watermarks-remover, AI 워터마크 지우는 오픈소스 도구 소개 및 설치 방법
watermarks-remover가 뭐길래 스타 1만 7천 개를 받았나
깃허브에 올라온 watermarks-remover는 소개 문구부터 직설적입니다. “여러 벤더의 AI 출처 표시를 벗겨낸다(Strip multi-vendor AI provenance marks).” 공개된 지 얼마 안 됐는데 스타 1만 7천 개, 포크 2천 개를 넘겼고 기여자만 40명이 넘습니다.
출처 : 깃허브 watermarks-remover 저장소 화면 캡처
이름만 보면 사진 위의 로고 같은 걸 지우는 도구 같지만, 실제로 다루는 대상은 훨씬 넓습니다. AI가 만든 콘텐츠라는 걸 표시하는 세 종류의 흔적을 각각 다른 방식으로 처리합니다.
| 표시 종류 | 처리 방식 | 확실성 |
|---|---|---|
| 보이지 않는 유니코드 문자, 양방향 제어 문자 | 탐지 후 확정적으로 제거 | 검증 가능 |
| 통계적 텍스트 워터마크(토큰 샘플링 패턴) | 문장을 다시 써서 패턴을 흐림 | 최선의 노력 수준 |
| C2PA 매니페스트, EXIF, XMP 등 파일 메타데이터 | PNG, JPEG, SVG, PDF, DOCX, HTML, MD에서 제거 | 형식별로 다름 |
이 중 C2PA는 어도비, 마이크로소프트, OpenAI 등이 참여한 콘텐츠 출처 표준으로, 사진이나 영상이 언제 어떤 도구로 만들어지고 편집됐는지 이력을 암호학적으로 서명해 남기는 규격입니다. 이 프로젝트는 그 서명 정보를 파일에서 걷어내는 것까지 목표로 삼습니다.
설치는 어떻게 하나
핵심 로직은 외부 의존성 없이 파이썬 표준 라이브러리만으로 동작하고, Python 3.10 이상이 필요합니다. 다만 메타데이터 제거를 제대로 하려면 exiftool, PDF 구조 재작성을 위한 qpdf, C2PA 매니페스트 검사를 위한 c2patool 같은 외부 시스템 도구를 별도로 설치하라고 안내되어 있습니다. 특히 PDF는 exiftool로 태그만 지우면 매니페스트가 파일 구조 안에 남는 경우가 있어서, qpdf로 파일 자체를 재직렬화하는 과정을 사실상 필수로 취급합니다.
기본 설치 흐름은 이렇습니다.
git clone https://github.com/guillaumemeyer/watermarks-remover.git
cd watermarks-remover
python3 -m venv .venv
source .venv/bin/activate # Windows는 .venv\Scripts\activate
pip install -r requirements-dev.txt
로컬에서 HTTP 서비스로 띄우려면 다음 명령 하나면 됩니다.
make serve
# 또는
python3 service/scripts/server.py --host 127.0.0.1 --port 8765
Claude Code, Cursor, Cowork 같은 AI 에디터에 스킬 형태로 얹는 설치 스크립트도 따로 제공됩니다.
python3 install_skill.py --skill remove-ai-marks --target claude-code
python3 install_skill.py --skill remove-ai-marks --target cursor
Docker로 전체 인프라를 띄우는 방법도 있습니다.
cp .env.example .env
docker compose up -d
도구 제작자 스스로 인정한 한계
README에서 가장 눈에 띄는 대목은 기능 소개가 아니라 한계 설명입니다. 통계적 텍스트 워터마크를 지우려면 문장 전체를 다시 써야 하는데, 이 재작성은 원문의 단어 선택을 다른 모델의 단어 선택으로 바꾸는 작업이라 원래 글의 톤과 정확성이 함께 훼손된다고 스스로 밝히고 있습니다. 그러면서 애초에 품질이 중요하다면 이 단계를 건너뛰라고 권합니다.
더 근본적인 문제는 검증입니다. 각 벤더가 자사 워터마크의 탐지 알고리즘과 키를 공개하지 않는 이상, 어떤 외부 도구도 “이걸 돌리면 공식 탐지기를 통과 못 한다”는 걸 확인할 방법이 없습니다. 이 프로젝트도 유니코드 문자 개수나 메타데이터 존재 여부처럼 검증 가능한 지표는 보고하지만, 벤더의 비공개 탐지기 앞에서 실제로 통하는지는 보증하지 않는다고 명시합니다.
이 지점은 “AI 생성 콘텐츠에는 출처 표시를 의무화하자”는 최근 정책 논의가 서 있는 기술적 토대가 얼마나 얇은지를 보여줍니다. 표시를 남기는 기술과 지우는 기술이 같은 오픈소스 생태계 안에서 거의 동시에 발전하고 있고, 지우는 쪽이 이겼는지조차 벤더가 확인해주기 전까지는 아무도 단정할 수 없는 구조이기 때문입니다.
워터마킹은 정답이 아니라 신호 하나일 뿐
이런 도구가 화제가 될수록 분명해지는 건, 워터마킹이 AI 생성물 여부를 가려내는 만능 해법이 아니라는 사실입니다. 지우는 도구가 오픈소스로 공개돼 있고 계속 개선되는 이상, 워터마크는 뚫릴 수 있다는 전제 위에서 설계돼야 하는 여러 신호 중 하나일 뿐입니다. 출처 표시 의무화를 논의하는 정책도 이 한계를 이미 전제로 깔고 가야 할 시점입니다.
이 글은 정보 제공을 목적으로 작성했으며, 2026년 8월 기준 공개된 깃허브 저장소 README를 근거로 정리했습니다. README는 사용 범위를 본인이 소유했거나 처리 권한이 있는 콘텐츠로 한정하고, 학술 부정행위나 “사람이 직접 썼다”는 허위 주장을 위한 사용은 금지한다고 명시하고 있습니다. 저작권, 표절 검증, 플랫폼 약관, 관련 법규를 위반하는 방식의 사용에 따른 책임은 전적으로 사용자 본인에게 있으며, 이 글 역시 그런 용도의 사용을 권장하지 않습니다.
Leave a comment