TL;DR
작성자는 Claude와 ElevenLabs SFX를 활용해 Three.js 기반 브라우저 좀비 게임을 15–20시간 작업으로 완성하고 소스코드를 공개했다. 모든 맵·무기·기계·모델·사운드를 코드와 모델로 생성했으며 1,000+ 세션의 실사용 증거를 기록했다. 핵심 실무 교훈은 한 번에 끝내려 하지 말고 반복 테스트, 시각 비교 갤러리, 자동 검증 스크립트, 레이어드 오디오 설계로 품질을 확보하라는 것이다.
커뮤니티 반응
전 세계에서 1,000회 이상의 게임 세션과 수백 명의 플레이어가 발생한 점이 공개 사용성의 근거로 제시되었다. 작성자는 소스코드를 공개했고 28분 분량의 멀티플레이 원시 영상을 올려 재현성을 확보했다. 커뮤니티는 작품 완성도와 오픈소스 접근법에 관심을 보였으며 작성자는 질문에 응답할 준비가 되어 있다고 밝혔다.
주요 논점
AI 보조 생성은 적절한 검증과 반복을 결합하면 실전 수준의 게임 콘텐츠를 만들 수 있다는 주장이다. 작성자는 Claude와 자동화된 생성 파이프라인을 입력으로 하여 모델이 만든 에셋을 렌더·검증·테스트하는 루틴으로 실제 배포 가능한 게임을 만들었다고 밝혔다. 이 과정은 모델이 생성한 결과를 사람이 재현 가능한 검사 스크립트와 시각 비교 갤러리로 검증해 품질을 확보한 방식으로 작동했다.
모델은 물리적 직관과 세계 모델링에서 약점을 보였고 인간의 규칙 설정과 시뮬레이션 기반 검증이 필요하다는 주장이다. 작성자는 두 시스템이 같은 세계를 다르게 모델링해 스폰된 좀비가 닫힌 문 뒤에 갇히는 등 불일치가 발생했다고 했고, 그래서 규칙을 명시하고 맵 전체를 순회하며 실제로 길을 찾게 하는 validator를 만들었다고 설명했다. 이 방식은 모델의 제안만으로는 부족하고 상태 규정과 증명(스폰된 위치에서 플레이어에 실제로 도달 가능한지 검사)이 필수임을 보여주었다.
오디오 생성에는 전통적 DSP 코드보다 실제 audio model을 쓰는 것이 효과적이라는 주장이다. 작성자는 Claude가 직접 DSP 코드를 쓰게 하기보다 ElevenLabs SFX를 통해 실린 사운드를 생성하고 이를 레이어로 조합하는 방식이 더 자연스러운 결과를 냈다고 보고했다. 모델 호출을 자동화해 프롬프트를 생성하고, 그 결과물을 타임스탬프에 맞춰 합성하는 파이프라인으로 총기 소리와 특수무기 음색을 해결했다고 밝혔다.
합의점 vs 논쟁점
합의점
- AI 모델은 초기 프로토타입을 신속하게 생성하나 완성도와 물리적 정합성 확보를 위해서는 반복적 플레이테스트와 자동 검증이 반드시 필요하다는 점이 합의로 보인다. 작성자는 실제 플레이에서 관찰되는 시각·애니메이션·물리 문제를 캡처해 그에 대응하는 검사 스크립트를 만들고 자동화된 검증으로 재발을 방지했다고 했다. 이러한 인간-모델 협업 워크플로우는 품질을 확보하는 데 결정적이었다고 결론지었다.
- 사운드 설계는 여러 레이어를 조합하는 규칙 기반 파이프라인으로 처리해야 현실감 있는 결과가 나온다는 점이 공통된 실무 교훈으로 제시되었다. 작성자는 각 효과를 구성하는 하위 사운드를 타임스탬프와 확률로 조정해 재생하도록 설계했고 이 패턴이 전체 사운드 라이브러리에 적용되었다고 보고했다. 이로 인해 같은 이벤트라도 문맥에 따라 다른 느낌을 주는 음향 체계가 구축되었다.
논쟁점
- 모델이 생성한 에셋을 그대로 신뢰해도 되는지 여부는 논쟁적이었다. 작성자는 여러 사례에서 Claude가 완벽한 코드나 논리를 제공했지만 물리적 충돌, 축 뒤집힘, 콜리전 불일치 같은 문제가 남았다고 보고했고, 그래서 규칙을 명시하고 맵을 실제로 걷게 하는 검증 절차를 도입했다고 했다. 이 점은 모델 결과를 사람이 반드시 검사하고 규칙으로 증명해야 한다는 쟁점으로 이어졌다.
- 프롬프트를 사람이 직접 다듬는 접근과 모델이 자체적으로 API 호출용 프롬프트를 생성하게 하는 접근의 우열이 논쟁이 되었다. 작성자는 ElevenLabs 프롬프트를 직접 작성하지 않고 Claude가 생성한 프롬프트를 API로 직접 호출해 더 나은 결과를 얻었다고 주장했지만 이 방식의 일반성과 재현 가능성은 일부에서 의문이 제기되었다. 이로 인해 자동화된 프롬프트 생성의 투명성·디버깅 가능성 문제가 논의거리가 되었다.
실용적 조언
- 모델에게 단일 인스턴스가 아니라 범위를 고치도록 지시해 동일한 클래스의 모든 항목에 변경을 적용하게 만드는 것이 시간을 절약한다고 권고했다. 작성자는 특정 무기 하나만 고치면 같은 원인으로 다른 무기에서 동일한 문제가 반복되니 "그리고 모든 곳에"라는 습관을 들여 범용 패턴으로 수정하게 했다고 했다. 이 방법은 개별 패치가 일반화되지 않아 재발하는 것을 막는 절차로 작동한다고 강조했다.
- 시각 비교 갤러리를 만들어 참조 이미지와 현재 렌더를 동일 스케일·위치에 배치해 차이를 명확히 드러내는 방식이 캐릭터 피드백에서 결정적이었다고 조언했다. 작성자는 참조 아트와 렌더를 같은 캔버스에 맞춰 비교해 크기·시점·포즈 차이를 제거했고 그런 방식으로 판단이 객관화되어 수정 비용이 줄었다고 보고했다. 이 절차는 '머리가 크다' 같은 모호한 피드백을 수치적·시각적 문제로 전환하는 역할을 했다고 말했다.
- 반복적으로 발생한 수정은 작은 테스트로 규칙화해 자동 검증으로 전환하라고 권장했다. 작성자는 약 40개의 작은 validator 스크립트를 만들어 게임 런타임에서 키 바인딩, 카메라 안정성, 스폰 가능성 등을 검사하게 했고 이로써 동일한 버그를 다시 고치지 않게 됐다고 보고했다. 이러한 작은 테스트는 변경 시마다 자동으로 돌려 회귀를 방지하는 방어층으로 작동한다고 설명했다.
섹션별 상세

언급된 도구
프롬프트 기반 생성과 코드·로그 분석을 통해 에셋 기초 생성, 버그 원인 추적, API 프롬프트 자동 생성을 수행했다. 작성자는 플레이 로그와 스크린샷을 입력으로 주고 Claude가 코드 패치 제안과 프롬프트 조합을 만들어 실제 코드에 반영하는 방식으로 워크플로우를 구성했다고 했다. Claude는 물리 규칙을 스스로 증명하지 못해 사람이 규칙을 정하고 validator로 검증하는 형태로 보조 역할을 했다고 보고되었다.
오디오 모델로서 개별 사운드 레이어를 생성하고 작성자가 설계한 타임라인에 따라 여러 레이어를 조합해 최종 효과를 생산하도록 사용했다. 작성자는 ElevenLabs API를 Claude가 호출하도록 자동화해 사람이 직접 프롬프트를 작성하지 않고 더 일관된 결과를 얻었다고 보고했다. 사운드 설계는 타임스탬프 기반 합성 규칙으로 구성되어 재현 가능한 오디오 파이프라인으로 동작했다고 밝혔다.
브라우저 기반 렌더링 엔진으로 게임의 런타임 그래픽을 구동하고 생성된 3D 모델과 파티클, 쉐이더 파이프라인을 브라우저에서 실행하게 하는 역할을 했다. 작성자는 동일한 렌더 파이프라인에서 무기 패스를 별도 렌더로 처리해 모션 블러와 오클루전 적용을 분리하는 식으로 Three.js의 다중 패스 렌더링을 활용했다고 보고했다. 이 엔진을 중심으로 하여 서버 측 로직과 클라이언트 검증을 결합한 형태로 배포했다고 기술했다.
언급된 리소스
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.