AI 이미지 생성 실전 가이드: diffusion부터 에이전트 연동까지

A practical guide to AI image generation, from diffusion to agents

Oct 20, 2026•westsmith•View Original

TL;DR Highlight

이미지 API를 직접 써 보니 캔버스 단위 과금과 카메라 묘사 프롬프트가 핵심이었다

Who Should Read

서비스에 이미지 생성 API나 에이전트를 붙이려는데 모델·비용·프롬프트 선택이 막막한 백엔드 개발자

Core Mechanics

과금은 내용이 아니라 캔버스 크기
- 평범한 나무 테이블 그림과 정교한 유화는 같은 크기면 같은 값이다.
- 32x32 스프라이트도 큰 그림을 만든 뒤 직접 줄여야 한다.
- Gemini 2.5 Flash Image는 512x512를 요청해도 1024x1024를 같은 가격에 돌려줬다.
모델은 diffusion과 멀티모달 두 갈래
- diffusion(노이즈에서 조금씩 깨끗하게 만드는 방식)은 싸고 빠르며 seed로 재현이 된다.
- 멀티모달(언어 모델 안에서 이미지를 만드는 방식)은 지시 따르기, 글자 렌더링, 편집에 강하다.
- 멀티모달은 seed 제어가 없고 출력 크기가 고정인 경우가 많다고 한다.
가격 차이가 100배 넘게 난다
- 이미지당 1센트 미만부터 15센트 이상까지 모델마다 다르다.
- 2026년 10월 기준 Flux Schnell은 Replicate·fal.ai에서 약 $0.003이고, Nano Banana Pro는 약 $0.134 이상이다.
- 신형 플래그십은 더 싸지 않고 더 비싸다.
싼 모델이 늘 싼 건 아니다
- 사용 가능한 이미지 한 장의 비용은 (장당 가격 x 시도 횟수) + 내 시간이다.
- 필자 실험에서는 0.1센트 더 비싼 모델이 재시도를 여러 번 줄였다.
뷰가 아니라 카메라를 묘사하라
- 위에서 내려다본 테이블은 "orthographic flat lay, 카메라는 수직 아래, 원근·수평선 없음"처럼 카메라를 묘사하자 해결됐다.
- 소품은 네 모서리에 퍼뜨리고 가장자리에서 잘리게 위치까지 지정했다.
- Flux는 소품을 온전히 모서리로 밀었고, 계획 후 그리는 Muse는 변마다 하나씩 잘라 배치하고 가운데를 비웠다.
AI 티는 이제 취향에서 난다
- 손가락과 글자 오류는 대부분 해결됐고, 긴 글은 아직 완전하지 않다(2025년 12월 Nano Banana Pro가 "Lived experience"를 "Liver experience"로 렌더링).
- 지금의 티는 과한 광택, 과한 드라마, 평범함을 못 견디는 연출이다.
- 인쇄 공정과 카메라를 묘사하고 "competent and slightly bland"를 요청하자 AI 티가 줄었다.
API는 계속 바뀌니 얇게 감싸라
- 모델은 몇 주 전 공지로 퇴역하고, 일부 provider는 파라미터를 조용히 무시한다.
- OpenAI는 2026년 5월 12일 API에서 DALL-E 2·3을 제거했다.
- 모델명은 설정에 두고 실제 받은 결과를 로그로 남기라고 권한다.

Community Reactions

픽셀아트는 이미지 모델보다 절차적 그래픽이 낫다는 경험
- 댓글에서 LLM에게 단순 드로잉 명령을 시켜 EGA풍 장면을 그리게 했더니 잘 됐다는 경험이 나왔다.
- 그리드 정렬, 팔레트, 고주파 노이즈 문제를 피할 수 있다는 의견이다.
로고는 모델이 쓴 코드로 만들었다는 경험
- 댓글에서 Opus로 파이썬 코드를 짜 로고를 만들었더니 생성형 AI보다 일관되고 제어가 쉬웠다고 했다.
스프라이트는 비디오 모델로 뽑았다는 경험
- 댓글에서 캐릭터 동작 영상을 만들고 프레임을 분리해 스프라이트 시트를 만들었다고 했다.
- 그리드 생성은 싸지만 일관성이 금방 깨진다는 의견이다.
로컬 생성은 아직 격차가 있다는 반응
- 댓글에서 Flux나 Qwen을 로컬로 돌리면 ChatGPT보다 1~2년 뒤처진 결과에 장당 최대 5분이 걸린다는 질문이 나왔다.
- 반대로 16GB VRAM으로 대부분을 무료로 해결한다는 댓글도 있었다.
상업용 픽셀아트엔 부족하다는 반론
- 댓글에서 PSD 레이어, 실제 폰트 텍스트, 브랜드 팔레트 준수, 두 달 뒤 수정 가능성이 실무에 필요하다고 지적했다.
- 구도가 중요하면 직접 스케치하거나 저해상도 3D 도형을 참조 이미지로 주고 재스타일링하라는 의견도 있었다.

How to Apply

카메라 묘사 프롬프트로 바꿔 돌려보기
- 오늘 쓰는 이미지 프롬프트 하나를 골라 형용사 대신 카메라·렌즈·인쇄 방식·배치 위치로 다시 써라.
- 같은 모델에서 원래 프롬프트와 나란히 5장씩 비교해 쓸 만한 비율을 세라.
이미지 provider를 얇은 인터페이스로 감싸기
- generate(prompt, size) 함수 하나 뒤에 OpenAI·Gemini·OpenRouter를 숨겨라.
- 모델명은 설정 파일로 빼고 요청 파라미터와 실제 응답 크기를 로그로 남겨라.
모델 선택을 사용 가능 이미지당 비용으로 계산하기
- 후보 모델 3개에 같은 프롬프트를 20번씩 돌려 쓸 만한 결과 수를 세라.
- 장당 가격 x 시도 횟수로 비교해 가장 싼 모델을 고르라.
정확한 작업은 코드로 처리하기
- 크기 조정, 투명 배경, 팔레트 맞춤, 레이아웃은 PIL이나 rembg 같은 일반 코드에 맡겨라.
- AI는 창작 부분에만 쓰는 하이브리드 파이프라인을 짜라.

Try It

복사해서 바로 해보기

# Claude나 ChatGPT에 그대로 붙여넣기 (원문 '카메라를 묘사하라' 방법의 프롬프트 버전)

너는 이미지 생성 프롬프트 엔지니어다. 아래 장면 설명을 '뷰 묘사'가 아니라 '카메라·제작 방식 묘사' 프롬프트로 다시 써라.

장면: {{만들고 싶은 이미지}}
용도: {{게임 배경 / 포스터 / 제품컷 등}}

규칙:
1. 카메라 위치, 원근 유무, 프레임 채움 방식을 먼저 쓴다. (예: orthographic flat lay, camera points straight down, no horizon)
2. 물체가 어디에 놓이는지 위치를 구체적으로 쓴다. (예: 네 모서리에 퍼뜨리고 가장자리에서 잘리게)
3. 보이면 안 되는 것을 명시한다. (예: 벽, 창문, 바닥 없음)
4. 'stunning', 'hyper-detailed' 같은 말은 쓰지 않는다.
5. 실제 인쇄 공정이나 필름 종류가 있으면 쓴다.

결과로 영어 프롬프트 1개와 바꾼 이유 3줄을 줘.

이어서 해 볼 것: 원래 프롬프트와 새 프롬프트를 같은 이미지 모델에 5번씩 돌려 쓸 만한 결과 수를 비교해 봐.

Terminology

diffusion model정적 노이즈에서 시작해 여러 단계에 걸쳐 노이즈를 조금씩 지우며 그림을 완성하는 모델이다. 사진에 먼지를 입혔다 닦아내는 과정을 거꾸로 배운 셈이다.

latent diffusion최종 이미지보다 한 변이 약 8배 작은 내부 캔버스에서 그린 뒤 디코딩하는 방식이다. 그래서 32x32 같은 아주 작은 크기는 요청할 수 없다.

seeddiffusion이 시작하는 랜덤 노이즈를 정하는 값이다. 같은 seed·프롬프트·모델이면 같은 이미지가 나오지만 호스팅 모델은 무시하거나 거부하는 경우가 많다.

distilled model30단계 걸릴 일을 4단계로 끝내도록 학습시킨 가벼운 모델이다. Flux Schnell, SDXL Turbo가 예시다.

inpainting마스크로 지정한 영역만 다시 생성하는 편집 기법이다. 사진에서 한 부분만 지우개로 지우고 다시 그리는 것과 비슷하다.

C2PA이미지에 출처 정보를 넣는 메타데이터 규격이다. 쉽게 지워지므로 AI 여부 증명에 의존하면 안 된다.

Related Resources

AI 이미지 생성 실전 가이드: diffusion부터 에이전트 연동까지

A practical guide to AI image generation, from diffusion to agents

Oct 20, 2026•westsmith•View Original

TL;DR Highlight

이미지 API를 직접 써 보니 캔버스 단위 과금과 카메라 묘사 프롬프트가 핵심이었다

Who Should Read

서비스에 이미지 생성 API나 에이전트를 붙이려는데 모델·비용·프롬프트 선택이 막막한 백엔드 개발자

Core Mechanics

과금은 내용이 아니라 캔버스 크기
- 평범한 나무 테이블 그림과 정교한 유화는 같은 크기면 같은 값이다.
- 32x32 스프라이트도 큰 그림을 만든 뒤 직접 줄여야 한다.
- Gemini 2.5 Flash Image는 512x512를 요청해도 1024x1024를 같은 가격에 돌려줬다.
모델은 diffusion과 멀티모달 두 갈래
- diffusion(노이즈에서 조금씩 깨끗하게 만드는 방식)은 싸고 빠르며 seed로 재현이 된다.
- 멀티모달(언어 모델 안에서 이미지를 만드는 방식)은 지시 따르기, 글자 렌더링, 편집에 강하다.
- 멀티모달은 seed 제어가 없고 출력 크기가 고정인 경우가 많다고 한다.
가격 차이가 100배 넘게 난다
- 이미지당 1센트 미만부터 15센트 이상까지 모델마다 다르다.
- 2026년 10월 기준 Flux Schnell은 Replicate·fal.ai에서 약 $0.003이고, Nano Banana Pro는 약 $0.134 이상이다.
- 신형 플래그십은 더 싸지 않고 더 비싸다.
싼 모델이 늘 싼 건 아니다
- 사용 가능한 이미지 한 장의 비용은 (장당 가격 x 시도 횟수) + 내 시간이다.
- 필자 실험에서는 0.1센트 더 비싼 모델이 재시도를 여러 번 줄였다.
뷰가 아니라 카메라를 묘사하라
- 위에서 내려다본 테이블은 "orthographic flat lay, 카메라는 수직 아래, 원근·수평선 없음"처럼 카메라를 묘사하자 해결됐다.
- 소품은 네 모서리에 퍼뜨리고 가장자리에서 잘리게 위치까지 지정했다.
- Flux는 소품을 온전히 모서리로 밀었고, 계획 후 그리는 Muse는 변마다 하나씩 잘라 배치하고 가운데를 비웠다.
AI 티는 이제 취향에서 난다
- 손가락과 글자 오류는 대부분 해결됐고, 긴 글은 아직 완전하지 않다(2025년 12월 Nano Banana Pro가 "Lived experience"를 "Liver experience"로 렌더링).
- 지금의 티는 과한 광택, 과한 드라마, 평범함을 못 견디는 연출이다.
- 인쇄 공정과 카메라를 묘사하고 "competent and slightly bland"를 요청하자 AI 티가 줄었다.
API는 계속 바뀌니 얇게 감싸라
- 모델은 몇 주 전 공지로 퇴역하고, 일부 provider는 파라미터를 조용히 무시한다.
- OpenAI는 2026년 5월 12일 API에서 DALL-E 2·3을 제거했다.
- 모델명은 설정에 두고 실제 받은 결과를 로그로 남기라고 권한다.

Community Reactions

픽셀아트는 이미지 모델보다 절차적 그래픽이 낫다는 경험
- 댓글에서 LLM에게 단순 드로잉 명령을 시켜 EGA풍 장면을 그리게 했더니 잘 됐다는 경험이 나왔다.
- 그리드 정렬, 팔레트, 고주파 노이즈 문제를 피할 수 있다는 의견이다.
로고는 모델이 쓴 코드로 만들었다는 경험
- 댓글에서 Opus로 파이썬 코드를 짜 로고를 만들었더니 생성형 AI보다 일관되고 제어가 쉬웠다고 했다.
스프라이트는 비디오 모델로 뽑았다는 경험
- 댓글에서 캐릭터 동작 영상을 만들고 프레임을 분리해 스프라이트 시트를 만들었다고 했다.
- 그리드 생성은 싸지만 일관성이 금방 깨진다는 의견이다.
로컬 생성은 아직 격차가 있다는 반응
- 댓글에서 Flux나 Qwen을 로컬로 돌리면 ChatGPT보다 1~2년 뒤처진 결과에 장당 최대 5분이 걸린다는 질문이 나왔다.
- 반대로 16GB VRAM으로 대부분을 무료로 해결한다는 댓글도 있었다.
상업용 픽셀아트엔 부족하다는 반론
- 댓글에서 PSD 레이어, 실제 폰트 텍스트, 브랜드 팔레트 준수, 두 달 뒤 수정 가능성이 실무에 필요하다고 지적했다.
- 구도가 중요하면 직접 스케치하거나 저해상도 3D 도형을 참조 이미지로 주고 재스타일링하라는 의견도 있었다.

How to Apply

카메라 묘사 프롬프트로 바꿔 돌려보기
- 오늘 쓰는 이미지 프롬프트 하나를 골라 형용사 대신 카메라·렌즈·인쇄 방식·배치 위치로 다시 써라.
- 같은 모델에서 원래 프롬프트와 나란히 5장씩 비교해 쓸 만한 비율을 세라.
이미지 provider를 얇은 인터페이스로 감싸기
- generate(prompt, size) 함수 하나 뒤에 OpenAI·Gemini·OpenRouter를 숨겨라.
- 모델명은 설정 파일로 빼고 요청 파라미터와 실제 응답 크기를 로그로 남겨라.
모델 선택을 사용 가능 이미지당 비용으로 계산하기
- 후보 모델 3개에 같은 프롬프트를 20번씩 돌려 쓸 만한 결과 수를 세라.
- 장당 가격 x 시도 횟수로 비교해 가장 싼 모델을 고르라.
정확한 작업은 코드로 처리하기
- 크기 조정, 투명 배경, 팔레트 맞춤, 레이아웃은 PIL이나 rembg 같은 일반 코드에 맡겨라.
- AI는 창작 부분에만 쓰는 하이브리드 파이프라인을 짜라.

Try It

복사해서 바로 해보기

# Claude나 ChatGPT에 그대로 붙여넣기 (원문 '카메라를 묘사하라' 방법의 프롬프트 버전)

너는 이미지 생성 프롬프트 엔지니어다. 아래 장면 설명을 '뷰 묘사'가 아니라 '카메라·제작 방식 묘사' 프롬프트로 다시 써라.

장면: {{만들고 싶은 이미지}}
용도: {{게임 배경 / 포스터 / 제품컷 등}}

규칙:
1. 카메라 위치, 원근 유무, 프레임 채움 방식을 먼저 쓴다. (예: orthographic flat lay, camera points straight down, no horizon)
2. 물체가 어디에 놓이는지 위치를 구체적으로 쓴다. (예: 네 모서리에 퍼뜨리고 가장자리에서 잘리게)
3. 보이면 안 되는 것을 명시한다. (예: 벽, 창문, 바닥 없음)
4. 'stunning', 'hyper-detailed' 같은 말은 쓰지 않는다.
5. 실제 인쇄 공정이나 필름 종류가 있으면 쓴다.

결과로 영어 프롬프트 1개와 바꾼 이유 3줄을 줘.

이어서 해 볼 것: 원래 프롬프트와 새 프롬프트를 같은 이미지 모델에 5번씩 돌려 쓸 만한 결과 수를 비교해 봐.

Terminology

latent diffusion최종 이미지보다 한 변이 약 8배 작은 내부 캔버스에서 그린 뒤 디코딩하는 방식이다. 그래서 32x32 같은 아주 작은 크기는 요청할 수 없다.

distilled model30단계 걸릴 일을 4단계로 끝내도록 학습시킨 가벼운 모델이다. Flux Schnell, SDXL Turbo가 예시다.

inpainting마스크로 지정한 영역만 다시 생성하는 편집 기법이다. 사진에서 한 부분만 지우개로 지우고 다시 그리는 것과 비슷하다.

C2PA이미지에 출처 정보를 넣는 메타데이터 규격이다. 쉽게 지워지므로 AI 여부 증명에 의존하면 안 된다.

AI 이미지 생성 실전 가이드: diffusion부터 에이전트 연동까지

TL;DR Highlight

Who Should Read

Core Mechanics

Community Reactions

How to Apply

Try It

Terminology

관련 논문

Related Resources

AI 이미지 생성 실전 가이드: diffusion부터 에이전트 연동까지

TL;DR Highlight

Who Should Read

Core Mechanics

Community Reactions

How to Apply

Try It

Terminology

관련 논문

Related Resources