자율 AI 숏 클리퍼 & 포맷 인식 바이럴 비디오 제작 (clip-short v2.4)
장시간 원본 콘텐츠를 처리하고, 소스 포맷과 이야기를 이해하며, 적절한 시각적 처리 방식을 선택하고, 모바일 우선 세로형 비디오를 렌더링한 후, 내보낸 MP4에서 결과가 올바른지 증명하는 에이전트 비디오 엔지니어링 스킬입니다.
v2.4는 세 축 라우터를 유지하며 주장된 품질과 실제 가시적 품질 사이의 간극을 좁힙니다: 실패 시 폐쇄 QA, 진정한 다중 모드 의미론적 검토, 나레이션-시각 타임스탬프, 샷 단위 화자 확인, 실제 객체 식별, 다이어그램 경계 검증, 캡션/객체 충돌 테스트, 썸네일 OCR, 재현 가능한 출처, 캠페인 성과 학습.
v2.0은 고정된 "모든 소스에 하나의 레시피" 모델을 세 가지 독립적인 결정으로 대체했습니다:
- 소스는 무엇인가? (시각적 원형)
- 이야기는 무엇인가? (내러티브 원형)
- 그 이야기에 어떤 처리가 적합한가? (편집 처리 방식)
54/46 분할 화면은 해당 시스템 내에서 하나의 강력한 프리셋이지 보편적인 법칙이 아닙니다. 실제 렌더링된 파일에 대한 생산 품질 게이트를 통과할 때까지 어떤 클립도 준비 완료로 표시되지 않습니다.
사용 시기
- 원본 라이브스트림, 컨퍼런스 토크, 팟캐스트, 수 시간 분량의 VOD를 수집하고 선별하여 높은 유지율의 숏 클립 후보를 찾을 때
- 캠페인 자격 조건에 의해 제한되는 최고 기대 가치(
EV) 공식을 사용하여 후보를 선택할 때 - 세 가지 독립 축(
visual_archetype,narrative_archetype,editing_treatment)을 따라 소스 자료를 분류할 때 - 적응형 레이아웃 엔진(전체 화면 크롭, 화자 전환, 적응형 분할 화면, PiP, 점진적 다이어그램 추적, 장면별 스토리텔링, 미니멀 다큐멘터리)을 통해 레이아웃을 라우팅할 때
- 캠페인 인식 언어 경계 스냅을 적용할 때: 완전한 문장 오프닝, 필러 단어 제로, 종료 구두점, 캠페인 규칙을 따르면서도 페이오프를 자르지 않는 런타임
- 패키징 전에 대본과 도메인 용어를 검증할 때
- 안전 영역을 확보한 얼굴 인식 운동 타이포그래피를 렌더링할 때
- 다섯 가지 별개의 텍스트 레이어를 분리할 때: HUD 헤드라인, 자막, YouTube 제목, 썸네일 헤드라인, 캠페인 캡션
- 내보낸 MP4에 대해 전체 프레임 사후 렌더링 검사를 실행하고 실패 시
REJECTED_RENDER로 폐쇄할 때 - 합격/불합격 생산 게이트와 편집 성과 잠재력 점수로 점수를 매길 때
- 실제 캠페인 지표를 기록하고 이를 향후 선택 과정에 피드백할 때
- 인간 승인을 받은 단계별 릴리스를 위한 검증된 제출 패키지를 준비할 때
아키텍처 및 하위 스킬 인덱스
[ Raw 4K / 1440p Master Source ]
|
v
+-----------------------------------+
| 1. Campaign Preflight | ---> [subskills/campaign-preflight.md]
| - Duration / sound / content | Fail closed to HUMAN_REVIEW
| - Rights & approved source | when rules are missing
+-----------------------------------+
|
v
+-----------------------------------+
| 2. Three-Axis Classification | ---> [subskills/format-router-templates.md]
| A. Visual source archetype | [references/clipper-format-archetypes.md]
| B. Narrative archetype |
| C. Editing treatment |
+-----------------------------------+
|
+-----------------------+-----------------------+
| |
v v
+-----------------------------+ +-----------------------------+
| 3. Transcript Verification | | 4. Linguistic Snapping |
| - ASR confidence | | - Complete sentence open |
| - Domain terminology | | - 0 filler words |
| - Entity / acronym checks | | - Terminal punctuation |
| - Original subtitle diff | | - Campaign-aware runtime |
| [subskills/transcript- | | [subskills/linguistic- |
| verification.md] | | boundary-snapping.md] |
+-----------------------------+ +-----------------------------+
| |
+-----------------------+-----------------------+
|
v
+-----------------------------------+
| 5. Adaptive Layout & Semantic | ---> [subskills/pip-split-screen-geometry.md]
| Beat Editing |
| - Format-driven crop routing |
| - Subject-change visual focus |
| - Progressive diagram tracking |
+-----------------------------------+
|
v
+-----------------------------------+
| 6. Typography & Metadata | ---> [subskills/kinetic-typography-safe-zones.md]
| - Face-aware safe zones | [subskills/faithful-metadata-packaging.md]
| - 5 separated text layers |
| - Dedicated thumbnail build |
+-----------------------------------+
|
v
+-----------------------------------+
| 7. Production Gate & Scoring | ---> [subskills/pre-render-quality-gates.md]
| - Pre-render technical gates | [references/viral-scoring-rubric.md]
| - Full-frame post-render QA | [subskills/regression-fixtures.md]
| - Pass/fail gate + editorial |
+-----------------------------------+
|
v
+-----------------------------------+
| 8. Human-Approved Release | ---> [subskills/fleet-staged-publishing.md]
| - Submission package | [subskills/autonomous-10m-cadence-daemon.md]
| - Human approval required | [subskills/performance-feedback.md]
| - Metrics feedback loop |
+-----------------------------------+
핵심 제작 표준 (필수)
1. 세 축 분류는 필수입니다
소스를 고정된 편집 템플릿에 직접 매핑하지 마십시오. 독립적으로 분류하십시오:
- 축 A — 시각적 소스 원형: 영상이 물리적으로 무엇인지 (1인 토크, 멀티 카메라 팟캐스트, 코너 페이스캠 + 화면 공유, 전체 화면 화면 녹화, 화이트보드/다이어그램, 슬라이드 데크, 게임 + 페이스캠, 전체 화면 게임, 나레이션 일러스트레이션/애니메이션, 나레이션 다큐멘터리/B-roll, 스포츠/액션, 라이브 공연, 제품 시연, 양자 토론).
- 축 B — 내러티브 원형: 이야기가 무엇인지 (호기심/미스터리, 반대 의견, 설명/교육, 논쟁/불일치, 개인 이야기, 시연/결과, 코미디/펀치라인, 반응, 목록/단계, 감정적 폭로).
- 축 C — 편집 처리 방식: 이 특정 이야기를 어떻게 보여줄지 (전체 화면 크롭, 동적 화자 전환, 적응형 분할 화면, 화면 속 화면, 점진적 다이어그램 확대, 장면별 스토리텔링, 애니메이션 캡션, 맥락적 B-roll, 미니멀 다큐멘터리 처리 방식).
여섯 개의 레거시 FORMAT_* 템플릿은 유효한 처리 방식 프리셋(세 축의 명명된 조합)으로 남아 있습니다. 이는 분류기가 아닙니다.
2. 적응형 레이아웃 엔진 (황금 54/46은 프리셋이지 법칙이 아닙니다)
레이아웃은 기본적으로 적용되는 것이 아니라 소스 콘텐츠에서 선택됩니다:
| 소스 콘텐츠 | 레이아웃 |
|---|---|
| 세로형 화면 화자 / 토크 헤드 | 전체 화면 세로 크롭 |
| 가로형 팟캐스트 | 얼굴 인식 세로 크롭 |
| 두 명의 화자 | 최소 체류 시간이 있는 동적 화자 전환 |
| 코너 페이스캠 + 화면 공유 | 적응형 54/46 또는 PiP |
| 넓은 아키텍처 다이어그램 | 점진적 가로 추적 및 구성 요소 확대/축소 |
| 화면 녹화 | 활성 창 크롭 및 확대/축소 |
| 일러스트레이션 애니메이션 | 전체 화면 장면 추적 |
| 나레이션 B-roll / 다큐멘터리 | 전체 화면 맥락적 시각 자료 |
| 슬라이드 프레젠테이션 | 필요할 때만 화자 삽입과 슬라이드 분리 |
| 게임 / 스포츠 | 페이스캠 삽입과 함께 액션 안전 크롭 |
| 라이브 공연 | 비트 매칭 컷이 있는 전체 무대 프레이밍 |
| 제품 시연 | 손/결과 가시성을 고려한 객체 중심 크롭 |
황금 54/46 모바일 분할은 코너 PiP 스트리머 영상의 기본 프리셋으로 남아 있습니다:
- 상단 창: $1080 \times 1040$ ($54.17%$), 어깨 위 크롭.
- 하단 창: $1080 \times 880$ ($45.83%$), 현저성(isolated saliency) 기반 지지 카드.
- 이음새: $y = 1038$에서 4px
#1E293B.
파노라마 다이어그램, 나레이션 일러스트레이션, 전체 화면 다큐멘터리, 또는 분할로 인해 레이블이 모바일 가독성 이하로 줄어드는 소스에 강제로 적용해서는 안 됩니다. 전체 다이어그램이 축소를 통해서만 맞춰질 경우, 다이어그램을 의미적 비트로 나누고 각 구성 요소를 대신 확대/축소하십시오.
3. 의미적 비트 편집은 고정 시간 단계를 대체합니다
시각적 초점은 임의의 타임스탬프에 도달했을 때가 아니라 주제 또는 논쟁이 변경될 때 변경됩니다:
- Lex 스타일 팟캐스트: 질문 시 질문자, 설명 시 답변자, 반박 시 관련 화자를 보여주고, 결론을 전달하는 화자에게 유지합니다.
- Veritasium 스타일 미스터리: 흥미로운 오프닝 일러스트레이션, 설정 중 조사자와 농부, 파리에서 점진적 폭로, 페이오프를 위해 낫과 자백 유지.
- Theo 스타일 기술 설명자: 비유 중 화자, 메커니즘 중 인터페이스/하니스 다이어그램, 특수 구문 중 대상 확대/축소, 도구 실행 중 최종 노드.
5단계 타임스탬프 진행은 비트 감지를 사용할 수 없을 때만 폴백으로 사용될 수 있습니다. 고정 단계는 절대 의미적 초점을 재정의하지 않습니다.
4. 내러티브 우선 런타임 및 캠페인 준수
지속 시간에 대한 해결 순서:
- 캠페인 규칙 (명시적
min_seconds/max_seconds) — 최우선 순위. - 내러티브 완료 — 기본 숫자를 맞추기 위해 최종 페이오프를 자르지 마십시오. 대신 설정을 압축하십시오.
- 기본 목표 $18.0\text{s} - 22.5\text{s}$; 생각을 마무리해야 할 때 유연한 상한 $23.5\text{s}$.
캠페인 요구 사항은 지속 시간, 사운드, 콘텐츠, 해시태그, 멘션, 계정, 대상, 공개에 대한 기본 규칙을 재정의합니다. 캠페인 규칙이 없거나 모호한 경우 HUMAN_REVIEW로 실패 폐쇄합니다.
5. 패키징 전 대본 검증
Whisper 또는 ASR 모델을 맹목적으로 신뢰하지 마십시오. 점수를 매기거나 패키징하기 전에:
- 사전과 비교하여 도메인 용어, 약어 및 명명된 개체를 확인합니다.
- 가능한 경우 원본 소스 자막과 비교합니다.
- ASR 신뢰도를 확인하고 비정상적인 대체를 플래그 지정합니다.
- 신뢰도가 낮은 용어는 인간 검토를 요청합니다.
- 확인되지 않은 개체를 기반으로 한 제목이나 캡션을 게시하지 마십시오.
6. 얼굴 인식 타이포그래피 및 다섯 개의 분리된 텍스트 레이어
이러한 레이어를 의미적으로는 일관되게 유지하되 텍스트적으로는 구별되게 유지하십시오:
- 비디오 HUD 헤드라인 — 상단 호기심 배지, 3-6단어, 최대 38자, 후행 구두점 없음, 후크 이후 페이드 아웃.
- 음성 자막 — 단어 정렬된 축어적 캡션.
- YouTube 제목 — 검색 가능하고 충실해야 하며, 충실한 의역을 사용할 수 있습니다.
- 썸네일 헤드라인 — 전용 썸네일 단계에서 제작된 하나의 기본 헤드라인.
- 캠페인 캡션 및 해시태그 — 캠페인별 요구 사항.
얼굴 인식 배치: 감지된 얼굴 랜드마크를 기준으로 헤드라인과 캡션을 배치하며, 단일 고정 좌표를 사용하지 않습니다. 눈, 입 또는 화자의 핵심 표정을 절대 가리지 마십시오. 54/46 프리셋에서 캡션은 MarginV = 920(기준선 $y = 1000$)을 유지합니다. 적응형 레이아웃은 피사체의 얼굴과 소스 텍스트를 피하는 동등한 안전 영역을 계산합니다.
썸네일 규칙: 헤드라인 하나만, 자막 조각 없음, 중복 헤드라인 카드 없음, 얼굴과 눈이 가려지지 않음, 지지 이미지가 즉시 주제를 전달, 모바일 크기에서 읽을 수 있어야 함.
7. 전체 프레임 사후 렌더링 QA 및 생산 게이트
모든 품질 결정은 렌더링 구성이 아닌 실제 내보낸 MP4를 기준으로 이루어집니다. 중대한 실패 시 거부합니다(REJECTED_RENDER):
- 디버그 오버레이: 코드, 필터 표현식 또는 내부 변수가 모든 프레임에 표시됨.
- 커서: 마우스 커서가 의도치 않게 표시됨.
- 자르기 무결성: 중요한 다이어그램, 텍스트 또는 피사체가 잘림.
- 그래픽 가독성: 지원 시각 자료가 모바일 크기에서 읽을 수 없음.
- 얼굴 가림: 헤드라인 또는 캡션이 중요한 얼굴 특징을 가림.
- 텍스트 충돌: 캡션이 기존 소스 텍스트와 겹침.
- 썸네일 무결성: 중복 헤드라인 또는 과도한 텍스트.
- 캡션 정확성: 음성 단어가 표시된 캡션과 다름.
- 시각적 연속성: 검은 프레임, 정지, 또는 의도치 않은 전환.
- 캠페인 준수: 지속 시간, 사운드, 콘텐츠 또는 계정 요구 사항 위반.
0.25초, 1.0초, 모든 주요 장면 전환, 모든 주요 캡션/그래픽 전환, 중간 지점, 마지막 2초에서 콘택트 시트를 생성합니다. 준비 완료로 표시하기 전에 전체 재생 검토를 수행합니다.
8. 두 개의 분리된 점수
- 생산 품질 게이트 — 합격/불합격. 캠페인 준수, 렌더링 무결성, 캡션 정확성, 오디오, 시각적 가독성, 권리. 하나의 중대한 실패는 거부
…
[번역을 위해 잘림]