[콜로소 체험단 리뷰 2주차] 양갱의 "AI와 UE로 끝내는 초고효율 실무형 3D 모델링 워크플로우" — ChatGPT부터 캐릭터 베리에이션까지
Dr. Dan2026. 4. 7. 10:17
들어가며
지난 1주차 후기에서는 미드저니의 기본 사용법과 캐릭터 컨셉 원화 생성 워크플로우를 다뤘다. 이번 2주차 후기에서는 강의 03의 후반부(ChatGPT 활용)와 04(컨셉 정리·스타일 가이드 제작) 파트를 집중적으로 살펴본다. 1주차가 "AI로 캐릭터를 처음 만드는 법"이었다면, 2주차는 "만들어진 캐릭터를 어떻게 자유자재로 변형·확장할 것인가"에 대한 실무 노하우 모음이라 할 수 있다.
특히 이번 후기에서는 강의 내용을 단순히 요약하는 데 그치지 않고, 직접 실습 결과물을 재현해서 함께 공유한다. 미드저니 외 도구로도 동일한 워크플로우가 통하는지, 결과물의 질은 어떻게 차이 나는지 확인하는 비교 실험의 의미도 있다.
본 리뷰는 콜로소 체험단 활동의 일환으로 작성된 솔직한 수강 후기입니다.
2주차 강의 한눈에 보기
강의 회차 핵심 주제 실무 활용도
03 후반
ChatGPT를 활용한 컨셉 원화 보조 생성
★★★☆☆
04-1
미형 스타일의 이해(실루엣·비율·디테일)
★★★★☆
04-2
얼굴·복식 스타일 추출 (Remix Subtle, 성별 전환)
★★★★★
04-3
라이팅 및 분위기 환경 설정 프롬프트
★★★★★
04-4
화풍 변경 실습 (실사/반실사/캐주얼)
★★★★☆
04-5
캐릭터 연령대·체중·의상 변경 실습
★★★★★
Part 1. ChatGPT를 활용한 컨셉 원화 생성 — 보조 도구로서의 가능성
ChatGPT는 "메인 생성기"가 아니라 "다듬는 도구"
강사가 가장 먼저 강조한 포인트는 ChatGPT의 포지셔닝이다. ChatGPT는 본질적으로 언어 모델 기반이고, 이미지 생성은 후발 기능이기 때문에 미드저니처럼 처음부터 컨셉 원화를 양산하는 용도로는 적합하지 않다. 대신 강사가 권장하는 활용 방식은 다음과 같다.
미리 생성된 이미지나 레퍼런스에서 문양·디테일을 추출
기존 리소스에서 일부 요소를 디폼(deform) 하거나 변형
미드저니 프롬프트 자체를 역으로 추출하는 헬퍼 역할
이 관점이 중요한 이유는, ChatGPT의 강점이 "0에서 1을 만드는 것"이 아니라 "1을 10으로 정제하는 것"에 있다는 점을 명확히 해주기 때문이다. 강사가 비유한 표현이 인상 깊었다 — "ChatGPT는 학습 능력이 좋은 좋은 대학원 연구원 정도라고 생각하면 편하다."
프로젝트 단위 관리 팁
ChatGPT 좌측 사이드바의 프로젝트(Project) 기능을 활용하면 게임 리소스 R&D 노하우를 누적해서 관리할 수 있다. 폴더를 만들고, 그 안에서 시스템 프롬프트를 "10년차 시니어 게임 아티스트" 등으로 설정해두면 같은 컨텍스트가 유지되어 작업 일관성이 좋아진다. 단순한 팁 같지만, 장기 프로젝트를 진행하는 입장에서는 프롬프트 컨텍스트의 자동 누적이 상당한 시간 절약이 된다.
한계도 명확하다
ChatGPT의 이미지 생성은 1:1 비율이 디폴트이고, 가로보다 세로 전신샷은 명시적으로 요청해야 한다. 또한 요금제에 따라 속도와 횟수 제한이 명확하며, 결과물의 스타일 일관성이 떨어지는(복불복) 한계가 있다. 강사도 솔직하게 "스타일이 자기 멋대로다"라고 표현한다. 이 한계를 인지하고 도구를 선택하는 것이 중요하다.
🎨 [실습 #1 — 컨셉 원화 생성 비교]
강의 흐름을 직접 검증하기 위해 동일한 프롬프트로 생성을 시도해 보았다.
추천 프롬프트:
A 60-year-old veteran wizard, full body shot, photorealistic style,
dramatic side lighting, intricate robe details, mystical atmosphere,
9:16 portrait composition
Part 2. 미형 스타일의 이해 — 단순한 외모를 넘어선 시각적 균형
"미형"은 외모가 아니라 균형이다
강사가 04강 도입부에서 강조한 정의가 매우 적절했다. 미형 스타일은 단순한 외모의 아름다움이 아니라 전체적인 실루엣, 비율, 감성의 조화다. 이 정의가 중요한 이유는, 게임 캐릭터 아티스트가 흔히 빠지는 함정 — "예쁜 얼굴만 그리면 미형이다" — 에서 벗어나는 첫걸음이기 때문이다.
여성 캐릭터 기준으로 강사가 제시한 시각적 강조 포인트는 다음과 같다.
작은 얼굴, 긴 목, 가는 허리, 긴 다리 같은 곡선 라인의 강조
단, 이는 절대적 기준이 아니며 캐릭터의 개성과 직업, 성격에 따라 균형 조절
클로즈업 시의 디테일(눈, 입, 속눈썹, 헤어 스타일)이 누적되어 만드는 밀도(density)
특히 헤어를 예로 든 설명이 인상 깊었다. 헤어 사이사이 빈 공간에 블랙이 있고, 그 위에 하이라이트가 있고, 이런 레이어가 중첩되어 밀도가 쌓이는 것 자체가 미형의 한 요소라는 관점이다. 이는 단순히 AI 프롬프트로 끝나지 않고, 후속 3D 모델링 단계에서의 텍스처 작업과도 직결되는 통찰이다.
Part 3. 얼굴·복식 스타일 추출 — Remix Subtle의 진가
동일 스타일 유지하며 성별 전환하기
이 파트가 2주차 강의에서 가장 실용적이었다. 미드저니의 More 옵션 → Remix Mode 기능을 활용해서 기존 이미지의 디자인 언어를 유지하면서 핵심 요소만 바꾸는 워크플로우다.
기본 절차:
기존에 생성한 캐릭터 이미지를 클릭
More 옵션에서 Remix Mode 활성화
Subtle(약한 변형) 또는 Strong(강한 변형) 중 선택
프롬프트에서 female을 male로 교체
엔터 → 동일한 스타일·복식의 성별 전환 캐릭터 생성
이 워크플로우의 강력함은 캐릭터의 디자인 언어(DNA)를 유지한 채 변형이 가능하다는 점이다. 게임 프로젝트에서 같은 길드·진영의 NPC 라인업을 만들 때, 또는 동일 스타일의 PC 캐릭터 4종을 빠르게 베리에이션할 때 매우 유효하다.
검열 우회 팁
미드저니의 검열 시스템 때문에 female 키워드에서 에러가 발생하는 경우가 있다. 이때는 female 대신 human 으로 대체하면 우회되는 경우가 많다. 강사가 실전에서 체득한 노하우로 보이며, 실제로 작업 흐름이 끊기지 않도록 해주는 유용한 팁이다.
Omni Reference로 캐릭터 일관성 유지
성별 전환 후에도 디자인이 어긋나는 경우, Omni Reference에 원본 이미지를 넣고 가중치(--ow 파라미터, 미드저니 v7 이상)를 조절하면 디자인 일관성을 더 강하게 강제할 수 있다. 단, 너무 높이면 이미지 자체가 깨질 수 있으니 100~300 사이에서 조절을 권장한다.
🎨 [#2 — 동일 스타일 성별 전환]
추천 프롬프트:
Same character design and outfit as the reference image,
but change gender to female, maintain identical art style,
color palette, and clothing silhouette, full body, white background
Part 4. 라이팅 — 프롬프트로 분위기를 설계하는 법
빛의 4가지 특성
강사가 정리한 빛의 특성은 사진학·영화학의 기본을 그대로 따른다.
빛의 방향(direction)
빛의 양(intensity)
빛의 질(quality, 하드/소프트)
빛의 색(color temperature)
이 네 가지가 어떻게 조합되느냐에 따라 동일한 캐릭터가 완전히 다른 분위기로 표현된다.
라이팅 종류별 프롬프트 키워드
라이팅 종류 특징 추천 프롬프트 키워드
Key Light
가장 밝은 메인 광원
key light, main light source
Split Light
피사체로부터 90도, 반쪽만 비춤
split lighting, dramatic side light
Back Light
피사체 뒤편 광원, 실루엣 강조
back light, rim light, silhouette
Fill Light
대비 완화용 보조광
fill light, soft fill
High-Key Light
그림자 거의 없는 화사한 분포
high-key lighting, bright even light
Soft Light
부드러운 그림자, 중간톤 강조
soft lighting, diffused light
Hard Light
명확한 그림자 경계, 강한 대비
hard lighting, harsh shadows, high contrast
색상 라이팅의 의미론
색은 단순히 미적 선택이 아니라 감정과 서사를 담는 코드다. 강사가 예시로 제시한 색상별 함의는 다음과 같다.
레드 라이트: 열정·강렬함, 혹은 분노·공격성·위험
옐로우 라이트: 행복·생동감, 혹은 연출 맥락에 따라 불안감
퍼플 라이트: 새벽 시간대(아침이 밝아오는 직전) 표현에 효과적
그라데이션 라이트 (예: red light to blue light): 영화적 단계 분리
비비드 컬러(vivid color): 다채롭고 화사한 몽환적 느낌
이 부분은 단순히 "예쁜 이미지를 뽑는 법"을 넘어 시각 언어의 문법을 가르쳐 준다는 점에서 강의의 깊이가 드러나는 구간이다. 라이팅 이론은 미드저니뿐 아니라 향후 ZBrush나 언리얼 엔진의 라이팅 세팅에서도 그대로 적용 가능한 보편 원리다.
🎨 [#3 — 라이팅 프롬프트 비교 4종]
동일 캐릭터에 라이팅만 다르게 적용해 비교 그리드를 만들면 학습 효과가 가장 크다.
추천 프롬프트 4종:
1) Female warrior portrait, split lighting, dramatic side shadow, cinematic
2) Female warrior portrait, soft high-key lighting, even bright atmosphere
3) Female warrior portrait, hard back light, strong silhouette, rim light
4) Female warrior portrait, red to blue gradient lighting, vivid film style
Part 5. 화풍 변경 — 한 캐릭터, 여러 스타일
이 파트의 핵심은 하나의 캐릭터를 실사·반실사·카툰으로 자유롭게 전환하는 워크플로우다.
핵심 절차
기존 이미지를 마우스로 끌어 Omni Reference에 등록
프롬프트에 원하는 스타일 키워드 입력
실사: realistic, photorealistic, depth of field
일본 애니: niji 6 파라미터 활용
미국 카툰: american cartoon style
Omni Reference 가중치 조절(기본 100, 필요시 200~300)
생성
이 워크플로우의 가치는 포트폴리오 베리에이션 작업의 효율성에 있다. 동일 컨셉을 여러 화풍으로 보여주는 포트폴리오는 채용 시 큰 강점이 되는데, 이를 며칠이 아닌 몇 시간 안에 완성할 수 있다.
Part 6. 캐릭터 베리에이션 — 연령·체중·의상 변경
연령대 변경
Remix Subtle 모드 + 프롬프트에 60 years old male 같은 명시적 나이 키워드를 추가하는 것이 기본 공식이다. 무드보드 코드가 강하게 적용된 경우 잘 안 먹을 수 있는데, 이때는 무드보드 파라미터를 일시적으로 제거하고 생성하는 것이 해법이다. --mode raw 옵션을 함께 쓰면 프롬프트에 더 충실한 결과가 나온다.
체중 변경
very fat, very thin 같은 강조형 키워드를 사용한다. 단순하지만 효과적이며, 캐릭터 디자인의 다양성을 빠르게 검증할 때 유용하다.
한 번에 여러 연령/체형 생성하기
흥미로운 팁은 프롬프트 자체를 분할 구도로 작성하는 방법이다.
Same female character, left side: 20 years old, right side: 60 years old,
realistic style, cohesive style, full body comparison
여기서 핵심 키워드는 cohesive style — 두 인물의 디자인 일관성을 유지하라는 지시다. 4분할로 20대/40대/60대/80대를 한 번에 뽑는 것도 가능하다. 이는 캐릭터 시트(character sheet) 제작에서 매우 유효한 접근이다.
의상 변경 — Inpaint 워크플로우
의상 변경은 게임·만화 모두에서 거의 필수적인 작업이다. 강사가 제시한 절차는 다음과 같다.
기존 캐릭터 이미지 → Edit 모드 진입
Erase 브러시로 의상 부분만 마스킹
프롬프트에 새 의상 입력 (예: wearing a leather coat)
무드보드 코드 또는 Style Reference로 스타일 일관성 유지
손가락·발가락 등 신체 비율 기준점은 마스킹하지 않고 남겨두기 → 비율 변형 방지
마지막 팁이 특히 실용적이다. 신체의 핵심 랜드마크를 보존하면 의상만 깔끔하게 교체된다. 한복 같은 특수 의상은 미드저니가 학습량이 부족해 잘 안 나오는 경우가 있는데, 이때는 한복 레퍼런스 이미지를 Omni Reference에 추가로 넣어 학습을 보강할 수 있다.
🎨 [ #4 — 의상 베리에이션 시리즈]
추천 프롬프트:
Same character, change outfit only:
1) leather armor, medieval warrior style
2) silk hanbok, traditional Korean royal attire
3) plate armor, full knight gear
4) modern streetwear, urban fashion
Keep face, hair, and body proportions identical across all variations
[여기에 나노바나나 생성 의상 베리에이션 4종 삽입]
2주차 총평: AI 워크플로우의 "변주 능력"을 가르치는 강의
1주차가 "AI로 캐릭터를 만드는 법"에 관한 것이었다면, 2주차는 "만든 캐릭터를 어떻게 자유자재로 변형해 프로덕션에 활용할 것인가"에 관한 것이다. 이 차이는 단순한 단계의 차이가 아니라, AI를 일회성 생성 도구로 쓸 것인지, 지속 가능한 프로덕션 파이프라인으로 통합할 것인지의 갈림길이다.
강점
Remix Mode + Omni Reference 조합의 실전 노하우는 다른 강의에서 보기 어려운 깊이를 가진다
라이팅을 단순 키워드가 아닌 시각 언어의 문법으로 가르친다
검열 우회, 무드보드 비활성화 등 실무에서 막히는 지점의 해법을 솔직하게 공유한다
ChatGPT의 한계를 명확히 짚어주어 도구 선택의 균형 감각을 길러준다
아쉬움
미드저니 버전 업데이트로 인해 일부 절차가 현재 UI와 다를 수 있다 — 특히 무드보드 코드가 새 버전에서 잘 안 먹는 사례에 대한 대응이 더 체계적으로 정리되었으면 한다
ChatGPT 부분이 다소 짧게 다뤄진다 — 더 많은 활용 시나리오가 필요하다
나노바나나, FLUX, Stable Diffusion 같은 대안 모델과의 비교가 있었다면 도구 선택의 폭이 더 넓어졌을 것이다
나노바나나로 직접 실습해 본 소감
이번 후기를 쓰면서 동일 워크플로우를 나노바나나로 재현해 본 결과, 레퍼런스 기반 캐릭터 일관성 측면에서는 나노바나나가 미드저니에 견줄 만한 수준임을 확인했다. 다만 미드저니의 무드보드 같은 스타일 프로필 시스템은 부재하므로, 프로젝트 단위 일관성 확보 전략은 다르게 가져가야 한다. 강의에서 배운 원리(Remix, Omni Reference, 마스킹 inpaint)는 도구가 바뀌어도 동일하게 적용 가능한 보편 워크플로우라는 점이 확인된 셈이다.
다음 3주차 후기 예고: 캐릭터 컨셉 시트(삼면도) 제작과 본격적인 모델링 환경 세팅 파트를 다룰 예정이다.
