AI IMAGE GENERATION · 실전 사용 후기
Flux 2.0 MAX 모델로
인스타 AI 인플루언서 만들어보기
실제 API 크레딧 $10 결제 후 사용 후기
2026년 4월 9일
목차
1. Flux 2.0 MAX란?
Black Forest Labs(BFL)의 Flux 2.0 MAX는 Stable Diffusion 핵심 개발자들이 독립해서 만든 회사 BFL의 최상위 이미지 생성 모델입니다. 4가지 라인업(MAX, Pro, Flex, Klein) 중 가장 높은 편집 일관성과 최고 수준의 이미지 품질을 자랑하며, 최대 4MP 해상도 출력, 최대 10장의 레퍼런스 이미지 동시 입력, 10초 미만의 빠른 생성 속도가 특징입니다.
저는 이 모델을 활용해서 AI 가상 인플루언서를 만들어봤습니다. 실제로 BFL API에 $10를 결제하고, 1,000 크레딧을 충전한 뒤, 이틀 동안 59회의 API 호출로 다양한 AI 인플루언서 이미지를 생성했습니다. 가입부터 크레딧 결제, 프로젝트 세팅, 프롬프트 작성, 실제 결과물까지 전 과정을 공유합니다.
기존에 Midjourney나 Stable Diffusion을 사용해봤다면, Flux 2.0 MAX가 보여주는 사실적 인물 묘사의 수준 차이에 놀라실 겁니다. 특히 피부 질감과 머리카락 한 올 한 올의 자연스러움은 다른 모델에서는 경험하기 어려운 수준입니다. 한 가지 아쉬운 점은 아직까지 공식 한국어 문서가 부족하다는 것인데, 이 글에서 실전 경험을 바탕으로 한국어 사용자가 겪을 수 있는 시행착오와 해결법을 최대한 상세하게 정리했습니다. REST API 구조가 직관적이라 별도 SDK 없이 Python requests 하나만으로도 충분히 사용할 수 있고, 비동기 폴링 방식이라 대량 생성 시 병렬 처리까지 구현할 수 있습니다.
$10
총 결제 금액
59회
API 호출 횟수
967
소모 크레딧
2. BFL API 가입 및 크레딧 결제
dashboard.bfl.ai에서 계정을 만들고, API 키를 발급받으면 됩니다. 저는 2026년 4월 8일 오전 11시 4분에 $10를 결제해서 1,000 크레딧을 충전했습니다. 해외 결제 가능한 신용카드(Visa, Mastercard)면 됩니다.
BFL API 대시보드 — 크레딧 결제 및 잔액 확인 화면
flux-2-max 모델 1회 호출당 약 16~17 크레딧이 소모됩니다. 1,000 크레딧이면 약 59~62장 정도 생성 가능합니다. 이틀간 59회 호출에 967 크레딧을 사용했고 33 크레딧이 남았습니다. 장당 약 $0.17(약 230원) 수준입니다.
3. 프로젝트 환경 셋업
Python 기반으로 프로젝트를 구성했고, BFL의 REST API를 직접 호출하는 방식입니다. 별도 SDK 없이 requests 라이브러리를 활용한 HTTP 요청만으로 사용 가능합니다. API 호출은 비동기 방식으로 동작하는데, 이미지 생성을 요청하면 즉시 결과가 반환되는 것이 아니라 폴링 URL을 받게 됩니다. 이 URL을 주기적으로 조회해서 생성 완료 여부를 확인하는 구조입니다. 처음에는 이 비동기 패턴이 번거롭게 느껴졌지만, 대량 생성 시에는 여러 요청을 동시에 보내고 각각의 폴링을 병렬로 처리할 수 있어서 오히려 효율적이었습니다.
프로젝트 디렉토리 구조
.env 파일 — API 키 설정
pip install httpx Pillow pyyaml4. AI 인플루언서 캐릭터 설계
"루미(Rumi)"라는 22세 한국 여성 캐릭터를 설계했습니다. 168cm 슬림 모델 체형, V라인 턱선, 고양이 눈매, 도도한 걸크러시 컨셉의 인스타 인플루언서입니다. 핵심은 visual_base_prompt를 YAML로 관리해서 모든 이미지 생성에 일관되게 사용하는 것입니다.
루미(Rumi) 캐릭터 페르소나 YAML
옷 스타일은 스트릿, 엘레건트, 나이트아웃, 카페, 에디토리얼 총 5가지 프리셋을 정의해두었습니다. 각 프리셋에는 상의, 하의, 아우터, 신발까지 세부 항목이 지정되어 있고, 악세서리는 골드 체인 목걸이, 오버사이즈 선글라스, 미니 크로스백 등의 풀에서 랜덤으로 조합됩니다. 이렇게 미리 정의해두면 촬영할 때마다 프롬프트를 고민할 필요가 없어서 효율적입니다.
5. 얼굴 레퍼런스 생성
Flux 2.0 MAX의 핵심 기능인 멀티 레퍼런스 이미지를 활용하기 위해 5가지 각도의 얼굴 레퍼런스를 먼저 생성했습니다. 다양한 각도가 있어야 모델이 얼굴의 입체적인 구조를 정확하게 파악할 수 있습니다. 처음에는 정면 사진 한 장만 사용해봤는데, 측면이나 위에서 내려다보는 각도의 사진에서는 완전히 다른 사람처럼 보이는 문제가 있었습니다. 그래서 정면, 좌측 45도, 우측 45도, 야외 자연광, 살짝 위에서 내려다보는 앵글 총 5장을 세트로 만들어서 사용했더니 일관성이 크게 향상되었습니다.
정면
좌측 3/4
우측 3/4
야외
위에서 내려다봄
기본 레퍼런스
멀티 레퍼런스 슬롯 구성 — 최대 10장 동시 입력
6. 5-Shot 컨셉 포토
캐릭터 비주얼 확립을 위해 5가지 컨셉(거울 셀카, 매거진 에디토리얼, 아웃도어 캐주얼, 클로즈업, 실내 럭셔리)을 세트로 생성했습니다. 이 단계는 얼굴 레퍼런스 없이 텍스트 프롬프트만으로 생성한 것이라, 매 사진마다 얼굴이 조금씩 다릅니다. 캐릭터의 전체적인 분위기를 잡는 용도입니다.
거울 셀카
아웃도어 캐주얼
클로즈업
매거진 에디토리얼
실내 럭셔리
프롬프트 미세 조정 후 2차 시도
피부 톤과 조명을 수정한 두 번째 5-Shot입니다. 여전히 레퍼런스 없이 텍스트만으로 생성한 결과물입니다.
거울 셀카 v2
아웃도어 v2
클로즈업 v2
7. 장소별 촬영 테스트
다양한 배경에서 루미의 사진을 찍어봤습니다. 이 단계에서는 레퍼런스 없이 촬영한 것과 레퍼런스를 적용한 것이 섞여 있으니, 각 사진의 배지를 확인해주세요.
도쿄 시부야 — 사이버펑크 야간 촬영
시부야 촬영 프롬프트 (옷)
liquid metallic silver cropped bomber jacket with reflective mirror-like finish catching neon lights in rainbow refractions, fitted black turtleneck bodysuit underneath, high-waisted black leather wide-leg pants...
1차 — 캔디드 워킹 (seed 42)
1차 — 와이드 환경 포트레이트 (seed 42)
2차 — 전신 히어로샷 (seed 42)
2차 — 상반신 클로즈업 (seed 42)
서울 한강 반포대교 — 야경 촬영
한강은 총 3번 시도했습니다. 1~2차는 레퍼런스 없이, 3차에서 얼굴 레퍼런스(references 폴더)를 적용해서 일관성을 확보했습니다.
3차 — 전신 (seed 2026)
3차 — 클로즈업 (seed 2026)
서울 성수동 + 파리 에펠탑
성수동 카페거리 (seed 1111)
파리 에펠탑 (seed 3333)
성수동과 파리 에펠탑은 레퍼런스 없이 텍스트 프롬프트만으로 생성한 결과물입니다. 이 단계의 목적은 장소별 분위기 표현력을 테스트하는 것이었습니다. 성수동의 빈티지한 벽돌 건물과 골목길 느낌, 파리 에펠탑 앞의 유럽풍 가로수길 분위기가 꽤 잘 살아났습니다. 다만 얼굴은 매번 달라지므로 최종 결과물에는 사용하기 어렵고, 어디까지나 장소 표현력 확인용입니다.
담쟁이벽 시리즈 — 레퍼런스 없이
담쟁이벽 시리즈도 처음에는 레퍼런스 없이 촬영했습니다. 다양한 포즈를 테스트하는 용도입니다.
스탠딩 스마일
벽에 기대기
장소별 촬영 결과 종합 요약
8. 멀티 레퍼런스 커스텀 촬영
여기서부터가 본게임입니다. 얼굴 레퍼런스 5장을 함께 전달하면 결과물의 일관성이 극적으로 향상됩니다. 커스텀 생성기로 자유로운 장면 묘사 + 레퍼런스 조합을 사용했습니다.
멀티 레퍼런스 방식의 핵심은 input_image 슬롯에 얼굴 사진을 다양한 각도로 넣어주는 것입니다. 정면, 좌측 쿼터, 우측 쿼터, 아웃도어, 약간 위에서 내려다보는 앵글 이렇게 다섯 장을 조합하면 모델이 얼굴의 입체적 구조를 훨씬 잘 파악합니다. 한 장만 넣었을 때보다 다섯 장을 넣었을 때 코와 턱선의 일관성이 눈에 띄게 개선되었고, 조명이 다른 환경에서도 동일 인물로 인식되는 비율이 체감상 두 배 이상 높아졌습니다. 다만 레퍼런스 이미지를 많이 넣을수록 API 응답 시간이 길어지는데, 5장 기준으로 약 20초에서 30초 정도 소요됩니다. 레퍼런스 이미지의 해상도가 너무 높으면 타임아웃이 발생하므로 600x600 픽셀 정도로 리사이즈해서 전송하는 것이 안정적입니다.
커스텀 프롬프트 실행 — 레퍼런스 5장 로딩
담쟁이벽 — 레퍼런스 적용 버전
같은 담쟁이벽 장소에서 face ref 5장 + scene ref + body ref를 적용한 결과입니다. 미적용 버전과 비교해보면 얼굴 특징(V라인 턱선, 눈매, 입술)이 훨씬 일관됩니다.
레퍼런스 미적용
face 5장 + scene/body ref 적용
레퍼런스 적용 촬영 메타데이터
face_ref: assets/rumi/references (5장)
scene_ref: outputs/.../03_outdoor_casual.png
body_ref: outputs/.../03_outdoor_casual.png
seed: 2026
담쟁이벽 — 뒤돌아보며 걷기 (face 5장 + scene/body ref)
BFL API 핵심 호출 코드 구조
9. 다양한 컨셉 도전
기본 촬영에 성공한 뒤 독특한 컨셉들을 시도했습니다. 이 단계부터는 모두 얼굴 레퍼런스를 적용한 결과물입니다.
스케이트파크 야간 촬영
스케이트파크 프롬프트
Standing inside a skate park bowl at night, shot from the rim looking down into the bowl...
보울 안 앉기 (seed 2026)
보울 안 서기 (seed 7711)
스케이트파크는 총 6번 시도 중 3번 정도만 만족스러운 결과가 나왔습니다. 이때는 face_ref_front.png 1장만 사용해서 일관성이 5장 쓸 때보다는 낮습니다. 복잡한 구도일수록 실패율이 높으니 크레딧 여유를 두세요.
차 안 셀카 — 골든아워
차 안 셀카 프롬프트
extreme close-up selfie from slightly below, holding phone very close creating subtle wide-angle distortion, inside a car at golden hour...
1차 (seed 4081)
4차 (seed 1994)
셀카 컨셉은 5번 시도하면서 프롬프트를 다듬었습니다. face 폴더의 5장 전체를 레퍼런스로 사용했고, 매번 시드를 바꿔가며 가장 자연스러운 결과를 골랐습니다. 셀카 특유의 화각 왜곡과 골든아워 빛이 잘 표현된 게 Flux 2.0 MAX의 강점입니다.
AI 인플루언서 이미지 생성 자동화 파이프라인
# 포스팅 세트 자동 생성
python generate_rumi_post.py \
--clothing-prompt "oversized cream knit sweater" \
--location "성수동 카페" \
--face-ref assets/rumi/references/face \
--season spring --num 4 --seed 42
# 커스텀 프롬프트
python generate_rumi_custom.py \
--face-ref assets/rumi/references/face \
--prompt "skate park bowl at night" \
--seed 202610. API 비용 분석 — $10의 가치
API 비용 분석 리포트
비용 상세
| 총 결제 | $10.00 |
| 충전 크레딧 | 1,000 |
| 사용 / 잔여 | 967 / 33 |
| 총 API 호출 | 59회 (flux-2-max) |
| 1회당 평균 | 약 16.4 크레딧 |
| 이미지 1장당 | 약 $0.17 (약 230원) |
Midjourney 월 구독($30/월)과 비교하면 소규모 프로젝트에는 더 경제적입니다. 다만 실패한 호출에도 크레딧이 소모될 수 있어서 스케이트파크처럼 복잡한 구도는 크레딧 낭비에 주의해야 합니다.
11. 프롬프트 작성 꿀팁
프롬프트 작성 핵심 팁
1) 캐릭터 묘사는 3~4문장
너무 길면 혼란을 일으킵니다. 레퍼런스 5장과 함께 쓸 때는 오히려 캐릭터 묘사를 줄이는 게 더 좋은 결과를 냈습니다.
2) 카메라 세팅 명시
Shot on 35mm film, 85mm f/1.4, shallow depth of field — 렌즈와 조리개 값 지정이 보케 효과와 심도 표현에 큰 차이를 만듭니다.
3) 인스타 감성 키워드
Looks like a real Instagram photo taken by a friend 한 줄이면 AI 느낌이 크게 줄어듭니다.
4) 손가락 방지
"Hands must have exactly five natural fingers each"를 캐릭터 설명에 넣으면 손가락 결함이 줄어듭니다.
5) seed로 일관성
base seed를 정한 뒤 각 샷에 seed+1, seed+2로 순차 사용하면 색감·분위기가 유사하게 유지됩니다. seed=42와 seed=2026을 주로 사용했습니다.
6) 장소는 구체적으로
"도쿄 시부야"보다 "도쿄 시부야 스크램블 교차로 야간, 거대한 LED 빌보드와 네온사인이 빛나는 밤, 빗물에 젖은 아스팔트에 네온 불빛이 반사"가 훨씬 드라마틱한 결과를 냅니다. Claude API로 장소 설명 자동 확장 기능도 구현했습니다.
12. 총평 및 결론
현존하는 AI 이미지 생성 모델 중 가장 자연스러운 인물 사진을 만들어냅니다. 피부 텍스처, 조명, 옷감 소재감이 기존 모델과는 확실히 차원이 다릅니다.
이틀간의 실험을 통해 가장 크게 느낀 점은 프롬프트 엔지니어링의 중요성입니다. 같은 모델, 같은 레퍼런스를 사용하더라도 프롬프트를 어떻게 구성하느냐에 따라 결과물의 퀄리티 차이가 상당합니다. 특히 카메라 세팅(렌즈 초점거리, 조리개값, ISO)을 명시하는 것만으로도 사진의 느낌이 확연히 달라졌습니다. 인스타그램 감성의 자연스러운 인물 사진을 원한다면 "Instagram photo", "candid moment", "natural lighting" 같은 키워드를 반드시 포함시키는 것을 추천합니다. 반면 "studio photography"나 "professional headshot" 같은 키워드를 사용하면 너무 인위적인 느낌이 나서 인스타 감성과는 거리가 멀어질 수 있습니다.
실패 사례도 공유하자면, 복잡한 손동작이 포함된 포즈는 여전히 실패율이 높습니다. 손가락이 여섯 개가 되거나 관절이 이상하게 꺾이는 경우가 종종 발생했는데, 이럴 때는 프롬프트에 "hands in pockets", "arms crossed" 등 손이 잘 보이지 않는 포즈를 유도하는 것이 현실적인 해결책입니다. 또한 전신 사진에서 발 부분이 잘리거나 비율이 어색해지는 경우도 있었는데, 이는 해상도를 세로로 길게 설정하고 "full body shot from head to toe" 같은 프롬프트를 추가하면 개선됩니다.
장점
1. 압도적 이미지 품질: 피부, 머리카락, 옷감 소재감이 자연스러움.
2. 멀티 레퍼런스: 최대 10장으로 캐릭터 일관성 유지.
3. 프롬프트 이해력: 복잡한 장면·카메라 앵글도 정확 반영.
4. API 자동화: 파이프라인 구축 용이.
5. 합리적 가격: 장당 약 $0.17.
단점
1. 손가락: 간혹 결함 발생.
2. 안전 필터: Content Moderated 거부 가능.
3. 복잡 구도: 성공률 약 50%.
4. 생성 시간: 레퍼런스 많으면 20~30초.
5. 실패 크레딧: 실패해도 차감됨.
결론적으로 $10라는 적은 비용으로 59장의 고품질 AI 인플루언서 이미지를 생성할 수 있었고, Python 기반 API 자동화까지 구현할 수 있었습니다. 장당 약 170원이라는 가격은 실제 모델 촬영 비용과 비교하면 파격적으로 저렴합니다. AI 인플루언서 비즈니스에 관심이 있다면 한 번쯤 직접 시도해볼 가치가 충분합니다. 모든 정보는 bfl.ai, dashboard.bfl.ai, playground.bfl.ai에서 확인 가능합니다.
자주 묻는 질문 (FAQ)
Playground에서 제한적으로 가능합니다. API 본격 사용은 최소 $10 충전이 필요하고, 1,000 크레딧이 제공됩니다. flux-2-max 기준 약 59장 생성 가능합니다.
어느 정도 이해하지만 영어가 더 정확합니다. 핵심 프롬프트는 영어로, 장소명은 Claude API로 자동 변환하는 방법도 있습니다.
BFL 이용약관상 사용자에게 귀속됩니다. 상업적 사용도 가능하지만, AI 이미지 법적 지위는 국가마다 다르니 상업용은 법률 자문을 권장합니다.
사실적 인물 사진은 Flux가 한 수 위입니다. Midjourney는 예술적 스타일링에 강하고 판타지나 일러스트 스타일에 적합합니다. DALL-E 3는 프롬프트 이해력이 좋지만 사실적 인물 품질에서 Flux에 밀립니다. Flux의 가장 큰 차별점은 멀티 레퍼런스를 통한 캐릭터 일관성 유지와 REST API 기반의 자동화 파이프라인 구축이 용이하다는 점입니다. 가격 면에서도 Midjourney 월 구독료 대비 사용한 만큼만 지불하는 종량제 방식이라 소규모 프로젝트에 더 경제적입니다.
얼굴 레퍼런스 5장 적용 시 70~80% 일관성 유지됩니다. 같은 seed 계열 + 비슷한 조명이면 더 높아집니다. 야간 네온 vs 낮 자연광처럼 조명이 크게 다르면 얼굴 느낌이 달라질 수 있습니다.
실제 BFL API 사용 경험 기반 작성 · BFL · API 문서 · Playground · _ru____m___i Instagram 👍
'AI' 카테고리의 다른 글
| ChatGPT image 2.0 Chameleon 실 사용 후기 (vs 나노바나나 2) (0) | 2026.04.22 |
|---|---|
| 구글, 벡터 DB 대신 지속성 메모리 사용하는 에이전트 시스템 공개 - Always-On Memory Agent 완벽 분석 (0) | 2026.04.13 |
| 오픈소스 RealVisXL V5.0으로 AI 버추얼 인물 생성 후기 — ComfyUI + PuLID + RunPod 실전 가이드 (0) | 2026.04.08 |
| Agent Flow — Claude Code에이전트 오케스트레이션을실시간으로 시각화하는 도구 (0) | 2026.04.02 |
| GPT-5.4-mini vs GPT-5.4-nano vs GPT-4o-mini 사내 이메일 요약 API 실전 비교 (0) | 2026.03.28 |