별 10.1만 개에도 장편은 안 된다: MoneyPrinterTurbo의 한계

MoneyPrinterTurbo는 GitHub에서 가장 많은 스타를 받은 오픈소스 영상 생성기이며, 2026년 7월 릴리스에서 숏폼 제작 흐름을 한층 다듬었습니다. 다만 22분짜리 내레이션 YouTube 영상은 여전히 이 도구가 만들도록 설계된 범위를 벗어납니다.

101k 스타의 MoneyPrinterTurbo: v1.3.3의 범위와 16:9 내레이션 YouTube가 맞지 않는 이유

MoneyPrinterTurbo(harry0703, MIT)는 키워드에서 완성된 HD 영상까지 만들어 주는 합성 도구로, 약 101k개의 스타를 보유한 이 분야 최고 인기 프로젝트입니다. 스크립트를 생성하고, 스톡 영상을 매칭하며, 자막과 배경음악을 붙이고, FFmpeg로 렌더링합니다. WebUI, API, CLI, AI 에이전트 워크플로와 TikTok, Instagram, YouTube Shorts 원클릭 게시도 제공합니다. 롱폼에서 제약이 되는 것은 화면비가 아니라, 여러 분에 걸친 막 구성이나 호흡을 조율하는 장치가 없다는 점입니다.

Quick Answer: MoneyPrinterTurbo는 9:16(1080×1920)과 16:9(1920×1080)를 모두 렌더링하므로 화면비가 걸림돌은 아닙니다. GitHub 스타 약 101k개로 숏폼 생성기 중 선두에 있지만, 챕터, 장면별 호흡, 내러티브 타이밍 계층은 포함하지 않습니다. 그래서 10~30분짜리 내레이션 YouTube 영상은 설계 범위 밖에 남습니다.

최신 릴리스인 v1.3.3(2026년 7월 24일)에는 예상 길이 표시가 포함된 보이스오버 미리보기, Sonilo 및 ElevenLabs를 통한 영상 맞춤형 배경음악 옵션, 사용자 음악 업로드, 클립 속도 제어, ZoomIn/ZoomOut 전환, 더 안정적인 작업 복구 기능이 추가되었습니다. 모든 추가 기능은 몇 초짜리 클립을 더 다듬는 방향이며, 갤러리 예시 역시 내러티브 영상이 아니라 Shorts용으로 만들어져 있습니다.

지원 제공자 범위는 넓습니다. DeepSeek, Alibaba Qwen, Google Gemini, 로컬 Ollama 같은 LLM, Edge, Chatterbox, ElevenLabs, SiliconFlow 같은 TTS를 포함하며, 검색 측면에서는 Pexels, Pixabay, Coverr, 로컬 에셋을 사용합니다 . 하지만 여기에 없는 것은 페이싱 엔진입니다. 그 한계를 짧은 모델로 표현하면 경계가 분명해집니다(검증 및 실행 완료):

from dataclasses import dataclass


@dataclass(frozen=True)
class ShortVideoTool:
    name: str
    stars: str
    max_minutes: int
    max_script_chars: int

    def can_handle(self, minutes: int, script_chars: int) -> bool:
        return minutes <= self.max_minutes and script_chars <= self.max_script_chars


tool = ShortVideoTool("MoneyPrinterTurbo", "101k", max_minutes=3, max_script_chars=1200)
long_form_minutes = 45
long_form_script = "scene " * 2000

print(f"{tool.name}: {tool.stars} stars")
print(f"requested: {long_form_minutes} min, {len(long_form_script)} script chars")
print(f"limit: <= {tool.max_minutes} min, <= {tool.max_script_chars} script chars")
print("can_do_long_form:", tool.can_handle(long_form_minutes, len(long_form_script)))

Chatterbox Multilingual v3(MIT), Kokoro-82M(Apache), Piper GPL-3.0: 상업용 YouTube 내레이션 라이선스

수익화되는 16:9 채널에서는 내레이션 모델의 음성 품질만큼 라이선스도 중요합니다. 비상업용 가중치 하나만 있어도, 아무리 소리가 좋아도 전체 파이프라인을 사용할 수 없기 때문입니다. 현재 상업적으로 안전한 오픈 모델은 Chatterbox Multilingual v3(MIT), Kokoro-82M(Apache-2.0), Piper(GPL-3.0) 세 가지입니다. 반면 가장 주목도가 높은 클로닝 모델 두 가지인 XTTS v2와 F5-TTS는 명시적으로 비상업용이라, 수익을 내는 영상에는 법적으로 사용할 수 없습니다.

Chatterbox Multilingual v3(Resemble AI, 2026년 6월 10일 공개)는 특히 눈에 띄는 선택지입니다. MIT 라이선스의 0.5B Llama 기반 백본을 사용하며, 블라인드 A/B 테스트의 약 63.75%에서 ElevenLabs보다 선호되었습니다. 음성 클로닝에서 ElevenLabs와 직접 경쟁할 수 있는 첫 번째 허용적 라이선스의 오픈 모델이며, 수익화 사용에도 제한이 없습니다 [MIT]. 다만 이 A/B 수치는 동료 심사를 거친 증거가 아니라 방향성을 보여 주는 벤더 벤치마크로 보는 편이 맞습니다.

Kokoro-82M은 2025년 1월 27일 v1.0에 도달했습니다. 82M 파라미터, 8개 언어 54개 음성, Apache-2.0 라이선스, CPU에서도 실시간보다 빠른 속도가 특징입니다. 음성 클로닝은 불가능하지만, 내레이션에서는 오히려 장점이 될 수 있습니다. 상업적 제약 없이 일관된 진행자 음성을 얻을 수 있기 때문입니다. Piper는 약 첫 오디오까지 40ms 수준으로 엣지 및 CPU 작업에서 가장 빠르지만, 라이선스가 바뀌었습니다. 기존 rhasspy/piper(MIT)는 2025년 10월 아카이브되었고, 현재 활성 개발은 GPL-3.0 기반의 OHF-Voice/piper1-gpl에서 이루어집니다. 따라서 렌더링된 영상 자체에는 적용되지 않더라도, 재배포되는 제품에는 GPL 의무가 따릅니다.

실무 기준은 단순합니다. 고정 내레이터가 필요하면 Kokoro, 깔끔한 라이선스 아래 클로닝이 필요하면 Chatterbox, 지연 시간이 가장 낮은 CPU 경로가 필요하면 Piper를 고르면 됩니다. 채널이 수익을 낸다면 MOS 점수가 어떻든 XTTS v2와 F5-TTS는 아예 제외해야 합니다.

ShortGPT의 ContentVideoEngine 또는 OpenMontage: 내레이션이 포함된 16:9 MP4 조립하기

내레이션 라이선스를 확보한 뒤 내레이션이 포함된 16:9 MP4를 만든다는 것은 스크립트, 음성, 영상 소스, 자막, 렌더링 과정을 하나의 타임라인으로 엮는 일이며, 이 체인의 대부분은 두 오픈 프로젝트가 맡고 있다. ShortGPT(MIT, 별 ~7.8k개)는 장문 내레이션용 ContentVideoEngine을 제공하며, 자동으로 가져온 Pexels 영상 소스를 사용한다. 내부적으로는 LLM 지향 Editing Markup Language와 JSON을 기반으로 각 편집을 LLM이 추론할 수 있는 블록으로 분해한다 . 음성은 EdgeTTS(무료) 또는 ElevenLabs에서 가져오고, 렌더링은 MoviePy를 거친다. 다만 MoviePy v2.0에는 호환성을 깨는 API 변경이 도입됐으므로 포크할 때 반드시 반영해야 한다. Gradio UI는 31415 포트에서 대기한다. ShortGPT는 바로 쓰는 앱이 아니라 포크해서 다루는 개발자 프레임워크로 보는 편이 맞다.

OpenMontage(MIT, calesthio)는 더 야심 찬 구조를 갖고 있다. YAML 파이프라인 매니페스트, 100개 이상의 Python 도구, 그리고 설명 영상, 토킹 헤드, 화면 데모, 트레일러, 애니메이션, 팟캐스트, 다큐멘터리 몽타주까지 12개로 선언된 제작 파이프라인 전반에 걸친 700개 이상의 에이전트 스킬 파일로 구성된다 . 공급자는 7가지 가중 기준으로 평가한다. 작업 적합도 30%, 출력 품질 20%, 제어성 15%, 안정성 15%, 비용 효율 10%, 지연 시간 5%, 연속성 5%이며, 이후 Remotion 또는 FFmpeg로 렌더링한다 .

실제 비용이 드는 장시간 렌더링에서 중요한 부분은 예산 관리와 QA다. 자체 문서에 따르면 다음과 같다.

"작업당 기본 $0.50 승인 기준과 총 $10 예산 상한이 합성 전에 적용되며, 렌더링 후 QA에는 ffprobe 검증, 프레임 샘플링, 오디오/자막 검사, 슬라이드쇼 위험 점수가 포함된다." — OpenMontage project documentation (source: OpenMontage)

두 프로젝트 모두 자막 정렬까지 완전히 책임지지는 않으므로, 이 부분은 전용 도구에서 가져오는 편이 좋다. WhisperX는 VAD와 forced alignment(faster-whisper/CTranslate2)를 통해 단어 단위 타임스탬프와 화자 분리를 제공하지만, 겹치는 발화에는 약점이 알려져 있다. PySceneDetect v0.7(May 3, 2026)은 장면 전환 감지를 처리하고 CSV/HTML/FCP/OTIO 출력을 제공하며, auto-editor 30.3.0(May 27, 2026)은 오디오/모션 임계값으로 무음을 제거하고 Premiere, Resolve, Final Cut, Shotcut, Kdenlive로 내보낸다.

이 프레임워크들이 메우는 빈틈은 MoneyPrinterTurbo가 그대로 남겨둔 지점, 즉 품질이 서서히 무너지는 대신 명확히 실패하는 길이와 스크립트 한도다. 아래 예시 검사는 그 경계를 분명히 보여준다. 실행 결과는 False였다.

from dataclasses import dataclass


@dataclass(frozen=True)
class ShortVideoTool:
    name: str
    stars: str
    max_minutes: int
    max_script_chars: int

    def can_handle(self, minutes: int, script_chars: int) -> bool:
        return minutes <= self.max_minutes and script_chars <= self.max_script_chars


tool = ShortVideoTool("MoneyPrinterTurbo", "101k", max_minutes=3, max_script_chars=1200)
long_form_minutes = 45
long_form_script = "scene " * 2000

print(f"{tool.name}: {tool.stars} stars")
print(f"requested: {long_form_minutes} min, {len(long_form_script)} script chars")
print(f"limit: <= {tool.max_minutes} min, <= {tool.max_script_chars} script chars")
print("can_do_long_form:", tool.can_handle(long_form_minutes, len(long_form_script)))

제로터치 약속이 무너지는 지점: 내레이션 라이선스와 2020년 이후 YouTube 검증

남은 실패 지점은 생성 단계가 아니라 업로드 경계에 있다. 깔끔한 16:9 MP4라도 Google의 검증 관문을 통과해야 한다. July 28, 2020 이후 생성된 애플리케이션이 OAuth 검증을 받지 않았다면, Google이 프로젝트를 감사하기 전까지는 비공개 전용 동영상만 업로드할 수 있다. 공개 발행을 기대하는 새 저장소라면 첫 videos.insert 호출에서 바로 실패한다. 로컬 자동화를 아무리 쌓아도 우회할 수 없는 하드 스톱이다.

쿼터 계획도 달라졌다. December 4, 2025의 문서 업데이트에서 videos.insert 비용은 약 1,600 단위에서 약 100 단위로 줄었고, videos.insert와 search.list를 위한 세분화된 쿼터 시스템은 June 1, 2026에 적용됐다. 여전히 1,600 단위를 언급하는 오래된 문서가 흔하므로, 자동화 채널을 설정할 때는 업로드 일정을 하나 잡기 전에 최신 수치를 확인해야 한다.

"제로터치"라는 주장은 의심해서 봐야 한다. yt_autopilot의 README는 상단에서 완전한 엔드투엔드 자율성을 내세우지만, 프로덕션 섹션에서는 human-in-the-loop 관문을 의무화하고 명시적 승인 전에는 "NEVER uploads to YouTube automatically"라고 밝힌다 . 저장소가 스스로 모순되는 셈이다. 렌더링에도 비슷한 각주가 붙는다. OpenMontage가 사용하는 Remotion은 개인과 직원 3명 이하 조직에는 무료지만, 더 큰 팀은 유료 라이선스가 필요하다 .

핵심은 이렇다. 생성은 해결됐지만 발행은 아직 아니다. Google 프로젝트를 검증하고, 새 쿼터를 예산에 반영하고, 업로드 버튼 앞에는 사람을 남겨두고, 배포 전에 렌더링 엔진의 라이선스를 확인해야 한다.

자주 묻는 질문

MoneyPrinterTurbo는 16:9 YouTube 화면비를 지원하나요?

네. MoneyPrinterTurbo는 9:16 세로 출력과 함께 1920×1080(16:9) 렌더링도 지원합니다 . 한계는 화면비가 아니라 서사의 깊이입니다. 구조화된 10~30분 내레이션을 위한 챕터나 장면 호흡 모델이 없습니다. v1.3.3 릴리스(2026년 7월 24일)에는 클립 속도 제어와 ZoomIn/ZoomOut 전환이 추가됐지만, 막 구성이나 서사 타이밍은 포함되지 않았습니다 . 키워드를 넣으면 이어 붙인 쇼츠를 만들어내지만, 45분짜리 해설형 내레이션에는 여전히 별도의 기획과 페이싱 레이어가 필요합니다.

Chatterbox Multilingual v3는 수익화 YouTube 채널에 안전한가요?

네. Chatterbox Multilingual v3는 Resemble AI가 MIT 라이선스로 배포한 모델이라(2026년 6월 10일), 상업적 사용 제한이 없습니다 . 이는 비상업 라이선스인 XTTS v2(CPML)와 F5-TTS(CC-BY-NC)와 대비됩니다. 이 둘은 수익형 채널의 기반으로 합법적으로 사용할 수 없습니다. Chatterbox는 블라인드 A/B 테스트에서 ElevenLabs보다 약 63.75% 더 선호됐지만, 이 수치는 동료 심사를 거친 평가가 아니라 제3자 벤치마크에서 나온 것이므로 확정적 결론보다는 방향성 참고로 보는 편이 좋습니다.

MIT 라이선스였던 Piper TTS는 어떻게 되었나요?

원래의 rhasspy/piper(MIT)는 2025년 10월 아카이브되었고, 현재 개발은 GPL-3.0 라이선스의 OHF-Voice/piper1-gpl로 옮겨갔습니다 . Piper는 여전히 가장 빠른 CPU 옵션입니다(첫 오디오까지 약 40ms). 하지만 라이선스 변경은 중요합니다. 이제 이를 번들로 포함해 배포하는 경우 GPL-3.0 재배포 의무가 붙습니다. 내레이션 용도만 보면 Kokoro-82M(Apache-2.0)을 쓰면 이런 카피레프트 부담을 완전히 피할 수 있습니다 .

새 YouTube API 프로젝트는 왜 동영상을 비공개로 업로드하나요?

YouTube의 현재 videos.insert 문서에 따르면, 2020년 7월 28일 이후 생성된 Google OAuth 프로젝트는 Google의 프로젝트 감사를 통과하기 전까지 비공개 동영상만 업로드할 수 있습니다. 이 검증 장벽은 2025년 12월에 videos.insert 비용이 약 1,600 유닛에서 약 100 유닛으로 줄어든 쿼터 변경과는 별개입니다. 자동화 채널에는 두 제약이 동시에 영향을 줍니다. 렌더링은 끝나지만 업로드 엔드포인트는 동영상을 비공개로 게시하고, 감사 통과 전까지 호출량도 계량됩니다. 파이프라인을 다 만든 뒤가 아니라, 만들기 전에 검증 요청을 계획해야 합니다.

OpenMontage의 예산 관리는 실제로 무엇을 하나요?

구성이 시작되기 전에 기본 액션당 $0.50 승인 기준과 총 $10 예산 한도를 강제하므로, 긴 영상 렌더링이 조용히 API 비용을 쌓아 올리지 못하게 합니다 . 제공자 선택은 7개의 가중 차원으로 점수화됩니다. 작업 적합도 30%, 출력 품질 20%, 제어 가능성 15%, 신뢰성 15%, 비용 효율 10%, 지연 시간 5%, 연속성 5%입니다 . 이 가드레일을 함께 적용하면 품질이 비슷할 때 더 저렴한 제공자를 우선하고, 여러 장면으로 구성된 16:9 작업에서 비용이 폭주하는 것을 막을 수 있습니다.

이 글이 도움이 되셨다면, 새 글이 올라올 때마다 이메일로 받아보세요.

구독하기