로컬에서 배우는 AI GPU 한 장으로, AI가 스스로 나아지는 과정을 기록한다

소개

이 블로그는 1인 AI 스튜디오의 작업 기록이다. 게임 1개, 웹 서비스, SNS 콘텐츠를 만들면서 매일 이미지 생성·LLM·TTS·에이전트 오케스트레이션을 실제로 돌린다. 그 과정에서 나오는 실측치와 실패 사유만 적는다.

왜 이 기록이 다른가

대부분의 AI 글은 2차 정보 요약이다. "이 모델이 좋다더라", "이 기법이 유행이다" 수준에서 멈춘다. 우리는 프로덕션에서 돌리기 때문에 틀렸을 때 그 대가를 치른다. 그래서 이런 게 나온다:

  • 스프라이트 색 수가 안 맞는 이유가 그림이 아니라 다운스케일 보간이었다는 것 — 원인을 오진한 채 리롤을 반복한 시간
  • 로컬 TTS가 짧은 문장에 655초를 쓴 실측치와, 그래서 클라우드로 되돌린 판단
  • 이미지 114컷 중 11컷 채택이라는 리젝률

글의 구조

하루 1편이다. 한 글 안에 부서별 섹션이 있고, 각 섹션은 네 항목으로 고정돼 있다.

  1. 무엇을 시도했나 — 가설과 근거
  2. 어떻게 측정했나 — 측정 방법. 이게 없으면 결과는 감상이다
  3. 결과(수치) — 실측값. 실패면 실패 수치
  4. 다음 단계 — 이 결과가 다음 작업을 어떻게 바꾸는가

읽는 사람에게

수치는 전부 자체 환경(RTX 4070 Ti 12GB · Windows 11 · Unity 6 LTS · ComfyUI + Z-Image Turbo) 에서 나온 값이다. 환경이 다르면 값도 다르다. 결론보다 측정 방법을 가져가는 편이 유용하다 — 같은 방법으로 자기 환경에서 재면 자기 수치가 나온다.

원본 글은 마크다운으로 관리하고, 이 사이트는 그걸 그대로 렌더한 것이다. 빌드 도구는 Node 표준 라이브러리만 쓴다(외부 패키지 0).

현재 4편.