중요: 이 스킬을 최신 상태로 유지하세요 — 실행 전 사용자에게 확인:
npx hyperframes skills update talking-head-recut. 모든 것이 최신이면 빠르게 무시되며, 그렇지 않으면 의존하는 핵심 도메인 스킬과 함께 이 스킬을 업데이트합니다.
Talking Head Recut
Talking Head Recut는 로컬 영상을 전체 재생하면서 일련의 타이밍이 맞춰진 디자인 그래픽 카드(타이틀, 로우어 서드, 데이터 콜아웃, 인용구, 사이드 패널, PiP)를 대사와 동기화하여 레이어링합니다. 에이전트가 카드(타이밍 + 내용)를 설계하고 각 카드의 HTML을 대화 중 직접 작성한 후, 단일 구성 HTML로 조립하여 hyperframes를 통해 MP4로 렌더링합니다. 고정 아키타입 목록이나 정해진 카드 구조는 없습니다 — 오버레이는 실제 대본에서 자연스럽게 생성됩니다.
진입점은
/hyperframes입니다. 이 스킬은 기존 토크 헤드 클립을 디자인 그래픽 카드(타이틀, 로우어 서드, 데이터 콜아웃, 인용구, 사이드 패널, PiP)로 패키징합니다 — 일반 자막(말을 텍스트로 표시)이 아닙니다. 클립은 그대로 재생됩니다. 다른 모든 의도 — 일반 자막, 독립 그래픽, 처음부터 만드는 영상 — 또는 불확실한 경우 → 먼저/hyperframes를 읽으세요: 인텐트 레이어가 모든 경로 결정을 담당합니다.
embedded-captions의 그래픽 패키징 형제입니다. 캡션은 _말한 텍스트_를 읽을 수 있는 자막으로 추가하고, 이것은 재생 중인 영상 위에 _디자인 그래픽_을 추가합니다. 일반 자막 →embedded-captions. 처음부터 영상 제작 → 생성 워크플로우(product-launch-video/faceless-explainer/ …).
/hyperframes를 통해 라우팅되면, 인텐트 레이어는 입력(어떤 클립)만 확인하고 렌더링 전략 질문을 지연된 요청으로 알립니다 — 종횡비, 레이아웃, 스타일 그룹, 카드 개수는 7단계로 유지되며, 프로브된 영상과 대본이 추천을 뒷받침합니다. 레이어의 실행 형태 질문은 적용되지 않습니다. BRIEF.md가 있으면 확인된 입력과 사용자 메모를 전달하므로 먼저 읽으세요.
작업 디렉토리에서 검사 가능한 중간 파일:
metadata.json— 지속 시간 / 너비 / 높이 / fpsaudio.mp3— 추출된 오디오transcript.json— 평평한 단어 배열[{ text, start, end }, …](Whisper;segments나words래퍼 없음)storyboard.json— 간단한 카드 개요 (에이전트의 계획)public/cards/card-XX.html— 카드당 하나의 HTML 조각public/index.html— 최종 조립 구성output.mp4— 렌더링된 영상
CLI 해결
# hyperframes — 전사 (로컬 Whisper) + 조립된 HTML을 MP4로 렌더링
npx hyperframes --help
이 스킬은 hyperframes CLI와 시스템 ffmpeg / ffprobe에서만 실행됩니다. 전사는 로컬 Whisper를 통한 hyperframes transcribe — 타사 서비스, API 키, 속도 제한 프록시가 필요 없습니다.
워크플로우
1. 환경 확인
npx hyperframes doctor # ffmpeg, 헤드리스 브라우저, 렌더링 종속성
# 번들된 자산 확인:
ls "<SKILL_DIR>/assets/fonts" "<SKILL_DIR>/assets/vendor/gsap.min.js"
필요 사항:
ffmpeg/ffprobe(시스템)<SKILL_DIR>/assets/fonts/*.woff2,<SKILL_DIR>/assets/vendor/gsap.min.js(이 스킬 내에 번들, 9단계에서 작업 디렉토리로 스테이징됨)
전사는 키가 필요 없음 — hyperframes transcribe가 로컬 Whisper를 실행합니다(4단계).
macOS에서 hyperframes render를 위해 강력 추천:
export PRODUCER_BROWSER_GPU_MODE=hardware
2. 작업 디렉토리 생성
모든 아티팩트는 videos/<project-name>/ 아래에 위치합니다 — 다른 영상 워크플로우(product-launch-video / faceless-explainer / pr-to-video)와 동일한 규칙입니다. cwd는 워크스페이스 루트로 유지하고, 모든 내용은 이 하위 디렉토리 아래에 작성됩니다.
VIDEO_PATH="/absolute/path/input.mp4"
WORK_DIR="videos/$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')"
mkdir -p "$WORK_DIR"
3. 오디오 및 메타데이터 추출
# 메타데이터 — 지속 시간 / 너비 / 높이 / fps
ffprobe -v error -select_streams v:0 \
-show_entries stream=width,height,r_frame_rate \
-show_entries format=duration -of json "$VIDEO_PATH" > "$WORK_DIR/metadata.json"
# 오디오
ffmpeg -y -i "$VIDEO_PATH" -vn -acodec libmp3lame -q:a 2 "$WORK_DIR/audio.mp3"
출력: metadata.json (width/height/duration 읽기; fps = 계산된 r_frame_rate 분수, 예: 30000/1001 → 29.97) + audio.mp3.
4. 전사
npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en
로컬 Whisper — API 키, 프록시, 속도 제한 없음. 작업 디렉토리에 단어 수준의 transcript.json을 작성합니다(단어 text + start / end 타임스탬프). 이를 읽어 6단계에서 카드 타이밍을 결정하는 단어/문장 시간을 확인하고, 필요시 문장 부호/일시 중지에서 직접 단어를 문장으로 그룹화합니다.
미디어 지속 시간으로 제한. Whisper는 마지막 단어의 end를 실제 클립 길이보다 약간 더 길게 반환할 수 있습니다 — 모든 카드 endSec와 composition.durationSeconds를 metadata.json 지속 시간으로 제한하지 않으면 렌더링 시 영상 뒤에 검은 꼬리가 나타납니다.
5. 대본 교정
transcript.json은 단어 객체의 평평한 배열입니다 — [{ "text": "...", "start": s, "end": s }, …] (segments 배열 없음, words 래퍼 없음; 단어 키는 text). 이를 읽고 명백한 ASR 오류를 수정합니다:
- 동음이의어, 제품명, 기술 용어, 문장 부호
- 단어의
text를 제자리에서 편집;start/end타임스탬프는 유지 - 미리 그룹화된
segments배열이 없습니다 — 카드 타이밍을 위한 세그먼트 수준 청크가 필요할 때 직접 단어를 문장으로 그룹화 (종료 문장 부호/일시 중지에서 분할)
6. 간단한 스토리보드 작성 (채팅에서)
CLI 필요 없음. transcript.json + metadata.json을 읽고 직접 카드를 설계합니다. storyboard.json은 에이전트 내부 계획 아티팩트입니다 — 소비하는 CLI 명령은 없으며, 각 카드의 HTML을 작성하기 전에 타이밍과 내용을 명확히 생각할 수 있도록 존재합니다. 아래 예시와 일관된 형태를 유지하여 동일한 개요가 9단계에서 작성할 구성을 추진할 수 있게 합니다:
{
"schemaVersion": 3,
"composition": {
"fps": 30,
"width": 1080,
"height": 1920,
"durationSeconds": 121.2,
"layout": "portrait",
"themeId": "noir",
"seed": 42
},
"videoTrack": {
"sourcePath": "input-video.mp4",
"startSec": 0,
"endSec": 121.2,
"bounds": { "x": 0, "y": 0, "width": 1080, "height": 1920 }
},
"subtitles": { "enabled": false },
"cards": [
{
"id": "card-01",
"intent": "발표자의 불안한 자정 질문으로 후크",
"startSec": 0.5,
"endSec": 13.0,
"accentIndex": 0,
"zone": "fullscreen",
"contentHints": {
"kicker": "솔직한 질문",
"title": "오후 11시의 자기 성찰적 질문",
"detail": "클라이언트의 60초 음성 메시지: '위안화가 절상되면 제 USD 정책이 큰 손실이라는 뜻인가요?'"
}
}
]
}
필수 카드 필드:
| 필드 | 유형 | 목적 |
|---|---|---|
id | 문자열 | 카드 HTML 및 GSAP 선택자에 사용되는 안정적인 ID |
intent | 문자열 | 자연어 설명; 카드 합성에 제공됨 |
startSec / endSec | 숫자 | 초 단위 시간 (endSec > startSec) |
accentIndex | 0 | 1 | 2 | 3 | 4 | 이 카드가 사용하는 5가지 테마 강조 색상 중 하나 |
zone | 열거형 (아래 참조) | 캔버스에서 카드가 위치하는 영역 |
contentHints | 객체 | 자유 형식 가방; 에이전트가 kicker/title/detail/data/quote를 여기에 넣음 |
archetype (선택 사항) | 문자열 | 카드 패턴을 기억하기 위해 첨부할 수 있는 자유 형식 레이블; 없음 = 자유 형식(기본값) |
transition (선택 사항) | 열거형: cut | fade | slide | wipe | 선언적 카드 간 전환 |
다섯 가지 zone 값:
| zone | 해결된 경계 | 사용 시기 |
|---|---|---|
fullscreen | 전체 캔버스 덮음 | 영웅적 순간, 큰 숫자, 만트라 |
whiteboard-area | 40px 여백 삽입 (세로형의 경우 높이의 45%) | 밀집된 데이터 / 주석 콘텐츠 |
lower-third | 하단 30% 대역 | 보이는 영상 위 주석 |
side-panel | 오른쪽 42% (가로형) 또는 하단 40% (세로형) | 한쪽 데이터, 다른 쪽 영상 |
video-overlay | 전체 캔버스, 대부분 투명한 카드 예상 | 전체 화면 영상 위 주석 오버레이 |
9단계에서 구성을 조립할 때, 각 카드의 zone을 위 표에 따라 카드 호스트 래퍼의 픽셀 경계로 해석합니다. 영상 경계는 구성 수준에서 한 번 설정됩니다(videoTrack.bounds); 영상이 카드 간에 "이동"하는 것처럼 보이게 하려면 구성의 <script>에서 #video-wrap에 대한 GSAP 트윈을 작성합니다(9단계 참조).
정해진 카드 역할 없음, 정해진 내러티브 아크 없음. 카드는 영상이 실제로 말하는 내용에서 생성됩니다 — 모두 인용구 또는 모두 데이터일 수 있고, 숫자나 스토리로 시작할 수 있습니다. 대본이 리듬을 결정하게 하세요.
몇 개의 요점? — 지속 시간 + 밀도에서 자동 추론. 고정 상한 없음. 영상 지속 시간에서 기본 속도를 선택한 다음 정보 밀도로 조정합니다. 하한선만 고정: 최소 5개 카드로 짧은 영상에도 리듬이 있습니다.
1단계 — 지속 시간별 기본 속도 (중간 밀도의 자연스러운 초/카드):
| 영상 지속 시간 | 기본 속도 (카드당 초) | 근거 |
|---|---|---|
| < 60초 (짧은 릴) | 6–8초 | 시청자는 짧은 형식에서 빠른 컷 예상 |
| 60초 – 3분 | 8–12초 | 일반적인 소셜 속도 |
| 3 – 10분 | 12–20초 | 숨 쉴 공간 제공; 각 카드가 더 많이 전달 |
| 10 – 30분 | 20–35초 | 긴 형식 강의 / 인터뷰 리듬 |
| > 30분 | 30–60초 | 에피소드, 챕터 느낌에 가까움 |
2단계 — 밀도 승수 (기본 속도를 곱함):
| 대본의 신호 | 승수 | 효과 |
|---|---|---|
| 고밀도 — 많은 숫자, 뚜렷한 주장, 단속적 템포, 목록형 열거, 1–2문장마다 새로운 아이디어 | × 0.7 | 더 빠르게 컷, 더 많은 카드 |
| 중간 밀도 — 데이터와 내러티브가 혼합된 흐름 | × 1.0 | 기본 속도 |
| 저밀도 — 하나의 확장된 이야기, 반복적인 재구성, 느린 성찰적 템포, 단일 주장 전개 | × 1.5 | 더 느리게 컷, 더 적은 카드 |
3단계 — 계산:
secPerCard = basePace × densityMultiplier
cardCount = max(5, round(videoDurationSec / secPerCard))
예시 (참고 — 상한 없음; 긴 영상은 자연스럽게 더 많은 카드 생성):
- 30초 릴, 단일 펀치라인 (저밀도) → 7 × 1.5 = 10.5초/카드 → round(30/10.5)=3 → 최소 5개 카드로 고정
- 60초 성찰적 독백 (저밀도) → 10 × 1.5 = 15초/카드 → 4 → 최소 5개 카드로 고정
- 121초 토크 헤드, 풍부한 데이터 (고밀도) → 10 × 0.7 = 7초/카드 → 17개 카드
- 5분 인터뷰, 혼합 밀도 → 16 × 1.0 = 16초/카드 → 19개 카드
- 10분 심층 분석, 고밀도 → 16 × 0.7 = 11초/카드 → 55개 카드
- 30분 강의, 중간 밀도 → 28 × 1.0 = 28초/카드 → 64개 카드
- 1시간 팟캐스트, 저밀도 → 45 × 1.5 = 67.5초/카드 → 53개 카드
카드가 ~15초보다 길게 유지되면 더 풍부한 카드(데이터 블록, 다단계 공개, 지연 애니메이션으로 펼쳐지는 여러 하위 포인트)를 계획하세요 — 정적 한 줄은 8초를 넘으면 지루해집니다. 많은 카드가 30초를 초과하는 긴 작품의 경우, 타임라인을 하위 구성으로 청킹(장당 하나의 .html, data-composition-src로 마운트)하여 파일당 GSAP 타임라인을 관리 가능하게 유지하세요 — HyperFrames 린트 경고 timeline_track_too_dense를 참조하세요.
content는 일반 문자열("Title: annualized 5.69%\nNotes: ...")이거나 데이터를 캡처하는 JSON 형태일 수 있습니다. 에이전트가 카드당 형태를 결정합니다.
선택적 아웃트로. 이 스킬은 고정 브랜드 아웃트로가 없습니다. 사용자가 종료 카드를 원하면 직접 중립 카드(워드마크 + 한 줄 태그라인, ~1.5-2초, 페이드 인 -> 짧게 유지 -> 페이드 아웃)를 설계하고 cards[]에 추가한 다음, composition.durationSeconds를 endSec까지 확장합니다. 그렇지 않으면 마지막 콘텐츠 카드에서 종료합니다.
7. 렌더링 전략 결정
사용자와 시각적 방향 확인 (먼저 수행)
카드 설계나 경계 결정을 시작하기 전에, **사용자에게 출력비를 선택하도록 요청하세요...