유튜브 쇼츠, 릴스, 틱톡 등 숏폼 콘텐츠를 제작할 때 고품질 AI 음성을 사용하려면 ElevenLabs 같은 유료 서비스에 매월 적지 않은 구독료를 지불해야 합니다.

크리에이터 simon.dsgn 님이 공개한 **Qwen3-TTS 기반 무료 목소리 복제 & 영상 제작 워크플로우**는 상업적 이용이 가능한 고품질 오픈소스 모델 Qwen3-TTS와 코딩 에이전트(Claude Code / Codex), 리액트 기반 비디오 생성 도구 Remotion, 음성인식 Whisper를 연동하여 단 10분 만에 내 목소리 나레이션 영상과 싱크 자막을 완성하는 실전 파이프라인을 제공합니다.

Sources

1. Qwen3-TTS + Remotion 영상 제작 파이프라인

flowchart TD
    classDef voiceNode fill:#c5dcef,stroke:#2b6cb0,stroke-width:1.5px,color:#333;
    classDef ttsNode fill:#e0c8ef,stroke:#6b46c1,stroke-width:1.5px,color:#333;
    classDef videoNode fill:#fde8c0,stroke:#d69e2e,stroke-width:1.5px,color:#333;
    classDef outNode fill:#c0ecd3,stroke:#38a169,stroke-width:1.5px,color:#333;

    Voice["1. 30초 내 목소리 녹음"] --> Prompt["2. Claude Code / Codex 프롬프트 지시"]
    Prompt --> Qwen["3. Qwen3-TTS 목소리 복제 & 나레이션 생성"]
    Qwen --> Remotion["4. Remotion 비디오 씬 렌더링"]
    Remotion --> Whisper["5. Whisper 자막 싱크 자동 생성"]
    Whisper --> Result["상업적 이용 가능 고품질 영상 완성"]

    class Voice voiceNode;
    class Prompt,Qwen ttsNode;
    class Remotion,Whisper videoNode;
    class Result outNode;

2. 10분 완성 4단계 실전 프로세스

  1. 30초 목소리 샘플 녹음:
    • 조용한 공간에서 마이크나 스마트폰으로 자연스럽게 30초가량 목소리를 녹음하여 오디오 파일(sample.wav)로 준비합니다.
  2. Claude Code / Codex 에이전트 프롬프트 지시:
    • CLI 에이전트에게 다음과 같이 지시하여 전체 파이프라인을 구동합니다:

      “Qwen3-TTS 모델 활용해서 sample.wav 내 목소리 복제하고 대본 나레이션 음성 파일로 생성해줘.”

  3. Remotion 기반 코드 비디오 렌더링:
    • React 컴포넌트 기반 비디오 제작 프레임워크인 Remotion을 통해 타이포그래피, 배경 전환, 그래픽 요소를 코드로 즉시 비디오 씬으로 조립합니다.
  4. Whisper 자막 싱크 자동화:
    • OpenAI의 Whisper 모델을 연동하여 생성된 음성의 단어별 시작/종료 타임스탬프를 추출하고, Remotion 비디오 씬에 정밀한 자막을 자동으로 입힙니다.

3. 시사점

고액의 상용 SaaS 구독 없이, Qwen3-TTS(음성 복제) + Remotion(비디오 렌더링) + Whisper(자막 추출)를 에이전트 CLI로 오케스트레이션하여 100% 무료이면서도 상업적 이용이 가능한 콘텐츠 자동화 스튜디오를 구축할 수 있습니다.