하여 배치해야 합니다:
+-----------------------------------+
| 상단 10-15%: 헤드룸(여백) | <- 기기 상태표시줄, 검색창, 추천 탭 회피
| |
| +---------------------------+ |
| | | |
| | 눈과 얼굴 집중 영역 | | <- 상단 1/3 지점 (시청자 시선 집중 위치)
| | | |
| +---------------------------+ |
| |
| 가슴 및 양어깨 윤곽 | <- 우측: 좋아요, 댓글, 공유 버튼 배치
| |
| 하단 20-25%: UI 간섭 회피 구역| <- 계정명, 본문 캡션, 오디오 태그 회피
+-----------------------------------+
- 시선은 상단 1/3에 배치: 인물의 눈 높이를 화면 위에서 1/3 내려온 위치에 맞추세요. 피드를 스크롤하는 시청자의 시선은 자연스럽게 화면 상단에 먼저 닿습니다.
- 헤드룸(머리 위 여백) 10~15% 확보: 머리끝이 화면 상단에 닿지 않도록 여유를 둡니다. 여백이 없으면 말하면서 고개를 살짝 들 때 정수리가 잘려 나갑니다.
- 하단 20~25% 안전 여백: 입이나 턱이 화면 하단 1/4 구역에 들어가지 않도록 하세요. TikTok과 Reels의 긴 본문 캡션, 크리에이터 계정 아이디, 댓글 입력창이 입술을 가려 립싱크를 볼 수 없게 만듭니다.
- 좌우 완전 중앙 정렬: 인스타그램과 틱톡의 우측에는 좋아요, 댓글, 북마크 아이콘이 세로로 배열되어 있습니다. 캐릭터가 오른쪽으로 치우치면 얼굴 일부가 가려지므로 반드시 중앙에 배치해야 합니다.
원본 인물 이미지 점검 체크리스트
생성 전 원본 사진이 다음 기준을 충족하는지 확인하세요:
- 균일하고 부드러운 조명: 얼굴에 강한 그림자가 없어야 하며, 입술 윤곽이 선명하게 보여야 입 모양 추적이 정확해집니다.
- 얼굴 방해물 제거: 턱을 괸 손, 입을 가리는 마이크, 눈빛을 가리는 선글라스, 얼굴을 덮는 긴 앞머리는 배제합니다.
- 정면 눈높이 앵글: 과도한 로우 앵글(올려다보기)이나 하이 앵글(내려다보기)은 AI가 고개를 돌릴 때 원근 왜곡을 유발하므로 정면 눈높이 사진을 씁니다.
- 선명한 고화질 원본: 해상도 높은 PNG 또는 무손실 JPG를 사용하세요. 원본 사진의 블러나 노이즈는 영상화 과정에서 더욱 증폭됩니다.
3. Hedra Elements로 일관된 브랜드 페르소나 유지하기
브랜드 계정이나 장기 연재물에서 영상마다 발표자의 얼굴이 바뀐다면 브랜드 신뢰도를 쌓을 수 없습니다. 텍스트 프롬프트만으로 매번 같은 인물을 생성하려 하면 이목구비가 변형되기 마련입니다.
Hedra의 Elements 기능으로 아바타 에셋을 영구 고정할 수 있습니다:
- Library → Elements로 이동하여 Create element를 클릭합니다.
- 다양한 각도와 조명에서 촬영된 동일 인물의 고화질 이미지(최대 10장)를 등록합니다.
- 속성을 Character로 지정하고 고유 태그(예:
@BrandSpokesperson)를 부여합니다. - 이후 Space 대화나 수동 비디오 툴에서 새 오디오를 올리고
@BrandSpokesperson만 호출하면 일관된 외모와 스타일로 아바타가 생성됩니다.
4. Composer를 활용한 영상 조립 및 후반 편집
생성된 아바타 클립 원본은 가공되지 않은 촬영 소스에 불과합니다. 이탈률을 낮추고 시청 지속 시간을 늘리려면 리듬감 있는 편집이 필수적입니다.
Hedra 내장 타임라인 편집기인 Composer(Manual tools → Edit Video)를 활용하면 다른 프로그램 없이 즉시 최종본을 완성할 수 있습니다:
- 클립 불러오기: 생성된 9:16 아바타 클립을 타임라인 트랙에 배치합니다.
- 도입부 및 여백 트리밍: 대사 시작 전후의 무의미한 정지 프레임을 잘라내어 첫 1.5초 안에 핵심 훅이 전달되도록 만듭니다.
- 배경음악(BGM) 믹싱: 별도 오디오 트랙에 잔잔한 BGM을 깔고 음량을 목소리 대비 -18dB~-24dB 수준으로 낮춰 음성 명료도를 확보합니다.
- B-Roll 및 텍스트 교차 편집: 아바타 원샷만 계속 보여주는 대신, 3~5초 간격으로 제품 디테일 컷, 시연 화면, 핵심 키워드 자막을 인서트하여 시각적 지루함을 깹니다.
- 최종 내보내기: 1080p 세로 해상도로 렌더링하여 플랫폼에 즉시 업로드합니다.
실무 요약 및 점검 표
| 단계 | 필수 권장 사항 | 피해야 할 오류 |
|---|---|---|
| 오디오 준비 | 잡음과 BGM이 없는 순수 보컬, 자연스러운 호흡 여백 유지. | 배경음악이나 에코가 섞인 오디오를 넣어 입술 떨림 유발. |
| 가져오기 방식 | 정밀 파라미터 조작은 Avatar 모드, 콘셉트 기획은 Spaces Agent. | 모델별 단일 생성 시간 한도를 초과하는 긴 오디오 업로드. |
| 인물 구도 | 9:16 바스트 샷, 눈높이는 상단 1/3, 머리 위 10~15% 여백 확보. | 턱이 잘리는 지나친 클로즈업이나 입 모양이 뭉개지는 원거리 샷. |
| UI 안전 영역 | 화면 하단 25%와 우측 아이콘 영역에 입 모양과 주요 동작 배제. | 캡션 텍스트나 댓글창에 아바타 입술이 가려져 립싱크 소실. |
| 편집 마무리 | Composer에서 시작 지연을 자르고, BGM과 B-Roll을 교차 편집. | 원테이크 아바타 영상을 그대로 내보내어 단조로움으로 인한 이탈 초래. |
선명한 커스텀 보컬 트랙과 세로 UI에 최적화된 바스트 샷 구도를 결합함으로써, 마케터와 콘텐츠 크리에이터는 Hedra를 활용해 완성도 높은 숏폼 아바타 영상을 빠르고 일관되게 대량 제작할 수 있습니다.