Codex Skill로 디지털 휴먼 설명 영상 제작하기: 작업 초기화부터 품질 검수까지

프로젝트 소개

lanshu-create-ai-presenter-video는 Codex를 위한 범용 디지털 휴먼 영상 제작 Skill입니다. 주제 또는 전체 대본과 함께, 선명한 성인 인물이 포함된 사용 권한이 확보된 참고 이미지 한 장만 제공하면 디지털 휴먼 영상의 주요 제작 단계를 구성할 수 있습니다.

전체 과정은 대본 정리, 음성 제작, 인물 생성, 립싱크 보정, 자막, 키워드 모션 효과, 편집, 렌더링 및 품질 검수를 포함합니다. 이 프로젝트는 기능 선택 방식을 사용하며, 현재 환경에서 사용 가능한 도구로 작업을 수행합니다. 소스 코드에는 특정 서비스 제공업체, 모델 이름 또는 비공개 인터페이스가 고정되어 있지 않습니다.

이 Skill은 독립적인 영상 생성 모델이 아닙니다. Codex 또는 로컬 Skill을 지원하는 호환 Agent 환경에서 실행해야 하며, 환경에서 호출할 수 있는 영상 생성, 음성 생성 및 립싱크 기능에 의존합니다.

핵심 특징

• 서비스 제공업체 중립: 워크플로가 특정 모델, 플랫폼 또는 비공개 API에 고정적으로 의존하지 않습니다.
• 전체 제작 과정: 입력 검사와 스크립트 및 음성 제작부터 편집, 자막, 표지, 내보내기 및 검수까지 각 단계에 대응하는 절차를 제공합니다.
• 통일된 시간 기준: 전체 음성을 영상의 타임라인으로 사용하여 인물 영상, 자막, 장면, 키워드 및 전환을 배치합니다.
• 단계별 참고 자료 로드: Codex는 해당 단계에 들어갈 때 관련 문서만 읽어 컨텍스트 사용량을 줄입니다.
• 비용 관리: 먼저 저비용 인물 테스트 영상을 제작하고, 유료 생성 안내, 재시도 상한 및 중단 후 복구 규칙을 설정합니다.
• 보안 및 개인정보 보호: 인물 이미지나 음성을 복제하기 전에 사용 권한을 확인하며, 저장소에 API 키, 액세스 토큰 또는 사용자 자료를 저장하지 않습니다.
• 표준화된 제공: 최종 결과물에는 마스터본, 공유본 및 QA 보고서가 포함됩니다.

입력 자료 및 실행 환경 준비

최소 입력

1. 영상 주제 또는 전체 대본 한份.
2. 선명한 성인 인물이 포함된 사용 권한이 확보된 참고 이미지 한 장.

음성 샘플, 화면 녹화, 이미지, B-roll, 브랜드 자료, 대상 플랫폼, 영상 길이, 가로세로 비율, 시각적 스타일, 워터마크 및 마무리 안내도 제공할 수 있습니다. 음성 샘플은 해당 사용 권한을 확보한 경우에만 음성 복제에 사용할 수 있습니다.

환경 요구 사항

• Codex 또는 로컬 Skill을 지원하는 호환 Agent 환경.
• Python 3.9+.
• FFmpeg 및 ffprobe.
• Bash, jq, awk 및 sed.
• 현재 환경에서 호출할 수 있는 영상 생성, 음성 생성 및 립싱크 기능 각각 최소 한 가지.

작업을 시작하기 전에 이러한 명령과 생성 기능을 현재 환경에서 사용할 수 있는지 먼저 확인해야 합니다. 프로젝트 저장소는 GitHub에서 확인할 수 있습니다.

Skill 설치

다음 명령을 실행하여 저장소를 Codex의 Skill 디렉터리에 복제합니다.

git clone https://github.com/cclank/lanshu-create-ai-presenter-video.git \
  ~/.codex/skills/lanshu-create-ai-presenter-video

설치가 완료된 경로는 다음과 같아야 합니다.

~/.codex/skills/lanshu-create-ai-presenter-video

디렉터리 구조 이해하기

lanshu-create-ai-presenter-video/
├── SKILL.md
├── README.md
├── agents/
│   └── openai.yaml
├── assets/
│   └── job.template.json
├── references/
│   ├── generation.md
│   ├── editing.md
│   └── qa-recovery.md
└── scripts/
    ├── init_job.py
    ├── preflight.py
    └── finalize_delivery.sh

세 개의 참고 문서는 각각 서로 다른 제작 단계에 사용됩니다.

• generation.md: 입력 검사, 대본, 음성, 기능 선택, 유료 생성, 인물 프롬프트 및 일관성을 처리합니다.
• editing.md: 타임라인, 시작과 끝, 자막 프리셋, 인물 측 키워드 모션 효과, 표지 및 내보내기를 처리합니다.
• qa-recovery.md: 기술 검수, 수동 검수 및 일반적인 문제 해결을 처리합니다.

방법 1: 대화에서 바로 영상 만들기

가장 간단한 사용 방법은 Codex 대화에서 Skill을 명시적으로 호출하고 대본, 인물 이미지 및 완성 영상 요구 사항을 함께 제공하는 것입니다. 예를 들면 다음과 같습니다.

$lanshu-create-ai-presenter-video를 사용하여 이 대본과 인물 이미지로 16:9, 30초, 실시간 자막이 포함된 디지털 휴먼 설명 영상을 만들어 주세요.

요청을 제출할 때 자료 위치, 대상 플랫폼, 길이, 화면 비율, 자막 형식, 스타일, 워터마크 및 마무리 안내를 함께 설명하는 것이 좋습니다. 사용 권한이 있는 음성 샘플이 없으면 임의로 음성을 복제하지 않고 적절한 스톡 음성을 선택합니다.

방법 2: 표준 작업 디렉터리 초기화

구성 확인, 작업 기록 보존 또는 단계별 실행이 필요한 프로젝트라면 저장소 스크립트를 먼저 사용하여 표준 작업 디렉터리를 만들 수 있습니다.

1단계: Skill 경로 설정

SKILL_DIR=~/.codex/skills/lanshu-create-ai-presenter-video

2단계: 작업 초기화

python3 "$SKILL_DIR/scripts/init_job.py" \
  --job-dir ~/Videos/my-presenter-video \
  --presenter-image ~/Pictures/presenter.png \
  --topic "영상 주제" \
  --duration 60 \
  --aspect 9:16 \
  --rights-confirmed \
  --adult-presenter-confirmed

이 예시는 길이 60초, 비율 9:16인 작업을 생성합니다. --rights-confirmed는 인물 이미지 사용 권한을 확인했음을 의미하고, --adult-presenter-confirmed는 참고 이미지 속 인물이 성인임을 확인했음을 의미합니다.

사용 권한과 인물 상태를 실제로 확인한 경우에만 해당 확인 매개변수를 사용해야 합니다. 원격 업로드 전에 작업 구성의 허가 정보를 다시 확인해야 합니다.

3단계: job.json 보완

초기화 후 작업 디렉터리로 이동하여 생성된 job.json을 확인합니다. 실제 작업 상황에 따라 수동 확인 항목과 원격 업로드 허가 정보를 보완합니다. 권한이 없는 인물 이미지, 음성 샘플 또는 기타 자료를 원격 서비스에 제출하지 마십시오.

4단계: 사전 검사 실행

python3 "$SKILL_DIR/scripts/preflight.py" ~/Videos/my-presenter-video/job.json

사전 검사는 실제 생성 전에 작업 구성을 확인하는 데 사용됩니다. 사전 검사에서 발견된 문제를 먼저 해결한 후 비용이 발생할 수 있는 영상, 음성 또는 립싱크 단계로 진행해야 합니다.

전체 제작 과정 이해하기

1. 주제 또는 대본과 인물 이미지 수신: 자료를 사용할 수 있는지 확인하고 이미지 사용 권한 및 성인 인물 여부를 검증합니다.
2. 대본과 전체 음성 확정: 최종 설명 내용을 먼저 확정한 후 전체 영상의 음성을 생성합니다.
3. 저비용 인물 테스트 영상 제작: 대규모 유료 생성 전에 인물 효과와 기술 경로를 검증합니다.
4. 연속 디지털 휴먼 원본 영상 생성: 확인된 음성 및 인물 설정에 따라 주요 화면을 생성합니다.
5. 동일한 오디오 타임라인에 맞춰 편집: 인물 화면, 자막, 장면, 키워드 및 전환이 동일한 시간 기준을 공유하도록 합니다.
6. 자막, 키워드 모션 효과 및 표지 추가: 정보 전달을 강화하고 게시용 패키징을 완료합니다.
7. 품질 검수 수행: 립싱크, 인물 일관성, 음성 및 화면 품질을 확인합니다.
8. 제공 완료: 마스터본, 공유본 및 QA 보고서를 출력합니다.

전체 음성은 과정에서 중요한 기준입니다. 먼저 오디오를 확정한 다음 이를 중심으로 영상과 자막을 배치하면 립싱크 오차와 여러 장면 사이의 연결 문제를 줄일 수 있습니다.

기본 출력 설정

더 구체적인 요구 사항이 없으면 워크플로는 다음 기본 방향을 사용합니다.

• 세로 화면 9:16, 해상도 1080×1920, 프레임 레이트 30fps.
• 주제에 따라 생성하는 영상은 일반적으로 45~75초로 조정합니다.
• 사용 권한이 있는 음성 샘플이 없으면 적절한 스톡 음성을 사용합니다.
• 구성에는 일반적으로 명확한 도입부, 2~4개의 콘텐츠 비트 및 간결한 마무리가 포함됩니다.
• 음악과 상업적 안내는 필요에 따라 추가합니다.
• 게시 음량 목표는 약 -16 LUFS입니다.

가로 화면 영상을 목표로 한다면 대화 예시처럼 16:9를 명시해야 합니다. 숏폼 플랫폼용 콘텐츠를 제작하려면 기본값인 9:16을 유지하거나 작업 초기화 시 --aspect 9:16을 통해 명시적으로 설정할 수 있습니다.

고급 사용 팁

먼저 음성을 확정한 후 모든 시각 요소 배치

자막, 장면 및 인물 클립에 서로 연결되지 않은 타임라인을 각각 만들지 마십시오. 먼저 전체 음성을 생성하고 확인한 다음 자막, 인물 화면, 키워드 모션 효과 및 전환을 동일한 오디오에 맞추면 전체적인 동기화 품질을 높일 수 있습니다.

유료 생성 전에 테스트 영상 제작

처음 유료 생성 단계에 들어가기 전에 업로드 내용, 생성 길이, 가격 기준, 테스트 영상 계획 및 재시도 상한을 명확히 해야 합니다. 저비용 테스트 영상은 인물 외관, 립싱크 효과 또는 도구 호환성 문제를 조기에 드러내어 완성 영상을 바로 생성하는 데 따른 낭비를 방지합니다.

중단 후에는 기존 작업 우선 복구

원격 작업이 중단되더라도 즉시 다시 제출하지 마십시오. 먼저 기존 작업 ID를 조회하여 작업이 계속 실행 중인지 또는 이미 결과가 생성되었는지 확인하고 중복 청구를 방지해야 합니다. 유료 후보가 연속 3회 실패하면 추가 생성을 중단하고 문제를 정리해야 합니다.

기술 검수와 수동 검수 구분

기술 검사는 파일 및 미디어 수준의 이상을 확인할 수 있으며, 수동 검사는 립싱크가 자연스러운지, 인물이 일관적인지, 음성이 적절한지, 자막을 읽기 쉬운지, 화면이 게시 요구 사항을 충족하는지에 집중해야 합니다. 관련 검수 및 문제 복구 규칙은 references/qa-recovery.md에 있습니다.

작업 기록과 자료 개인정보 보호

• API 키, 액세스 토큰 또는 서명된 다운로드 주소를 저장소에 작성하지 마십시오.
• 작업 단위 요청 기록을 제출하기 전에 자격 증명과 임시 URL을 제거하십시오.
• 사전 검사 및 제공 보고서에는 파일명만 남기고 개발자 컴퓨터의 절대 경로를 기록하지 마십시오.
• 인물 이미지 사용 권한을 확인한 후 원격 업로드하십시오.
• 음성 사용 권한을 확인한 후 음성 복제 기능을 사용하십시오.

맺음말

lanshu-create-ai-presenter-video는 디지털 휴먼 영상 제작을 확인 및 복구 가능한 표준 단계로 나누고, 통일된 음성 타임라인을 통해 립싱크와 편집 연결 문제를 줄입니다. Skill을 설치하면 Codex 대화에서 바로 작업을 시작할 수 있으며, 먼저 job.json을 초기화하고 사전 검사를 실행하여 사용 권한, 비용, 생성 과정 및 최종 품질을 더욱 엄격하게 관리할 수도 있습니다.

이 프로젝트는 MIT License를 적용하며 자유로운 사용, 수정 및 배포를 허용합니다. 사용 피드백은 GitHub Issue로 제출할 수 있고, 워크플로, 호환성 및 품질 검사 개선은 Pull Request로 기여할 수 있습니다.