힉스필드, 실제 배우 출연한 110분 AI 장편영화 공개

캐릭터 시트, 세 장으로 얼굴을 고정하다

제작팀이 공개한 방식에 따르면 캐릭터 하나마다 정면 전신, 후면 전신, 3/4 각도 클로즈업 초상 세 장으로 시트를 만든다. 전신 컷에서는 얼굴을 아예 지운다. 와이드샷에서는 얼굴이 작고 흐릿해서 모델이 그 흐릿한 얼굴을 그대로 베껴 넣기 때문이다. 얼굴은 오직 클로즈업 초상에서만 가져오도록 못 박았고, 이 초상도 미소 짓는 컷과 무표정 컷 두 장을 따로 만들었다. 그렇지 않으면 모델이 이빨을 제멋대로 그려 넣어 다른 사람 입처럼 보이는 문제가 생긴다고 설명했다. 완성된 에셋은 다른 포즈·조명으로 10번 생성해 10번 다 알아볼 수 있는지 확인하는 스트레스 테스트를 거쳤다.

주인공 한 명이 겪는 상태 변화마다 별도 에셋을 만드는 것도 규칙이다. 깨끗한 재킷 차림, 템스강에 젖은 모습, 3막에서 눈썹이 찢어지고 흰 티셔츠에 피가 묻은 모습을 하나의 에셋에 메모로 묶지 않고 세 개로 쪼갰다. 힉스필드는 "나누는 게 다투는 것보다 싸다(Splitting is cheaper than arguing)"고 정리했다.

목소리와 시대, 프롬프트에 못 박은 것들

목소리는 에셋이 아니라 억양·템포·말투를 정확히 적은 조건 문장으로 취급했다. 이 문장은 인물이 대사를 할 때마다 오디오 입력란에 토씨 하나 안 바꾸고 그대로 붙여 넣는다. 표현을 살짝만 바꿔도 모델이 샘플링하는 범위가 넓어지며 목소리가 흔들리기 때문이라고 한다. 억양은 "th going to f and v, dropped h, glottal t, -ing to -in'"(th 발음이 f·v로, h 탈락, 성문 파열음 t, -ing이 -in'으로) 식으로 음성학적으로 문장 안에 직접 적어 넣었다.

시대 설정도 규칙으로 못 박았다. 2011년 이후 물건은 화면에 아예 등장시키지 않는다는 것이다. 모델은 기본적으로 화면을 오늘날 풍경 쪽으로 끌어당기는 경향이 있어, 여지를 주면 군중 속 엑스트라가 아이폰을 들고 있는 장면이 튀어나온다고 설명했다.

텍스트만으로 찍은 촬영 규칙

장소는 정면 사진 대신 카메라가 천천히 이동하는 빈 공간 영상을 먼저 생성해, 그 화면을 기준으로 방의 다른 면을 모델이 그리게 하는 방식을 썼다. 그리고 영화 전체가 지키는 조건 하나는 텍스트-투-비디오만 쓰고 이미지를 시작 프레임으로 넣지 않는다는 것이다. 모든 장면을 참조 에셋과 텍스트만으로 만들었다는 뜻이다.

복도 장면 하나에는 여러 규칙이 겹쳐 들어갔다. 대사는 "Pull it, Oli."(그거 당겨, 올리) 정확히 세 단어로 고정했고, 인물 간 신장 차이는 "Horace's eye-line at the level of Cal's mouth"(호레이스의 눈높이가 캘의 입 높이)처럼 구체적으로 적었다. 화면 밖 사건은 나오면 안 되는 것들의 목록으로 썼고, 두 인물의 반응은 절대 동시에 일어나지 않게 지시했다.

노래 장면에서는 모델에게 노래를 시키지 않았다. 트랙을 먼저 녹음해 12초 단위로 잘라 파일로 넣고, 그 파일에 "THE TRACK THEY ARE PERFORMING"(이들이 부르고 있는 바로 그 트랙)이라고 표시했다. 앞서 썼던 "audio guide, for sync only"(싱크 맞춤용 오디오 가이드)라는 표현은 맞는 말이었지만 결과물이 나오지 않았다고 한다. 자동차 안 격투 장면처럼 두 몸이 계속 붙어 있는 장면은 모델이 감당하지 못해, 스턴트 배우를 불러 실제 자동차에서 아이폰으로 촬영한 뒤 그 영상을 모션 레퍼런스로 넣었다.

137번의 반복과 다섯 가지 원칙

제작은 장면별로 배치 생성했고, 한 번에 한 줄만 바꾸는 방식으로 137건의 생성 로그를 남겼다. 버전, 바뀐 내용, 결과 판정을 모두 기록해 어떤 버전이 문제였는지 추적했다고 한다. 10~15번을 반복해도 안 되면 문구가 아니라 장면 자체를 쪼개거나 단순화해야 한다는 원칙도 세웠다.

영역	핵심 규칙	이유
얼굴	클로즈업 초상에서만 얼굴 추출, 미소·무표정 각 1장	와이드샷 얼굴 왜곡 방지
목소리	조건 문장을 매번 토씨 그대로 붙여넣기	표현 변경 시 목소리 흔들림
시대	2011년 이후 사물 전면 금지	모델이 오늘날 풍경으로 끌어당김
촬영	텍스트-투-비디오만, 시작 프레임 없음	컷 간 연속성 확보
노래	사전 녹음 후 12초 블록 파일로 삽입	모델이 노래를 직접 못 부름
격투	스턴트 촬영 후 모션 레퍼런스로 사용	밀착 신체 접촉 재현 실패

영화 전체를 지탱하는 다섯 원칙도 함께 공개했다. 에셋을 모두 잠근 뒤에야 생성을 시작하고, 모델은 기억이 없으니 매번 모든 것을 다시 묘사하며, 한 번에 하나만 바꾸고, 모델에게 방이 아니라 구석 하나만 내주며, 장면이 안 나오면 문구가 아니라 장면 자체를 단순화한다는 것이다.

힉스필드는 이 제작에 쓰인 프롬프트와 에셋 전부를 자사 프로젝트 페이지에 공개해, 캐릭터 시트 구조부터 억양 표기법, 오디오 삽입 방식까지 그대로 가져다 쓸 수 있게 했다고 밝혔다.

에디터의 시선

지난 8월 14일 힉스필드가 Cinema Studio 4로 만든 단편 '아딜리아다'를 봤을 때는 짧은 SF 코미디였다. 이번 '더 컬리힐 보이즈'는 110분짜리 장편이고, 실제 UFC 파이터와 스트리머의 얼굴·목소리를 계약으로 사들여 붙였다. 같은 회사가 두 달 사이 단편에서 장편으로, 가상 캐릭터에서 실존 인물 초상권 확보로 체급을 올린 셈이다. 흥미로운 건 이 흐름이 런웨이가 AIF 2026 서울 상영회에서 보여준 것과 정확히 같은 방향이라는 점이다. 지난 8월 7일 우리가 취재했던 그 자리에서도 관건은 캐릭터를 유지하는 기술이 아니라 무엇을 남기고 자를지 정하는 편집 감각이었는데, 힉스필드가 이번에 공개한 137건의 반복 로그와 다섯 원칙은 그 편집 감각을 문서화한 결과물에 가깝다.

실무적으로 이 스레드에서 가장 값진 대목은 캐릭터 시트를 세 장으로 쪼개고 클로즈업에서만 얼굴을 가져오라는 규칙, 그리고 목소리 조건문을 토씨 하나 안 바꾸고 복사 붙여넣기 하라는 규칙이다. AI 영상을 다뤄본 사람이라면 안다 — 같은 캐릭터가 컷마다 미묘하게 다른 얼굴로 나오는 문제는 대부분 시트 자체가 아니라 시트에서 얼굴을 뽑아내는 지점의 설계 실수에서 생긴다. 이 팀이 10번 생성해 10번 다 알아볼 수 있는지 테스트하는 방식은 개인 크리에이터도 오늘 바로 따라 할 수 있는 검증법이다. 반대로 노래·격투처럼 모델이 아직 못 하는 영역에서 억지로 텍스트만으로 밀어붙이지 않고 실사 촬영을 모션 레퍼런스로 끌어온 판단도 배울 점이다 — AI 영상 제작의 현재 실력은 '모델이 못 하는 것을 알아채는 눈'에서 갈린다.

다만 이 모든 기술 디테일과 별개로 짚어야 할 건 소재 선택이다. 실존 UFC 파이터와 스트리머의 얼굴을 계약으로 사들여 픽션 속 범죄 서사에 입혔다는 사실 자체가, 초상권 거래가 영화 캐스팅의 한 축으로 자리 잡기 시작했다는 신호다. 앞으로 몇 주 안에 다른 AI 영상 플랫폼들도 비슷한 '실제 유명인 초상 계약 + 오픈소스 프롬프트 공개' 조합을 따라 할 가능성이 크다 — 콘텐츠 자체보다 그 계약 구조와 프롬프트 워크플로가 이 업계의 다음 표준이 될 것이다.