Fable 5가 게임 코드를 짜줘도 에셋은 남는다: sprite-gen, perfectPixel, Kenney를 함께 봐야 하는 이유

이 Shorts가 재밌는 이유는 “요즘 AI로 게임 쉽게 만든다”는 말을 그대로 반복하지 않는다는 데 있습니다. 오히려 반대로, 코드는 빨라졌는데 에셋은 여전히 어렵다 는 현실을 짚습니다. 자막 초반부터 최근 Fable 5 같은 모델 덕분에 프롬프트 한 번으로 돌아가는 게임을 구현하는 모습도 보이지만, 실제 게임 제작에서 늘 막히는 건 에셋이라고 말합니다. 영상 0:00 영상 0:09

이 영상이 소개하는 sprite-gen, perfectPixel, Kenney는 각각 다른 층의 문제를 푸는 도구입니다. 하나는 생성, 하나는 정렬과 후처리, 하나는 처음부터 쓸 수 있는 기반 에셋 에 가깝습니다. 세 개를 함께 보면 “AI 게임 개발”의 병목이 단순히 모델 성능이 아니라 에셋 파이프라인의 품질 이라는 점이 더 잘 보입니다.

Sources

• YouTube Shorts - 게임 제작할 때 이런 것들 한번 써보세요! sprite-gen, perfectPixel, kenney
• GitHub - aldegad/sprite-gen
• GitHub - theamusing/perfectPixel
• Kenney Assets
• Kenney Support - licensing

1. AI 게임 개발의 진짜 병목은 코드가 아니라 “움직이는 에셋”이다

자막은 최근 Fable 5가 나와 프롬프트 한 방에 돌아가는 게임을 구현하는 모습도 봤지만, 게임을 만들 때 가장 고민되는 건 에셋이라고 말합니다. 특히 2D 게임에서는 움직이는 캐릭터, 도트 느낌 이미지, 스프라이트가 중요하다고 짚습니다. 영상 0:03 영상 0:15

이건 꽤 정확한 지적입니다. AI 코드 생성은:

• 게임 루프
• 상태 관리
• 입력 처리
• UI 연결

같은 부분을 많이 가속하지만, 플레이어가 실제로 보는 결과는 결국 일관된 시각 자산과 애니메이션 위에서 결정됩니다. 특히 2D 게임에서는 캐릭터가 한 프레임씩 자연스럽게 이어지고, 투명 배경이 깨끗하며, 그리드가 맞고, 아이소메트릭이면 바닥 축도 맞아야 합니다.

flowchart TD
    A["AI 게임 개발"] --> B["코드 생성은 빨라짐"]
    A --> C["에셋 파이프라인은 여전히 병목"]
    C --> D["스프라이트 생성"]
    C --> E["그리드 정렬"]
    C --> F["애니메이션 연결"]
    C --> G["기반 에셋 확보"]

    classDef root fill:#c5dcef,color:#333,stroke:#5b8db8,stroke-width:1px;
    classDef codeTone fill:#c0ecd3,color:#333,stroke:#5ca379,stroke-width:1px;
    classDef assetTone fill:#ffc8c4,color:#333,stroke:#c46b6b,stroke-width:1px;

    class A root;
    class B codeTone;
    class C,D,E,F,G assetTone;

즉 이 Shorts는 “AI로 게임 만든다”를 보여 주는 영상이 아니라, AI가 코드는 해결해도 에셋 공정은 별도 전략이 필요하다 는 걸 알려 주는 짧은 안내문에 가깝습니다.

2. sprite-gen은 “AI에게 스프라이트 시트를 시키면 왜 망가지는가”를 정면으로 푸는 도구다

자막은 첫 번째 도구로 sprite-gen을 소개하면서, 그냥 AI에게 스프라이트를 만들어 보라고 하면 실제 애니메이션으로 만들었을 때 잘 안 되는 경우가 많다고 설명합니다. 움직임이 매끄럽게 이어져야 하는데 AI가 만든 프레임은 이상한 경우가 많기 때문입니다. 영상 0:25 영상 0:32

sprite-gen README는 이 문제를 더 노골적으로 설명합니다. 이미지 모델에게 “sprite sheet”를 요청하면 프레임마다 얼굴이 바뀌고, 배경이 남고, 포즈가 겹치고, 엔진이 바로 쓸 수 없는 PNG가 나온다고 말합니다. 그리고 이 저장소는 그 간극을 메우기 위해:

• row 단위 생성
• 캐릭터 정체성 고정
• chroma background 제거
• pose별 clean transparent frame 추출
• runtime atlas + machine-readable manifest 생성

을 제공한다고 설명합니다. sprite-gen README

flowchart TD
    A["기본 캐릭터 이미지"] --> B["상태별 row 생성"]
    B --> C["배경 제거 / alpha 정리"]
    C --> D["프레임 추출"]
    D --> E["runtime atlas 생성"]
    E --> F["manifest.json.frame_layout"]

    classDef input fill:#c5dcef,color:#333,stroke:#5b8db8,stroke-width:1px;
    classDef process fill:#c0ecd3,color:#333,stroke:#5ca379,stroke-width:1px;
    classDef out fill:#e0c8ef,color:#333,stroke:#8b6fb3,stroke-width:1px;

    class A input;
    class B,C,D,E process;
    class F out;

즉 sprite-gen은 “스프라이트를 더 예쁘게 만들어 주는 AI”가 아니라, 생성 모델의 불안정한 출력을 게임 엔진이 쓸 수 있는 스프라이트 자산으로 바꾸는 파이프라인 에 가깝습니다.

3. 이 도구의 진짜 포인트는 생성보다도 “큐레이션 웹뷰”에 있다

ZeroCho가 영상에서 말하는 핵심 중 하나는 이런 라이브러리들이 후처리까지 진행해서 훨씬 더 자연스럽게 나온다는 점입니다. 영상 1:07

sprite-gen README도 비슷한 메시지를 더 상세히 적습니다. 생성이 90%를 만들어 주더라도 마지막 10%는 사람의 큐레이션이 필요하고, 이를 위해 웹뷰에서:

• 프레임 비교
• 개별 프레임 선택/거절
• 비파괴적 이동/회전/스케일/시어 조정
• 라이브 루프 미리보기

를 제공한다고 설명합니다. sprite-gen README

flowchart TD
    A["AI가 만든 프레임 세트"] --> B["큐레이션 웹뷰"]
    B --> C["문제 프레임 제거"]
    B --> D["위치/회전/스케일 보정"]
    B --> E["루프 미리보기"]
    C --> F["최종 베이크"]
    D --> F
    E --> F

    classDef ai fill:#c5dcef,color:#333,stroke:#5b8db8,stroke-width:1px;
    classDef human fill:#fde8c0,color:#333,stroke:#c89d42,stroke-width:1px;
    classDef out fill:#c0ecd3,color:#333,stroke:#5ca379,stroke-width:1px;

    class A ai;
    class B,C,D,E human;
    class F out;

이 구조는 중요한 함의를 갖습니다. 결국 게임 에셋 생성에서 문제는 “AI가 만들어 주느냐”보다, AI가 만든 것을 인간이 빠르게 고를 수 있느냐 입니다. sprite-gen은 생성기를 넘어, 그 고르는 시간을 줄이는 품질 관리 레이어까지 포함하고 있습니다.

4. perfectPixel은 생성이 아니라 “정렬” 문제를 푼다

영상의 두 번째 도구 perfectPixel은 도트 애니메이션을 어색함 없이 만들어 준다고 설명됩니다. 직접 만들어 보면 왜 이런 라이브러리가 존재하는지 알 수 있다고 말하면서, 특히 후처리 덕분에 더 자연스럽게 나온다고 강조합니다. 영상 0:51 영상 1:09

공식 README는 이 도구의 초점을 더 분명히 말합니다. AI가 만든 픽셀 스타일 이미지는 셀 크기가 들쭉날쭉하고, 그리드가 비정사각형이거나 흔들려서 일반 스케일링으로는 샘플링이 잘 안 된다고 설명합니다. perfectPixel은:

• 자동 grid size 감지
• 그리드 정렬
• aligned pixel-perfect 결과 생성

을 제공한다고 말합니다. perfectPixel README

또한 알고리즘 설명도 공개되어 있습니다.

1. FFT magnitude로 grid size 탐지
2. Sobel edge로 그리드를 edge에 맞게 refinement
3. 그리드 기준으로 원본 샘플링

perfectPixel README

flowchart TD
    A["AI pixel-style 이미지"] --> B["FFT로 grid size 탐지"]
    B --> C["Sobel edge로 grid 보정"]
    C --> D["grid 기준 재샘플링"]
    D --> E["pixel-perfect 결과"]

    classDef input fill:#c5dcef,color:#333,stroke:#5b8db8,stroke-width:1px;
    classDef process fill:#c0ecd3,color:#333,stroke:#5ca379,stroke-width:1px;
    classDef out fill:#e0c8ef,color:#333,stroke:#8b6fb3,stroke-width:1px;

    class A input;
    class B,C,D process;
    class E out;

즉 perfectPixel은 생성 모델을 대체하지 않습니다. 대신 생성 모델이 뿌린 픽셀을 실제 격자 위로 다시 앉히는 정렬기 라고 보는 편이 맞습니다.

5. sprite-gen과 perfectPixel은 비슷해 보여도 푸는 문제가 다르다

짧은 영상만 보면 둘 다 “게임용 픽셀아트 보정 도구”처럼 보이지만, 실제 역할은 다릅니다.

flowchart TD
    A["에셋 파이프라인 문제"] --> B["애니메이션 가능한 스프라이트 필요"]
    A --> C["격자에 맞는 깔끔한 픽셀 필요"]

    B --> D["sprite-gen"]
    C --> E["perfectPixel"]

    D --> F["프레임/상태/아틀라스/매니페스트"]
    E --> G["그리드 감지/정렬/리샘플링"]

    classDef problem fill:#c5dcef,color:#333,stroke:#5b8db8,stroke-width:1px;
    classDef tool fill:#c0ecd3,color:#333,stroke:#5ca379,stroke-width:1px;
    classDef out fill:#e0c8ef,color:#333,stroke:#8b6fb3,stroke-width:1px;

    class A,B,C problem;
    class D,E tool;
    class F,G out;

• sprite-gen은 캐릭터를 움직이는 프레임 자산 으로 만드는 문제를 푼다
• perfectPixel은 이미 픽셀 스타일인 이미지를 격자에 맞게 정돈하는 문제 를 푼다

그래서 이 둘은 경쟁 관계라기보다, 경우에 따라 연결해서 쓰는 연속 공정 으로 보는 편이 더 자연스럽습니다.

6. Kenney는 “AI가 만들기 전에 쓸 수 있는 기반 에셋”이라는 세 번째 해법이다

영상 마지막에서는 그냥 기반 에셋 하나로 Kenney를 소개합니다. 미니맵, 3D/2D, 타워 디펜스, 자동차, 텍스처 팩 등 무료 팩이 많고, 이런 기반 팩이 있으면 GPT 이미지 등에 “이걸 기반으로 45도 돌려 줘” 같은 식으로 재창조할 수 있다고 설명합니다. 영상 1:17 영상 1:26

공식 Kenney 자산 페이지를 보면 실제로:

• 2D
• 3D
• UI
• Audio
• Pixel
• Textures

카테고리로 나뉜 대규모 무료 에셋 라이브러리가 있고, Factory Kit, Input Prompts, Car Kit, Platformer Kit, Retro Textures Fantasy 같은 팩이 공개돼 있습니다. Kenney Assets

또한 지원 페이지는 asset pages의 게임 에셋이 CC0(public domain) 라이선스라고 설명합니다. Kenney Support

flowchart TD
    A["Kenney 기반 에셋"] --> B["바로 사용"]
    A --> C["참고용 레퍼런스"]
    A --> D["AI 재생성의 출발점"]

    classDef asset fill:#c0ecd3,color:#333,stroke:#5ca379,stroke-width:1px;

    class A,B,C,D asset;

이게 중요한 이유는, 모든 것을 AI로 처음부터 생성하려 하지 않아도 되기 때문입니다. 특히 게임 에셋에서는 기반 팩 → 수정 → 조합 → 일부 AI 보강 이 오히려 더 빠르고 안정적인 경우가 많습니다.

7. 그래서 이 세 도구는 “생성-정렬-기반 에셋”의 세 층을 이룬다

이 Shorts가 은근히 좋은 이유는 세 도구가 서로 다른 층을 채운다는 점입니다.

flowchart TD
    A["게임 에셋 제작"] --> B["기반 에셋 확보"]
    A --> C["AI 생성"]
    A --> D["정렬/후처리"]
    A --> E["애니메이션화"]

    B --> F["Kenney"]
    C --> G["image model / GPT 이미지 등"]
    D --> H["perfectPixel"]
    E --> I["sprite-gen"]

    classDef root fill:#c5dcef,color:#333,stroke:#5b8db8,stroke-width:1px;
    classDef layer fill:#c0ecd3,color:#333,stroke:#5ca379,stroke-width:1px;
    classDef model fill:#fde8c0,color:#333,stroke:#c89d42,stroke-width:1px;

    class A root;
    class B,D,E,F,H,I layer;
    class C,G model;

이 구조를 보면 왜 ZeroCho가 “이런 라이브러리들이 왜 존재하는지 직접 해 보면 안다”고 말했는지가 분명해집니다. 영상 1:01

AI 모델은 멋진 한 장 이미지를 잘 만들 수 있습니다. 하지만 게임 개발자는 한 장 그림이 아니라:

• 프레임 간 일관성
• 투명 배경
• 엔진이 읽을 수 있는 atlas
• 그리드 정렬
• 재사용 가능한 기본 팩

이 필요합니다. 즉 게임 에셋 문제는 “이미지 생성”보다 훨씬 더 생산공학적인 문제입니다.

핵심 요약

• 이 Shorts는 AI 게임 개발의 진짜 병목이 코드가 아니라 에셋 파이프라인 임을 짚습니다.
  
• sprite-gen은 불안정한 생성 이미지를 게임 엔진이 쓸 수 있는 스프라이트 아틀라스와 매니페스트로 바꾸는 도구입니다.
  
• perfectPixel은 AI 픽셀 이미지의 흔들린 그리드를 자동 탐지·보정해 픽셀 퍼펙트 결과를 만드는 정렬 도구입니다.
  
• Kenney는 공짜로 쓸 수 있는 기반 에셋 라이브러리이자, AI 재생성의 레퍼런스 출발점 역할을 합니다.
  
• 세 도구를 함께 보면, AI 게임 개발은 모델 성능 문제가 아니라 생성·정렬·기반 에셋 확보를 잇는 공정 설계 문제 로 보입니다.

결론

Fable 5 같은 모델이 게임 코드를 빠르게 짜 주는 시대에도, 완성도 있는 게임을 만드는 데서 가장 고통스러운 부분은 여전히 에셋일 수 있습니다. 그리고 이 영상이 좋은 이유는 그 문제를 막연한 불평이 아니라, 세 가지 다른 층의 도구 로 나눠 보여 주기 때문입니다.

결국 게임 제작에서 중요한 건 “AI가 얼마나 멋진 그림을 만들 수 있나”보다, 그 그림을 실제 플레이 가능한 자산으로 어떻게 바꿀 것인가 입니다. sprite-gen, perfectPixel, Kenney는 바로 그 간극을 메우는 서로 다른 해법들입니다.