가로 영상을 세로로: 얼굴 추적 스마트 크롭 vs 밋밋한 중앙 크롭

가로 클립이 하나 있다고 하자. 인터뷰, 웨비나, 팟캐스트 한 토막, 카메라로 찍은 무언가. 그런데 플랫폼은 세로를 원한다. Reels, Shorts, TikTok은 휴대폰에서 전체 화면으로 재생되고, 그 비율은 9:16이다. 가장 빠른 변환 방법은 중앙 크롭이다. 그리고 가장 빠르게 망치는 방법도 중앙 크롭이다.

왜 밋밋한 중앙 크롭이 하필 중요한 부분을 잘라내는지, 얼굴 추적 스마트 크롭이 실제로 어떻게 동작하는지, 그리고 모바일에서 세로가 정말로 시선을 잡는다는 주장 뒤에 어떤 수치가 있는지 하나씩 짚어보자.

중앙 크롭이 나쁜 이유

16:9 프레임에서 9:16 세로 띠를 잘라내면 양옆을 물리적으로 버리게 된다. 원본 너비의 약 56%만 남고 나머지는 화면 밖으로 사라진다 (Transcriptr). 크롭 창을 중앙에 고정해 두고 움직이지 않으면, 중앙에서 벗어나 서 있는 사람은 얼굴 절반을 잃는다. 화자가 화이트보드 쪽으로 이동하면 화면에서 사라진다. 대화 중인 두 사람은 그 사이의 빈 벽만 남는다.

중앙 크롭은 내용에 대해 아무것도 모른다. 그저 사각형의 기하학적 정중앙을 잘라낼 뿐인데, 영상에서 중요한 부분이 정확히 한가운데에 놓이는 경우는 거의 없다.

16:9가 9:16이 될 때 벌어지는 일

손실의 규모를 보면 이해가 빠르다. 가로 1920x1080 프레임과 세로 1080x1920 프레임은 완전히 다른 세계다. 검은 여백 없이 진짜 9:16을 얻으려면 넓은 프레임에서 좁은 세로 기둥만 남겨야 한다. 너비로 보면 원본 그림의 절반을 조금 넘는 정도다.

그래서 그 기둥을 어디에 놓느냐가 모든 것을 결정한다. 아무렇게나 중앙에 놓으면 빈 배경이 아니라 얼굴을 버리게 된다. 내용에 맞춰 놓고 화자를 따라 움직이면 배경을 버리고 사람은 화면에 남는다.

얼굴 추적 스마트 크롭의 작동 원리

내부를 들여다보면 제대로 된 오토 리프레임은 마법이 아니라 명확한 파이프라인이다. 먼저 모든 프레임에서 얼굴을 찾고 (예를 들어 얼굴당 최대 468개의 점을 찍는 MediaPipe Face Mesh), 그중 지금 주인공인 얼굴이 누구인지 판단한다. 다음으로 얼굴이 위쪽 여백 15-20%를 두고 프레임에 들어오도록 세로 창을 계산하고, 마지막으로 그 창의 경로를 부드럽게 다듬어 화면이 떨리지 않게 한다 (Transcriptr).

여기서 핵심 단계는 스무딩이다. 창이 머리의 미세한 움직임을 하나하나 쫓아가면 시청자는 3초 만에 멀미를 한다. 그래서 경로를 필터(로우패스 또는 칼만)에 통과시키는데, 스무딩 창은 대략 10-30 프레임 정도다. 큰 움직임은 따라가고 작은 흔들림은 억제한다 (Transcriptr).

• 감지: 각 프레임에서 얼굴이 어디에 있는가
• 추적: 프레임 사이에서 같은 사람, 그래야 창이 튀지 않는다
• 크롭: 머리 위 여백이 있는 좁은 세로 창
• 스무딩: 급격한 전환 없는 부드러운 카메라 이동

수치: 세로가 실제로 이기는 이유

이건 취향 문제가 아니다. 사람들은 휴대폰을 세워서 들고 그렇게 본다. 업계에서 널리 인용되는 수치에 따르면 스마트폰 사용자의 약 94%가 영상을 볼 때 휴대폰을 세로로 들고, 대부분은 가로 클립을 위해 굳이 돌리지 않는다 (Embryo). 게다가 세로 프레임은 모바일에서 가로보다 화면 면적을 약 78% 더 차지한다 (Sculpt).

같은 논리가 완주율로 이어진다. 널리 인용되는 MediaBrix 연구에 따르면 세로 영상은 가로보다 완주율이 약 90% 더 높다 (Sculpt). 그리고 최근 플랫폼 관찰에 따르면 세로 피드에서 진짜 9:16 클립은 1:1 정사각형이나 4:5 컷보다 약 2.3배 더 많은 참여를 끌어낸다 (quso.ai). 포맷 하나만으로도 이미 수치가 움직인다.

그리고 사람들이 자꾸 잊는 한 가지. 피드 영상의 약 85%는 소리를 끈 채 시청된다 (Sculpt). 그러니 세로 포맷만으로는 절반밖에 못 한다. 프레임에 자막이 새겨져 있지 않으면 시청자는 이 클립이 무슨 내용인지 알지 못한 채 스크롤로 지나간다.

중앙 크롭, 수동 키프레임, 추적

가로에서 세로를 얻는 방법은 세 가지다. 이들을 가르는 기준은 시간이 얼마나 드는지, 그리고 얼굴이 얼마나 안정적으로 프레임 안에 남는지다.

수동 키프레이밍은 클립 전체에 걸쳐 크롭 창을 손으로 직접 끌고 다닐 각오만 있으면 완벽한 결과를 준다. 1분 분량 대화라면 수십 번의 조정이다. 스마트 추적은 알고리즘이 창을 몰기 때문에 몇 초 만에 거의 같은 품질을 낸다.

프레이밍은 유지율에 직접 타격을 준다

처음 몇 초가 결정한다. 세로 피드에서 시청자는 끝없이 스크롤하고, 첫 프레임에서 이마가 잘려 있거나 사람이 이미 가장자리로 빠져나갔다면 엄지는 벌써 움직인다. 좋은 프레이밍은 클립 내내 시선을 정확히 있어야 할 곳에 붙잡아 둔다.

9:16 안전 영역

완벽하게 잡힌 얼굴도 플랫폼 인터페이스가 망칠 수 있다. TikTok, Reels, Shorts는 영상 위에 자체 버튼, 계정명, 설명, 자막을 그린다. 표준 캔버스는 1080x1920, 9:16이다. 중요한 요소는 인터페이스가 덮는 가장자리에서 멀리 두자 (quso.ai).

• 하단: 계정명, 설명, 음악이 있는 아래쪽 약 270 px 위로 얼굴과 텍스트를 올려라
• 우측: 좋아요, 댓글, 공유 버튼을 위해 오른쪽 약 100 px를 비워라
• 상단: 아이콘과 시계가 있는 맨 위로 자막을 밀지 마라
• 핵심 내용이 안전 영역을 벗어나는 클립은 완주율을 잃는다, 한 추정으로는 약 22% (quso.ai)

Monty는 이걸 어떻게 하나

Monty는 당신의 촬영본 하나를 받아 플랫폼마다 완성된 숏폼을 만들어 낸다. 당신의 목소리로 스크립트를 쓰고, 촬영본을 편집하고(컷, 음악, b-roll), 말에 맞춘 자막을 넣고, 플랫폼별 버전을 따로 만들어 Shorts, Reels, TikTok, Telegram에 게시한다. 매달 영상 3개는 무료다.

가로에서 세로로 바꿀 때 이건 크롭 창을 손으로 끌거나 안전 영역에 스스로를 맞출 필요가 없다는 뜻이다. Monty는 프레임에 자막을 새긴 세로 버전을 만들어 직접 게시한다. 통제를 원하면 승인 기능을 켜두면 모든 영상이 당신의 확인을 기다린다. 자동을 원하면 일정에 걸어 두면 된다.