GPT6 Codex 기반 바이브 디자인 및 영상 제작 관련 테스트 결과
GPT-6 기반 Codex에 자연어로 지시해, AI 에이전트가 Rhino·Revit·Blender를 직접 조작하며 미술관 개념 모델링부터 32초 카메라 애니메이션, 주요 장면 렌더링, 힉스필드 영상 실사화까지 진행한 '바이브 디자인' 테스트 결과입니다. (출처: 한국건설기술연구원 강태욱 박사)
테스트 개요 — 말로 설계하고 영상까지 만드는 바이브 디자인
이 글은 GPT6 Codex를 이용한 바이브 디자인(vibe design) 과 영상 제작 테스트 결과를 정리한 것입니다. 바이브 코딩처럼 자연어로 지시하면, AI 에이전트가 설계 도구를 직접 조작해 모델링, 렌더링, 애니메이션까지 진행합니다.
테스트 대상은 서울 선릉역 인근 가상 대지에 계획한 지상 5층, 지하 2층 규모의 미술관·문화공간입니다. 자하 하디드와 프랭크 게리의 조형 언어를 참고해 금속 곡면 외피와 유리 입면, 아트리움을 중심으로 구성했습니다.
항목 | 내용 |
|---|---|
대상 | 서울 강남구 선릉역 인근 가상 대지, 미술관·문화공간 개념설계 |
규모 | 지상 5층, 지하 2층 |
조형 | 프랭크 게리·자하 하디드 스타일 — 금속 곡면 외피, 유리 입면, 아트리움 |
사용 도구 | Codex(GPT-6 Astra) + Computer Use, Rhino, Revit, Blender, 힉스필드(Higgsfield) |
결과물 | 32초 카메라 애니메이션, 주요 장면 렌더링 이미지, 약 8.4초 실사화 영상 |
소요 시간 | 다른 일을 하면서 약 2시간 |
작업 방식 — Computer Use로 설계 도구를 다루는 AI 에이전트
Codex를 띄우고 GPT-6 Astra 모델에 프롬프트로 지시하자, 에이전트가 Computer Use로 화면을 직접 조작하며 모델링, 렌더링, 애니메이션 작업을 쉬지 않고 이어 갔습니다. Revit 등을 실행하다 중간에 오류가 나면 스스로 수정한 뒤 재시도했습니다.
작업은 다음 순서로 진행됐습니다.
- Rhino, Revit으로 개념 모델 작성
- Blender로 모델링을 이어 가며 재질, 조명, 카메라 동선 작업
- 상공에서 실내까지 이어지는 32초 카메라 애니메이션과 주요 장면 렌더링
- 힉스필드를 연결해 애니메이션 일부를 실사 영상으로 변환
개념설계 수준에서 시작했고, 사람이 준 것은 아래의 프롬프트 정도였습니다. 도면이나 치수 같은 별도 자료는 거의 주지 않았습니다.
개념 모델링과 카메라 애니메이션
사용한 프롬프트
건축가 프랭크 게리 스타일로 Revit을 이용해 모델링해 줘. 지상 5층, 지하 2층 규모의 럭셔리 미술관 및 문화공간으로 기획하고 진행해 줘. 위치는 서울 강남구 선릉역 근처야. 가상 대지로 개념설계 진행.
클라이언트 입장에서 다양한 뷰로 렌더링해 줘. 건물을 설명하는 도면뿐 아니라, 외관과 공간 분위기를 이해할 수 있는 여러 시점의 이미지를 요청.
작업 과정을 화면에서 확인하기 위해 다음 지시도 추가했습니다.
모델링 과정을 Blender의 해당 위치 뷰로 줌·팬하면서 보여 줘.
모델링이 끝나면 스카이 뷰로 위에서 마치 새가 날아오는 것처럼 건물을 조망해 줘. 점점 카메라를 아래로 내려 입구까지 들어간 다음, 실내를 한 번 훑어보는 식으로 Blender 애니메이션을 작성해 줘. 주요 장면도 캡처해서 렌더링해 줘.
결과 — 상공에서 실내까지 32초 애니메이션
카메라의 출발점과 이동 순서, 최종 도착 공간은 자연어로만 지정했습니다. 결과물은 상공에서 건물을 조망하다 점차 내려와 입구를 통과하고, 로비와 전시 공간을 둘러보는 32초 애니메이션과 주요 장면 렌더링 이미지입니다.
힉스필드로 영상 실사화
사용한 프롬프트
이 애니메이션 영상을 힉스필드로 연결해서 영상 제작해. 힉스필드를 이용해서 사실적으로 영상을 제작해 봐. 단, 해상도나 작업량은 사용량을 고려해서 진행해 줘. 현재 힉스필드 크레딧은 10개 내로만 사용해.
첨부 영상의 외부 건물 전경에서 들어가는 부분만 추출해 짧게 실사화해 줘.
예산 안에서 길이와 해상도를 정한 에이전트
Codex는 작업 화면 녹화본에서 외부 전경과 입구 접근 부분만 추출하고, 화면 UI를 잘라낸 뒤 짧은 영상으로 변환했습니다. 10크레딧 예산을 지키기 위해 해상도와 길이도 스스로 제한했습니다. 작업 화면을 보면, 저비용 모델이 처리 영상 1초당 1크레딧이라는 점을 확인하고 9초 이내 분량으로 구성하면 예산 안에서 진행할 수 있다고 판단한 뒤 작업을 이어 갔습니다.
항목 | 결과 |
|---|---|
입력 | 작업 화면 녹화본(약 71초) 중 외부 전경에서 입구로 접근하는 구간 |
출력 | 약 8.4초, 960×512 해상도 |
사용량 | 8.46크레딧 (예산 10크레딧) |
결과 해석
실사화 과정에서 금속 외피와 유리 반사, 조경, 주변 건물의 표현은 한층 풍부해졌습니다. 다만 형태 보존을 요청했는데도 일부 건물 형상과 디테일이 원본과 달라지는 현상이 확인됐습니다.
따라서 설계 형태의 정확성을 검토할 때는 원본 모델과 Blender 렌더링을 기준으로 삼고, 생성형 영상은 분위기와 공간 경험을 전달하는 용도로 활용하는 편이 적절해 보입니다.
정리와 다음 단계
이번 테스트에서는 자연어 지시만으로 개념 모델링 → 카메라 애니메이션 → 주요 장면 렌더링 → 영상 실사화로 이어지는 작업 흐름을 확인했습니다. 다른 일을 하면서 두 시간 정도에 걸쳐 진행했습니다.
- 활용 가능성 — 초기 설계안을 빠르게 시각화하고 클라이언트와 공유하는 데 쓸 수 있습니다.
- 정확도를 좌우하는 것 — 설계 정확도와 영상의 시각적 완성도는 AI가 설계와 영상의 의도를 정확히 추론할 수 있도록 주는 콘텐츠(도면, 설계 치수, 배경, 목적 등)와 프롬프트 하네스 작업에 크게 영향을 받습니다. 이번 테스트에서는 사람이 준 콘텐츠가 거의 없었습니다.
- 검토는 사람의 몫 — 생성형 영상은 형태 보존을 요청해도 디테일이 달라질 수 있으므로, 생성 결과를 원본 설계와 비교하는 과정이 필요합니다.
출처
이 글은 한국건설기술연구원 강태욱 박사의 블로그 글 「GPT6 Codex 기반 바이브 디자인 및 영상 제작 관련 테스트 결과」(Daddy Makers, 2026년 10월 4일)를 AI LAB 형식에 맞게 정리한 것입니다. 본문의 이미지와 영상은 모두 원문에서 가져왔습니다.