clementsprs/ai-video-director

AI 비디오 감독

이 스킬은 아이디어를 실제 카메라로 촬영한 듯한 장면과 사람처럼 움직이는 인물이 등장하는 완성된 비디오로 전환합니다. 수십 편의 제작된 영화 및 광고(소셜 미디어 유료 광고, UGC 호스트, 스토리 필름, 제품 필름, 웹사이트 루프)와 모든 컷을 검토하며 얻은 교정 사항에서 추출한 방법론입니다.

핵심 신념: AI 비디오는 실제 제작진이 본능적으로 처리하는 경계선에서 실패합니다. 연속성, 시선, 고정된 소품, 동일한 얼굴, 실제 방 안에서 나는 듯한 음성. 모델은 픽셀에 능숙합니다. 당신이 감독, 스크립터, 편집자가 되어야 합니다.

참고 자료 (요청 시 로드)

파일	로드 시점
references/storyboard.md	모든 영화 기획 시: 컷 문법, 스토리보드 표, 비트 시트
references/prompting.md	스틸 또는 비디오 프롬프트 작성 시 (리얼리즘 어휘, 시간 비트, 스타일 트리거, 물리 핀, 시선, 체이닝)
references/prompt-library.md	컷 유형별로 검증된 프롬프트를 변형하여 사용하고 싶을 때
references/models-and-costs.md	모델 선택, 크레딧 예상, 제공업체 주의사항 확인 시
references/dialogue-and-voice.md	화면 속 인물이 말하거나, 나레이터(VO), 비영어 대사, 립싱크가 필요할 때
references/review-qa.md	편집 전 테이크 검토, 마스터 QA 시
references/post-production.md	편집, UI 및 텍스트 합성, 자막, 레벨, 인코딩, 플랫폼, 루프 작업 시
references/compliance.md	생성된 인물, 사용후기, 로고, 실제 회사 또는 실제 데이터가 포함될 때

scripts/ 디렉토리의 헬퍼 스크립트(bash + ffmpeg, 다른 의존성 없음): 콘택트 시트, 체이닝을 위한 마지막 프레임 추출, 소셜 마스터링, 매끄러운 루프 내보내기.

10가지 규칙

1. 종이 위에 계획하고, 화면에서 비용을 지불하라. 비디오 모델에 어떤 것도 투입하기 전에, 카메라 설정별로 하나의 스틸이 포함된 컷별 스토리보드가 존재하고 비디오 소유자가 승인해야 합니다. 스틸은 몇 센트, 비디오 테이크는 수 달러입니다. 보드에서 잡아낸 나쁜 스틸은 수백 크레딧을 절약하고, 편집에서 잡아낸 나쁜 테이크는 크레딧을 낭비합니다.
2. 절대 이중으로 지불하지 마라. 생성 전에 항상 기존에 존재하는 것을 찾으십시오: 제공업체의 최근 작업, 디스크의 클립, 프로젝트 문서의 작업 ID. 첫 번째 호출 전에 계획의 크레딧 총액을 인용하십시오. 수정이 편집에서 가능하다면 편집에서 처리하십시오. 동일한 컷에 대해 두 번의 세션을 실행하지 마십시오.
3. 기본은 저해상도, 목적에 따라 고해상도. B-roll, 타일, PiP 및 전체 화면 이하의 모든 것은 480p(또는 제공업체의 가장 낮은 비-드래프트 등급)로 생성하십시오. 전체 화면 얼굴, 대화 중심 스토리 필름, 웹사이트 히어로는 하나의 테스트 테이크 후에 720p/1080p로 전환하십시오. 드래프트/터보/프리뷰 모드는 눈에 띄게 AI처럼 보입니다. 프롬프트 비교용으로 사용하고 절대 출시하지 마십시오.
4. 진솃한 다큐멘터리, 절대 스톡 사진처럼 하지 마라. 가장 큰 리얼리즘 레버입니다. 핸드헬드 35mm, 자연 혼합광, 모델이 아닌 사람들, 약간 지저분한 세트, 포즈를 취하지 않는 사람, 시청자에게 말하는 호스트가 아니라면 렌즈를 쳐다보지 않는 사람. 스톡의 특징을 금지하십시오: 헤드셋을 착용하고 웃는 콜센터 상담원, 유리 사무실의 정장, 완벽한 치아, "DREAM BIG" 네온 로프트, 대칭적인 히어로 프레이밍.
5. 긴 테이크가 여러 클립보다 낫다. 스토리 비트당 하나의 연속적인 8~15초 테이크는 이야기로 읽히지만, 15개의 3초 클립은 스톡 몽타주로 읽힙니다. 테이크 N의 마지막 프레임이 테이크 N+1의 첫 번째 프레임이 되도록 체이닝하십시오. 실제 편집자가 컷할 지점에서 컷하십시오.
6. 같은 얼굴, 같은 옷, 같은 세계. 캐릭터당 하나의 고정된 시작 스틸을 만들고, 그 사람의 모든 컷에 재사용하거나 편집하십시오. 모든 컷 쌍 사이에서 얼굴, 머리카락, 의상, 소품, 세트를 확인하십시오. 이탈이 있으면 다시 촬영하거나 컷하고, "아무도 눈치채지 못할 거야"라고 생각하지 마십시오.
7. 물리 법칙은 의도적으로 연출해야지, 바래서 되는 것이 아니다. 프롬프트가 움직이라고 명시하지 않는 한 물체는 정지해 있어야 하며, 움직인다면 정확히 어떻게 움직이는지 서술하십시오. 사람과 손의 수를 세십시오. 야심 찬 카메라 움직임(궤도, POV가 3인칭으로 전환, 문을 통과하는 긴 달리)은 고스트 현상, 중복 인물, 의상 변경을 유발하므로 피하십시오.
8. 모든 시선은 프레임 안에 목표물이 있다. 듣는 사람이 프레임 밖에 있는 화자는 1초 이내에 렌즈를 향합니다. 대화는 투샷 또는 듣는 사람의 어깨가 전경에 보이도록 촬영하고, 전체 테이크 동안 머리 방향을 고정하십시오. 시선은 나중에 수정할 수 없습니다.
9. 텍스트, UI, 로고는 합성해야지, 생성하면 안 된다. 장면 속 화면은 돌려놓거나 읽을 수 있는 콘텐츠를 표시하지 않아야 합니다. 실제 UI, 자막, 제목, 로고는 편집에서 추가하고, 표면에 고정되어 있을 때는 추적하십시오. 생성을 통과하는 유일한 장면 내 마크는 벽, 머그잔, 스티커에 이미지 참조로 전달되는 크고 간단한 워드마크입니다.
10. 화면 속 화자는 자연스러운 음성, 그 외는 실제 같은 음성. 입이 움직이는 캐릭터는 비디오 모델이 제공한 음성을 유지해야 합니다. 보이는 입을 TTS로 더빙하면 즉시 어색하게 들립니다. TTS는 등장하지 않는 나레이터와 모델이 발음을 잘 못하는 언어(이 경우 dialogue-and-voice.md를 참조하여 립싱크를 제대로 적용)에만 사용하십시오. 음성은 스튜디오 부스가 아닌, 그들이 있는 방에서 나는 듯한 소리여야 합니다.

워크플로우

0. 도구 상자 파악하기 (2분, 모든 프로젝트)

• 어떤 생성 제공업체가 연결되어 있습니까(Runway와 같은 MCP 서버, 또는 fal / Replicate / 모델 벤더의 API 키)? 해당 계정 또는 whoami 엔드포인트를 호출하십시오: 사용 가능한 모델, 지원 중단 예정, 크레딧 잔액.
• 어떤 편집 도구를 사용할 수 있습니까: UI, 자막 또는 모션 디자인이 있는 경우 Remotion(Node); 단순 컷만 있는 경우 ffmpeg 단독. ffmpeg -version과 libass(자막) 지원 여부를 확인하십시오.
• 어떤 음성 도구: 비디오 모델의 기본 오디오, ElevenLabs 또는 다른 TTS, 립싱크 모델.
• 찾은 내용을 프로젝트 문서 상단에 기록하십시오. 절대 기억에 의존하여 모델을 가정하지 마십시오.

1. 브리프

무언가를 지출하기 전에 프로젝트 폴더에 brief.md를 작성하십시오:

• 목표 및 배치: 광고(어느 네트워크), 오가닉 소셜, 웹사이트, 영업 자료. 대상.
• 형식: 비율, 길이, 언어, 사운드 온/오프 우선.
• 비트 시트: 각 비트의 지속시간과 함께 한 줄씩 작성. 처음 2초 안에 후크를 넣으십시오. 광고의 경우 약 3초 안에 브랜드가 보이고 들려야 합니다.
• 누가 말하고, 어떤 역할로: 시청자에게 말하는 호스트, 장면 속 캐릭터, 나레이터, 아무도 없음. 이는 모델 선택과 컴플라이언스에 영향을 줍니다.
• references/compliance.md에서 컴플라이언스 체크를 수행하십시오.

2. 스토리보드 (게이트)

references/storyboard.md를 따르십시오. 화면당 한 행: 타임코드, 목적, 샷 크기, 앵글, 렌즈, 카메라 움직임, 초 단위 액션, 시선, 사운드, 합성 요소, 전환, 소스, 크레딧 비용, 그리고 프레이밍을 보여주는 실제 스틸 하나. 샷의 다양성이 핵심입니다: 와이드 리빌, 클로즈업, 인서트. 보드를 시각적으로(HTML 페이지, PDF 또는 이미지 그리드) 전달하고 승인을 기다리십시오. "작은" 영화라도 예외는 없습니다.

이미지 예산: 카메라 설정당 하나의 스틸, 보드에 변형 없음. 카드, UI 인서트, 엔드 카드는 생성하지 않고 HTML 목업으로 렌더링합니다.

3. 컷별 모델 선택

references/models-and-costs.md를 따르십시오: 각 컷의 요구사항(자체 오디오, 립싱크 대화, 컷 간 동일 인물, 시작/종료 프레임, 지속시간, 해상도)을 기능에 매핑하고, 해당 요구사항에 제공업체가 추천하는 최신 모델을 우선 선택한 다음, 목표 해상도에서 초당 가장 저렴한 모델을 선택하십시오. 사용해 본 적 없는 모델은 계획에 의존하기 전에 하나의 저렴한 테스트 테이크를 수행하십시오. 브리프에 컷별 모델, 해상도, 초, 크레딧 및 총계를 기록하십시오.

4. 스틸 확정

• 먼저 references/prompting.md의 리얼리즘 어휘를 사용하여 각 캐릭터의 히어로 스틸을 생성하십시오. 그런 다음 얼굴을 참조로 전달하여 해당 스틸을 편집하여(새로운 앵글, 새로운 세트, 새로운 프레이밍) 다른 모든 설정을 구축하십시오. 이렇게 하면 정체성이 재생성되지 않고 상속됩니다.
• 스틸 크기를 대상 비디오 크기에 맞추십시오: 720px 스틸을 애니메이션화하고 업스케일해도 선명해지지 않습니다. 전체 화면의 경우 스틸은 최소 1440px 너비여야 합니다.
• 모든 스틸을 검사하십시오: 가짜 필름 스트립 테두리 또는 슬레이트 텍스트, "웹캠" 프레임 주변의 장치 베젤, 컵과 노트북의 브랜드 로고, 추가 손가락, 배경에 있으면 안 되는 사람, 잘못된 시선. 스틸을 편집하여 수정하십시오. 수정 비용은 몇 센트이지만, 잘못된 스틸을 애니메이션화하는 것은 테이크 한 번의 비용입니다.

5. 애니메이션화

• 기본값은 확정된 스틸에서 이미지-투-비디오입니다. 텍스트-투-비디오는 유지할 정체성이 없는 일반적인 B-roll에만 사용하십시오.
• references/prompting.md의 골격과 시간 비트를 사용하여 프롬프트를 작성하십시오. 모든 초를 다루십시오. 모든 소품을 고정하십시오. 모든 시선에 목표물을 제시하십시오.
• 편집용 무음 B-roll: 오디오 끄기. 대화 또는 스토리 샷: 기본 오디오 켜기, 프롬프트에서 사운드 설명. 오디오는 매 테이크마다 무음에서 다시 시작되므로, 모든 빌드업은 하나의 테이크 안에 있어야 합니다.
• 매끄러운 루프: 시작 프레임 = 종료 프레임 = 동일한 스틸, "정확히 시작 포즈로 돌아옴", 카메라 고정.
• 생성은 비동기식입니다. 60~120초마다 폴링하십시오. 큐는 몇 시간이 걸릴 수 있습니다. 느린 작업을 다시 제출하지 마십시오(이중으로 지불하게 됩니다).

6. 모든 테이크 검토

references/review-qa.md를 따르십시오: 1fps 콘택트 시트, 말하는 테이크는 4fps로 얼굴 스크럽, 모든 대사를 듣고 받아쓰기. 정체성 이탈, 추가 인물 또는 손가락, 움직이는 소품, 세트 변경, 렌즈 응시, 횡설수설, 잘못 발음된 단어, 동일 캐릭터의 테이크 간 음성 변화가 있으면 거부하십시오. 모든 테이크에 대해 판정 + 작업 ID를 기록하여 이미 판단된 테이크를 재생성하는 일이 없도록 하십시오.

7. 편집, 음성, 마스터링

references/post-production.md를 따르십시오. UI, 자막 또는 모션 디자인이 있는 경우 Remotion; 단순 컷은 ffmpeg. 모든 텍스트와 UI를 합성하십시오. 무음 우선 플랫폼을 위해 자막을 영상에 포함(burn)하십시오. 모든 전달물을 마스터링하십시오(색상 태그, 음량, faststart). 원시 렌더링은 소셜 플랫폼에서 색상이 변하고 피드에서 소리가 작게 들립니다.

8. 전달 및 기록

• 먼저 컷을 검토하십시오(1080p 이하, 소유자가 휴대폰으로 볼 수 있는 링크). 승인 후에만 최종 마스터를 제공하십시오.
• 모든 출력 경로를 붙여넣으십시오. 프로젝트 문서에 기록하십시오: 사용된 작업 ID, 소비된 크레딧, 버전, 검토자가 만든 모든 수정 사항.
• 모든 수정 사항은 규칙이 됩니다: 같은 날 이 스킬(또는 포크의 취향 노트)에 추가하여 다음 영화에서 반복되지 않도록 하십시오.

형식 및 레시피

형식	모양	주요 선택 사항
UGC / 거리 호스트 광고, 9:16, 15-25초	호스트가 카메라에 말하는 1-2개의 기본 대화 테이크, ffmpeg로 컷, 자막 포함	호스트는 시청자에게 직접 말하며, 절대 가짜 고객 사용후기가 아님. 초당 ≤3단어. 거리 앰비언스 배경음
스토리 필름, 30-60초	4-6개의 체이닝된 8-15초 테이크, 대화는 투샷, 최대 한 번의 의도적인 검은 화면 컷	720/1080p, 기본 오디오, 스토리보드 승인, 모든 테이크에 연속성 블록을 그대로 적용
기능 / 제품 광고, 15초	후크와 클로즈업에서 인물 전체 화면, 중간에 제품 UI 합성, 펀치인 줌, 단어 팝 자막	480p 인물 타일(유튜브용 업스케일), 실제 제품에서 UI 재구성
나레이션 제품 필름	생성된 인물 없음 또는 약간의 B-roll 타일; 실제 UI 애니메이션; TTS 나레이터	VO 라인은 비트 슬롯의 2/3 이하, 배경 음악은 -18dB 상대 음량
팟캐스트 / 수다 클립	두 명의 화자, 하나의 생성 내 멀티샷 또는 투샷	팟캐스트 미학 이름 지정, 팬, 펀치라인에 줌 펀치
웹사이트 히어로 루프, 5-8초	하나의 고정 테이크, 시작 = 종료 프레임	≥1440px 스틸, 720p 테이크, 약 400KB 미만의 WebM + MP4, 포스터 = 프레임 0
리타겟팅 / 고객 영화	이미지 참조를 통해 벽에 손으로 칠한 실제 고객 로고, 진솃한 팀 장면	출시 전 서면 고객 승인 필요

"실제처럼 보이는 것"의 핵심 (빠른 체크리스트)

• 카메라는 형태가 있다: 핸드헬드 흔들림, 렌즈(24/35/50/85mm), 센서(35mm 필름, 휴대폰, 웹캠)
• 빛은 출처가 있다: 창문, 실용적인 램프, 흐린 거리, 나뭇잎 사이로 비치는 태양
• 피부는 질감이 있다: 모공, 고르지 않은 톤, 날리는 머리카락, 민낯
• 의상은 평범하고 구체적이다: "지퍼 잠그지 않은 탄색 캔버스 재킷 아래 네이비 후드"
• 세트는 사람 사는 느낌이다: 컵, 케이블, 포스트잇, 식물, 초점 흐려 지나가는 사람들
• 액션은 연속적이고 동기가 있으며, 시작과 끝 포즈가 있다
• 시선은 장면 안 어딘가를 향한다
• 소품은 행동한다: 지시하지 않는 한 정지, 절대 기어가거나 미끄러지거나 변형되지 않음
• 사운드는 방의 느낌이 있다: 방 톤, 교통 소음, 중얼거림, 마이크 특성
• 읽을 수 있는 것은 생성되지 않았다: 화면은 돌려 놓고, 텍스트는 편집에서 추가