기본 콘텐츠로 건너뛰기

구글 홈과 연동되는 보안 카메라 Spotcam Solo 간단 리뷰

지난 해 구글 홈을 집에 들이고 나서 시간 나는데로 이것 저것 붙이면서 스마트 홈을 구성하고 있습니다.

지금까지 에어컨, 스마트 스위치, 천장등, 공기 청정기 등을 연결했는데요...

이번에는 아이들을 집에 두고 밖에 잠시 외출할때 불안한 마음에 보안 카메라를 연결해보기로 했습니다.

그래서 열심히 구글링을 했습니다.

제가 원하는 기능은

1. 구글 홈과 연동되어야 한다.
2. 화질은 적당히..
3. 스마트폰으로 알람을 받을 수 있어야 한다.
4. 무료로 이용할 수 있어야 한다.
5. 제품 구매가 쉬워야 한다.

정도로 아주 단순한 것이었는데, 없네요. 없습니다. 전혀 없네요..

구글 어시스턴트와 연동되는 보안 카메라 자체가 없습니다.

그래서 구글 어시스턴트 미국 홈페이지에서 구글 홈을 지원하는 보안 카메라를 검색해 봤습니다.

현재 구글 어시스턴트와 연동되는 보안 카메라는 아래에서 찾아보실 수 있습니다.

https://assistant.google.com/explore/i?intent=ControlHomeSecurity&hl=en_us

목록에 있는 회사들을 하나 하나 들어가면서 확인을 해봤습니다.

미국이나 해외에서 사와야 하기 때문에 조건이 하나 더 붙었습니다.

1. 가격이 배송비 포함 200$ 이하여야 한다.

그래서 열심히 검색해 본 결과 제게 딱 맞는 제품이라고 판단된 것이 Spotcam Solo라는 제품이었습니다.

무료로 이용할 수 있고 이벤트 영상은 30일간 저장이 됩니다.

가격은 미국 아마존 기준으로 99$ 입니다.

https://www.amazon.com/SpotCam-Wireless-Security-Wire-Free-Recording/dp/B07LDL1BS2/ref=sr_1_fkmrnull_1?keywords=spotcam+solo&qid=1549940095&s=gateway&sr=8-1-fkmrnull

제품을 구매하기 전에 최종적으로 제가 원하는 제품이 맞는지 확인하기 위해 다시 이 제품을 구글링 해봤는데.. 리뷰가 단 한건도 없더군요.. 정말 없었습니다. 제 검색 능력의 한계 안에서는..

그래서 몇일을 다시 고민해 봤습니다. 살것인가? 말것인가? 왜 리뷰가 없을까? 무엇이 문제인가? 열심히 고민하다가 그냥 질렀습니다.

그리고 지난 2월 7일 드디어 제품을 손에 넣었습니다.

예전에 미국 반스앤노블에서 미키마우스 구글 홈 미니 케이스 구매했다고 해탈할 뻔 한 경험 이후.. 배송을 기다리는게 너무 힘들어서 이번에는 아마존 2일 배송을 선택해서 배송비를 지불했더니.. 정말 확실하게 빨리 오기는 하더군요.. 돈이면 다 되는 좋은 세상입니다.

해외에서 물건 구매하실 때는 그냥 배송비를 팍팍 쓰시는 것이 정신 건강에 매우 이롭습니다. 그렇지 않으면 정말 1달도 2달고 그냥 애닳아가며 기달려야 합니다.

어쨌든 제품을 손에 넣고 뜯어보았습니다.

생각보다 크더군요.


전 작은 걸 원했는데.. 작다면 작을 수 있지만, 생각보다는 좀 컸습니다.

이 녀석은 전원으로도 구동시킬 수 있고, 건전지로도 구동시킬 수 있습니다.

그리고 클라우드 서비스를 이용해도 되고, SD 카드를 넣어서 로컬로 이용할 수도 있습니다.


열어보면 보시는 것처럼 SD 카드를 삽입할 수 있고, 건전지를 넣을 수 있습니다.

그런데, 좀 싼거라(정말 싼건지는 좀 애매한 가격이긴 하지만)서 그런건지.. 저 연결 케이블이 좀 허접합니다. 잘못하면 끊어질 것 같은...

어쨌든..

그리고 전원선이 있는데.. 저는 칼국수처럼 납작한 전원선이길 바랬는데.. 그냥 일반 전원선이 왔습니다.


납작한 전원선이 숨기거나 할 때 더 나은데.. 큼.. 그런데 전원 단자가 마이크로 5핀이기 때문에 시중에서 구할 수 있는 마이크로 5핀 칼국수 전원 케이블을 구해다가 연결해도 될 듯 합니다.

그래서 설치를 해 보고 사용해 본 결과 꽤 괜찮은 제품이긴 한데.. 다른 기존의 와이파이 보안 카메라가 가지는 몇가지 문제는 여전한 것 같습니다.

1. 앱이 느립니다. 무지 느립니다. 어쩔때는 접속도 되지 않습니다. 서버가 아마 해외라서 그런듯 합니다. (그런데, 재미있는 점은 아이폰은 엄청나게 빠르게 접속됩니다. 제 픽셀보다 엄청나게 빠르더라고용.. 이유는 모르겠습니다. 킁..)

2. 사람을 인식하고 알람이 오는데 딜레이가 10초 정도 걸립니다. 그래서 사람이 빠르게 지나가면 알람은 울렸지만 누가 지나간건지 알 수가 없습니다. 서버에 저장되는 영상은 이벤트 영상만 저장되기 때문에 누가 지나간건지 알 수가 없습니다.

3. 사람을 인식하고 알람이 울렸을 때 클라우드에 동영상이 전송되는 시간이 필요하기 때문에 바로 확인이 어렵습니다. 5분 정도 지나야 해당 이벤트 영상을 볼 수 있습니다. 결국 보안 카메라의 가장 중요한 기능 중 하나인 즉시성 면에서는 큰 메리트가 없습니다. 즉시성을 가지려면 아무래도 SD 카드를 집어넣어야 할 것 같습니다.

하지만, 야간 카메라도 지원하고 꽤 넓은 화각을 지원하기 때문에 간단한 보안 카메라로는 괜찮은 듯 합니다.

구글 홈과 연동해서 카메라를 켜거나 끄는 것도 가능합니다.

그런데, 제가 가장 원했던 기능은 구글 홈과 연동해서 보안카메라의 영상을 크롬캐스트에 재생하는 거였는데...

안됩니다. 될 줄 알았는데.. 안되네요.

그래서 본사 고객센터에 문의를 해보니 아래와 같은 답변이 왔습니다.

Regarding to the video playback function on Chromecast, please be informed SpotCam Solo is not supported this function at this moment, and we are going to integrate it with Google and Amazon recently. As for our schedule, this integration may complete before June 2019.

결론은 연동한지 얼마 안되어서 해당 기능은 지원하지 않는다. 그 기능은 6월이나 되어야 지원될 예정이라는데.. 해줄지 모르겠습니다.

크흑... 가장 원하는 기능이었는데..

이럴거면 비싸더라도 Nest 카메라를 살걸 그랬나 봅니다.

어쨌든 구글 홈과 연동되는 저렴한 보안 카메라를 찾으신다면 Spotcam도 괜찮은 것 같습니다.

돈이 되신다면 Nest 제품을 사시기를 바랍니다.

혹시 관련해 도움이 필요하신 분은 댓글로 달아주시면 제가 아는 범위에서는 답변을 달도록 하겠습니다.

Spotcam Solo의 자세한 내용은 https://www.myspotcam.com/kr/welcome/wire_free 에서 확인하실 수 있습니다.

클라우드 저장 옵션은 https://www.myspotcam.com/kr/welcome/cloud/?mo=no&tab=wireFree 에서 확인해 보실 수 있습니다.

그리고 제품에 대한 보다 자세한 리뷰는 https://ahui3c.com/37929/spotcam-solo?fbclid=IwAR04J01sPUf3PMbTQLu36Gh7KVcDlXRr4uQwkZO52Ke5pi8Op2xeptOk8Iw 이 페이지를 크롬에서 번역해서 보시기 바랍니다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...