돈으로 시간을 사기 - 부제 : openai 통한 게시글 소개글 및 섬네일 자동 생성 스크립트

해당 글은 블로그를 작성하며 느낀 불편함을 해결한 내용을 다룹니다.

소개글, 섬네일 생성의 불편함

블로그를 하면서 SEO 를 위해서도, 가독성을 위해서도 포스트에 소개글을 작성하는 것과 섬네일을 포함하는게 매우 중요시 하다고 느꼈다. 그래서, GPT의 도움을 받아 포스트에 대한 소개글과 섬네일을 받는 식으로 포함을 시켰다.

이떄, 개인적으로 느끼는 불편함이 있었다.

GPT 를 들어가서 직접 포스트를 복사해서 넣고, 해당 내용을 다시 소개글에 작성해야 했다.

DALL-E 를 사용해야만, 매력있는 그림이 나오는데 위에서 소개글에서 사용한 채팅이 아닌 새로운 모델을 선택해 요청을 해야하는 것도 불편한 점중 하나였다.

뭐 어쩌겠는가.. 돈 없는 개발자는 직접 불편함을 뛸 수 밖에… 하지만, 이번에 취업하며 이정도의 돈쯤이야 😎 + Open AI API를 코드로는 한번도 사용해보지 않은거 같아서 사용해볼겸 도입해보았다.

Payment

모델 및 사용법에 대해 설명하기에 앞서, 결제 연동 및 방법에 대해서 설명한다.

payment-methods 에 들어가서 결제 수단을 등록한다.

카드번호, CVC, 주소번호를 입력하면? 결제 수단으로 성공적으로 등록된다. 등록후에 결제에 대해 안내해준다.

초기 금액 및 임계치 이하로 떨어지면 자동 충전할 지를 정한다. 5 달러 이하일 시, 10달러를 충전하도록 설정했다.

10%의 세금이 발생합니다. ( 5달러 진행시, 5.5달러 결제 )

결제를 완료하면

We're happy to share that we've automatically moved your organization to **Usage Tier 1** 
based on your usage history on our platform

와같이 Tier 1이 되었다는 안내를 해준다. 그러면, Limits 를 들어가서 비용 및 예산을 설정하자.

API 의 Late Limit 은 사실상 중요하지 않으므로 스킵한다.

비용도 혹시나, 너무 많은 비용을 발생시키지 않게 제한적으로 지정했다.

Pricing

pricing 에 들어가서 금액을 확인해보자.

금액은 Price per 1M tokens 을 기준으로 산정되어있다. ( 1_000_000 )

매우 다양한 모델들이 있다. 이중에서, 자신이 적절한 모델을 선택하면 된다.

이때, 근본적인 질문으로 토큰이 얼마나 나오지? 를 생각해야 한다.

토큰 계산

open ai 는 tiktoken 을 통해 간편하게 입력값에 대한 토큰 수가 얼마나 되는지 알려준다.

import tiktoken

encoding = tiktoken.encoding_for_model("gpt-3.5-turbo")
text = """
...
"""

tokens = encoding.encode(text)
print("토큰 수:", len(tokens))

여기서 궁금해서 좀 더 학습해보았다.

open ai 는 BPE ( Byte Pari Encoding ) 라는 통해 텍스트를 토큰이라는 숫자 시퀸스로 변환한다. ( 놀랍게도 1994년 제안된 데이터 압축 알고리즘 )

연속적으로 가장 많이 등장한 글자 쌍을 찾아서 글자로 병합하는 방식을 수행한다. -> 등장한 글자를 초기 사전으로 구성 -> 연속된 두 글자를 한 글자로 병합 ( 빈도수를 기반으로 병합 )

대략 사용하며 느낀 내용으론

• 조합은 값이 변하지 않는다. ( 1은 16, cab는 55893 으로 고정과 같이 )
• 최적의 서브워드 집합으로 만든다. ( 12346 이 10번 정도 등장하더라도 123, 46 으로 분리될 수도 있음 )

일반적인 글로는 ( 3개월 간의 취준을 끝내며 , 6652 word ) 토큰이 9350개 가량 나왔다.

DALL-E 3

DALL-E 3 에 대해선 DALL·E 3 API 에 자세히 알려준다.

요약하면

• Chat GPT 가 자동으로 더 상세한 프롬프트를 생성해준다. ( 사용자 대부분이 명확한 프롬프트를 생성하지 못하다 보니 )
• 1024*1024, 1024*1792, 1792*1024 사이즈의 이미지만 생성 가능하다.
• quality 를 지정 가능하다. ( hd : 높은 퀄리티, 대기 시간 +, 더 비쌈 <-> standard : 적당한 퀄리티,더 쌈 )

정도가 있다.

비용은 한장당(Price per Image) 아래와 같다.

Quality Standard, HD 를 생성해보면 위 : standard, 아래 : hd

-> 꼭 hd만 좋다는 느낌은 아닐 수 있다. ( 각자 취향껏 선택 )

Credit Grants

Credit Grants

결제한 내역이 얼마나 사용 되었는지, 언제 만료되는지에 대해 알려준다.

스크립트

client = OpenAI(api_key=os.environ.get('OPENAI_API_KEY', ''))

클라이언트를 생성할때, 키가 필요하다. 매번, 이 키 값을 주입해서 실행하거나 이를 하드코딩하는건 매우 불편할 것이다. ( 깃허브 올리기에도 껄끄러움 )

runner-with-env.py

# test_run.py  
import os  
import subprocess  
import sys  
from dotenv import load_dotenv  
from pathlib import Path  
  
load_dotenv(dotenv_path=".env")  
process_path = "utils/process_thumbnail_and_description.py"  
  
requirements_path = Path(__file__).resolve().parent / "requirements.txt"  
  
print("📦 requirements.txt 설치를 시도합니다... : ", requirements_path)  
  
try:  
    subprocess.run(  
        [sys.executable, "-m", "pip", "install", "-r", str(requirements_path)],  
        check=True  
    )  
except subprocess.CalledProcessError:  
    print("❌ 패키지 설치 실패. requirements.txt가 올바른지 확인해주세요.")  
    sys.exit(1)  
  
print("✅ 패키지 설치 완료.")  
  
# 3. 하위 프로세스 실행 (실제 처리 로직)  
print("🚀 스크립트를 실행합니다.")  
try:  
    subprocess.run(  
        [sys.executable,process_path],  
        check=True  
    )  
except subprocess.CalledProcessError:  
    print("❌ 처리 스크립트 실행 중 오류가 발생했습니다.")  
    sys.exit(1)  
  
print("✅ 처리 완료.")

사용을 용이하게 하기 위해

1. 상위 프로세스에서 env 를 불러와서 환경 변수를 설정
2. 의존성 설치
3. 하위 프로세스 실행

의 형식으로 다른 스크립트를 구성해두었다. 다른 프로세스로 교체 + 의존성 교체 하고 싶으면 path 만 바꾸면 된다.

Chat Model

def generate_description(prompt: str, language="ko") -> str:  
    print("description 생성을 위해 API를 보냅니다.")  
    completion = client.chat.completions.create(  
        model="gpt-4o-mini-2024-07-18",  
        messages=[  
            system_message,  
            {"role": "user", "content": prompt}  
        ],  
        temperature=0.2,
        max_tokens=350,  
    )  
    print("description 생성을 위해 API가 완료 됐습니다.")  
    summary = completion.choices[0].message.content.strip()  
    print(completion)  
    return summary

def generate_summary_prompt(content: str, language: str = "ko") -> str:  
    return f"""아래 글을 {language}로 간결하게 요약하되,  
요약문의 길이는 반드시 50자 이상 100자 이하로 작성해줘.  
문장 중간이 끊기지 않도록 주의하고, 마지막에는 마침표 등으로 자연스럽게 마무리해줘.  
출력은 요약문만 작성하고, 그 외 다른 설명이나 문구는 쓰지 말아줘.  
  
글:  
{content}""".strip()
	```

프롬프트를 동적으로 생성하고, 요청을 보내서 받아서 사용한다.
응답이 너무 큰 값이 되지않게 350 + 무작위를 보장할 필요가 없기에 온도는 0.2로 제한했다.

```python
system_message = {  
    "role": "system",  
    "content": (  
        "출력되는 요약문은 반드시 50자 이상 100자 이하로 작성되어야 하며, 문장이 중간에서 끊기지 않고, "  
        "마지막에 마침표 등으로 자연스럽게 마무리되어야 합니다. 추가적인 설명이나 문구는 포함하지 마세요."  
        "사람이 작성하는 것과 같은 느낌으로 작성한다."  
    )  
}

system_message 역시도 전달

ChatCompletion 을 반환해서 이를 우리가 사용할 수 있다. ( 매우 많은 정보를 담아서 준다. )

우리가 활용할만한 요소로는

• created : Unix Timestamp ( EX: 1742559896 )
• choices[].message.content : AI가 생성한 텍스트 응답
• usage.prompt_tokens : 요청에서 소비된 토큰 수
• usage.completion_tokens : 응답에서 소비된 토큰 수
• usage.total_tokens : 전체 소비된 토큰 수

정도가 있다.

여기서 대략 비용을 계산해보면?

5208 token 의 input 이 발생했고, 76 token 의 ouput 이 발생했다고 가정한다.

• 5208 × ($0.150 / 1,000,000) = $0.0007812

• 76 × ($0.600 / 1,000,000) = $0.0000456

Input, Ouput 비용이 각자 다르다.

두 개를 합하면 $0.00083 정도가 나온다. -> 환전하면 ₩1 이다. ( 사실상, 이미지가 비용 잡아먹는 주범 ☺️ )

Image Model

def generate_and_save_image(prompt: str, save_path: Path):  
    print("thumbnail 생성을 위해 DALL-E API를 보냅니다.")  
    response = client.images.generate(  
        prompt=prompt,  
        model="dall-e-3",  
        n=1,  
        quality="hd",  
        size="1024x1024"  
    )  
    print("thumbnail 생성을 위해 DALL-E API가 완료 됐습니다.")  
    print(response)  
  
    image_url = response.data[0].url  
    img_data = requests.get(image_url).content  
    with open(save_path, 'wb') as f:  
        f.write(img_data)

def generate_thumbnail_prompt(title: str, description: str) -> str:  
    return f"""  
백엔드 기술 블로그 게시물에 사용한 깔끔하고 현대적인 썸네일 일러스트를 생성하세요.  
I NEED to test how the tool works with extremely simple prompts. DO NOT add any detail, just use it AS‑IS.  
  
📌 게시물 제목: "{title}"  
📝 게시물 설명: "{description}"  
  
🎯 스타일 및 콘텐츠 가이드라인:  
...
""".strip()

설정을 살펴보면 DALL-E 3 모델 사용, size 는 최소치, quality 는 hd로 설정했다. ( 다소 비싸도, 생동감 있는 이미지 사용 위해 )

I NEED to test how the tool works with extremely simple prompts. DO NOT add any detail, just use it AS‑IS.

해당 구문은 위에서 말했듯 DALL-E 3는 자동으로 프롬프팅을 생성해주는데, 위 문구를 포함하면 내가 설정한 가이드라인을 기반 최대한 프롬프팅을 따라준다. - 관련 가이드

반환 값으로는

• revised_prompt : API가 내부적으로 다듬어 실제 사용된 최종 프롬프트
• url : 생성된 이미지 파일의 pre-signed url - HTTP Client 통해 다운로드 및 조회가 가능하다.

등이 있다.

사진당 비용이 발생하므로 실행될때마다 $0.08 가 나간다. ( ₩117 생각보다 비싼거 같기도 하고, 싼거 같기도 하고…? )

main

post = frontmatter.load(file_path)

if not check_exist(post, 'description'):  
    prompt_for_description = generate_summary_prompt(post.content)  
    summary = generate_description(prompt_for_description, language="ko")  
    post['description'] = summary

if not check_exist(post, 'image'):  
    if not check_exist(post, 'title'):  
        raise ValueError("The post does not have a title. Cannot generate an image prompt without a title.")  
    prompt_for_image = generate_thumbnail_prompt(post["title"], post["description"])  
  
    image_save_dir = workspace / "assets" / "img" / "thumbnail"  
  
    image_filename = file_path.stem + ".png"  
    save_path = image_save_dir / image_filename  
  
    generate_and_save_image(prompt_for_image, save_path)  
  
    relative_path = str(save_path.relative_to(workspace)).replace("\\", "/")  
    post['image'] = {'path': relative_path}

with open(file_path, 'w', encoding='utf-8') as f:  
    f.write(frontmatter.dumps(post))

frontmatter 는 일종의 메타데이터이다. 여기에, 제목 섬네일, 설명 등등을 넣을수 있다. ( 옵시디언도 이를 통해 태그 및 정보 관리 )

생성된 소개글, 이미지 값을 넣고 파일을 덮어쓴다.

description: AWS 프리티어를 활용해 EC2, RDS, ElastiCache, S3 등으로 인프라를 구성하는 과정을 상세히 설명합니다.  
  VPC 설정, 보안 그룹 구성, CodeDeploy와 Github Actions 연동 등 다양한 요소를 다루며, 비용 효율적인 방법으로 서버를  
  운영하는 방법을 제시합니다.  
image:  
  path: assets/img/thumbnail/2025-03-15-프리티어로만-배포해보기.png

게시글에 자동으로 description 과 image 가 추가되어있다.

결론

파일 경로만 바꾸고 실행을 하면 자동으로 소개글 생성 및 섬네일 생성을 자동으로 처리해준다.

파일 처리 :  /Users/dragonsu/IdeaProjects/blog/_posts/2025-03-15-프리티어로만-배포해보기.md

description 생성을 위해 API를 보냅니다.
description 생성을 위해 API가 완료 됐습니다.

thumbnail 생성을 위해 DALL-E API를 보냅니다.
thumbnail 생성을 위해 DALL-E API가 완료 됐습니다.

처리 완료 : _posts/2025-03-15-프리티어로만-배포해보기.md

원래는 해당 요소를 Github Action 에 넣으려고 했으나

• 파일이 추가되고, 수정되므로 변경을 커밋해야 하는 점
• 커밋을 하기 때문에 내가 글 작성하기 전 Pull을 해줘야 하는 점

2가지 이유로 utils 함수로만 포함시켜놓았다. ( 차차, pre-commit 통해 되는지에 대해서도 접근해볼 예정이다. )

1분 30초 가량의 시간이 줄어들었다고 생각한다.

• 웹 브라우저에 GPT를 들어가는 시간 - 10초
• 입력창에 프롬프트 복사 + 아티클 내용 넣는 시간 - 20초
• 생성 기다리는 시간 + 복사하는 시간 - 20초~30초
• 새로운 GPT Chat 사용 -> 입력창에 프롬프트 복사 + 아티클 내용 넣는 시간 - 15초
• 이미지 생성 기다리는 시간 + 복사하는 시간 - 20초~30초
• 게시글에 desciripton 및 이미지 폴더에 저장 + image/path 입력하는 시간 - 20초 ( image/path 를 일일히 입력하는게 매우 귀찮다. )

이제 우리가 하는건?

• 스크립트에 file_path 변경 - 10초
• 스크립트 실행 - 5초

끝! 😎

그리고, 가장 중요한건 위 동기적 단계를 비동기로 스크립트 실행하고 기다렸다 push 하면 끝난다.

$0.08 ( 현재 기준(2025.03.21), 117원의 비용 ) 으로 1분 30초를 줄였으니 매우 효율적인거 아닐까? 🙂 생각보다의 비용은 적고, 시간은 매우 단축시켜 꽤나 만족스러운 작업이였다.

해당 내용의 소개글과 섬네일 역시도 자동으로 생성되었다.

코드 전체가 궁금하다면 process_thumbnail_and_description 를 참고해주세요!