이미지생성모델
명함 배경 생성은 “예쁘고 화려한 이미지”보다 다음 4가지가 더 중요합니다.
- 안정적인 미니멀 배경 품질
- 일관성(재현성)
- 운영 비용(속도/VRAM)
- 파이프라인 호환성
이번 실험에서 SDXL(Base) 은 위 요소를 가장 균형 있게 만족하여 최종 선택했습니다.
-
속도: 1104×624, 25 steps에서 약 2.88s
- 반복 생성/대량 생성에 유리
-
VRAM: Peak 약 9.21GB
- 일반적인 운영 GPU(A10/L4/3090 등)에서도 여유가 큼
- 서버리스/스케일아웃 운영 시 비용 안정적
-
품질 안정성(배경용):
- 종이 질감/조명/네거티브 스페이스가 과하게 튀지 않고 고급스럽게 안정적으로 출력
- 텍스트 오버레이(렌더링) 단계에서 실패율 감소
-
생태계/확장성:
- LoRA/ControlNet/업스케일/후처리 도구가 풍부하여 추후 품질 튜닝 및 스타일 확장이 쉬움
- A)
stabilityai/stable-diffusion-xl-base-1.0(SDXL Base) - B)
stable-diffusion-3.5-large-turbo - C)
Tongyi-MAI/Z-Image-Turbo - D)
Bingsu/my-korean-stable-diffusion-v1-5 - E)
Qwen-Image - F)
Gemini 3 Pro Image(Nano Banana Pro)
Gemini는 한 번에 배경 + 글씨까지 잘 생성해주지만, 서비스 관점에서 “API만 쓰는 것”이 항상 최선은 아니다.
명함 생성은 단순한 이미지 생성이 아니라 정확성·재현성·규격·보안·운영이 핵심인 문제이기 때문에, 아래 이유로 자체 파이프라인(배경 생성 모델 + 텍스트 렌더링 엔진) 을 구축할 명확한 근거가 있다.
- API는 편하지만 요청당 과금 + 재시도 비용이 그대로 누적된다.
- 자체 파이프라인은 GPU 서버리스/배치/캐싱 최적화로 1장당 단가를 낮출 여지가 크다.
26.01현재 gemini-3-pro-image의 호출 비용은 이미지당 $0.134에 해당
- 전화번호/이메일/주소는 한 글자만 틀려도 사용불가하다.
- 아직 gemini-3-pro-image 모델은 텍스트 렌더링에서 오탈자/글자 깨짐/레이아웃 흔들림이 간혹 발생할 수 있다.
- 자체 파이프라인은 텍스트를 OpenCV 렌더러로 확정해
폰트/자간/정렬/줄바꿈 처리를 100% 통제할 수 있다.
- 명함은 출력물이므로 사이즈(90×50mm), 재단 여백, 안전영역, DPI 등 규격이 중요하다.
- gemini-3-pro-image 모델은 해상도를 직접 설정이 불가능하다.(1k,2k,4k 중 선택가능)
- 해상도 비율을 조절하는 과정에서 원본 훼손 가능성이 높다.
- 자체 렌더링은 텍스트가 절대 안전영역을 침범하지 않도록
레이아웃을 규칙 기반으로 보장할 수 있다.
- API 출력은 모델 업데이트/샘플링 차이로 결과가 달라질 수 있다.
- 자체 모델(SDXL + LoRA 등)은 “종이 질감/색감/구도”를 학습/템플릿화하여
명함의 느낌을 유지할 수 있다. - 6가지 느낌(프리셋)을 템플릿/파라미터로 표준화하기 유리하다.
- 명함 데이터에는 전화번호/이메일/주소 등 개인정보가 포함될 수 있다.
- 외부 API로 전송하면 저장/로그/학습 정책 및 규정 준수 요구가 생길 수 있다.
| 모델 | 체크포인트/레포 | 모델 크기(파라미터/용량) | 권장 VRAM(추정) | 기본 해상도/강점 | 비고 |
|---|---|---|---|---|---|
| A) SDXL Base | stabilityai/stable-diffusion-xl-base-1.0 | 3.5B / ~7GB | 8-12GB | 1024x1024 / 고품질 이미지 | |
| B) SD3.5 Large Turbo | stable-diffusion-3.5-large-turbo | 8.1B / ~16GB | 12GB+ | 1MP / 빠른 생성 (4 steps) | |
| C) Z-Image Turbo | Tongyi-MAI/Z-Image-Turbo | 6B / ~12-16GB | 4-16GB | 1024x1024 / 고속, photorealistic | |
| D) Korean SD v1.5 | Bingsu/my-korean-stable-diffusion-v1-5 | 860M-1B / ~4-7GB | 4-8GB | 512x512 / 한국어 최적화 | 한글 프롬프트 |
| E) Qwen-Image | Qwen/Qwen-Image | 20B / ~40GB | 40GB+ | 1024x1024 / 텍스트 렌더링, 편집 | |
| F) Nano Banana Pro | Gemini Nano Banana Pro (Gemini 3 Pro Image) | 비공개 (클라우드 전용) | 로컬 추론 불가(클라우드 API) | 1K·2K·4K / 강력한 텍스트·인포그래픽, 멀티이미지, 고급 편집 | Google Gemini API 상용 모델, SynthID 워터마크 포함 |
- 실행 환경: Google Colab (GPU:A100, qwen은 H100)
- 해상도: 주로 1104×624(명함 비율 1.8:1 기반의 16배수 - 16배수만 생성 가능 모델 존재)
- 목표 출력: 텍스트 오버레이를 위한 넓은 네거티브 스페이스 + 고급스러운 종이 질감
negative_prompt = "text, letters, numbers, typography, words, calligraphy, logo, watermark, signature, qr code, barcode, label, sticker, signage, poster, writing, characters"
prompt_1 = (
"minimal background, warm white linen paper texture, subtle weave, matte finish, "
"soft window light from top-left, gentle shadow gradient, "
"large clean negative space center-right for high contrast overlay, "
"premium stationery mood, no text"
)
prompt_2 = (
"soft minimal background, pale peach-to-ivory smooth paper texture, matte, "
"subtle circular spotlight in the center (very soft edge), "
"clean negative space, minimal visual noise, "
"top-down diffused lighting, gentle depth, no text"
)
prompt_3 = (
"premium minimal background, cool white coated paper texture, micro-grain, matte finish, "
"single ultra-thin pearl silver line near the bottom (subtle, not shiny), "
"balanced contrast, large clean negative space, "
"soft rim lighting with controlled highlights, no text"
)
negative_prompt = "글자, 텍스트, 문자, 로고, 워터마크, 서명, QR코드, 숫자, 타이포그래피, 간판, 포스터"
prompt_1 = (
"미니멀한 배경, 따뜻한 흰색 린넨 종이 질감, 은은한 직조 느낌, 매트한 마감, "
"좌상단에서 들어오는 부드러운 창가 빛, 완만한 그림자 그라데이션, "
"우측 중앙에 고대비 오버레이를 위한 넓고 깨끗한 여백, "
"고급스러운 문구류 분위기, 텍스트 없음"
)
prompt_2 = (
"부드럽고 미니멀한 배경, 연한 피치색에서 아이보리로 이어지는 매끄러운 종이 질감, 매트한 느낌, "
"중앙에 아주 가장자리가 부드러운 은은한 원형 스포트라이트, "
"깨끗한 여백, 최소한의 시각적 노이즈, "
"위에서 내려오는 확산광, 은은한 깊이감, 텍스트 없음"
)
prompt_3 = (
"고급스러운 미니멀 배경, 차가운 화이트 톤의 코팅지 질감, 미세한 입자감, 매트한 마감, "
"하단 근처에 아주 얇고 은은한 펄 실버 라인 하나(눈에 띄지 않게, 과한 반짝임 없음), "
"균형 잡힌 명암 대비, 넓고 깨끗한 여백, "
"부드러운 림 조명과 절제된 하이라이트, 텍스트 없음"
)
판단 기준: “명함 배경 생성” 목적 적합도
(속도 / VRAM / 배경 안정성 / 운영·파이프라인 친화성)
| 모델 | 평균 추론 시간(실측) | Peak VRAM(실측) | 배경 안정성(주관) | 운영 적합도 | 한줄 코멘트 |
|---|---|---|---|---|---|
| A) SDXL Base | ≈ 2.86–2.88s | ≈ 9.21GB | 높음 | 최상 (선정) | 속도·VRAM·품질 균형이 가장 좋고 운영하기 쉬움 |
| B) SD3.5 Large Turbo | ≈ 9.20–12.74s | ≈ 6.09GB | 중 | 중 | 저스텝 지향이지만 실측 속도가 느려 운영상 이점이 약함 |
| C) Z-Image Turbo | ≈ 2.80–4.70s | ≈ 20.85GB | 중~높음 | 중 | 질감 잠재력은 좋으나 VRAM이 커 동시성/비용 부담 |
| D) Korean SD v1.5 | ≈ 1.76–3.85s | ≈ 4.15GB | 낮음 | 저 | 경량이지만 v1.5 기반 해상도/디테일 한계로 업스케일 의존 |
| E) Qwen-Image | ≈ 8.59–10.36s | ≈ 59.71GB | 높음 | 저 | 편집/텍스트엔 강하지만 배경 전용으로는 인프라·비용 과도 |
| F) Nano Banana Pro (Gemini) | ≈ 12.45–16.76s | 클라우드 | 높음 | 기본 경로 X | 텍스트/편집 강점 있으나 비용·정책·오탈자 리스크로 폴백/프리미엄 적합 |
(Colab 링크)
| 태그 | 시드 | 해상도 (width x height) | 스텝 | Guidance Scale | 추론 시간 | Peak VRAM |
|---|---|---|---|---|---|---|
| p1 | 101 | 1104 x 624 | 25 | 7.5 | 2.88s | 9.21GB |
| p2 | 102 | 1104 x 624 | 25 | 7.5 | 2.86s | 9.21GB |
| p3 | 103 | 1104 x 624 | 25 | 7.5 | 2.86s | 9.21GB |
| p1 | p2 | p3 |
|---|---|---|
 |
 |
 |
장점
- 속도/비용 최적: 2.87~2.90s, Peak ~9.39GB VRAM
- 배경 생성 안정성: 종이 질감·은은한 조명·미니멀 톤이 안정적으로 생성
- 운영/확장 용이: 생태계가 크고 튜닝 수단(LoRA 등)이 다양
단점
- 최신 상위 모델 대비 “극단적” 디테일/질감 표현에서 한계가 있을 수 있음
- 질감이 단조롭게 느껴질 수 있어 프롬프트 세트/LoRA로 다양화 필요
(Colab 링크)
| 태그 | 시드 | 해상도 (width x height) | 스텝 | Guidance Scale | 추론 시간 | Peak VRAM |
|---|---|---|---|---|---|---|
| p1 | 123 | 1104 x 624 | 4 | 0.0 | 12.74s | 6.09GB |
| p2 | 123 | 1104 x 624 | 4 | 0.0 | 9.77s | 6.09GB |
| p3 | 123 | 1104 x 624 | 4 | 0.0 | 9.20s | 6.09GB |
| p1 | p2 | p3 |
|---|---|---|
 |
 |
 |
장점
- **짧은 steps(4)**로 결과를 뽑는 구조 → 세팅이 맞으면 파이프라인 단순화 가능
- 최신 계열로 표현 폭이 넓을 잠재력
단점 (실험 수치 기반)
-
속도가 느림: 4 steps인데도 9.56~12.42s
- “Turbo=빠름”이 운영 환경/구현체에 따라 깨질 수 있음
- Guidance 0.0 기반은 세팅/구현에 따라 출력 안정성이 민감해질 수 있음
(Colab 링크)
| 태그 | 시드 | 해상도 (width x height) | 스텝 | Guidance Scale | 추론 시간 | Peak VRAM |
|---|---|---|---|---|---|---|
| p1 | 42 | 1104 x 624 | 9 | 0.0 | 4.70s | 20.85GB |
| p2 | 42 | 1104 x 624 | 9 | 0.0 | 2.81s | 20.85GB |
| p3 | 42 | 1104 x 624 | 9 | 0.0 | 2.80s | 20.85GB |
| p1 | p2 | p3 |
|---|---|---|
 |
 |
 |
장점
- photorealistic 성향 + Turbo 계열 → 고급 질감 표현이 강점일 가능성
- 특정 스타일(매끈한 재질, 조명 등)에서 강한 결과 기대
단점 (실험 수치 기반)
-
VRAM 요구가 큼: Peak ~20.96GB
- 서버리스/동시성 운영에서 비용과 제약 증가
- 속도는 2.90~4.44s로 나쁘지 않지만, VRAM 대비 효율이 SDXL보다 낮음
(Colab 링크)
| 태그 | 시드 | 해상도 (width x height) | 스텝 | Guidance Scale | 추론 시간 | Peak VRAM |
|---|---|---|---|---|---|---|
| p1 | 123 | 1104 x 624 | 25 | 7.5 | 3.85s | 4.15GB |
| p2 | 123 | 1104 x 624 | 25 | 7.5 | 1.77s | 4.15GB |
| p3 | 123 | 1104 x 624 | 25 | 7.5 | 1.76s | 4.15GB |
| p1 | p2 | p3 |
|---|---|---|
 |
 |
 |
장점
- 경량: Peak ~3.34GB → 저사양 환경에서도 가능
- 한국어 프롬프트 친화
단점
- v1.5 계열이라 해상도/디테일 한계(512 기반) 존재
- 768×432로 실험 해상도가 낮아, 고해상도 자산으로 쓰려면 업스케일/후처리 의존 증가
- 한국어 프롬프트 친화지만 정확도가 떨어짐
(Colab 링크)
| 태그 | 시드 | 해상도 (width x height) | 스텝 | True CFG Scale | 추론 시간 | Peak VRAM |
|---|---|---|---|---|---|---|
| p1 | 42 | 1152 x 640 | 25 | 4.0 | 10.36s | 59.71GB |
| p2 | 42 | 1152 x 640 | 25 | 4.0 | 8.61s | 59.71GB |
| p3 | 42 | 1152 x 640 | 25 | 4.0 | 8.59s | 59.71GB |
| p1 | p2 | p3 |
|---|---|---|
 |
 |
 |
장점
-
텍스트 렌더링/편집 강점
- 배경 생성뿐 아니라 부분 수정/리터치 같은 편집형 작업에 매우 적합
- 명함 제작 전체 파이프라인(생성+편집)에서 활용 가치 큼
단점 (실험 수치 기반)
-
VRAM이 과도: Peak ~59.71GB (H100급 요구)
- 서버리스 운영비 상승, 인프라 제약 심각
- 속도도 8.59~10.36s → 배경만 만들기에는 비효율
| p1 | p2 | p3 |
|---|---|---|
 |
 |
 |
| 14.55s | 16.76s | 12.45 |
장점
- 텍스트/인포그래픽/편집에 강하고 1K~4K 고해상도 출력 지원 방향
- 멀티이미지/편집 워크플로우 생산성이 높을 수 있음
단점
- 로컬 추론 불가 + API 비용/쿼터/정책 의존
- SynthID 워터마크 등 서비스 정책 이슈 가능
- 트래픽 증가 시 원가 예측/통제 어려움
- 평균 추론시간15s
- 텍스트 출력 간혹 비정확