두 글자는 살고 여섯 글자는 깨졌다: 한글 간판 텍스트 렌더링 노트
간판에 넣으려던 "분식"이라는 두 글자가 획이 뒤엉킨 정체불명의 기호로 나왔습니다. 정겨운 전통 시장 골목 간판 이미지를 만들려던 작업이었는데, 정작 가장 중요한 글씨가 읽을 수 없는 형태로 깨졌습니다. 배경의 야간 조명이나 골목 분위기는 기대한 대로 잘 나왔는데, 유독 텍스트만 반복적으로 문제가 됐습니다.
초기 프롬프트는 A cozy Korean traditional market alley at night, a signboard reading 정겨운 분식집, tteokbokki and sundae, warm lighting, photorealistic였습니다. 결과물에서 간판 글씨는 한글처럼 보이는 획들이 뒤섞여 있을 뿐 실제로 읽을 수 있는 글자가 아니었습니다. 획이 중간에 끊기거나 서로 다른 글자의 부수가 뒤섞인 형태로 나왔고, 문구가 길어질수록 이 현상이 더 심해졌습니다.
이미지 생성 모델은 글자를 의미 단위의 기호가 아니라 시각적인 패턴으로 학습합니다. 알파벳처럼 획이 단순하고 학습 데이터가 압도적으로 많은 문자는 비교적 안정적으로 재현되지만, 한글은 자음과 모음이 조합되는 구조라 획의 조합 경우의 수가 훨씬 많고 학습 데이터도 상대적으로 적습니다. 그 결과 짧은 단어는 그럭저럭 재현되어도, 문장이 길어질수록 오류가 누적되며 깨지는 정도가 심해졌습니다. 같은 이유로 필기체나 화려한 캘리그래피 스타일을 함께 요구하면 실패율이 더 높아지는 것도 확인했습니다.
문구를 두 글자로 줄이고 큰따옴표로 정확한 텍스트를 지정했습니다. 최종 프롬프트는 A cozy Korean traditional market alley at night, a wooden signboard with the text "분식" in bold clear Hangul signage font, large legible characters, warm lighting, photorealistic입니다. 큰따옴표로 텍스트를 감싸자 모델이 해당 문자열을 임의로 변형하지 않고 최대한 그대로 재현하려는 경향을 보였고, bold clear Hangul signage font와 large legible characters를 더하자 획이 뭉개지는 현상도 줄었습니다. 인용부호 없이 같은 단어만 나열했을 때보다 확실히 안정적이었습니다.
같은 방식으로 "분식"(두 글자)과 "정겨운분식집"(여섯 글자)을 각각 시도해보니, 두 글자는 대부분 정확하게 나왔지만 여섯 글자는 절반 이상이 여전히 깨졌습니다. 네 글자 정도부터 실패율이 눈에 띄게 올라갔고, 특히 앞의 두 글자는 멀쩡한데 뒤로 갈수록 획이 무너지는 패턴이 반복됐습니다. 짧을수록 안정적이라는 걸 확인했고, 꼭 긴 문구가 필요하면 여러 번 생성해 성공한 결과를 고르는 편이 나았습니다. 같은 글자 수라도 자음이 겹치는 획이 많은 글자(예: 밟, 뚫)는 상대적으로 단순한 글자보다 실패율이 더 높았습니다.
이 원칙은 메뉴판, 책 표지, 포스터처럼 텍스트가 들어가는 다른 이미지에도 적용됩니다. 텍스트는 최대한 짧게, 큰따옴표로 정확히 지정하고, legible이나 clear typography 같은 표현을 더하면 성공률이 올라갔습니다. 반대로 문장 전체를 통으로 넣거나 복잡한 캘리그래피 스타일을 함께 요구하면 실패율이 급격히 높아졌습니다. 네거티브 프롬프트에 garbled text, gibberish characters, malformed letters를 추가하는 것도 약간의 도움이 됐지만, 그 효과는 문구를 짧게 줄이는 것만큼 크지 않았습니다.
텍스트 렌더링은 다른 질감 문제와 달리 프롬프트를 아무리 정교하게 짜도 근본적인 한계가 있었습니다. 짧은 문구를 우선하고, 실패하면 재생성하거나 후보정으로 글자를 다듬는 것이 현재로선 가장 현실적인 대응이었습니다. 완벽한 텍스트 렌더링을 프롬프트만으로 보장할 수는 없다는 점을 인정하고 접근하는 게 시간을 아끼는 길이었습니다.
AI 이미지 생성 시 한글 텍스트가 깨지는 현상처럼, 프롬프트가 복잡해질수록 원하는 특정 디테일(형태, 선, 관절 구조 등)이 뭉개지거나 의도치 않은 형태로 변질되는 문제가 자주 발생합니다. 아래 글들은 디테일의 붕괴를 막고, 피사체의 형태를 또렷하게 보존하며 정밀도를 높이는 다양한 제어 방법과 작업기를 담고 있어 함께 읽으면 도움이 됩니다.
목차
긴 문장을 넣을수록 더 심하게 깨졌던 첫 시도
초기 프롬프트는 A cozy Korean traditional market alley at night, a signboard reading 정겨운 분식집, tteokbokki and sundae, warm lighting, photorealistic였습니다. 결과물에서 간판 글씨는 한글처럼 보이는 획들이 뒤섞여 있을 뿐 실제로 읽을 수 있는 글자가 아니었습니다. 획이 중간에 끊기거나 서로 다른 글자의 부수가 뒤섞인 형태로 나왔고, 문구가 길어질수록 이 현상이 더 심해졌습니다.
왜 텍스트 렌더링이 유독 취약한가
이미지 생성 모델은 글자를 의미 단위의 기호가 아니라 시각적인 패턴으로 학습합니다. 알파벳처럼 획이 단순하고 학습 데이터가 압도적으로 많은 문자는 비교적 안정적으로 재현되지만, 한글은 자음과 모음이 조합되는 구조라 획의 조합 경우의 수가 훨씬 많고 학습 데이터도 상대적으로 적습니다. 그 결과 짧은 단어는 그럭저럭 재현되어도, 문장이 길어질수록 오류가 누적되며 깨지는 정도가 심해졌습니다. 같은 이유로 필기체나 화려한 캘리그래피 스타일을 함께 요구하면 실패율이 더 높아지는 것도 확인했습니다.
짧고 명확한 문구와 인용부호로 되찾은 가독성
문구를 두 글자로 줄이고 큰따옴표로 정확한 텍스트를 지정했습니다. 최종 프롬프트는 A cozy Korean traditional market alley at night, a wooden signboard with the text "분식" in bold clear Hangul signage font, large legible characters, warm lighting, photorealistic입니다. 큰따옴표로 텍스트를 감싸자 모델이 해당 문자열을 임의로 변형하지 않고 최대한 그대로 재현하려는 경향을 보였고, bold clear Hangul signage font와 large legible characters를 더하자 획이 뭉개지는 현상도 줄었습니다. 인용부호 없이 같은 단어만 나열했을 때보다 확실히 안정적이었습니다.
두 글자와 네 글자의 성공률 차이
같은 방식으로 "분식"(두 글자)과 "정겨운분식집"(여섯 글자)을 각각 시도해보니, 두 글자는 대부분 정확하게 나왔지만 여섯 글자는 절반 이상이 여전히 깨졌습니다. 네 글자 정도부터 실패율이 눈에 띄게 올라갔고, 특히 앞의 두 글자는 멀쩡한데 뒤로 갈수록 획이 무너지는 패턴이 반복됐습니다. 짧을수록 안정적이라는 걸 확인했고, 꼭 긴 문구가 필요하면 여러 번 생성해 성공한 결과를 고르는 편이 나았습니다. 같은 글자 수라도 자음이 겹치는 획이 많은 글자(예: 밟, 뚫)는 상대적으로 단순한 글자보다 실패율이 더 높았습니다.
다른 텍스트 포함 이미지에도 통하는 원칙
이 원칙은 메뉴판, 책 표지, 포스터처럼 텍스트가 들어가는 다른 이미지에도 적용됩니다. 텍스트는 최대한 짧게, 큰따옴표로 정확히 지정하고, legible이나 clear typography 같은 표현을 더하면 성공률이 올라갔습니다. 반대로 문장 전체를 통으로 넣거나 복잡한 캘리그래피 스타일을 함께 요구하면 실패율이 급격히 높아졌습니다. 네거티브 프롬프트에 garbled text, gibberish characters, malformed letters를 추가하는 것도 약간의 도움이 됐지만, 그 효과는 문구를 짧게 줄이는 것만큼 크지 않았습니다.
텍스트 렌더링은 다른 질감 문제와 달리 프롬프트를 아무리 정교하게 짜도 근본적인 한계가 있었습니다. 짧은 문구를 우선하고, 실패하면 재생성하거나 후보정으로 글자를 다듬는 것이 현재로선 가장 현실적인 대응이었습니다. 완벽한 텍스트 렌더링을 프롬프트만으로 보장할 수는 없다는 점을 인정하고 접근하는 게 시간을 아끼는 길이었습니다.
함께 읽으면 좋은 AI 이미지 프롬프트 해부실
AI 이미지 생성 시 한글 텍스트가 깨지는 현상처럼, 프롬프트가 복잡해질수록 원하는 특정 디테일(형태, 선, 관절 구조 등)이 뭉개지거나 의도치 않은 형태로 변질되는 문제가 자주 발생합니다. 아래 글들은 디테일의 붕괴를 막고, 피사체의 형태를 또렷하게 보존하며 정밀도를 높이는 다양한 제어 방법과 작업기를 담고 있어 함께 읽으면 도움이 됩니다.
댓글
댓글 쓰기