미끄럼틀 계단 5칸, AI 영상은 왜 못 지켰나 — Higgsfield 유아 숫자 학습 쇼츠 제작기

계단은 분명히 5칸이라고 프롬프트에 적었는데, 결과물은 8칸, 9칸, 심지어 10칸으로 나왔습니다. 2~5세 아이들에게 숫자 One부터 Five까지를 가르치는 10초짜리 쇼츠를 Higgsfield로 만들면서 겪은 일입니다. 이 글은 그 실패 두 번과, 왜 텍스트 프롬프트만으로는 "정확한 개수"를 영상 모델에 지키게 할 수 없는지, 그리고 결국 어떤 방식으로 계단 5칸을 확정했는지를 만든 순서 그대로 정리한 기록입니다. AI 영상 제작을 개수·수량이 중요한 교육 콘텐츠에 쓰려는 분이라면 특히 참고가 될 내용입니다.

이 글의 요약은 스레드에도 올렸습니다 → 스레드에서 보기

목차

• 도구·세팅
• 1차 시도 — 계단이 왜 8~10칸이 됐나
• 2차 시도 — 캐릭터는 고쳤는데 계단은 또 어긋났다
• 해결 — 이미지로 먼저 5칸을 확정한다
• 공식 정리

도구·세팅

이번 제작에 쓴 도구와 스펙은 아래와 같습니다.

항목	내용
제작 도구	Higgsfield (Claude MCP 연동)
영상 모델	Kling 3.0 Pro (음성 카운팅 + BGM 동시 생성)
이미지 모델	Nano Banana Pro, 2K, 9:16
업스케일	ByteDance, AI 생성 영상 전용 aigc 프리셋으로 4K
최종 스펙	9:16 세로, 10.04초, 1076×1928, AAC 오디오(음성+BGM), 화면 텍스트 없음
제작일	6월 11일 제작 → 6월 12일 유튜브 업로드

1차 시도 — 계단이 왜 8~10칸이 됐나

최초 브리프는 이렇게 적었습니다. 놀이터, 미끄럼틀 계단 5칸, 아이가 한 칸씩 오르며 음성으로 One부터 Five까지 세고, 다섯 번째 계단에 도달하면 반대편 미끄럼틀로 내려오는 구성입니다. 원문 그대로 인용하면 다음과 같습니다.

2~5세 어린이를 위한 숫자 학습 쇼츠를 힉스필드를 사용하여 제작해 주세요.
영상은 9:16 세로 비율 기준 10초 길이로 제작합니다.
귀여운 3D 유아 캐릭터가 밝고 화려한 놀이터에서 미끄럼틀 계단을 올라갔다가 미끄럼틀을 타고 내려오는 영상입니다.
놀이터는 알록달록한 파스텔 색상으로 구성되어 있으며, 부드러운 조명과 고품질 3D 애니메이션 스타일을 사용합니다. 캐릭터는 귀엽고 친근한 표정을 가진 유아이며, 전체 영상은 프리미엄 유아 교육 콘텐츠 수준의 퀄리티를 유지해야 합니다.
미끄럼틀 계단은 총 5칸입니다.
아이는 계단을 한 칸씩 올라갑니다.
첫 번째 계단에 발을 올릴 때 음성으로 "One"을 말합니다.
두 번째 계단에 발을 올릴 때 음성으로 "Two"를 말합니다.
세 번째 계단에 발을 올릴 때 음성으로 "Three"를 말합니다.
네 번째 계단에 발을 올릴 때 음성으로 "Four"를 말합니다.
다섯 번째 계단에 발을 올릴 때 음성으로 "Five"를 말합니다.
숫자는 음성으로만 표현합니다.
카메라는 아이를 자연스럽게 따라가며 위쪽으로 이동합니다.
배경에는 밝고 발랄한 어린이용 음악이 계속 재생됩니다.
다섯 번째 계단까지 모두 올라가면 아이는 계단 반대편의 미끄럼틀을 타고 내려옵니다.

(영문 프롬프트 원문은 별도 확보 후 추가 예정 — 실제 실행에는 위 한국어 브리프를 영문화한 프롬프트를 사용했습니다.)

결과는 두 가지가 어긋났습니다.

• 계단 개수가 5칸이 아니라 8~10칸으로 생성됨.
• 하강 동선도 지시와 달리 반대편 미끄럼틀이 아니라, 올라간 쪽과 같은 면으로 내려옴.

여기에 더해 캐릭터가 코코멜론(CoComelon)의 JJ와 유사하게 나와, 저작권 분쟁 소지가 있다는 지적도 받았습니다.

2차 시도 — 캐릭터는 고쳤는데 계단은 또 어긋났다

두 가지를 동시에 강화했습니다. 첫째, 계단 개수를 "EXACTLY FIVE steps, only 5 large clearly countable steps, no more"로 못박고 꼭대기에서 돌아서서 반대편으로 하강하는 동작을 명시했습니다. 둘째, 캐릭터를 곱슬 갈색 양갈래 머리, 노란 멜빵 원피스, 주황 운동화의 오리지널 여아로 다시 설계해 코코멜론 JJ와 겹치지 않게 차별화했습니다. 발걸음과 음성이 어긋나지 않도록 동기화 지시도 추가했습니다.

결과는 절반의 성공이었습니다. 캐릭터 차별화와 하강 장면(반대편 미끄럼틀로 내려오는 동작)은 의도대로 개선됐습니다. 그런데 계단은 또 문제였습니다. 아래쪽 핑크·노랑 계단 위로 민트색 계단이 이어지면서, 전체적으로 7~8칸처럼 보이는 결과가 나왔습니다. "정확히 5칸"이라는 지시는 두 번째 시도에서도 지켜지지 않았습니다.

아래는 두 번의 시도를 비교한 표입니다.

구분	1차 시도	2차 시도
계단 개수	8~10칸 (실패)	색 다른 계단이 이어져 7~8칸처럼 보임 (실패)
하강 동선	올라간 쪽과 같은 면으로 하강 (실패)	반대편 미끄럼틀로 하강 (성공)
캐릭터	코코멜론 JJ와 유사 (문제 지적)	오리지널 여아 캐릭터로 차별화 (성공)

두 번 반복하며 내린 진단은 이렇습니다. 텍스트→영상 모델은 "정확히 N개"처럼 개수를 정확히 제어하는 데 구조적으로 약합니다. 프롬프트 문구만 더 강하게 다듬어서 다시 시도해도 또 어긋날 확률이 높다고 판단했습니다.

해결 — 이미지로 먼저 5칸을 확정한다

방향을 바꿨습니다. 영상 모델에게 개수를 맡기는 대신, 개수 제어가 상대적으로 정확한 이미지 모델로 "정답 프레임"을 먼저 만들었습니다.

1. Nano Banana Pro로 정확히 5칸 계단과 캐릭터가 담긴 이미지를 생성. 계단은 칸마다 다른 파스텔 색(핑크 → 민트 → 하늘 → 레몬 → 라벤더)으로 지정.
2. 눈으로 5칸이 맞는지 직접 확인.
3. 확인된 이미지를 start_image로 고정해 Kling 3.0으로 영상을 생성.

시작 프레임이 고정되니 계단 수가 어긋날 여지 자체가 사라졌습니다. 최종 영상은 파스텔 놀이터, 정확히 5칸(칸마다 다른 파스텔 색, 밟은 자리에 발자국 자국), 양갈래 곱슬머리·노란 멜빵 원피스·주황 운동화의 오리지널 여아, 픽사풍 3D 토이 렌더링, 한 칸씩 오르며 발이 닿을 때마다 One~Five 음성, 꼭대기 도달 후 반대편 민트색 미끄럼틀로 하강, 아이를 따라가는 틸트업 팔로우 샷, 밝은 키즈 BGM, 화면 자막 없음, 단일 연속 샷으로 완성됐습니다.

공식 정리

이번 작업에서 얻은 교훈을 정리하면 다음과 같습니다.

• 개수는 영상 모델에 맡기지 말고, 이미지에서 먼저 잠근 뒤 영상으로 넘긴다.
• 칸(또는 개체)마다 다른 색을 지정하면 모델도 개수를 지키기 쉽고, 보는 아이도 세기 쉽다.
• 유명 IP와 캐릭터가 유사하게 나올 수 있다 — 상업·수익화 채널이면 헤어·의상 색·이목구비를 명시적으로 지정해 회피해야 한다.
• 음성-발걸음 싱크는 AI가 프레임만으로 검증하지 못한다. 직접 들어보거나, 편집 단계에서 음성 클립을 발걸음 프레임에 맞춰 입히는 편이 확실하다.

자주 묻는 질문

Q. 영상 모델에게 "정확히 N개"라고 지시하면 왜 안 지켜지나요?

A. 텍스트→영상 생성 모델은 프레임 사이의 일관성과 자연스러운 움직임을 만드는 데 최적화돼 있고, 정확한 개수 카운팅은 상대적으로 약한 영역입니다. 이번 사례에서도 프롬프트 문구를 강하게 명시한 2차 시도조차 계단 개수를 지키지 못했습니다.

Q. 그럼 프롬프트를 더 정교하게 쓰면 해결되나요?

A. 이번 경험상으로는 아닙니다. 1차보다 훨씬 구체적으로 쓴 2차 프롬프트도 실패했습니다. 프롬프트 튜닝보다 이미지로 먼저 개수를 확정하고 그 이미지를 시작 프레임으로 고정하는 방식이 더 확실했습니다.

Q. 이미지에서 계단(또는 개체) 색을 다르게 하는 이유가 뭔가요?

A. 두 가지 효과가 있습니다. 모델이 각 칸을 구분된 개체로 인식해 개수를 지키기 쉬워지고, 완성된 영상을 보는 아이 입장에서도 색이 바뀌는 지점마다 숫자를 세기 쉬워집니다.

Q. 캐릭터가 다른 캐릭터와 닮게 나오면 어떻게 하나요?

A. 이번 1차 시도에서 캐릭터가 코코멜론 JJ와 유사하게 나온다는 지적을 받았습니다. 헤어스타일과 색, 의상 색, 신발, 이목구비를 구체적인 수치·색상으로 명시해 오리지널 캐릭터로 다시 설계하는 방식으로 대응했습니다.

Q. 완성된 영상에 화면 자막(숫자 텍스트)은 없나요?

A. 없습니다. 최종 스펙상 숫자는 음성으로만 표현되고 화면 텍스트는 없는 구성입니다.

마치며

계단 5칸이라는, 어른에게는 사소해 보이는 조건 하나가 AI 영상 제작에서는 두 번의 실패로 이어졌습니다. 그리고 그 해결책은 프롬프트를 더 잘 쓰는 게 아니라, 잘하는 도구(이미지 모델)에게 개수를 맡기고 못하는 도구(영상 모델)에게는 그 결과물을 넘겨주는 순서 조정이었습니다. 이번 제작 과정 전체를 담은 영상은 아래에서 확인하실 수 있습니다.

앞으로도 AI로 콘텐츠를 만들며 겪는 실패와 원인을 있는 그대로 기록해 나갈 예정입니다. 다음 실험 기록도 놓치지 않으시려면 척척 소식지 구독을 추천드립니다.

척척 소식지 구독하기 → https://chukchuk.stibee.com

※ 본 콘텐츠(영상/이미지)는 AI로 제작되었습니다.