← 블로그 홈

업체 홍보용 릴스 자동 제작기 만들기 — AI 음성·BGM·자막·사진 전환까지 2026 완전 가이드

2026년 06월 09일 updaun 10분 읽기

python marketing automation

#reels #instagram #short-form-video #tts #ffmpeg #moviepy #django-ninja #celery #ai-voice #subtitle #bgm #automation #local-business

카페·미용실·학원처럼 사진은 있는데 영상 편집 시간이 없는 업체가 많습니다. 스크립트 → AI 음성 → 자막 → 사진 슬라이드 → BGM 믹스까지 한 번에 돌리는 릴스 자동 제작기를 만들면 '콘텐츠 공장'이...

업체 홍보용 릴스 자동 제작기 만들기 — AI 음성·BGM·자막·사진 전환까지 2026 완전 가이드

카페, 미용실, 학원, 인테리어 업체… 공통점이 하나 있습니다.

인스타 사진은 많은데, 릴스를 매주 못 올린다.

편집 앱으로 30초 영상 하나 만드는 데 1~2시간이 걸리고, 나레이션 녹음·자막·BGM 밸런스는 더 번거롭습니다. 그래서 “사진 5장 + 홍보 문구만 넣으면 릴스가 나오는 자동 제작기” 는 로컬 비즈니스·마케팅 대행·1인 SaaS 모두에게 실용적인 제품입니다.

이 글은 다음을 한 파이프라인으로 묶는 방법을 다룹니다.

AI 음성(TTS) 나레이션
잔잔한 배경음악(BGM) — 음성보다 작게, 덕킹(ducking) 적용
자막 — 읽기 쉬운 위치·크기·타이밍
사진 자동 전환 — Ken Burns(줌·팬), 크로스페이드

TTS 인프라 설계는 Django Ninja STT/TTS 가이드를, 인스타 마케팅 맥락은 인스타 마케팅 가이드와 함께 보면 좋습니다.

0. 결론부터: 릴스 자동 제작 파이프라인 5단계

[입력] 업체명·문구·사진 3~8장
  → ① 스크립트 생성(또는 직접 입력)
  → ② AI 음성(TTS) MP3
  → ③ 자막 타임라인(SRT/ASS)
  → ④ 사진 슬라이드 영상(무음)
  → ⑤ 음성 + BGM 믹스 + 자막 번인
  → [출력] 1080×1920 MP4 (9:16)

단계	실패 신호	핵심
스크립트	90초 넘는 장문	15~45초, 문장 5~7개
TTS	로봇 같은 억양	속도·쉼·브랜드 톤
자막	한 화면에 3줄 이상	2줄 이내, 키워드 강조
사진	해상도 깨짐·비율 깨짐	9:16 크롭·Ken Burns
믹스	BGM이 음성 가림	-18~-24 LUFS BGM, 덕킹

1. 왜 “릴스 자동 제작기”인가

1.1 릴스가 로컬 비즈니스에 맞는 이유

인스타 마케팅 가이드에서 정리했듯, 릴스는 인스타가 가장 밀어주는 형식입니다. 업체 홍보용 숏폼은 다음 조건을 만족할 때 성과가 납니다.

요소	자동화 적합도
짧은 길이 (15~60초)	높음
반복 템플릿 (오픈·메뉴·후기)	높음
사진 위주 콘텐츠	높음
복잡한 스토리텔링	낮음

자동화에 잘 맞는 업종: 카페·베이커리, 미용·네일, 피트니스, 학원·과외, 인테리어·시공, 펜션·숙소.

1.2 제품 형태 3가지

형태	고객	수익
내부 툴	본인 대행사	인건비 절감
B2B SaaS	소상공인 월 구독	MRR
API	마케팅 툴·IM웹·예약 시스템	건당·API 호출

1인 구독 SaaS 전략 관점에서 “월 9,900원에 주 4개 릴스” 는 설명이 쉬운 플랜입니다.

2. 시스템 아키텍처

2.1 전체 구조

flowchart TB
  subgraph Input["입력"]
    Form[웹 폼 / API]
    Photos[사진 3~8장]
    Script[스크립트 또는 LLM 생성]
  end

  subgraph Worker["Celery Worker"]
    TTS[AI TTS]
    Sub[자막 타임라인]
    Slide[슬라이드 렌더]
    Mix[FFmpeg 믹스]
  end

  subgraph Storage["스토리지"]
    S3[(S3 / R2)]
    DB[(PostgreSQL)]
  end

  Form --> DB
  Photos --> S3
  Script --> TTS
  TTS --> Sub
  Sub --> Mix
  Photos --> Slide
  Slide --> Mix
  Mix --> S3
  S3 --> Form

동기 HTTP로 영상 렌더 금지 — 30초~수 분 소요. Celery Beat로 비동기 처리.
중간 산출물(음성·무음 영상)은 S3/R2에 저장 (Presigned URL 가이드 참고).

2.2 기술 스택 추천

{
    "API": "Django Ninja",
    "Queue": "Celery + Redis",
    "Video": "FFmpeg (프로덕션) / MoviePy (프로토타입)",
    "Image": "Pillow",
    "TTS": "OpenAI TTS / ElevenLabs / Naver Clova",
    "Subtitle": "pysubs2 / FFmpeg subtitles filter",
    "Storage": "S3 또는 Cloudflare R2",
    "Optional LLM": "스크립트 초안 생성",
}

프로토타입은 MoviePy로 빠르게, 프로덕션은 FFmpeg로 통일하는 팀이 많습니다. FFmpeg가 메모리·속도·자막 번인에서 유리합니다.

2.3 출력 스펙 (인스타 릴스)

항목	권장값
해상도	1080 × 1920 (9:16)
프레임	30 fps
길이	15~60초 (업체 홍보는 20~35초 sweet spot)
코덱	H.264 + AAC
파일 크기	50MB 이하 (업로드 안정)

3. 입력 설계 — 무엇을 받을 것인가

3.1 최소 입력 스키마

from ninja import Schema
from typing import List, Optional

class ReelsJobIn(Schema):
    business_name: str
    tagline: str                    # 한 줄 슬로건
    bullets: List[str]              # 핵심 포인트 3~5개
    cta: str = "지금 예약하세요"     # 마지막 행동 유도
    photo_urls: List[str]           # 3~8장
    voice: str = "nova"             # TTS 보이스 ID
    bgm_track: str = "calm-01"      # 라이브러리 키
    template: str = "clean"         # clean | bold | luxury

3.2 스크립트 자동 생성 (선택)

LLM으로 bullets를 말하듯 자연스러운 5~7문장으로 변환합니다.

PROMPT = """
당신은 로컬 비즈니스 인스타 릴스 카피라이터입니다.
조건:
- 전체 낭독 시간 25~35초 (한국어 약 80~120자)
- 문장은 짧고 구어체
- 마지막 문장은 CTA
- 이모지·해시태그 금지 (TTS용)
입력: {business_name}, {tagline}, {bullets}
"""

팁: 스크립트에 쉼표·마침표를 넣으면 TTS 억양이 자연스러워집니다.

3.3 사진 가이드 (업체에 안내할 체크리스트)

가로·세로 혼합 가능 — 서버에서 9:16 중앙 크롭
최소 1080px 긴 변 이상
텍스트·워터마크 과다 사진은 피하기
인물 사진은 얼굴이 중앙에 오게

4. AI 음성(TTS) — 나레이션 만들기

4.1 TTS 엔진 선택

엔진	장점	단점
OpenAI TTS	품질·속도·API 단순	비용(문자당)
ElevenLabs	감정·브랜드 보이스 클론	가격·약관
Naver Clova	한국어 자연스러움	SSML 학습
Amazon Polly	안정·저렴	톤 선택 제한

STT/TTS 프로덕션 가이드의 Polly·OpenAI 예시를 그대로 확장할 수 있습니다.

4.2 OpenAI TTS 예시

# services/tts.py
import httpx
from pathlib import Path

async def synthesize_narration(text: str, out_path: Path, voice: str = "nova") -> Path:
    async with httpx.AsyncClient(timeout=60) as client:
        resp = await client.post(
            "https://api.openai.com/v1/audio/speech",
            headers={"Authorization": f"Bearer {OPENAI_API_KEY}"},
            json={
                "model": "gpt-4o-mini-tts",
                "voice": voice,
                "input": text,
                "response_format": "mp3",
                "speed": 1.05,  # 릴스는 약간 빠르게
            },
        )
        resp.raise_for_status()
        out_path.write_bytes(resp.content)
    return out_path

4.3 음성 톤 가이드 (업종별)

업종	voice	speed	느낌
카페·베이커리	soft female	1.0	따뜻함
피트니스	energetic	1.1	에너지
법률·세무	neutral male	0.95	신뢰
뷰티	warm female	1.05	친근

5. 자막 — 읽히게 만드는 법

5.1 릴스 자막 원칙

한 화면 최대 2줄 (세로 화면 기준 12~16자 × 2줄)
하단 20~25% — UI(좋아요·댓글)와 겹치지 않게
키워드 bold·색상 (ASS 스타일로 처리)
음성과 0.1~0.2초 선행 — 인지 부하 감소

5.2 문장 단위 SRT 생성 (MVP)

정확한 단어 단위 싱크가 필요하면 Whisper 타임스탬프를 쓰고, MVP는 문장 균등 분할로 시작합니다.

# services/subtitles.py
from pathlib import Path

def script_to_srt(sentences: list[str], total_duration: float, out_path: Path) -> Path:
    n = len(sentences)
    slot = total_duration / n
    lines = []
    for i, sent in enumerate(sentences):
        start = i * slot
        end = (i + 1) * slot - 0.05
        lines.append(f"{i+1}")
        lines.append(f"{_fmt(start)} --> {_fmt(end)}")
        lines.append(sent.strip())
        lines.append("")
    out_path.write_text("\n".join(lines), encoding="utf-8")
    return out_path

def _fmt(sec: float) -> str:
    h = int(sec // 3600)
    m = int((sec % 3600) // 60)
    s = int(sec % 60)
    ms = int((sec - int(sec)) * 1000)
    return f"{h:02d}:{m:02d}:{s:02d},{ms:03d}"

5.3 ASS로 “릴스 스타일” 자막

SRT보다 ASS(Advanced SubStation Alpha) 가 테두리·폰트·위치 제어에 유리합니다.

[V4+ Styles]
Format: Name, Fontname, Fontsize, PrimaryColour, OutlineColour, Bold, Alignment, MarginV
Style: Reels,Noto Sans CJK KR Bold,52,&H00FFFFFF,&H00000000,-1,2,120

[Events]
Format: Layer, Start, End, Style, Text
Dialogue: 0,0:00:00.00,0:00:03.50,Reels,{\an2}성수동에서 찾은 작은 카페

Alignment=2: 하단 중앙
MarginV=120: 하단 여백
Outline: 배경이 밝아도 가독성 확보

6. 사진 자동 전환 — 슬라이드 + Ken Burns

6.1 타이밍 규칙

총 길이 = 나레이션 길이 (또는 나레이션 + 0.5초 여유)
사진 1장당 시간 = 총 길이 / 사진 수
전환 = 0.4~0.6초 crossfade

예: 나레이션 28초, 사진 7장 → 장당 4초, crossfade 0.5초.

6.2 FFmpeg로 Ken Burns + 크로스페이드

각 사진을 살짝 줌인하면 정적 슬라이드가 “영상 같아” 보입니다.

# 단일 이미지 → 4초 클립 (1080x1920, 줌인)
ffmpeg -loop 1 -i photo.jpg -t 4 \
  -vf "scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920,\
       zoompan=z='min(zoom+0.0015,1.15)':d=120:s=1080x1920:fps=30" \
  -pix_fmt yuv420p clip_01.mp4

여러 클립을 xfade로 이어붙입니다.

ffmpeg -i clip_01.mp4 -i clip_02.mp4 \
  -filter_complex "[0:v][1:v]xfade=transition=fade:duration=0.5:offset=3.5[v]" \
  -map "[v]" -an slideshow.mp4

6.3 Python에서 일괄 생성

# services/slideshow.py
import subprocess
from pathlib import Path

def render_slideshow(images: list[Path], duration_per: float, out: Path) -> Path:
    clips = []
    for idx, img in enumerate(images):
        clip = out.parent / f"clip_{idx:02d}.mp4"
        frames = int(duration_per * 30)
        vf = (
            f"scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920,"
            f"zoompan=z='min(zoom+0.0012,1.12)':d={frames}:s=1080x1920:fps=30"
        )
        subprocess.run([
            "ffmpeg", "-y", "-loop", "1", "-i", str(img),
            "-t", str(duration_per), "-vf", vf,
            "-pix_fmt", "yuv420p", str(clip),
        ], check=True)
        clips.append(clip)

    # 2장 이상이면 xfade 체인 (MVP는 concat demuxer로 단순화 가능)
    _concat_with_xfade(clips, out, fade=0.5)
    return out

템플릿별 차이:

template	전환	Ken Burns
clean	fade	약한 줌 (1.08)
bold	wipeleft	강한 줌 (1.18)
luxury	fadeblack	느린 줌 (1.05)

7. BGM — 잔잔하게, 음성은 또렷하게

7.1 믹싱 원칙

트랙	목표
나레이션	-16 ~ -14 LUFS, 중심
BGM	-24 ~ -18 LUFS, 음성 대비 -12~-18 dB

“잔잔히 깔린다”는 BGM이 존재감은 있되 가사·음성을 방해하지 않는 상태입니다. 업체 홍보 릴스에는 보컬 없는 로파이·어쿠스틱·앰비언트가 안전합니다.

7.2 BGM 라이브러리 운영

저작권 클리어 트랙만 (Artlist, Epidemic, 직접 제작 루프)
업종별 5~10곡 프리셋
루프 포인트 맞춘 30~60초 편집본 미리 준비

7.3 FFmpeg 믹스 + 덕킹

# voice.mp3 + bgm.mp3 → final_audio.mp3
ffmpeg -i voice.mp3 -i bgm.mp3 \
  -filter_complex "
    [1:a]volume=0.18,afade=t=in:st=0:d=1,afade=t=out:st=27:d=2[bgm];
    [0:a][bgm]amix=inputs=2:duration=first:dropout_transition=2,
    loudnorm=I=-16:TP=-1.5:LRA=11[aout]
  " -map "[aout]" final_audio.mp3

덕킹(고급): 음성 구간에서 BGM을 자동으로 더 낮춥니다.

# sidechaincompress — 음성이 나올 때 BGM 레벨 하락
ffmpeg -i voice.mp3 -i bgm.mp3 \
  -filter_complex "[1:a][0:a]sidechaincompress=threshold=0.02:ratio=6:attack=50:release=400[bgmduck];[0:a][bgmduck]amix=inputs=2:duration=first" \
  final_audio.mp3

8. 최종 합성 — 영상 + 음성 + 자막

ffmpeg -i slideshow.mp4 -i final_audio.mp3 \
  -vf "subtitles=subs.ass:fontsdir=./fonts" \
  -c:v libx264 -preset medium -crf 22 \
  -c:a aac -b:a 128k -shortest \
  -movflags +faststart \
  output_reels.mp4

shortest: 영상·음성 길이 맞춤
faststart: 모바일 스트리밍·업로드 최적화
폰트는 Noto Sans KR 등 상업 이용 가능 폰트 번들

8.1 Celery 작업으로 묶기

# tasks/reels.py
from celery import shared_task
from pathlib import Path

@shared_task(bind=True, max_retries=2)
def render_reels_job(self, job_id: str):
    job = ReelsJob.objects.get(pk=job_id)
    work = Path(f"/tmp/reels/{job_id}")
    work.mkdir(parents=True, exist_ok=True)

    script = job.script_text
    voice_path = synthesize_narration_sync(script, work / "voice.mp3", job.voice)
    duration = get_audio_duration(voice_path)

    srt = script_to_srt(split_sentences(script), duration, work / "subs.srt")
    ass = srt_to_ass(srt, template=job.template, work / "subs.ass")

    images = download_images(job.photo_urls, work / "img")
    slideshow = render_slideshow(images, duration / len(images), work / "slideshow.mp4")

    bgm = pick_bgm(job.bgm_track)
    final_audio = mix_audio(voice_path, bgm, duration, work / "final_audio.mp3")

    output = work / "output.mp4"
    burn_subtitles_and_mux(slideshow, final_audio, ass, output)

    url = upload_to_r2(output, key=f"reels/{job_id}.mp4")
    job.status = "done"
    job.output_url = url
    job.save()
    return url

9. Django Ninja API — 클라이언트 인터페이스

# api/reels.py
from ninja import Router
from tasks.reels import render_reels_job

router = Router()

@router.post("/jobs", response=ReelsJobOut)
def create_job(request, payload: ReelsJobIn):
    script = payload.script or generate_script(payload)
    job = ReelsJob.objects.create(
        business_name=payload.business_name,
        script_text=script,
        photo_urls=payload.photo_urls,
        voice=payload.voice,
        bgm_track=payload.bgm_track,
        template=payload.template,
        status="queued",
    )
    render_reels_job.delay(str(job.id))
    return {"id": job.id, "status": job.status}

@router.get("/jobs/{job_id}", response=ReelsJobOut)
def get_job(request, job_id: str):
    job = ReelsJob.objects.get(pk=job_id)
    return job

프론트(Next.js)는 폴링 또는 SSE로 status를 확인하고, done이면 미리보기·다운로드 링크를 표시합니다.

10. UI/UX — 업체가 쓰기 쉽게

10.1 3단계 마법사

정보 — 상호, 한 줄 소개, 연락처·위치
사진 — 드래그 정렬, 대표 사진 표시
스타일 — 보이스, BGM, 템플릿 미리듣기·미리보기

10.2 미리보기 전략

전체 렌더 전 3초 저해상도 프리뷰 (워터마크)
유료 플랜에서 워터마크 제거·1080p

10.3 인스타 업로드 연동 (선택)

Instagram API 가이드로 Graph API 컨테이너 업로드까지 연결하면 “제작→게시” 원스톱이 됩니다. 다만 앱 심사·비즈니스 계정 요건이 있으므로 MVP 이후 단계로 권장합니다.

11. 품질·비용·속도 튜닝

11.1 렌더 시간 목표

환경	30초 릴스 목표
로컬 M1/M2	20~40초
2 vCPU VPS	1~3분
GPU (NVENC)	10~20초

libx264 -preset veryfast는 MVP, 프로덕션은 medium + 큐 워커 스케일아웃.

11.2 비용 대략 (건당)

항목	30초 1건
OpenAI TTS (~100자)	₩50~150
스토리지·전송	₩10~30
컴pute (VPS 분)	₩20~80
합계	₩100~300

월 29,000원에 주 8건이면 건당 ₩900 미만 — 마진 설계 가능.

11.3 흔한 품질 이슈

증상	원인	해결
자막 잘림	세이프존 무시	MarginV↑
사진 흐림	업스케일 과다	원본 해상도 안내
음성 끊김	MP3 비트레이트 낮음	128kbps+
BGM 갑자기 끊김	루프 미처리	afade out + 루프 편집

12. 비즈니스·운영 체크리스트

12.1 법무·저작권

BGM 라이선스 문서 보관
업체 제공 사진 사용 권한 동의
AI 생성 음성·문구 이용약관 명시
허위·과장 광고 문구 필터 (의료·금융 등)

12.2 출시 전 기술 체크

9:16 1080p 일관 출력
한글 자막 iOS·Android 인스타 앱에서 가독성 확인
50MB 이하
실패 작업 재시도·알림
PII 로그 마스킹

12.3 90일 로드맵

기간	목표
1~2주	CLI로 사진+문구→MP4 1파이프라인
3~5주	Django API + Celery + S3
6~8주	웹 UI + 템플릿 3종 + 결제
9~12주	대행사·프랜차이즈 파일럿 3곳

13. 확장 아이디어

기능	가치
가게마다 보이스·색상 브랜딩	리텐션
리뷰 텍스트 → 릴스	UGC 활용
예약 시스템·IM웹 웹훅	신규 메뉴 자동 릴스
A/B 썸네일·첫 3초	전환율
유튜브 Shorts·틱톡 동시 출력	멀티 채널

AI Report 직원으로 주간 인스타 인사이트 + 다음 릴스 주제를 브리핑하면 운영도 자동화할 수 있습니다.

14. 정리

업체 홍보용 릴스 자동 제작기의 본질은 “편집 실력”을 “파이프라인”으로 바꾸는 것입니다.

짧은 스크립트 → AI 음성 → 사진 Ken Burns → 잔잔한 BGM 덕킹 → 릴스형 자막 → 9:16 MP4

FFmpeg 중심으로 프로덕션 품질을 확보하고
Celery로 렌더를 비동기화하며
템플릿·BGM·보이스 프리셋으로 업종별 차별화하고
월 구독 SaaS 또는 대행사 내부 툴로 수익화한다

오늘 당장은 서버 없이 로컬 Python 스크립트 하나로 사진 5장과 홍보 문구만 넣어 30초 MP4를 뽑아보세요. 그 한 파일이 전체 제품의 코어입니다.

업체 홍보용 릴스 자동 제작기 만들기 — AI 음성·BGM·자막·사진 전환까지 2026 완전 가이드

0. 결론부터: 릴스 자동 제작 파이프라인 5단계

1. 왜 “릴스 자동 제작기”인가

1.1 릴스가 로컬 비즈니스에 맞는 이유

1.2 제품 형태 3가지

2. 시스템 아키텍처

2.1 전체 구조

2.2 기술 스택 추천

2.3 출력 스펙 (인스타 릴스)

3. 입력 설계 — 무엇을 받을 것인가

3.1 최소 입력 스키마

3.2 스크립트 자동 생성 (선택)

3.3 사진 가이드 (업체에 안내할 체크리스트)

4. AI 음성(TTS) — 나레이션 만들기

4.1 TTS 엔진 선택

4.2 OpenAI TTS 예시

4.3 음성 톤 가이드 (업종별)

5. 자막 — 읽히게 만드는 법

5.1 릴스 자막 원칙

5.2 문장 단위 SRT 생성 (MVP)

5.3 ASS로 “릴스 스타일” 자막

6. 사진 자동 전환 — 슬라이드 + Ken Burns

6.1 타이밍 규칙

6.2 FFmpeg로 Ken Burns + 크로스페이드

6.3 Python에서 일괄 생성

7. BGM — 잔잔하게, 음성은 또렷하게

7.1 믹싱 원칙

7.2 BGM 라이브러리 운영

7.3 FFmpeg 믹스 + 덕킹

8. 최종 합성 — 영상 + 음성 + 자막

8.1 Celery 작업으로 묶기

9. Django Ninja API — 클라이언트 인터페이스

10. UI/UX — 업체가 쓰기 쉽게

10.1 3단계 마법사

10.2 미리보기 전략

10.3 인스타 업로드 연동 (선택)

11. 품질·비용·속도 튜닝

11.1 렌더 시간 목표

11.2 비용 대략 (건당)

11.3 흔한 품질 이슈

12. 비즈니스·운영 체크리스트

12.1 법무·저작권

12.2 출시 전 기술 체크

12.3 90일 로드맵

13. 확장 아이디어

14. 정리

참고 자료

관련 글

이 글을 공유해보세요!

관련 포스트

Django Ninja로 커뮤니티 기능 만들기 — 글·댓글·좋아요, 시니어가 신경 쓰는 설계 2026

동물 캐릭터 릴스 효율 제작 & 코딩 자동화 — 2D 마스코트부터 AI 파이프라인까지 2026