사주 쇼츠 자동화는 어디까지 가능할까
사주 콘텐츠는 오래된 형식을 가지고 있지만, 최근에는 전혀 다른 제작 환경 위에 올라서고 있다. 예전에는 생년월일시를 보고 만세력을 펼친 뒤, 해석할 항목을 고르고, 원고를 쓰고, 화면을 만들고, 내레이션을 입히는 일이 각각 분리되어 있었다. 한 편의 짧은 영상을 만들기 위해서도 계산자, 작가, 디자이너, 편집자의 일이 조금씩 섞였다.
로컬 프로젝트 사주 풀이 쇼츠 영상 생성기는 이 과정을 하나의 흐름으로 묶어본 실험에 가깝다. 이름, 생년월일시, 태어난 곳, 성별, 달력 종류, MBTI, 직업이나 학업 상태, 결혼유무, 자녀유무, 그리고 궁금한 것 세 가지를 입력하면 프로그램은 사주원국과 오행분포, 십성 관계, 대운과 세운, 대표 신살, 카테고리별 풀이 화면을 만들고 1080x1920 세로형 MP4 영상으로 렌더링한다. 여기에 macOS say 기반 TTS 내레이션과 Flow용 이미지·모션 프롬프트까지 함께 생성할 수 있다.
흥미로운 점은 이 자동화가 단순히 "글을 영상으로 바꾼다"는 수준에 머물지 않는다는 것이다. 먼저 입력 단계에서 양력과 음력을 구분하고, korean-lunar-calendar가 있으면 음력 입력을 양력으로 변환한다. 태어난 곳은 주요 도시 정보나 직접 입력한 위도·경도를 바탕으로 처리되며, 출생지 경도와 균시차를 반영해 진태양시 보정을 시도한다. 사주에서 시주는 작은 차이로도 달라질 수 있으므로, 이런 보정은 콘텐츠의 신뢰도를 높이는 첫 번째 장치가 된다.
계산 단계에서는 만세력 엔진이 년주, 월주, 일주, 시주를 구성한다. ephem이 설치된 환경에서는 태양 황경을 이용해 실제 절입시각을 계산하고, 그렇지 않은 환경에서는 고정 근사 절입일로 폴백한다. 이 차이는 중요하다. 자동화는 언제나 이상적인 환경만을 전제할 수 없기 때문에, 정밀 계산이 가능할 때는 정밀하게 가고, 의존성이 없을 때는 명확히 한계를 둔 근사값으로 내려오는 구조가 필요하다.
그다음은 해석을 위한 데이터 정리다. 오행분포는 목·화·토·금·수의 균형을 막대그래프로 보여주고, 십성은 일간을 기준으로 비겁, 식상, 재성, 관성, 인성의 관계를 나눈다. 대운은 성별과 년간의 음양에 따라 순행과 역행을 판단하고, 절기까지의 거리로 시작 나이를 근사한다. 올해 세운은 원국과 대운 위에 다시 얹히는 시간의 층으로 다뤄진다. 신살은 도화, 역마, 화개 같은 대표 키워드를 카드 형태로 보여주되, 초보자가 받아들이기 쉬운 설명을 붙인다.
여기까지가 사주 계산의 영역이라면, 쇼츠 제작기는 그 결과를 다시 화면 문법으로 바꾼다. 첫 장면은 입력 정보를 요약하고, 이어서 사주원국 표가 등장한다. 일간은 "나 자신을 보는 기준"으로 강조되고, 오행분포는 막대그래프, 십성은 관계도, 대운은 타임라인, 신살은 카드로 정리된다. 이후 기본 특성, 올해 흐름, 직업·학업, 재물, 연애·결혼, 건강, 그리고 사용자가 입력한 세 가지 질문에 대한 Q&A가 이어진다.
이 방식의 장점은 제작자가 반복 작업에서 벗어난다는 데 있다. 매번 같은 화면 비율을 맞추고, 같은 표를 그리고, 같은 순서로 장면을 배열하고, 내레이션 파일명을 정리하는 일은 창의적인 판단이라기보다 제작 노동에 가깝다. 자동화는 이런 부분을 덜어낸다. 1080x1920 세로형 프레임을 기준으로 슬라이드를 만들고, 필요하면 PNG 프레임을 남기며, 최종적으로 MP4를 만든다. TTS 옵션을 켜면 내레이션 원고 .txt와 오디오 .aiff가 생성되고, sync-to-audio를 사용하면 음성 길이에 맞춰 슬라이드 표시 시간도 조정된다.
Flow 프롬프트 생성은 또 다른 확장 지점이다. 완성된 영상만 만드는 것이 아니라, 각 슬라이드에 어울리는 이미지 프롬프트, Flow 모션 프롬프트, 오버레이 텍스트, 네거티브 프롬프트를 md와 json으로 함께 남긴다. 즉 한 번의 입력이 계산 결과, 설명 원고, 영상 초안, 음성 파일, 이미지 생성 지시서로 분기된다. 콘텐츠 제작 파이프라인으로 보면 꽤 실용적인 구조다. 사람이 매번 처음부터 프롬프트를 쓰는 대신, 사주 데이터와 장면의 목적에 맞춰 기본 뼈대를 자동으로 확보할 수 있기 때문이다.
하지만 이 자동화가 모든 것을 대신한다고 보기는 어렵다. 사주는 계산만으로 완성되는 장르가 아니다. 같은 오행분포라도 어떤 사람에게는 직업 선택의 언어가 되고, 어떤 사람에게는 관계의 언어가 되며, 어떤 사람에게는 불안을 정리하는 언어가 된다. MBTI, 직업, 결혼유무, 자녀유무, 질문 세 가지가 입력되는 이유도 여기에 있다. 원국을 그대로 읽는 것보다, 사용자가 지금 어떤 맥락에서 질문하는지를 함께 봐야 답변이 덜 기계적으로 느껴진다.
정확도에도 남은 과제가 있다. 현재 계산은 만세력 엔진을 기반으로 하지만, 전문 만세력 서비스처럼 모든 국가와 도시, 모든 절기 계산 환경, 모든 신살 체계를 촘촘히 덮는 단계는 아니다. ephem이 없으면 절입시각은 근사값으로 처리되고, 음력 변환도 관련 라이브러리가 있을 때 더 안정적으로 동작한다. 국가·도시 확장, 전문 신살 계산표, 일간 강약 판단의 계절 가중치 같은 부분은 계속 고도화할 여지가 있다.
그래서 이 프로젝트를 가장 균형 있게 설명하면, "사주 상담사를 대체하는 기계"라기보다 "반복 가능한 사주 쇼츠 제작 공정"에 가깝다. 계산표를 만들고, 핵심 지표를 시각화하고, 영상과 내레이션과 프롬프트를 정리하는 일은 자동화가 잘한다. 반대로 표현의 수위, 조언의 윤리성, 개인의 상황을 배려하는 문장, 지나친 단정의 제거는 여전히 사람이 봐야 한다.
특히 사주 콘텐츠에서 조심해야 할 것은 판결문처럼 말하는 태도다. "올해는 반드시 실패한다"거나 "이 사람과는 절대 맞지 않는다"는 식의 문장은 조회수를 얻을지는 몰라도 좋은 도구의 언어는 아니다. 샘플 내레이션의 핵심 문장처럼, 사주는 정답을 고정하는 도구가 아니라 선택의 방향을 선명하게 보는 지도에 가깝다. 자동화된 영상도 이 관점을 잃지 않아야 한다.
결국 사주 쇼츠 자동화의 가능성은 꽤 크다. 입력값을 구조화하고, 계산을 일관되게 수행하고, 세로형 영상의 반복 제작을 줄이고, TTS와 Flow 프롬프트까지 이어주는 파이프라인은 실제 제작 시간을 크게 줄일 수 있다. 그러나 그 결과물을 그대로 업로드하기보다, 마지막에 사람이 한 번 더 읽고 덜어내고 다듬는 과정이 필요하다. 자동화가 덜어주는 것은 반복이고, 사람이 지켜야 하는 것은 해석의 책임이다.