AI 이미지 프롬프트 완전 가이드 — 구조·어휘·레이아웃·템플릿

AI 이미지 프롬프트에서 실력 차이는 어휘를 얼마나 많이 아느냐가 아니라, 무엇을 어떤 순서로 분리해 쓰느냐에서 갈립니다. 한 문장에 모든 요구를 뭉쳐 넣으면 결과가 마음에 들어도 왜 좋았는지 모르고, 마음에 안 들어도 어디를 고쳐야 할지 모릅니다. 이 글은 구조·어휘·레이아웃·템플릿 네 단계를 공식 문서 기준으로 정리합니다.

기본 구조

프롬프트는 어떤 단위로 나눠 써야 하나요?

주제·스타일·구도·조명·분위기 다섯 블록으로 끊어 쓰는 것이 출발점입니다. Midjourney 프롬프트 기초 문서는 모호한 형용사보다 구체적인 명사·형용사를 권장합니다.

각 블록이 맡는 역할은 다음과 같습니다.

핵심은 블록을 겹치지 않게 두는 것입니다. 그래야 한 블록만 바꿔가며 비교할 수 있습니다. 같은 주제라도 블록을 얼마나 채웠느냐에 따라 결과 편차가 이렇게 갈립니다.

블록을 비워도 됩니다. 다만 비운 자리는 모델이 확률적으로 채웁니다. 위 표의 “보통”에서 인물이 어떤 각도로 앉아 있을지, 빛이 어디서 들어올지는 매번 달라집니다. 그래서 “결과가 마음에 드는데 다시 안 나온다”는 문제가 생기면, 대부분 비워둔 블록이 원인입니다.

반대로 다섯 블록을 다 채웠는데도 결과가 흔들린다면 그건 다른 문제입니다 — 시드·모델 버전·비율이 개입한 경우이고, 프롬프트를 더 붙여도 잡히지 않습니다.

어휘 사전

조명·렌즈·스타일 어휘는 어떻게 고르나요?

축을 정해두고 조합하면 외울 양이 크게 줄어듭니다. “soft light”와 “rim light” 한 단어 차이가 결과를 완전히 바꾸기 때문에, 어휘는 많이 아는 것보다 분류해두는 쪽이 실용적입니다.

조명 — 방향 + 광질 + 시간대로 조합합니다. – 방향: front light, side light, backlight, rim light, top light – 광질: soft light, hard light, diffused light, volumetric light – 시간·상황: golden hour, blue hour, overcast, studio lighting, neon lighting

렌즈 — 실제 촬영 용어가 대부분 인식됩니다. 다만 광학을 계산하지는 않습니다. – 초점거리: 24mm(광각), 35mm, 50mm(표준), 85mm(포트레이트), 100mm macro – 심도: shallow depth of field, bokeh, deep focus – 특성: fisheye, tilt-shift, anamorphic, film grain

여기서 자주 오해가 생깁니다. “85mm f/1.4″라고 써도 모델이 심도를 계산해 그리는 게 아니라 그런 느낌의 이미지를 만듭니다. OpenAI의 DALL·E 3 시스템 카드도 카메라 용어 이해와 물리 시뮬레이션은 별개임을 전제로 설명합니다.

스타일 — 매체 + 사조 + 마감 질감 순으로 쌓습니다. – 매체: oil painting, watercolor, 3D render, low poly, vector illustration – 사조: art nouveau, bauhaus, ukiyo-e, mid-century modern, cyberpunk – 질감: matte, glossy, grainy, muted colors, pastel palette

생존 작가 이름을 직접 넣는 방식은 권하지 않습니다. 도구마다 정책이 다르고 차단되는 경우도 있어, 사조·매체 어휘로 우회하는 쪽을 권합니다.

레이아웃

여백과 피사체 위치는 어떻게 지정하나요?

구도 용어 + 피사체 위치 + 여백 방향, 세 가지를 쉼표로 끊어 쓰면 재현성이 올라갑니다.

구도 용어는 사진·회화에서 굳어진 표현을 그대로 씁니다 — rule of thirds, centered composition, symmetrical framing, low angle, overhead flat lay.

피사체 위치는 자연어 좌표로 씁니다 — subject on the left third, subject in the lower-right, off-center to the right.

썸네일처럼 글자를 얹을 자리가 필요하면 여백을 목적과 함께 적는 게 효과적입니다. large negative space on the left for text overlay처럼 쓰면 그 영역의 채도·질감까지 함께 절제되는 경향이 있습니다. 여기에 minimalist background, low contrast를 더하면 텍스트 가독성이 올라갑니다.

종횡비는 도구마다 방식이 다릅니다. Midjourney는 --ar 파라미터로 지정하고, Gemini·GPT 계열은 문장 안에 “16:9 가로 비율로”처럼 적습니다.

다만 분명히 해둘 것이 있습니다. 어떤 도구도 여백의 픽셀 비율이나 정확한 좌표를 보장하지 않습니다. 프롬프트는 확률적 생성이라 같은 문장을 넣어도 위치가 매번 달라집니다. 로고 자리나 자막 세이프 존처럼 정밀 배치가 필요하면 Canva·Figma에서 마무리하는 편이 빠릅니다.

도구별 차이

같은 어휘를 도구마다 다르게 써야 하나요?

네. 공식 문서가 권장하는 입력 방식 자체가 다릅니다.

Google의 Gemini 이미지 생성 가이드는 키워드 나열보다 서술형 단락을 권장합니다. 반대로 Midjourney는 짧고 구체적인 키워드 조합을 권장합니다. 같은 어휘 사전을 쓰더라도 조립 방식을 바꿔야 하는 이유입니다.

OpenAI의 이미지 생성 가이드도 상세한 서술을 강조합니다. 파라미터로 미세 조정하는 문화는 사실상 Midjourney·Stable Diffusion 쪽에 몰려 있고, Midjourney의 옵션은 파라미터 목록에 정리돼 있습니다.

구도를 반드시 고정해야 한다면 프롬프트만으로는 부족합니다. Stable Diffusion 계열의 ControlNet은 참조 이미지의 윤곽·깊이·포즈를 입력으로 받아 구조를 강제하므로, 시리즈 썸네일처럼 통일감이 필요한 작업에 훨씬 안정적입니다.

템플릿 관리

반복 작업이라면 프롬프트를 어떻게 관리하나요?

필드를 나눈 템플릿(JSON·YAML)으로 저장하고, 모델에는 조립된 문장을 넣는 방식을 권합니다.

여기서 흔한 오해를 짚고 갑니다. JSON을 넣으면 모델이 JSON 구조로 이해한다는 생각인데, 그렇지 않습니다. 공개된 이미지 모델은 입력을 내부적으로 자연어로 재해석하며, JSON 스키마를 요구하는 공식 규격은 어느 도구에도 없습니다. 필드 분리는 모델을 위한 게 아니라 사람이 요소를 관리하기 위한 장치입니다.

최소 스키마는 다섯 개면 충분합니다.

이렇게 두면 “배경만 낮에서 밤으로”, “조명만 자연광에서 스튜디오로” 같은 부분 교체가 쉬워집니다. 결과 이미지와 프롬프트를 함께 로그로 남기면 나중에 어떤 조합이 좋았는지 되짚을 수 있습니다.

반대로 1회성 아트워크나 우연한 발상이 목적이라면 이 방식은 과설계입니다. 필드가 늘수록 프롬프트가 길어지고, 길어지면 일부 지시가 묻히기도 합니다.

네 단계를 하나로 조립하면

앞의 내용을 블로그 대표 이미지 하나 만드는 흐름으로 이어보면 이렇게 됩니다.

1. 구조 — subject(노트북과 커피가 놓인 책상) / style(에디토리얼 사진) / composition / lighting / mood 를 먼저 칸으로 나눕니다.
2. 어휘 — 조명 축에서 soft morning light from left, 렌즈 축에서 35mm, shallow depth of field 를 고릅니다.
3. 레이아웃 — 제목을 얹을 자리를 확보합니다. large negative space on the right for text overlay, minimalist background.
4. 조립 — 도구에 맞게 형태를 바꿉니다. Midjourney면 쉼표로 끊은 키워드 나열에 --ar 16:9 를 붙이고, Gemini 계열이면 같은 내용을 한 단락 서술로 풉니다.

결과가 마음에 안 들 때도 이 순서로 되짚으면 어디를 고칠지 금방 드러납니다. 분위기가 안 맞으면 조명 축만, 글자 자리가 부족하면 레이아웃 구문만 바꾸면 됩니다. 한 번에 한 축만 건드리는 것이 이 구조를 쓰는 실질적인 이유입니다.

실제로 이 사이트는 얼마를 씁니다

이 글의 이미지도 위 과정 그대로 프롬프트를 만들어 Gemini(나노바나나) API에 넣어 생성합니다. 슬롯마다 모델이 다릅니다 — 대표(커버) 이미지는 헤드라인 글자를 이미지 안에 직접 그려야 해서 상위 모델을, 인라인은 글자 없는 순수 사진이라 최저가 모델을 씁니다.

대표 1장 + 인라인 2~3장을 합치면 글 한 편의 이미지 생성비는 $0.14~$0.17 선입니다. 단가는 API 응답의 usageMetadata에 찍히는 토큰 수(1K 해상도 이미지 1장 = 1,120토큰)를 Google 공식 요금표와 대조해 직접 확인한 값입니다.

모델은 계속 바뀝니다. 이전에는 두 슬롯을 같은 모델 하나로 통일해 썼는데, 그 모델의 서비스 종료 일정이 잡히면서 지금의 두 모델 조합으로 옮겼습니다. 위 단가도 시간이 지나면 다시 확인이 필요합니다.

한계

프롬프트로 해결되지 않는 것은 무엇인가요?

세 가지는 프롬프트를 아무리 다듬어도 남습니다.

손가락·복잡한 반사 — 여전히 불안정합니다. 인물 손이 화면에서 크게 잡히는 구도는 재생성을 여러 번 돌리거나, 손이 프레임 밖으로 나가는 구도로 우회하는 편이 빠릅니다.

이미지 안의 글자 — 세대가 바뀌며 크게 나아졌습니다. 짧은 영문 카피는 실전에 쓸 만한 수준까지 왔고, GPT Image와 Imagen 계열 모두 텍스트 처리를 강점으로 내세웁니다. 다만 한글과 긴 문장은 별개입니다. 자모 결합 구조 탓에 오탈자·뭉개짐이 잦아, 짧은 단어를 넘어가면 편집툴에서 얹어야 합니다.

정밀 배치 — 앞서 말한 대로 픽셀 단위는 보장되지 않습니다.

프롬프트는 결과의 방향을 좁히는 도구이지 결과를 지정하는 도구가 아닙니다. 이 경계를 알고 접근하면 헛수고가 크게 줄어듭니다. 블로그 삽화·무드보드·콘셉트 스케치처럼 위치가 유동적이어도 되는 작업에는 프롬프트만으로 충분히 효율적이고, 인쇄물·제품 목업처럼 정확도가 필요한 작업은 처음부터 후보정을 공정에 넣어두는 편이 현실적입니다.

프롬프트 작성은 어휘 암기가 아니라 분리와 조립의 문제입니다. 다섯 블록으로 나누고, 축별 어휘를 조합하고, 도구에 맞는 형태로 조립하고, 반복 작업이라면 템플릿으로 관리하는 순서입니다. 다만 여백·좌표·글자처럼 프롬프트가 보장하지 못하는 영역은 분명히 있으니, 그 지점은 편집툴이나 구조 제어 도구로 나눠 처리하는 편이 현실적입니다. 요금과 정책은 자주 바뀌므로 결제 전에는 각 제품의 공식 페이지를 다시 확인하시길 권합니다.