Grok Bot으로 로컬에서 구술 영상 편집, 프롬프트 3단계로 완료

안녕하세요, 저는 멍젠(孟健)입니다.

혼자서 콘텐츠를 만들 때 가장 번거로운 일은 말로 녹음한 원고를 다 녹음한 뒤 컴퓨터 앞에 앉아 숨 쉬는 구간(기공, 气口)을 한 칼씩 잘라내고, 세로 화면으로 돌리고, 자막을 입히는 것입니다. 오늘은 3개의 프롬프트로 Grok Bot이 로컬에서 구술 영상 원본의 멈춤과 말실수를 전자동으로 잘라내고, 9:16 세로 화면에 자막까지 넣어 변환하며, 덤으로 커버 이미지와 게시 문안까지 생성하는 것을 실측해 보겠습니다.

먼저 최종적으로 다듬은 완성본의 효과를 한번 보시죠:

전체 과정에서 저는 3개의 프롬프트만 보냈고, 원본 파일은 한 번도 건드리지 않았습니다. 아래에서는 제가 실제로 조작한 단계 순서대로, 프롬프트 세트 전체와 스타일을 고치며 겪은 시행착오 과정을 빠짐없이 설명하겠습니다.

준비 작업: 먼저 소프트웨어를 실행시키기

Grok Bot은 공식 홈페이지( https://docs.x.ai/grok-bot/get-started )에서 해당 시스템의 설치 패키지를 다운로드할 수 있으며, 실행한 뒤 조건에 부합하는 유료 계정(예: Premium 플랜 또는 연결된 계정)으로 로그인하면 됩니다.

로그인하면 기본 Grok Bot 로봇이 자동으로 생성됩니다. 제 컴퓨터에는 원래 음영상 처리에 흔히 쓰는 FFmpeg 8.0만 설치되어 있었고, 음성 전사 도구는 첫 단계에서 Grok Bot이 스스로 추가 설치하도록 했습니다. 여러분의 컴퓨터에 아무것도 없어도 당황하지 마세요. 첫 번째 프롬프트를 보낼 때 스스로 점검하고 준비하도록 하면 됩니다.

첫 번째 단계: 원본을 읽기만 하여 분석하고, 멈춤과 말실수 목록을 뽑아내기

영상을 편집할 때 가장 무서운 것은 AI가 멋대로 칼질하는 것이고, 더 무서운 것은 힘들게 녹음한 원본을 덮어써서 망가뜨리는 것입니다. 그래서 첫 단계에서는 먼저 칼을 대지 말고, 원본만 읽게 하여 어디서 멈췄고 어디서 잘못 말했는지 목록으로 정리하게 합니다.

Grok Bot을 열고 왼쪽에서 로봇을 선택한 뒤, 하단 입력창은 비워 둡니다.

입력창에 첫 번째 프롬프트를 붙여 넣습니다. 안에 있는 원본 경로를 여러분의 파일 위치로 바꾸는 것을 잊지 마세요:

제 바탕화면에 구술 원본이 하나 있습니다: D:\UserFolders\mengjian\Desktop\Grok剪口播实测\口播原片.mp4 (2분 46초의 가로 영상으로, 제가 카메라를 보고 Grok Bot으로 AI 팀을 꾸리는 방법을 이야기한 것인데, 안에 멈춤, 말실수, 다시 말한 부분이 좀 있습니다). 먼저 서둘러 자르지 말고, 두 가지를 도와주세요: 1. 제 컴퓨터에 지금 영상 처리와 음성을 타임라인이 있는 자막으로 바꾸는 도구가 있는지 확인하고, 없으면 준비해 주세요. 2. 이 원본의 길이, 해상도를 읽고, 제가 한 말을 타임스탬프가 있는 텍스트 원고로 완전히 전사하여, 어느 시간대가 뚜렷한 멈춤, 말실수 또는 반복해서 말한 것인지 표시해 목록으로 보여주어 제가 확인하게 해주세요. 주의: 전 과정에서 절대 원본 파일을 변경하지 마세요.

오른쪽 아래의 전송을 클릭하고 약 2분을 기다립니다. Grok Bot은 먼저 본체 도구를 확인하고(본체에 이미 FFmpeg 8.0과 Python이 있고 음성 전사가 없음을 알린 뒤 자동으로 faster-whisper를 보충), 원본 길이가 약 2분 46초, 해상도 1920×1080임을 확인하며 텍스트 원고 추출을 시작합니다.

전사가 끝나자, 창 안에 매우 상세한 목록을 나열했습니다: 영상 시작의 무음, 문장 사이의 긴 멈춤부터, 제가 말실수한 가짜 시작과 군더더기 말까지, 모든 시간대를 명확하게 잘라 정리했습니다.

두 번째 단계: 숨 쉬는 구간을 잘라내고 세로 화면으로 변환, 첫 번째 버전 완성본 압출

전사가 끝난 뒤, 인터페이스에 다중 선택 상호작용 카드가 떴습니다(A1 영상 시작 무음 삭제, A2 문장 사이 멈춤 압축, B2/C1 「직접 클릭」 가짜 시작 삭제, B3 군더더기 말 삭제 등의 옵션 포함). 어느 구간을 삭제할지 물어보는 것이었습니다.

많은 분들이 이 부분을 보고 위의 옵션을 하나하나 다 눌러야 하나 고민하실 수 있습니다. 사실 하나하나 클릭할 필요가 전혀 없습니다. 우리는 전부 잘라낼 것이기 때문에, 바로 하단 대화창에 요구 사항과 편집 규범을 한 번에 보내면 Grok Bot이 자동으로 접수해 실행을 시작합니다.

이 단계의 원칙 역시 마찬가지입니다: 원본은 절대 건드리지 않고, 새로 생성된 모든 완성본은 전부 다른 이름으로 저장합니다. 동시에 우리가 원하는 화면 비율(1080×1920 세로 화면), 위아래 여백을 검은색으로 두고 가운데 정렬한 배치, 그리고 고정 제목과 동기화 자막을 명확히 지시합니다.

입력창에 두 번째 프롬프트를 붙여 넣습니다:

확인했습니다. 이제 첫 번째 버전 세로 구술 영상을 정식으로 편집해 주세요. 필수 요구 사항은 다음과 같습니다: 1. 원본은 건드리지 않고, 생성되는 모든 파일은 D:\UserFolders\mengjian\Desktop\Grok剪口播实测\ 폴더 아래에 다른 이름으로 저장하며, 첫 번째 버전 완성본은 「Grok剪辑-第1版.mp4」로 명명합니다. 2. 방금 표시된 긴 멈춤, 말실수, 다시 말한 구간을 잘라내어 말의 리듬이 조밀하고 자연스럽게 합니다. 3. 화면을 위챗 영상号和抖音에 올리기 적합한 9:16 세로 화면(1080×1920)으로 변환합니다. 위아래는 검은색 또는 어두운 배경을 두고 가운데에 원화면을 배치하며, 제가 화면 안에서 가운데에 완전하게 위치하고 머리나 얼굴이 잘리지 않도록 보장하며, 주제와 무관한 스티커나 화려한 장식은 추가하지 마세요. 4. 화면 상단 가운데에 한 줄의 고정 상단 제목을 추가합니다: 「用 Grok Bot 搭 9 个 AI 团队」; 화면 하단에는 동기화 중국어 자막을 추가하고 문장 끝 문장부호는 제거하며 글자는 명확해야 합니다. 완료 후 몇 초를 잘랐는지, 최종 영상이 얼마나 긴지, 총 얼마의 시간이 걸렸는지 알려주고, 생성된 전체 파일 경로를 보내주세요.

전송을 클릭하고 약 1.5분을 기다립니다. Grok Bot은 백그라운드에서 편집 도구를 호출해 무용 구간을 잘라내고 자동으로 화면을 가운데 정렬해 자막을 압출하기 시작합니다.

편집이 완료되자, Grok Bot은 실측 데이터를 보고했습니다:

- 멈춤과 말실수 잘라냄: 약 15.05초(166.03초에서 150.99초로 압축)

- 최종 완성본 길이: 2분 31초

- 화면 비율과 크기: 1080×1920 세로 화면, 크기 약 24.8 MB

- 이번 라운드 소요 시간: 약 1.5분

완성본이 꽤 빠르게 편집되었으니, 우리는 즉시 플레이어로 Grok剪辑-第1版.mp4를 열어 확인했습니다.

시작 화면은 인물이 가운데에 있고, 머리 위 여백이 정상이며, 위아래 검은 배경이 매우 깔끔합니다.

진행 바를 뒤로 끌어 보니, 중반과 결말의 원래 더듬거리던 다시 말한 부분이 전부 사라졌고, 말의 리듬이 훨씬 매끄러워졌으며, 음성과 화면도 동기화되어 있습니다.

하지만 이 버전의 완성본은 컴퓨터에서 보기에는 괜찮지만, 휴대폰 세로 화면에서 넘겨보면 문제가 확연히 드러납니다: 첫째, 하단 자막 글자 크기가 작고 순백색에 테두리가 없어 화면이 조금만 밝아도 잘 보이지 않고; 둘째, 상단 흰색 글자 제목이 눈길을 끌지 못합니다. 문제를 찾았으니, 바로 창으로 돌아가 한 차례 수정합니다.

세 번째 단계: 자막을 키우고 밝은 노란색 제목으로 바꾸고, 덤으로 눈 감지 않은 커버와 게시 문안 뽑기

스타일을 고치는 데는 처음부터 다시 편집할 필요 없이, 방금의 문제점에 대해서만 요구 사항을 제기하면 됩니다.

구술 영상을 올리려면 영상 자체 외에도 커버 이미지와 문안을 준비해야 합니다. 영상 화면이 이미 그쪽에 있으니, 아예 영상에서 눈을 감지 않은 자연스러운 표정의 프레임 한 장을 뽑아, 바로 눈에 띄는 큰 글자를 얹어 9:16 커버로 만들고, 플랫폼 게시 문안까지 한 번에 묶어 잘 작성해 텍스트로 저장하게 합니다.

입력창에 세 번째 프롬프트를 붙여 넣습니다:

방금 첫 번째 버전을 열어 봤는데, 편집은 꽤 매끄러웠지만 두 군데를 한 번 더 고쳐 줬으면 하고, 추가로 배포용 소재 한 세트도 만들어 줘: 1. 휴대폰으로 보니 지금 하단 자막이 좀 작아서 배경과 뒤섞여 잘 눈에 띄지 않아. 하단 자막 글자 크기를 한 단계 키우고, 흰 글자에 굵게, 뚜렷한 어두운 색 테두리나 반투명 배경 박스를 넣어 줘. 상단 제목도 눈에 띄는 노란 글자나 흰 바탕에 검은 글자로 만들어 줘. 그리고 D:\UserFolders\mengjian\Desktop\Grok剪口播实测\Grok剪辑-第2版.mp4로 따로 저장해 줘. 2. 영상에서 내 표정이 자연스럽고 눈을 감지 않은 프레임 하나를 골라 9:16 세로형 커버 이미지로 만들어 줘. 위에는 눈에 띄는 큰 글씨 제목 「一人公司：我把 9 个 AI 迁到了 Grok Bot」을 넣고, D:\UserFolders\mengjian\Desktop\Grok剪口播实测\封面图.png로 저장해 줘. 3. 이 영상에서 내가 말한 실제 내용에 따라(내가 말하지 않은 데이터를 스스로 지어내지 말고), 대체 제목 3개, 150자 이내의 视频号/抖音 게시 문안 한 단락, 관련 화제 태그 5개를 써 줘. 답변에 바로 올려 주고, 동시에 D:\UserFolders\mengjian\Desktop\Grok剪口播实测\发布文案.txt에도 한 부 저장해 줘.

전송을 누르자 Grok Bot은 자막을 다시 압축하고, 프레임을 추출해 이미지를 만들고, 문안을 생성했는데, 이번 차례는 약 3~4분을 기다렸다.

완료 후 먼저 개편된 영상 Grok剪辑-第2版.mp4를 봤다. 상단에는 고정 제목 「用 Grok Bot 搭 9 个 AI 团队」이 유지되고, 하단의 동기화 자막은 확실히 커지고 굵어져 검은 배경 위에서 또렷하고 읽기 쉬웠으며, 첫 번째 버전의 자막이 작아 잘 안 보이던 문제를 해결했다.

다시 이미지 뷰어로 생성된 封面图.png를 열었다. 편집 타임라인의 약 5.0초(원본 영상 약 10.60초에 해당)에서 한 프레임을 정확히 잘라냈고, 눈을 아주 자연스럽게 뜨고 있어 눈이 반쯤 감기는 실패 상황은 나오지 않았으며, 위에는 세 줄 큰 글씨 제목 「一人公司 我把 9 个 AI 迁到了 Grok Bot」이 얹혀 있었다(첫 줄은 흰 글자, 뒤 두 줄은 밝은 노란 글자).

이어서 게시 문안 发布文案.txt를 열었다. 전체가 딱 148자로, 내가 서버에 있는 9개 어시스턴트를 Grok Bot으로 옮긴 과정을 요약했고, 서로 다른 중점을 둔 대체 제목 3개를 줬을 뿐 아니라 정확한 화제 태그 5개도 갖춰 두었다.

여기까지, 구두 방송 완성 영상 하나, 바로 커버로 쓸 수 있는 이미지 한 장, 게시 문안 한 단락이 모두 데스크톱의 실측 폴더에 담겼다.

내가 만든 「字流」 완성 영상과 비교: 둘의 차이는 어디에 있을까?

같은 구두 방송 원본을, 어제 나는 내가 직접 만든 콘텐츠 도구 「字流」로도 한 버전 편집했다.

字流에서의 조작은 사실 간단하다. 같은 원본을 업로드하고, 말 속도는 기본값인 1.1×로 유지하고, 세로형 화면은 「작은 인물 + 어두운 배경」을 선택하고, 자동으로 주어진 상단 제목을 확인한 뒤, 「정밀 편집 시작」을 클릭하고 몇 분만 기다리면 된다.

字流에서 내보낸 완성 영상 폴더에는 抖音 정화 버전(66초)과 视频号 정화 버전(75초)이 있다. 우리는 75초짜리 视频号 완성 영상을 한번 열어 봤다.

오프닝에는 동적 큰 글씨 훅 「免服务器搭AI团队 Grok Bot实测」이 자체적으로 들어가 있고, 인물은 작아져 가운데에 놓였으며, 사방은 어두운 배경이다.

영상 중반부에 이르러, 내 구두 방송에서 구체적인 도구와 단일 페이지를 언급하기만 하면 字流는 구두 방송의 의미에 따라 자동으로 소프트웨어 인터페이스의 실제 스크린샷을 매칭해, 확대해 그림 속 그림(PIP)으로 만들고, 옆에 누런색·검은색 라벨을 붙여 설명한다.

두 도구를 함께 놓고 비교하면 결론은 매우 명확하다.

- Grok Bot에 어울리는 것: 로컬에서 실행되고 추가 과금이 없으며, 고치기가 유연하다. 만약 당신이 극도의 간결함을 추구하고, 복잡한 시각적 포장을 원하지 않거나, 자연어로 언제든 글자 크기를 조정하고, 폰트 색을 바꾸고, 숨소리 구간을 잘라내야 하는 경우가 잦다면, 문장 몇 개를 써서 백그라운드에서 돌리는 데 아주 가볍고 빠르다.

- 字流에 어울리는 것: 만약 당신이 원하는 것이 정밀 편집 포장이라면, 예컨대 인물을 작게 가운데에 배치하고 어두운 배경을 두르거나, 동적 오프닝 대형 훅, 그리고 기능을 말할 때 자동으로 백그라운드나 공식 홈페이지 스크린샷을 PIP 형태로 붙여 주거나, 심지어 바로 60~75초의 완주율 높은 플랫폼 정화 버전으로 농축하는 것이라면, 이런 정밀 운영 요구에는 字流가 더 편하다.

만약 당신도 일상에서 구두 방송을 올려야 하고, 편집 소프트웨어에 시달리고 싶지 않다면, 이 글의 세 단락 프롬프트를 따라 녹음해 둔 원본을 Grok Bot에 던져 한 차례 돌려 보길 권한다. 먼저 기초적인 러프 컷, 자막, 커버를 자동화해 보라. 기계적이고 자잘한 시간을 아껴야 더 많은 산출이 있는 일을 할 수 있다.

👋 저는 멍젠(孟健)입니다. 전 텐센트 T11, 전 바이트댄스 테크 리더이고, 지금은 AI 프로그래밍을 전업으로 하고 있습니다.

🔥 더 많은 AI 프로그래밍 실전:

- GitHub: @mengjian-github

- 칼럼: AI프로그래밍실전

도움이 되셨나요? 좋아요+즐겨찾기 가 최대의 응원입니다 🙏