MoneyPrinterTurbo 리뷰

쇼핑몰이 릴스나 숏츠를 매주 올려야 하는데 만드는 게 병목입니다. 상품 사진과 문구는 이미 있으니 그걸로 짧은 영상이 나오면 좋겠다는 이야기를 자주 듣습니다.

그래서 조간에 MoneyPrinterTurbo 가 올라왔을 때 열어봤습니다. 주제어 하나를 넣으면 숏폼 영상이 나온다고 합니다. GitHub 별이 121,219개예요. MIT 라이선스이고 파이썬으로 만들었더군요.

영상을 만드는 게 아니라 있는 걸 모읍니다

주제어 하나를 넣으면 이 순서로 지나갑니다.

먼저 짚고 갈 게 있습니다. 이건 영상을 새로 그려내는 모델이 아닙니다.

Wavect 의 Kevin Riedl 이 쓴 리뷰가 이걸 정확히 적어뒀습니다. "생성형 영상 모델이 아니라 orchestrator¹" 라고요. 스톡 라이브러리(Pexels, Pixabay, Coverr)나 내 컴퓨터에 있는 파일에서 이미 있는 영상 소재를 가져와 붙이는 거예요.

새로 만드는 건 셋입니다. 대본(LLM 이 씁니다), 음성(TTS²가 읽습니다), 자막. 화면에 나오는 그림은 전부 어디선가 가져옵니다.

이 구분이 쇼핑몰 쪽에서는 꽤 중요합니다. "여름 원피스 코디"처럼 일반적인 주제면 스톡으로 그림이 채워지는데, 우리 상품이 나와야 하는 화면은 스톡에서 안 나옵니다. 직접 올려야 해요. Wavect 도 못 하는 것 목록에 "구별되는 제품 영상을 만들어내지 않는다 — 스톡 검색 품질이 한계"라고 적었습니다.

흩어진 판들 위에 하나가 얹혀 있습니다.

그래도 조립을 대신 해준다는 건 작은 일이 아닙니다. 대본 쓰고, 읽히고, 자막 붙이고, 음악 깔고, 길이 맞춰 자르는 건 손으로 하면 오래 걸리는 일이니까요.

한글 자막은 폰트를 넣어야 나옵니다

resource/fonts 의 폰트 9개를 받아 직접 세어본 것입니다.

한글이 제대로 나오는지가 저희한테는 제일 중요한 질문이라 확인해봤어요.

자막 폰트는 저장소의 resource/fonts 폴더에 들어 있는데, 열어보니 아홉 개더군요. MicrosoftYaHei 둘, STHeiti 둘, BeVietnamPro 둘, Charm 둘, UTM Kabel KT 하나. 중국어·베트남어·태국어 폰트뿐이고 한글 폰트는 없습니다.

중국어 폰트가 한글을 품고 있는 경우가 있어서 파일을 받아 cmap³을 세어봤습니다.

• MicrosoftYaHeiBold.ttc — 글리프 29,881개인데 한글 음절 0자
• BeVietnamPro-Bold.ttf — 459개, 0자
• STHeitiMedium.ttc — 50,143개 중 한글 음절 6,409자 (11,172자 중 57%)

제일 나은 STHeiti 로 상품 문구를 찍어봤어요.

`` 오늘만 무료배송 → □□만 □료□송 지금 주문하면 내일 도착 → 지□ □□하면 내□ 도□ 재입고 알림 신청하세요 → □□고 알림 신청하□□ ``

문구 다섯 개 43자 중 18자(42%)가 빠졌습니다.

고치는 건 어렵지 않아요. README 가 "직접 폰트를 넣을 수도 있습니다" 라고 적어뒀으니 한글 폰트를 넣으면 됩니다. 다만 받아서 그냥 돌리면 깨진다는 건 알고 시작해야죠. 이건 파일을 받아 세어본 값이고 영상을 뽑아본 결과는 아닙니다.

음성 쪽은 사정이 나아요. 기본으로 붙는 Edge TTS 는 API 키 없이 무료이고 한국어 목소리가 들어 있습니다. 자막은 기본이 edge 방식이라 TTS 가 남긴 시각을 그대로 쓰고, 더 정확히 맞추려면 faster-whisper⁴ 를 로컬에서 돌립니다.

무료인 건 코드뿐입니다

코드는 MIT 로 무료이고 나머지에는 값이 붙습니다.

Wavect 리뷰의 한 문장이 이걸 잘 정리하더군요.

코드는 MIT 라이선스로 무료입니다. 믿을 만한 콘텐츠 운영은 무료가 아닙니다.

대본을 쓰는 LLM 값, TTS 값(Edge TTS 는 무료), 스톡 API 호출(Pexels 무료 등급에는 한도가 있습니다), 렌더링과 저장 공간, 그리고 사람이 검수하는 시간이 붙습니다.

Riedl 이 재라고 한 지표가 인상적이었어요. "렌더 한 편당 비용이 아니라 승인된 영상 한 편당 비용" 을 재라고 합니다. 열 편 뽑아 두 편만 쓸 만하면 실제 단가는 다섯 배니까요.

라이선스도 한 겹 더 있고요. MIT 는 코드에만 걸립니다. 스톡 영상, 음악, 목소리, 대본, 모델 출력은 각각 라이선스가 따로 있어요. 고객사 상세페이지에 올릴 거라면 자산 하나하나 권리를 확인해야 합니다.

저장소를 읽다가 눈에 띈 게 하나 더 있어요. README 의 모델 제공자 링크 일부에 제휴 파라미터가 붙어 있습니다. Kimi 링크에는 aff=moneyprinterturbo, 후원사 링크에는 ?from=CH_XUQ4OTSK 가 달려 있어요. 숨긴 것도 아니고 MIT 프로젝트가 이렇게 유지되는 건 흔한 일이지만, 어느 제공자를 권하는지 읽을 때 감안할 대목이긴 합니다.

만든 MP4 가 쓸 수 있는 영상인지는 따로 봐야 합니다

도장은 놓여 있고 종이는 비어 있습니다.

Wavect 리뷰에서 제일 날카로웠던 문장이에요.

기술적으로 멀쩡한 MP4 안에도 지어낸 주장, 어울리지 않는 화면, 쓰면 안 되는 인물이나 로고가 들어 있을 수 있습니다.

쇼핑몰 영상이라 더 그렇습니다. 대본을 LLM 이 쓰면 상품에 없는 기능을 적어놓을 수 있고, 스톡에서 가져온 화면에 다른 브랜드 로고가 들어가 있을 수 있습니다. 사람 얼굴이 나오면 초상권 문제가 붙고요.

유튜브 쪽 이야기도 적어뒀더군요. "변화가 거의 없거나 가치가 없는" 대량 생산 영상은 거절될 수 있다고요. 상품만 바꿔 똑같은 틀로 백 편을 찍어내는 방식은 위험하다는 뜻입니다.

그러니 이 도구를 쓰는 자리는 "완성"이 아니라 "초안" 입니다. Riedl 의 결론이 그대로 답입니다.

기계적인 일을 없애는 데 이 도구를 쓰세요. 편집 판단, 상업적 권리, 제작 통제는 사람 손에 단단히 쥐고 있으세요.

지금 생각

한번 붙여볼 만하다고 봅니다. 조건은 세 가지입니다.

첫째, 한글 폰트를 먼저 넣습니다. resource/fonts 에 한글 폰트를 넣지 않으면 자막이 깨집니다. 폰트도 상업적으로 쓸 수 있는 것으로 골라야 하고요.

둘째, 상품 화면은 직접 올립니다. 스톡으로 채우면 어느 쇼핑몰 영상인지 알 수 없는 화면이 되고요. 이 도구의 쓸모는 그림을 찾아주는 데가 아니라 대본·음성·자막·편집을 대신 해주는 데 있습니다.

셋째, 나가기 전에 사람이 봅니다. 대본에 없는 기능이 적혔는지, 화면에 남의 로고가 들어갔는지는 사람이 봐야 걸려요.

공식 README 가 적어둔 시스템 요구사항입니다.

돌아가는 건 어렵지 않아 보여요. GPU 가 필요 없고 CPU 4코어에 RAM 4GB 면 최소 사양을 넘습니다. Docker 로도 띄울 수 있고요.

모르는 채로 남는 건 한글 대본이 얼마나 쓸 만하게 나오는지입니다. 대본을 쓰는 건 붙인 LLM 이라 모델을 뭘 붙이느냐에 달렸을 텐데, 짧은 숏폼 대본 특유의 리듬을 한국어로 잡아주는지는 붙여봐야 알 것 같습니다. 그리고 Edge TTS 한국어 목소리가 상품 소개 톤으로 들리는지도 들어봐야 알겠습니다.