얼굴 없는 영상 파이프라인
결정적 4단계 파이프라인으로 얼굴 없는 채널 영상을 제작합니다. 소스 분석:
~/2nd Brain/2nd Brain/Wiki/research-faceless-youtube-claude-code-pipeline-2026-06-26.md.
엄격한 규칙 (플랫폼 리스크 + 품질)
- 음성 = ElevenLabs Voice Artist (Phill의 유료 플랜), 사람 녹음 금지. 소스 영상의 "AI 음성이 차단당한다"는 두려움은 틀렸습니다 —
Sources/youtube-synthetic-content-disclosure-policy-2026-06-26.md의 YouTube 공개 정책을 참고하세요. 실제 규칙: YouTube의 변조/합성 공개는 AI 음악, 제작자 자신의 클론이 아닌 합성 음성, 또는 실제 사람/장소/사건의 사실적인 AI에 필요하며 애니메이션/낙서에는 필요하지 않습니다. 공개는 비용이 없으며(시청자/수익화에 영향 없음), 따라서 AI 음악이나 비자기 합성 음성이 있는 영상(저희 파이프라인은 항상 그렇습니다)은 기본적으로 YES로 설정합니다. YouTube Studio → 속성 → "AI 사용" → 예. "어린이용"은 어린이 대상 콘텐츠(STORY/육아)인 경우에만 예로 설정합니다. - 하나의 스타일 토큰, 모든 이미지. 처음에 단일 스타일 설명을 고정하고, 모든 생성 이미지에 그대로 포함시켜 채널의 시각적 일관성을 유지합니다.
- 모드에 적합한 권위 (Stage 0 전환 참고). FACT(논픽션): 실제 연구/날짜/통계 인용, 작성 전 조사, 주장 정확성 게이트. STORY(픽션): 상상된 내러티브; 권위는 감정적 공명, 사실이 아님; 연령 및 브랜드 적합성 게이트(예: 육아 = 부드럽고, 안전하며, 연령에 적합). 픽션을 사실로 제시하거나 사실 모드에서 "사실"을 지어내지 마십시오.
- 정지 이미지 + 음성 해설, 모션 그래픽 아님. 이것은 낙서 채널 형식입니다. 사용자가 애니메이션/편집 다듬기를 원할 경우
video-director로 전환합니다.
기반 — 중요한 구분
소스 영상은 Higgsfield(Claude Code MCP)를 사용합니다. 우리는 Higgsfield를 사용하지 않습니다. Phill의 이미지 플랫폼은 Artlist(artlist.io, AI Toolkit)이며, browser-harness를 통해 브라우저에서 구동됩니다. 참고: "artist.io"는 artlist.io의 오타입니다.
- 이미지 생성(기본): Artlist AI Toolkit (
toolkit.artlist.io/image-video-generator?mode=image, 모델 Nano Banana 2, 16:9 / 2K). Stage 3에서 검증된 메커니즘. - 이미지 생성(대비):
mcp__margot__image_generate(동일한 Nano Banana 2) — 무인 테스트 실행 전용. 절대 Higgsfield 사용 금지. - 음성 해설: ElevenLabs TTS (REST API). 키 및 기본 음성은
~/.hermes/.env(ELEVENLABS_API_KEY,ELEVENLABS_VOICE_ID) — 프로그래밍 방식으로 확인, 절대 직접 입력 금지. 사람 녹음 없음. - 자막 추출:
yt-dlp. 타임스탬프: ElevenLabs 정렬(기본) 또는whisper-cli(대비). 편집:ffmpeg.
작업 폴더
~/faceless-video/<topic-slug>/를 생성하고 모든 아티팩트를 보관: reference-format.md, script.md, voiceover.mp3, transcript.json, images/NN.png, final.mp4.
Stage 0 — 모드 전환 (먼저 질문, 다른 모든 것보다 먼저)
엔진은 클라이언트/애플리케이션에 따라 반대 작업을 수행하므로, 첫 번째 질문은 다음과 같습니다:
"이것은 FACT(논픽션)인가요, STORY(픽션)인가요?"
mode를 작업 폴더에 기록합니다(mode.txt). 전체 실행을 분기합니다:
| FACT (논픽션) | STORY (픽션) | |
|---|---|---|
| 사용 사례 | 교육 제품, 설명자, "알고 계셨나요" | 육아 이야기, 우화, 취침/브랜드 스토리 |
| 참조 트랙 | 후크 + 3기둥 본문 + 마무리 | 캐릭터 → 결함 → 여정 → 교훈 → 해결 |
| 권위 | 연구된 실제 연구/통계/날짜; 정확성 게이트 | 감정적 공명; 연령/브랜드 적합성 게이트 |
| 엄격 규칙 | 사실을 지어내지 않음 | 픽션을 사실로 제시하지 않음 |
| YouTube 공개 | AI 사용 = 예 (AI 음악/음성 존재) | AI 사용 = 예 + 어린이용 = 예 (어린이 대상) |
호출자가 이미 모드를 암시하는 경우(예: "아내를 위한 육아 이야기" → STORY; "내 제품 X 설명" → FACT), 다시 묻지 않고 한 줄로 확인합니다. 기본 참조 처리, 스크립트 템플릿 및 게이팅은 모두 이 전환에 따라 결정됩니다.
Stage 0b — 스타일 토큰 (채널당 한 번, 이후 재사용)
사용자에게 대상 시각적 스타일의 참고 스크린샷 3~5장을 요청합니다. 프롬프트 분석:
"AI 이미지 생성기를 위해 이 이미지의 시각적 스타일을 분석하세요. (1) 프롬프트로 붙여넣을 수 있는 짧은 긍정 스타일 설명, (2) 정교하거나 사실적인 출력으로의 표류를 방지하는 부정 프롬프트 목록을 제공하세요. 주제가 아닌 스타일에만 집중하세요." 결과를 채널 루트에
style-token.md로 저장합니다(해당 채널의 모든 비디오에서 재사용).
Stage 1 — 스크립트 (Stage 0 모드에 따라 분기)
- 주제와 선택한 모드의 트랙에 있는 검증된 참고 영상 URL을 요청합니다(FACT에는 사실 채널, STORY에는 스토리 채널 — 트랙을 혼합하지 마십시오).
- 참조 트랜스크립트 다운로드:
yt-dlp --write-auto-sub --sub-lang en --skip-download --sub-format vtt -o 'ref-%(id)s.%(ext)s' '<URL>'..vtt정리(타임스탬프/태그 제거, 중복 롤링 자동 자막 행 제거). - 모드별 재사용 가능한 템플릿으로 분해:
- FACT: 후크(마이크로 비트), 도입/약속, 3기둥 본문, 전환 문장, 전체 길이.
- STORY: 주인공 + 하나의 공유 결함, 아픔, 발단 사건, 여정, 말이 아닌 보여주는 시연, 한 마디 인용구, 내적 깨달음, 마무리.
reference-format.md로 저장.
- 해당 템플릿으로 주제에 대한 새로운 스크립트를 작성합니다. FACT: 먼저
source-ingest스킬을 실행하여 신뢰할 수 있는 Tier 1-2 데이터를 VaultSources/라이브러리로 가져온 다음, 저장된 소스만 인용하고 각 주장을 이에 대해 정확성 게이트하여 스크립트를 작성합니다. STORY: 자유롭게 상상, 연령/브랜드 게이트.script.md에 깨끗한 스크립트(씬 지시 없음)를 출력합니다. - 음성 해설 생성 전에 사용자와 스크립트를 확인합니다.
Stage 2 — 음성 해설 + 타임스탬프 (ElevenLabs, 자동화)
- ElevenLabs 타임스탬프 포함 엔드포인트를 통해
script.md에서 음성 해설을 생성합니다(한 번의 호출로 오디오 + 문자 정렬 반환):curl -s -X POST "https://api.elevenlabs.io/v1/text-to-speech/$ELEVENLABS_VOICE_ID/with-timestamps" -H "xi-api-key: $ELEVENLABS_API_KEY" -H "content-type: application/json" -d '{"text":"<script>","model_id":"eleven_multilingual_v2"}'→ base64 오디오를voiceover.mp3로, 정렬을transcript.json으로 저장. - 정렬에서 구문/문장별 타임스탬프 세그먼트를 파생합니다 — 각 세그먼트는 하나의 이미지 비트가 됩니다. (정렬을 사용할 수 없는 경우 대비:
ffmpeg -i voiceover.mp3 voiceover.wav후whisper-cli -f voiceover.wav -ml 1 --output-json -of transcript.) - 음성은 채널/클라이언트별로 고정되지 않음 — 모드/브랜드에 맞는 ElevenLabs 음성을 선택합니다(예: 육아 픽션에는 따뜻하고 부드러운 스토리텔러; 교육 사실 제품에는 명확하고 권위 있는 음성).
ELEVENLABS_VOICE_ID대신 해당voice_id를 전달합니다. 선택 시 사용자의 ElevenLabs 음성 라이브러리를 탐색합니다. - 사람의 개입 없음 — Stage 2는 무인으로 실행됩니다.
Stage 3 — 타임스탬프당 이미지 하나 (Artlist AI Toolkit, 브라우저 검증)
각 비트: 씬 프롬프트 + 잠긴 스타일 토큰 그대로. browser-harness를 통해 Artlist 구동(Phill의 Chrome 로그인 필요, Way-1 원격 디버깅 활성화). 힘들게 얻은 메커니즘:
toolkit.artlist.io/image-video-generator?mode=image열기. 프롬프트는[contenteditable=true]div; Generate 버튼은 innerTextGenerate와 일치합니다. 기본 설정은 이미 16:9 / 2K / 1 이미지(좋음).- 이미지별: 기존 생성된 UUID 스냅샷 → 박스 클릭,
document.execCommand('selectAll'),type_text(prompt)→ Generate 클릭 → 로더 텍스트(on its way|Almost ready|Generating)가 사라지고 새 UUID가 나타날 때까지 폴링. - 결과는
ai-toolkit-generations.imgix.net/...png?...&s=<sig>에 있습니다. 일반 정규식[0-9a-f]{8}-[0-9a-f]{4}-...{12}\.png로 UUID 추출 (파일명 접두사 다양:image-<uuid>또는-t-e-x-t_-t-o_-i-m-a-g-e-<uuid>). 정확한 src를 다운로드 — imgix 매개변수(예:w=)를 다시 쓰면 서명이 깨져 403 오류 발생. - 한 번에 하나씩 진행. 빠른 버스트는 대기열/조절을 유발하고 그리드 보기는 DOM을 가상화하여 새 UUID 감지를 모두 방해합니다. 폴링 창 이후 생성이 완료되면 그리드에서 회수(고유 매핑되지 않은 UUID 다운로드, 몽타주, 시각적 매핑).
대비(무인 전용):
mcp__margot__image_generate—<save_as>.jpg로 저장, 확장자 고려.
Stage 4 — 합성
각 이미지를 (다음 시작 시간 - 현재 시작 시간) 초 동안 유지하고 음성 해설을 믹싱하는 FFmpeg concat을 구축합니다:
- 타임스탬프에서 이미지별 지속 시간이 있는 concat 목록 생성.
ffmpeg -f concat -safe 0 -i list.txt -i voiceover.wav -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest final.mp4- 실제 업로드에는 2K 소스 이미지 권장(저해상도는 테스트 실행 전용).
Stage 5 — 최종화 (실제 업로드용, 테스트 실행 아님)
원시 합성을 완성된 전달물로 전환:
- 1080p — concat을
1920:1080으로 크기 조정/패딩(흰색 패드가 스케치북 배경과 혼합됨),crf 19로 렌더링. - 페이드 —
fade=t=in:st=0:d=0.6:color=white및 마지막 ~0.8s 동안fade=t=out. 비트 간 이미지 하드 컷 유지(스타일에 맞음 — 크로스페이드 금지). - 배경 음악 — Artlist AI Music을 통해 잔잔한 트랙 생성(
toolkit.artlist.io/music-generator?mode=music, Lyria 3; 이미지와 동일한 브라우저 흐름, 결과는 서명된.wav파일cms-toolkit-artifacts.artlist.io/...music-<uuid>— 정확한 src 다운로드). 음성 해설 아래에 믹스:volume≈0.13(~−18 dB),afadein 1.5s / out ~1.8s,amix=inputs=2:normalize=0.volumedetect로 확인: 전체 피크 < 0 dB(클리핑 없음), 음악 평균 ~15+ dB 아래.
출력
final-1080p-music.mp4 (전달물) + 재사용 가능한 style-token.md. 경로 및 단계별 아티팩트 보고. 게시/채널 전략은 video-distribution-strategist로 전환; 업로드 시 합성 콘텐츠 공개를 기억하세요.