Seedance 2.0 fast로 영상 만들 때도 reshoot이 있다 — 한 번 촬영으로 끝나지 않는 production

📡 이 글은 BytePlus Seedance 2.0 fast로 영상을 만드는 사용자를 위한 글입니다. Real Human Asset 등록·face matcher 일관성 검증은 API 사용자뿐 아니라 ModelArk 콘솔 사용자도 동일하게 거치는 단계입니다. "첫 촬영으로 등록한 asset 풀이 비트마다 필요한 표정·의상을 다 커버하지 못한다"는 사실은 어느 인터페이스로 작업하든 똑같이 적용됩니다.

"한 번 찍으면 끝"이 아니다

처음 AI로 영상을 만들기 시작할 때 가졌던 가정은 단순했습니다. "한 시간 정도 잡고 우리 아이 사진을 다양하게 찍어 두면, 그 다음부터는 prompt와 모델 조절로 클립을 양산할 수 있다." 일반적인 사진 촬영의 멘탈 모델 — 시간 정해 두고 한 번 찍으면 그 결과물로 한참 쓰는 — 이 그대로 옮겨왔던 거죠.

실제로 production에 들어가 보니 이 가정이 흔들렸습니다. 첫 촬영 18장은 모두 어떤 형태로든 쓰입니다. 다만 쓰임이 갈립니다.

• 정면 컷 (약 10장) — Real Human Asset 등록. face matcher가 첫 사진을 기준 삼아 일관성을 검증하므로, 정면 표준 컷이 한 인물의 핵심 자산이 됩니다. 같은 인물이 여러 클립에서 같은 얼굴로 등장하려면 이 asset이 필수입니다.
• 측면·뒷모습 (약 8장) — i2v 직접 입력. 얼굴이 식별되지 않아 asset 등록은 안 됩니다. 그런데 바로 그 이유로 face filter가 트리거되지 않아 i2v 입력으로는 그대로 쓸 수 있습니다. 인물이 특정되지 않는 "걷는 뒷모습", "옆에서 바라보는 컷" 같은 광경 비트에 그대로 투입됩니다.

즉 쓸 수 없는 사진은 거의 없습니다. 진짜 문제는 다른 곳에 있습니다 — 등록된 asset이 비트마다 필요한 표정·의상을 다 커버하지 못한다는 점입니다. 1차 촬영의 정면 컷들은 대부분 "중립 표정 + 한 가지 의상"에 몰려 있기 마련이라, 결의 비트·웃음 비트·놀란 비트마다 쓸 asset이 부족합니다. 이걸 해결하려면 같은 인물의 다른 표정·다른 의상을 새 asset으로 추가 등록해야 합니다.

결국 한 가지 결론으로 수렴했습니다 — AI 영상에는 reshoot이 있다. 영화 production에서 reshoot이 일정의 일부로 들어가는 것처럼, AI 영상도 표정·의상 variation asset을 보강하는 cycle을 default로 잡아야 합니다.

반복 촬영을 production cycle에 끼워 넣기

다이어그램이 가리키는 핵심은 두 가지입니다. (1) 첫 생성 결과를 받기 전까지는 등록한 asset 풀이 어떤 비트엔 충분하고 어떤 비트엔 부족한지 알 수 없습니다. 통계적 일반론이 있어도, 우리 인물의 특정 표정·의상 부족은 첫 생성을 돌려봐야 드러납니다. (2) 그래서 첫 생성과 보충 촬영 사이의 짧은 사이클이 본 production 이전에 끼어들어야 합니다. 사이클이 끝나야 asset 풀이 안정되고, 그 다음에야 비용 효율적인 양산이 시작됩니다.

asset 풀의 "표정·의상 커버리지"를 데이터로 관리하기

촬영을 두 번 세 번 거치다 보면 같은 인물 풀에 어떤 표정·의상이 이미 있고 어떤 게 비어 있는지 감이 잡힙니다. 이걸 사람의 머릿속에만 두지 말고 데이터로 누적해 두면 다음 촬영의 가이드가 됩니다.

# references/asset_log.json
{
  "son": [
    {
      "asset_id": "asset-acct-k26nj-001",
      "source": "shoot_2026_04_25",
      "framing": "medium",
      "angle": "front",                    # 정면 → asset 등록 가능
      "lighting": "soft_natural",
      "expression": "neutral",
      "outfit": "white_tshirt",
      "registered_as_asset": true,
      "face_match_baseline": 1.0,          # 이 인물 풀의 baseline
      "use_case": "기본 정면 비트의 reference"
    },
    {
      "asset_id": "asset-acct-k26nj-002",
      "source": "shoot_2026_05_09",
      "framing": "medium",
      "angle": "three_quarter",
      "lighting": "indoor_warm",
      "expression": "happy_action",        # ← 1차에 없던 표정 보강
      "outfit": "blue_jacket",             # ← 1차에 없던 의상 보강
      "registered_as_asset": true,
      "face_match_to_baseline": 0.92,      # 첫 asset과 일관성
      "use_case": "결의·웃음 비트용"
    },
    {
      "source": "shoot_2026_04_25_back",
      "framing": "wide",
      "angle": "back",                     # 뒷모습 → asset 등록 불가
      "registered_as_asset": false,
      "use_case": "i2v 직접 입력 — 인물 특정 없는 광경 컷"
    }
  ]
}

이 JSON은 단순한 자산 목록이 아니라 "우리 인물 풀에 어떤 표정·의상이 이미 있고 무엇이 비어 있는지를 보는 커버리지 지도"입니다. 새 asset을 등록할 때, 그리고 i2v 직접 입력용 사진을 모을 때마다 같은 스키마로 기록합니다. 한 사람당 항목이 10개쯤 쌓이면 다음 촬영 때 어떤 표정·각도·의상이 비어 있는지가 데이터로 보입니다. BytePlus가 알려주지 않는 정보 — 우리 인물 풀의 커버리지 — 를 직접 누적하는 거죠.

결과 — 일정과 사이클이 동시에 짧아진다

reshoot을 cycle 안에 끼워 넣은 뒤로 두 가지가 동시에 좋아졌습니다.

• production 전체 일정의 예측 가능성이 올라갑니다. "어차피 2차 촬영이 들어간다"고 가정하면 1차 촬영 직후 캘린더에 2차 촬영 한 시간을 미리 잡아두게 됩니다. 보충이 필요해서 부랴부랴 일정을 다시 짜는 일이 줄어듭니다.
• 비트 부족 사이클이 줄어듭니다. asset 풀이 부실한 채로 prompt만 만지작거리면서 어색한 비트를 반복하는 시간 대신, 2차 촬영으로 표정·의상 자산을 보강하는 게 훨씬 빠른 해결이 됩니다.

마지막으로 한 가지 — asset 등록은 첫 촬영 직후에 바로 해 두는 게 좋습니다. 정면 컷이 face matcher의 baseline이 되고, 측면·뒷모습은 asset 등록 대신 i2v 직접 입력 풀로 분류됩니다. asset 풀에 어떤 표정·의상이 이미 들어왔는지 빨리 확인할수록, 2차 촬영에서 무엇을 추가로 모아야 할지가 빨리 보입니다. 영상 한 편을 처음 만들어 보면서 가장 의외였던 production lesson은 사실 모델보다 사람이 더 자주 일정에 들어와야 한다는 사실이었습니다. AI는 마법이 아니라 도구이고, 도구의 입력은 결국 사람이 만듭니다.

---

이 글은 생성형 AI의 도움을 받아 작성되었습니다. 원본 자료를 기반으로 AI가 초안을 생성하고, 작성자가 검토·편집하였습니다.