Communitygithub.com

만화 오디오 쇼츠 (Cartoon Audio Short)

9:16 세로형 애니메이션 만화 쇼츠를 제작합니다. 평평한 2D 콩 머리 캐릭터가 화려한 잉크 3D 세계에서 움직이며, 10개의 검증된 스토리 아이디어 제안, 대본 작성, 사용자 음성 녹음을 기반으로 최종 1080x1920 MP4 비디오를 음악과 효과음과 함께 제작합니다.

만화 오디오 쇼츠 (Cartoon Audio Short)란 무엇인가요?

이 AI 에이전트 스킬은 사용자가 제공한 주제, 대본, 또는 음성 녹음을 기반으로 완전한 애니메이션 만화 쇼츠 비디오를 제작합니다. '아이디어 → 대본 → 음성 → 완성된 MP4' 파이프라인을 따르며, 평평한 2D 콩 머리 카드 캐릭터가 색감이 풍부한 3D 잉크 세계에서 움직이는 독특한 시각 스타일을 구현합니다. 이 스킬은 Claude Code, Cursor, Codex 등 AI 코딩 에이전트와 함께 사용하도록 설계되었으며, Node.js, Python, ffmpeg, Playwright, three.js 등 기술 스택을 활용합니다. 스테이지 2에서는 검증된 10개의 스토리 아이디어를 제안하고, 스테이지 3에서는 정해진 길이에 맞춰 대본을 작성하며, 스테이지 4에서는 사전 설정된 빌드 엔진을 사용하여 대사 타이밍, 샷 계획, 3D 세계, 캐릭터 캐스팅, 애니메이션, 사운드 믹싱 및 최종 렌더링을 자동으로 수행합니다. 결과물은 1080x1920 해상도, 30fps, 음악과 SFX가 음성 레벨의 50%로 믹싱된 MP4 파일입니다.

지원 대상✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/sahildwibedy62-del/skill-animation/tree/HEAD

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

만화 오디오 쇼츠 (v2)

WHATIF 애니메이션 스토리즈 채널 제작. 파이프라인: 아이디어 → 대본 → 음성 → 완성된 MP4. 참고 빌드: "Never Left The Soldier Who" (19.7초, 8샷), kit/example/soldier/에 포함.

비주얼 스타일

  • 캐릭터: 캔버스에 그려진 평평한 2D 콩 머리 만화 "카드". 자두색 외곽선과 크고 읽기 쉬운 표정을 가지며, 항상 대기 상태(호흡, 깜박임, 고개 끄덕임)입니다.
  • 세계: 단순한 형태로 만들어진 채도 높은 3D 세트. 어두운 이음새, 검정 잉크 외곽선, 툰 쉐이딩, 수평선 색상의 안개가 있는 평평한 텍스처로 칠해짐.
  • 카메라: 부드럽고 완만한 움직임, 클로즈업에는 피사계 심도 사용. 정적인 장면 없음.
  • 포맷: 1080x1920, 30fps, 음성 길이와 정확히 동일.
  • 사운드: 사용자 음성은 그대로 유지. 합성 행진곡 스타일 배경 음악과 효과음은 음성 레벨의 50% (−6dB)로 설정.

엄격한 규칙

  1. 독창적일 것. 다른 크리에이터의 영상을 그대로 따라하지 말고, 동일한 아이디어에 대한 독창적인 해석을 제공.
  2. 실제 유명 인물은 캐릭터로 사용 금지. 브랜드 마스코트, 로고, 저작권 있는 캐릭터 사용 금지.
  3. 요청이 없으면 자막 금지. 이야기 내 텍스트(표지판, 조각)는 괜찮지만, 올바르게 읽혀야 하며 절대 반전되지 않아야 함.
  4. 음성을 편집, 자르기, 속도 변경 또는 재타이밍하지 않음. 영상은 음성에 맞춰 타이밍이 설정됨. 모든 시각적 반응은 해당 단어보다 0–3프레임 먼저 나타남.
  5. 오디오 비율은 고정:
    • 음악은 음성 대비 −6.0dB (게이트 RMS)로 설정.
    • SFX는 −6dB 이하, 피크는 음성 피크의 최대 0.7배.
    • 항상 mix.py로 믹싱. 덕킹 또는 믹스에 압축 사용 금지.
    • 전체 믹스에는 하나의 선형 게인과 하나의 피크 리미터만 적용 (finish.sh).
  6. 사실로 제시되는 내용은 먼저 웹 검색으로 확인. 바이럴 전설은 "전설에 따르면"으로 표현.
  7. 폭력적, 정치적 내용 금지. 실제 유명 인물을 농담의 대상으로 삼지 않음.
  8. 승인 없이 계속 작업. 정말 답 없이는 진행이 불가능할 때만 질문.
  9. 작업 목록으로 사용자에게 정보 제공. 장시간 렌더링 전에 스틸 연락처 시트 전송.

진입점 선택 (라우팅)

사용자 입력진행 단계
오디오 첨부 (+ 대본)즉시 스테이지 4
오디오, 대본 없음대본 텍스트 요청 (Claude는 ASR 없이 오디오를 들을 수 없음) → 스테이지 4
대본, 음성 없음스테이지 3 (다듬기) → 오디오 대기
주제만 있음스테이지 3 직접 (사실 확인)
없음 / "아이디어 줘"스테이지 2

명확하지 않으면 한 가지 질문: "어디서 시작하시나요? (아이디어 / 대본 / 음성 준비됨)". 목표 길이도 묻고, 주어지지 않았다면 기본값 20~30초, 최대 60초 허용.

스테이지 2: 10가지 아이디어

정확히 10개를 번호를 매겨 한 번에 제시. 끝에 다음 문구 추가: "번호를 알려주세요. 또는 '더'를 입력하면 새로운 10개를 드립니다."

N. 제목 (5~8단어, 호기심 유발)
   후크: 첫 번째 말하는 문장 — 사실처럼 제시되는 역설.
   반전: 아이러니한 마지막 대사.
   큰 시각적 요소: 2~3개의 순간 (붕괴 / 드러남 / 추적 / 변신).
   상태: TRUE (문서화됨) · DISPUTED (논란) · LEGEND (전설)

완벽한 아이디어의 조건:

  • 보여줄 수 있는 물리적 인과 관계가 있는 하나의 놀라운 이야기.
  • 평범한 영웅, 고조되는 위기, 마지막 대사의 반전.
  • 상자, 원통, 구체, 카드로 만들 수 있는 세트 (마을, 다리, 배, 성, 사막, 연구소, 궁전, 농장, 항구, 광산).
  • 한 프레임에서 볼 수 있는 "전후" 비교, 강력한 썸네일 생성.

10개를 고대, 중세, 1800년대, 현대, 과학, 동물, 발명, 재난, 기묘한 법률, 행운의 사고로 분산. 모든 TRUE 또는 DISPUTED 아이디어는 나열 전에 웹 검색으로 확인.

스테이지 3: 대본

대본 크기: 초당 약 3.7단어로 설정. 20초 ≈ 75단어, 30초 ≈ 110단어, 45초 ≈ 165단어, 60초 ≈ 220단어.

구조:

  1. 후크 (첫 문장, 설정 없음): 터무니없는 사실. 첫 1.5초 이내에 제시.
  2. 설정 (1~2줄): 언제, 어디서, 누가, 하나의 구체적인 세부 사항.
  3. 고조 (2~4비트, 각각 더 큼). 다른 사람들이 의심하거나 조롱. 하나의 과장 농담 포함.
  4. 전환: "하지만…" / "사실은…" 실제 메커니즘 소개, 일상적인 비유 사용.
  5. 반전: 짧고 아이러니하며, 영상의 마지막 단어. 보너스: 후크로 다시 연결되어 쇼츠가 자연스럽게 반복 재생되도록.

스타일:

  • 축약형을 사용하는 평범한 구어체 영어.
  • 문장은 8~15단어; 숫자는 단어로 표기.
  • 말하는 텍스트에 무대 지시 없음.
  • 시청자가 이미 보는 내용을 설명하지 않음.

자체 점검 (실패 시 조용히 수정): 단어 수 목표의 ±10% 이내; 후크는 질문이 아닌 진술; 모든 문장을 문자 그대로 시각화 가능; 반전은 12단어 이하이고 마지막에 위치; 사실이 출처와 일치.

다음과 함께 응답:

  • a) 코드 블록 안의 대본, 단어 수 및 예상 시간 포함.
  • b) 한 문단 시각적 계획.
  • c) 녹음 팁:
    • 따뜻하고 안정적인 내레이터 한 명. ElevenLabs 추천: 깊은 내레이터 음성, 속도 1.051.1, 안정성 4555%.
    • MP3 또는 WAV 가능.
    • 문장 끝에 자연스러운 멈춤 유지.
    • 음악 없이 내보내기.
  • d) "음성 녹음이 준비되면 업로드해 주세요. 전체 비디오를 만들겠습니다."

최종 대본 텍스트 유지, 타이밍에 사용. 변경된 버전을 녹음했다면 최종 텍스트 요청.

스테이지 4: 빌드 (여기서부터 중단 없음)

작업 목록 생성: 설정 · 타이밍 · 샷 계획 · 세계 · 캐스트 · 모션 · 연락처 시트 → 사용자 · 사운드 · 전체 렌더 · 마무리 + QA · 전달.

4.0 설정

SK=$(dirname "$(find / -name SKILL.md -path '*cartoon-audio-short*' 2>/dev/null | head -1)")
bash "$SK/kit/tools/setup.sh" ~/shorts/<slug>      # $SK/kit를 읽기 전용으로 취급
cd ~/shorts/<slug> && cp <업로드된 음성> voice.mp3 && printf '%s' "<최종 대본>" > script.txt
./short.sh doctor
  • setup.sh는 엔진, 도구 및 작업 예제를 복사 (시작 web/story.js 및 audio.py). three.js r160 및 툰 베이스를 kit/vendor/에서 설치 (네트워크 불필요), web/toon.js 빌드 및 구문 검사, Playwright 링크. three.js가 없으면 종료 코드 3 반환.
  • 요구 사항: Node 22.6+, Python 3 + numpy + Pillow, ffmpeg (libx264, alimiter, ebur128), Playwright + Chromium. Playwright가 없으면: npm i -g playwright && npx playwright install chromium.
  • TLS 비활성화 또는 프록시 우회 금지. 설치가 차단되면 어떤 패키지인지 말하고 설치된 상태로 계속 진행.
  • Chromium은 CPU WebGL (swiftshader)을 사용하여 프레임당 작업자당 약 35초 소요. 20초 쇼츠 (600프레임)는 약 2050분 소요; 이에 대비.

4.1 타이밍: ./short.sh timing

  • whisper 또는 faster-whisper가 설치되어 있으면 단어 타임스탬프 사용. 그렇지 않으면 음절/지속 시간 DP로 침묵 감지 음성에 대본 구문 정렬.
  • 프레임 범위와 WARN 줄 (매우 짧은 구문, 중복, 긴 끝, 늦은 시작, 대본과 일치하지 않는 녹음)이 포함된 구문 출력. 샷 병합, work/phrases.json 수동 수정 또는 최종 텍스트 요청으로 경고 해결.
  • N = 총 프레임 = work/phrases.json의 frames30 (디코딩된 오디오에서 측정).

4.2 샷 계획: work/PLAN.md, 코드 작성 전

샷당 한 행: | # | 프레임 | 단어 | 설정 | 조명 | 카메라 | 캐스트/포즈/표정 | FX | SFX |

  • 프레임 0은 후크 이미지: 페이드인, 타이틀 카드 없음.
  • 구문당 약 한 샷. 0.6초보다 짧은 구문은 다음 샷에 병합.
  • 모든 문장을 문자 그대로 시각화; 소품이 농담을 전달.
  • 샷 크기 리듬: 후크 MCU → 와이드 리빌 → 투샷 → 핵심 물체 인서트 → 반응 클로즈업 → 보상을 위한 환경 이동. 같은 크기를 연속으로 사용하지 않음.
  • 조명은 분위기 설정: 낮 (보통), 황금빛 (드라마/쇠퇴), 밤-파랑 (설명). 시간 점프는 6프레임 흰색 플래시.
  • 반전은 찌름 효과: 음악 중단, 낮은 히트, 3~5° 롤이 있는 푸시인. 물리적 보상은 마지막 단어에 도달.
  • 마지막 프레임은 프레임 0으로 깔끔하게 잘려 루핑되는 강력한 스틸.

4.3 세계 (web/main.js, web/story.js)

  • 엔진 섹션 main.js 유지: 툰 재질, 잉크 계약, add/tbox, 하늘, 조명, 카드, 렌더 타겟/포스트, applyLight, drawActors, swapForNd, renderFrame.
  • // ---------- world ----------와 // ---------- cards ---------- 사이의 예제 세계와 worldState()의 스토리 부분 및 소품 (군인 예제에는 3D 헬멧 소품 있음)만 교체.
  • story.js는 SHOTS, TOTAL, shotAt, camAt, dofAt, LIGHTS/lightFor, worldAt, actorsAt(f, T) 및 fxAt(f, T)를 내보냄. 모두 프레임의 순수 함수. TOTAL = N 설정.
  • 텍스처는 paint.js에서 제공: planks, beam, rotten, stone, mossy, grass, dirt, plaster, roof, marble, banner, carved text. 새 페인터는 동일한 평평한 색상-어두운 이음새 스타일 사용.
  • tbox 사용: 일정한 텍셀 밀도, 2단계 툰 그라디언트, 안개 = 수평선 색상.
  • 배경 레이어: 반쯤 묻힌 구체 언덕, 눈 덮인 원뿔 산, 사이프러스/소나무, 먼 집, 칠해진 구름 빌보드.
  • 세트 피스 (붕괴, 낙하, 문)는 worldAt(f)의 0..1 진행률로 구동되는 피봇 그룹, 이징 및 지연 적용.
  • 곡선 이야기 내 텍스트는 평면 UV 사용. 반전되지 않았는지 확인.

4.4 캐스트 (web/roman.js → web/toon.js)

  • romanFront(p, outfitKey, opts)는 밑창이 y=975인 600x1000 디자인 캔버스에 그림. 카드 높이는 2.25m이므로 1 디자인 단위 = 0.00225m.
  • 의상 (OUTFITS): legion, old, toga, civA, civB, civC, workA, workB. tunic/cape/armor/helmet/hair/cap/beard/apron/dress/toga 키로 새 의상 추가.
  • 팔 포즈: hang, spear, point, up, wave, hip, belly, temple(+swirl), lift, reach(+lift), cheek, shield, cross, thumb.
  • 표정: 툰 베이스 FACE 세트에 snore, stubborn, squint 추가. 더 많은 표정을 위해 FACE 확장.
  • 캐스트 편집 후 cat web/toonbase.js web/roman.js > web/toon.js로 재빌드. 그런 다음 ./short.sh cast 실행하고 디자인 사용 전에 stills/cast_sheet.png 확인.
  • 빌보드는 요만 회전, 접촉 블롭 및 알파 테스트 그림자 사용, 월드 패스에서 잉크 처리되지 않음.
  • q()로 반올림된 값에서 카드 키를 빌드하여 캔버스가 보이는 변경 시에만 다시 그려지도록.
  • 분리된 부품 (예: 들어 올려진 헬멧)은 자체 카드: y = DECK + (partY − hc) × 0.00225, headCenter(seed)와 정렬.
  • 영웅에게는 하나의 독특한 특징 (색상, 모자, 소품)을 부여하여 핸드폰 크기에서 즉시 식별 가능.

4.5 모션 (web/motion.js): 부드럽고 생동감 있게

카메라:

  • camFromKeys(keys, f, {kicks}) 사용: 18~45프레임의 smootherstep 글라이드, 리빌 및 휩에는 easeOut, 곡선에는 path via-points (Catmull-Rom).
  • 모든 홀드는 살짝 움직임; 4프레임 이상 정적 없음.
  • 드라마에는 3~5° 롤; 충돌에는 kicks를 통한 7프레임 플립-셰이크.
  • 연속적인 움직임 선호 (풀백, 랙 포커스, 크레인, 푸시인). 장소 또는 시간 점프에만 하드 컷, 플래시 포함.

캐릭터:

  • 절대 멈추지 않음: 모든 카드에 idle(f, seed) 적용, 깜박임에는 blinkAt, 강세 단어에 고개 끄덕임.
  • 동작은 예측 → 오버슛 → 스프링 안정 (M.anticip, M.back, M.spring). 발 구르기는 2프레임 딥 + 먼지 퍼프 + 킥. 웃음은 번갈아 기울임 + 고개 끄덕임.
  • 걷기: walk()는 거리와 단계 위상 제공. 3~7% 바운스로 발 고정 유지.

2차 모션 항상 존재: 천, 잎, 먼지, 물방울, Zzz, 물.

렌즈: 클로즈업 및 미디엄 샷에 피사계 심도 (cInf 8–14px), 눈에 초점. 와이드는 선명 유지. 랙 포커스는 약 14프레임 소요.

4.6 비주얼 체크 (전체 렌더 전 필수)

./short.sh stills "5,40,90,..." a 실행, 각 샷의 중간, 전환 및 주요 동작 선택. 프레임 레이블이 있는 stills/sheet_a.jpg 작성. 열고 모든 문제 수정:

  • 프레이밍: 반폭 = d·tan(hfov/2), 여기서 hfov = 2·atan(tan(vfov/2)·0.5625). 4m, fov 40에서 ±0.8m에 불과하므로 캐릭터를 깊이로 배치.
  • 장애물: 얼굴 위에 난간이나 기둥 없음; 카메라가 난간, 집, 지붕, 덤불 안에 있지 않음.
  • 여유: 전경 소품이 약 2m보다 가깝지 않음; 영웅이 기둥 뒤에 숨겨지지 않음.
  • 텍스트 및 부품: 텍스트 반전 없음; 분리된 카드 오프셋 올바름.
  • 익스트루드 그룹: 0 = 캡, 1 = 측면 + 상단.
  • 잉크: 모든 곳에 존재. 없으면 HASH=#e (에지만) 및 HASH=#nd (법선/깊이)로 디버그. 잉크 반경은 1080에서 약 2.5px; 하늘은 깊은 깊이로 간주, 카드 아님.
  • 핸드폰 크기: 시트를 25%로 보았을 때도 얼굴 읽힘.

시트를 사용자에게 샷당 한 줄 요약과 함께 보내고, 기다리지 않고 전체 렌더 시작.

4.7 사운드: ./short.sh sound

  • 먼저 영상 타이밍 고정. 타이밍 변경 시 사운드 재실행.
  • audio.py는 큐 테이블만 보유. 합성기는 synth.py에 있음:
    • 음악: march, drone, PROG_MINOR/PROG_MAJOR, pluck, brass, drum.
    • SFX: whoosh, thunk, rumble, crash, scrape, ting, sting, creak, snap, splash, snore, leaves, water, cuckoo, pop, boing, footstep/steps, wind, crowd.
  • 음악은 반전 대사에서 중단 (march(..., end=TWIST)), 그 후 drone이 끝까지 계속.
  • SFX 스템을 crest_db=14로 저장. 이는 과도 응답을 완화하여 SFX가 피크 캡 아래 50% 부근에 위치 가능.
  • mix.py는 레벨 출력. 음악이 음성 대비 −6.0dB (OK) 및 SFX가 그 이하 (OK)임을 확인. 절대 수동 조정하지 않음; 대신 스템 수정.

4.8 렌더 + 마무리

  • WORKERS=2 ./short.sh render로 Bash run_in_background 사용하여 렌더. Monitor 루프에서 ./short.sh progress (완료, 초/프레임, ETA) 확인.
  • 프레임은 원자적으로 기록. 중단 후 RESUME=1 WORKERS=2 ./short.sh render 사용.
  • 코어 4개 이하 시스템에서는 WORKERS=1 사용. 무거운 Python 병렬 실행 금지.
  • 그런 다음 ./short.sh finish "제목" 실행:
    • 프레임 완전성 및 연속성 확인.
    • 측정된 하나의 선형 게인을 −14 LUFS에 적용하고 −1dBFS 리미터 적용, H.264 CRF 17 + AAC 인코딩.
    • QA는 크기, 음성 대비 지속 시간, 정지/검은 프레임, 음량 및 믹스 레벨 확인. out/qa.txt 및 out/qa_sheet.jpg 작성, FAIL 시 종료 코드 1 반환.

4.9 완료 조건

  • 지속 시간 = 음성 지속 시간 (±1프레임); 1080x1920; 30fps.
  • 믹스 레벨: 음악 −6.0dB, SFX ≤ −6.0dB (음성 대비).
  • 모든 사실 웹 검증됨; 전설은 "전설에 따르면"으로 표시됨.
  • 저작권 또는 실제 인물 없음.
  • 비디오가 30fps MP4, H.264 + AAC, 올바른 레벨로 제공됨.
  • QA 보고서 out/qa.txt에 FAIL 없음.

문제 해결

문제해결 방법
setup.sh 3으로 종료three.js가 없음. node -e "require('three')" 확인. kit/vendor/에서 수동 복사하거나 npm 설치.
"Playwright not found"npm i -g playwright && npx playwright install chromium 실행.
빈 비디오웹 검사기로 three.js 오류 확인. HASH=#e로 잉크 디버그. stills/에서 프레임 확인.
음성이 너무 빠름/느림대본 단어 수 확인. Whisper가 없는 경우 work/phrases.json 수동 조정.
카메라가 세트 내부camFromKeys를 조정하거나 카메라를 더 멀리 이동.
잉크 누락스크린샷 확인: 검정 외곽선이 있는가? HASH=#nd로 법선/깊이 디버그.
믹스 레벨 불일치mix.py 출력 확인. 음악이 −6.0dB에서 0.5dB 이상 벗어나면 synth.py의 march 판독값 조정.

관련 스킬