NotebookLM에 PDF 하나 넣고 요약만 돌리고 계신가요?
그렇다면 이 도구의 절반도 쓰지 못하고 있는 겁니다.
교육 콘텐츠, 매장 가이드, 카드뉴스를 매번 수작업으로
만들면서 “이걸 자동화할 방법은 없을까?” 고민하신 적
있으실 겁니다.
이 글에서는 NotebookLM의 멀티소스 기능을 활용해
학습 만화, 키오스크 이용 가이드, 카드뉴스를 자동으로 생성하는
구체적인 방법을 알려드립니다.
각 예제마다 Before/After 비교와 함께,
바로 따라 할 수 있는 스텝바이스텝 가이드를 제공합니다.
STEP 1. 멀티소스란 무엇인가 — PDF만 넣으면 반쪽짜리인 이유
NotebookLM 사용자 대부분은 PDF 하나를 넣고 요약을 돌립니다. 틀린 방법은 아니지만, 이것은 텍스트 기반 분석이 전부입니다. NotebookLM의 진짜 힘은 서로 다른 형식의 자료를
한 노트북에 함께 넣는 멀티소스에 있습니다.
지원하는 소스 형식
| 형식 | 예시 |
|---|---|
| 문서 | PDF, 엑셀, 워드, PPT |
| 이미지 | JPG, PNG |
| 음성 | MP3 (최대 200MB) |
| 영상 | 유튜브 URL |
핵심 원칙은 단순합니다.
소스의 종류가 다양해질수록 결과물의 품질이 올라갑니다.
PDF에 이미지를 섞는 순간, 시각적 콘텐츠까지 자동으로
생성되기 시작합니다.
예를 들어, 교육 매뉴얼 PDF만 넣으면
텍스트 요약밖에 나오지 않습니다.
하지만 여기에 캐릭터 이미지 3장을 추가하면
학습 만화가 나오고, 키오스크 스크린샷을 추가하면
단계별 이용 가이드가 나옵니다.
같은 AI인데 소스 조합만 바꿔도
완전히 다른 결과물이 나오는 것입니다.
STEP 2. 만화 캐릭터 이미지 + 학습 시나리오 = 학습 만화 자동 생성
직접 해본 예제입니다.
원피스 캐릭터 이미지 3장(정면, 측면, 각성 포즈)과
신입사원 보안 교육 PDF를 NotebookLM에 함께 넣었습니다.
2-1. 소스 준비와 이름 설정
캐릭터 이미지를 다양하게 준비하는 것이 핵심입니다.
정면, 측면, 손 든 모습, 걸어가는 모습 등 포즈가 다양할수록
표정과 동작의 변화가 풍부해집니다.
소스 이름도 중요합니다.
“!캐릭터 정면”, “!캐릭터 측면”처럼 !를 붙여 구체적으로 바꿔주면
AI가 더 정확하게 참조합니다.
2-2. 프롬프트 입력과 결과 확인
“이 캐릭터가 등장하는 4컷 보안 교육 만화를 만들어줘”라고
입력하면, AI가 캐릭터의 외형과 스타일을 인식하고
보안 시나리오에 맞는 대사를 넣어 만화 형식 콘텐츠를 생성합니다.
실제로 생성된 결과를 보면,
캐릭터의 머리색과 의상 스타일이 유지된 채로
각 컷에 상황에 맞는 표정과 대사가 자동 배치됩니다.
“비밀번호를 공유하면 안 돼!”라고 외치는 캐릭터가
등장하는 식입니다.
교육 담당자 입장에서는 딱딱한 텍스트 매뉴얼보다
이런 만화 형식이 교육 효과가 훨씬 높습니다.
2-3. 결과를 소스로 재활용하기
좋은 결과가 나오면 메모에 저장 후 소스로 변환합니다.
이렇게 하면 이후 다른 콘텐츠를 만들 때도
캐릭터 스타일이 일관되게 유지됩니다.
캐릭터 스타일북(색상 팔레트, 체형 비율, 표정 특징, 의상 스타일)
까지 자동 생성이 가능합니다.
스튜디오의 다양한 출력 형식과 결합하면
활용 범위가 훨씬 넓어집니다.
Before: 디자이너에게 캐릭터 만화 의뢰 → 3일 소요, 수정 2~3회
After: NotebookLM 멀티소스 → 10분, 즉시 수정 가능
STEP 3. 키오스크 화면 스크린샷 + 매뉴얼 = 이용 가이드 자동 제작
키오스크 이용 가이드를 만들어본 분은 아실 겁니다.
화면 스크린샷 찍고, 파워포인트에 조작 순서 적고,
번호 붙이고… 시간이 너무 많이 드는 작업입니다.
3-1. 소스 준비 — 화면 스크린샷과 매뉴얼
버거킹 키오스크 화면 3장(주문확인, 결제하기, 주문완료)과
조작 매뉴얼 PDF를 NotebookLM에 함께 넣었습니다.
스크린샷 소스 이름을 “!메인화면”, “!결제화면” 등
번호순으로 바꿔주면 순서 인식이 더 정확해집니다.
3-2. 가이드 생성과 슬라이드 변환
“이 화면들의 조작 순서를 단계별로 정리한
이용 가이드를 만들어줘”라고 입력하면,
AI가 화면 스크린샷의 버튼과 메뉴를 자동 인식합니다.
“이 화면에서 → 이 버튼을 누르면 → 이 결과가 나옵니다”
형식의 가이드가 생성됩니다.
특히 놀라운 점은, AI가 화면 속 “주문확인”, “결제하기” 같은
버튼 텍스트를 직접 읽어낸다는 것입니다.
사람이 일일이 버튼명을 타이핑할 필요가 없습니다.
화면 속 UI 요소의 위치(상단, 하단, 좌측 등)까지 파악해서
“화면 하단의 ‘결제하기’ 버튼을 누르세요”처럼
구체적인 안내를 자동 생성합니다.
스튜디오에서 슬라이드를 선택하면
화면별 조작 가이드가 슬라이드 형식으로도 나옵니다.
매장이나 공공기관 키오스크 옆에 비치하기에 딱 좋은 포맷입니다.
Before: 스크린샷 10장 + 파워포인트 수작업 → 2시간
After: NotebookLM 멀티소스 → 5분
STEP 4. 뉴스 기사 URL + 이미지 = 카드뉴스 자동 제작
인스타그램 카드뉴스를 만들려면 원래 복잡한 뉴스를
5~7장 카드로 압축하고, 각 카드에 핵심 메시지 1줄과
본문 2~3줄을 배치해야 합니다.
디자인까지 하면 반나절이 걸리는 작업입니다.
4-1. 소스 구성과 프롬프트
뉴스 기사 URL과 관련 이미지를 NotebookLM에 함께 넣습니다.
프롬프트는 구체적으로 작성합니다.
“이 뉴스를 6장짜리 카드뉴스로 만들어줘. 각 카드에 핵심 메시지 1줄과 본문 2~3줄을 넣고, 시각적 포인트를 제안해줘”
AI가 기사 내용을 카드별로 압축하고,
이미지 배치 위치까지 제안합니다.
1장은 타이틀 카드, 2~5장은 핵심 내용,
6장은 정리와 출처 표기 — 이 구조가 자동으로 만들어집니다.
카드뉴스를 만들 때 가장 시간이 오래 걸리는 부분은
“어떤 내용을 넣고 뺄까”를 고민하는 편집 과정입니다.
NotebookLM은 기사 전체를 분석한 뒤 카드별로
가장 임팩트 있는 문장을 자동 추출합니다.
물론 결과물을 그대로 쓰기보다는 톤과 표현을
브랜드에 맞게 다듬는 과정이 필요합니다.
4-2. 딥 리서치 연계로 주간 자동화
딥 리서치로 최신 뉴스를 먼저 수집한 뒤 바로 카드뉴스로 만들면,
주간 카드뉴스 자동화도 가능합니다.
스튜디오에서 슬라이드 변환 후 이미지 내보내기까지 하면
바로 인스타그램에 올릴 수 있습니다.
STEP 5. 멀티소스 활용 핵심 원칙 3가지
실전에서 멀티소스를 쓸 때 반드시 기억해야 할 원칙을 정리합니다.
원칙 1. 소스 이름에 !를 붙여라
“!캐릭터 정면”, “!메인화면”처럼 이름을 구체적으로 바꾸면
AI가 소스를 정확하게 참조합니다.
이름이 모호하면 AI가 엉뚱한 소스를 참조하는 경우가 생깁니다.
특히 이미지가 5개 이상일 때 이름 규칙이 없으면
AI가 혼동하는 빈도가 눈에 띄게 높아집니다. “!01_메인화면”,
“!02_결제화면”처럼 번호를 붙이는 것도 효과적인 방법입니다.
원칙 2. 메모 저장 후 소스 변환을 습관화하라
좋은 결과가 나오면 바로 메모에 저장하고 소스로 변환해둡니다.
다음 작업에서 스타일 일관성이 유지되고,
반복 작업 시간이 크게 줄어듭니다.
예를 들어, 학습 만화에서 만든 캐릭터 스타일북을 소스로
변환해두면, 나중에 다른 주제의 교육 만화를 만들 때도
같은 캐릭터가 일관된 스타일로 등장합니다.
브랜드 캐릭터를 활용하는 기업이라면 이 기능이 특히 유용합니다.
원칙 3. 이미지 해상도가 높을수록 인식 정확도가 올라간다
텍스트가 포함된 이미지(만화 말풍선, 키오스크 화면 등)가
특히 효과적입니다. 저해상도 이미지는 텍스트 인식 오류가
발생할 수 있으니, 가능하면 원본 해상도를 유지하세요.
실제 테스트 결과, 720p 이하의 스크린샷에서는
버튼 텍스트를 잘못 읽는 경우가 있었지만,
1080p 이상에서는 거의 100% 정확하게 인식했습니다.
스마트폰으로 키오스크 화면을 촬영할 때도
최대 해상도로 찍는 것을 권장합니다.
정리 — 소스가 다양할수록 결과물이 달라진다
| 활용 사례 | 소스 조합 | 작업 시간 |
|---|---|---|
| 학습 만화 | 캐릭터 이미지 3장 + 교육 PDF | 10분 (기존 3일) |
| 키오스크 가이드 | 화면 스크린샷 + 매뉴얼 PDF | 5분 (기존 2시간) |
| 카드뉴스 | 뉴스 URL + 관련 이미지 | 10분 (기존 반나절) |
PDF만 넣지 마세요. 이미지, 음성, 영상까지 함께 넣으세요.
소스의 종류가 다양해질수록 NotebookLM의 결과물 품질은
압도적으로 올라갑니다.
