Communitygithub.com

비디오 팟캐스트 메이커 라이트

주제를 스크립트 → Azure TTS (SSML) → Remotion을 통해 설명자 동영상(1080p 또는 4K MP4)으로 변환하는 간소화된 개인용 나레이션 동영상 파이프라인입니다. 빠른 동영상 제작이 필요할 때 사용하며, 대규모 프로덕션에는 video-podcast-maker를 사용하세요.

비디오 팟캐스트 메이커 라이트란 무엇인가요?

이 스킬은 개발자가 단일 주제를 전문적인 나레이션 동영상으로 신속하게 전환할 수 있는 경량화된 파이프라인('Video Podcast Maker Lite')을 제공합니다. 핵심 워크플로우는 여섯 단계로 구성됩니다: (1) Azure TTS 합성을 위한 마크다운이 없는 구어체 대본을 작성하고, (2) Azure Speech 서비스를 사용하여 TTS 오디오와 SRT 자막을 생성하며, (3) 사용자 정의 Remotion 컴포지션을 통해 시각적 요소를 만들고, (4) Remotion Studio에서 미리보기, (5) Pixabay Music의 배경 음악과 함께 최종 MP4를 렌더링한 후, (6) 썸네일과 publish_info.md 같은 게시 자료를 선택적으로 생성합니다. Claude Code, Cursor, Codex 등 모든 AI 코딩 에이전트에서 실행되며, Azure Speech API 키와 노드 18+, ffmpeg만 필요합니다. 이 도구는 사전 설치된 단일 Remotion 프로젝트를 사용하며, 모든 동영상 자산을 재사용 가능한 구조로 관리하고, 사람의 개입이 필요한 단계(대본 검토, 미리보기 확인)를 통해 많은 편집 비용이 발생하는 후반 작업을 방지합니다. 이 스킬은 특히 중국어 나레이션에 최적화되어 있으며, 구어체 스타일 규칙, 다중 발음 처리, AI 감지 방지용 어휘 대체 기능을 갖추고 있습니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Agents365-ai/video-podcast-maker/tree/HEAD/skills/video-podcast-maker-lite

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

비디오 팟캐스트 메이커 라이트은(는) 무엇을 하나요?

개인용 단일 목적 파이프라인: 주제 → 나레이션 대본 → Azure TTS (SSML) → Remotion → 1080p/4K MP4. 외부 스킬, 설정 파일, 번들 템플릿이 필요 없습니다. Remotion 컴포지션은 아래 계약에 따라 한 번 생성된 후 모든 동영상에서 재사용됩니다.

사전 요구 사항

pip3 install azure-cognitiveservices-speech   # 유일한 Python 종속성
export AZURE_SPEECH_KEY="..."      # Azure Speech 리소스 키
export AZURE_SPEECH_REGION="..."   # 예: eastasia
# ffmpeg + node 18+ 필요; npm install이 완료된 하나의 Remotion 프로젝트 필요
# Playwright MCP (세션 브라우저)는 5단계 BGM 가져오기에만 필요

프로젝트 검색 (1단계 전에 실행)

  1. Remotion 프로젝트 찾기 — src/remotion/index.ts와 node_modules/remotion/을 모두 포함하는 디렉토리입니다. 현재 작업 디렉토리를 먼저 확인하고, 없으면 사용자에게 프로젝트 경로를 물어보세요. 파일 시스템을 스캔하지 말고, 다른 곳에 이미 프로젝트가 존재하는 경우 새 프로젝트를 생성하지 마세요.
  2. 기존 동영상 목록 확인 — ls videos/와 ls src/remotion/*Video.tsx. 가장 최근의 *Video.tsx가 3단계에서 복사할 컴포넌트이며, videos/는 어떤 동영상이 이미 존재하는지 보여줍니다.
  3. 기존 videos/{name}/ 디렉토리가 있나요? 그렇다면 새 동영상이 아니라 해당 동영상의 반복 작업입니다. 디렉토리를 재사용하고 변경된 부분만 다시 실행하세요 (반복 참조).
  4. 프로젝트가 어디에도 없음 (첫 번째 실행만) → 작업 디렉토리에 한 번만 스캐폴딩: npm init -y && npm i remotion @remotion/cli @remotion/transitions react react-dom, src/remotion/ 디렉토리를 생성하고 사용자에게 약 2GB의 일회성 설치에 대해 경고합니다. 이후의 모든 동영상에서는 이 단계를 건너뜁니다.

워크플로우 (6단계)

모든 명령은 프로젝트 루트에서 실행합니다. 하나의 동영상에 대한 모든 아티팩트는 프로젝트 내 videos/{name}/에 저장됩니다. {name}은 소문자 영어이며, 하이픈으로 구분됩니다.

1단계 — 대본 작성: videos/{name}/podcast.txt

비디오 세그먼트당 하나의 [SECTION:xxx] 마커; 세그먼트 이름은 소문자 영어입니다 (hero, content-1, outro). 선택적 표시 제목은 | 뒤에 옵니다 — [SECTION:outro|thanks] — 진행률 표시줄 필과 기본 레이아웃에 레이블을 지정합니다 (제목이 없으면 첫 번째 문장에서 레이블이 파생되어 어색할 수 있음). #로 시작하는 줄은 무시됩니다 (그리고 마커를 안전하게 언급할 수 있음). 음성 텍스트만 — 마크다운 없음 — 다음 대본 스타일 규칙을 따릅니다. 예시:

# 주석 줄은 음성으로 변환되지 않습니다
[SECTION:hero|intro]
환영합니다! 오늘은 모두가 관심을 가질 만한 주제에 대해 이야기해 보겠습니다.

[SECTION:content-1|point 1]
먼저, 첫 번째 요점을 살펴보겠습니다. 여기 여러분이 알아야 할 몇 가지 중요한 정보가 있습니다.

[SECTION:outro|thanks]
자, 오늘 내용은 여기까지입니다. 도움이 되셨다면 좋아요와 구독 부탁드리며, 다음에 또 뵙겠습니다!

대본 스타일 (AI 감지 방지, zh-CN)

작성 중에 적용하고, TTS 전에 자체 점검합니다. 목표: 쉼표로 구분된 문어체가 아닌 일상적인 구어체 중국어입니다. (전체 스킬의 natural-narration.md + script-polish.md에서 추출 — 이것이 표준 출처입니다. 먼저 해당 파일에서 편집 규칙을 수정한 다음 여기에 반영하세요.)

연결사 교체 (문어체 → 구어체): 此外 → 还有 · 然而 → 但是 · 因此 → 所以 · 与此同时 → 这时候 · 总的来说/综上所述 → 삭제 · 首先/其次/最后 → 다음 일을 직접 말하세요.

금칙어 목록 (다시 쓰거나 삭제): 赋能、打造、深入探讨、值得一提/值得注意的是、众所周知、至关重要、革命性、颠覆、天花板、无缝、闭环、抓手、里程碑、标志着、未来可期、让我们拭目以待.

구조적 신호 — 수정 패턴:

패턴수정
동사-명사 껍질: 进行优化/实现增长/做出选择구체적인 행동 + 결과: "승인 절차를 3단계에서 1단계로 줄였습니다"
부정 대조: 不是 X,而是 YY를 직접 진술
세 부분 평행 구조: 既是…又是…更是…가장 유익한 항목만 유지; 셋보다 둘이 낫습니다
공백 강조어: 显著/大幅/非常숫자나 인지 가능한 결과
모호한 귀인: 业内普遍认为/有专家指出명명된 출처 + 날짜, 그렇지 않으면 문장 삭제
슬로건 결말: 未来可期/注入新的活力구체적인 사실: 숫자, 날짜, 다음 행동

듣기 좋게 작성: 한 문장에 한 가지 아이디어, 주어를 먼저 배치, 문장 길이 다양화, 중첩 절 없음, 접속사로 — 또는 · 사용 금지 (음성으로 변환되지 않고 자막을 지저분하게 만듦). 가벼운 1인칭은 괜찮습니다.

자막은 대본 그 자체입니다 — 따라서 숫자는 화면에 표시되는 방식 그대로 작성해야 합니다: 아라비아 숫자 (3.8, 63K, 98.8%, 128G), 중국어 숫자 (六十五点一 / 三百九十七) 사용 금지. 동일한 숫자 규칙이 Remotion 컴포넌트의 화면 텍스트(카드, 헤드라인)에도 적용됩니다. 발음 수정을 위해 대본에 구어체 형태를 작성하지 마세요. 자막에 그대로 드러납니다. tts.py는 음성 레이어를 자체적으로 파생시킵니다: 숫자가 포함된 모든 토큰(86.1, 9B, 5600, Qwen3.5)은 합성 전에 중국어 읽기(八十六点一, 九B, 五千六百, 千问三点五)로 변환된 후, 단어 경계가 다시 매핑되어 자막이 표시 텍스트를 유지합니다. (다국어 음성인 zh-CN-XiaoxiaoMultilingualNeural은 혼합 컨텍스트에서 숫자를 영어로 읽습니다 — 바로 이 레이어가 이를 방지합니다. SSML <sub alias>는 시도했다가 포기했습니다: Azure의 <sub>에 대한 단어 경계 이벤트에 버그가 있어 SRT가 손상됩니다.)

숫자는 추적 가능해야 합니다 — 출처 없는 정확한 숫자는 조작된 것입니다. 삭제하거나 출처를 기입하세요.

2단계 전 자체 점검: 금칙어가 없습니까? "不是…而是…" 패턴이 없습니까? 슬로건 결말이 없습니까? 각 섹션을 소리 내어 읽어보세요. 더듬거리면 문장을 나누세요.

중지 — 대본 검토 게이트 (필수): podcast.txt가 작성되면 파이프라인을 중단하고 사용자에게 대본을 검토하도록 넘기세요. 사용자가 명시적으로 대본을 승인할 때까지 TTS(2단계)를 실행하지 마세요. 이 게이트는 다운스트림의 모든 것(오디오, 타이밍, 시각적 진입)보다 먼저 수행됩니다. 이 모든 것이 대본에서 파생되므로, 대본을 늦게 변경하면 전체를 다시 실행해야 합니다.

2단계 — TTS

python3 "${SKILL_DIR}/scripts/tts.py" videos/{name}/podcast.txt videos/{name}/

먼저 --check를 실행하세요 (린트 전용, 합성 없음, 무료) — 합성 비용을 지불하기 전에 다중 발음 및 별칭 누락을 잡아냅니다.

podcast_audio.wav + podcast_audio.srt + timing.json + cues.json (큐별 텍스트, 전역 프레임, section_frame — SRT를 수동으로 파싱하는 대신 컴포넌트에서 시각적 진입을 정렬하는 데 사용)을 생성합니다. 각 섹션은 SSML을 통해 개별적으로 합성된 후 연결되므로 섹션 타이밍이 정확합니다. 자막 큐는 구문 우선입니다: 30자 이내의 문장은 그대로 표시되고, 더 긴 문장은 쉼표/세미콜론 절(~22자 정도)로 나누어지며, 너무 긴 절은 중간에 가장 가까운 단어 경계에서 잘리며, 단어 중간에서 잘리지 않습니다. 매우 작은 후행 큐는 동일한 섹션 내에서만 이전 큐에 병합됩니다 (다음 섹션의 짧은 첫 문장이 이전 섹션의 마지막 큐로 절대 넘어가서는 안 됨). 기존 timing.json 위에 다시 실행하면 섹션별 지속 시간 차이가 출력됩니다. 0.3초 이상 이동한 섹션은 새로운 cues.json에서 컴포넌트의 하드코딩된 진입 지연을 다시 정렬해야 함을 의미합니다.

설정: --voice (기본값 zh-CN-XiaoxiaoNeural), --style (mstts:express-as, 예: gentle / cheerful — 이 두 가지만 사용, 다른 것은 어색할 수 있음), --rate (운율, 예: -4%), --phonemes (다중 발음 단어용 전체 단어 병음 사전, 예: 命令行/同行; 기본적으로 ~/.video-podcast-maker/phonemes.json과 입력 파일 옆의 phonemes.json이 병합됨 — 동영상별 항목이 우선), --aliases (발음 별칭 display→spoken, 예: "Ornith-1.5": "Ornith 一点五"; aliases.json과 동일한 병합 순서). 환경 변수 폴백: TTS_VOICE / TTS_STYLE / TTS_RATE. 여러 동영상에서 일관된 채널 음성을 위해 쉘 프로필에 한 번 설정하세요 (예: TTS_VOICE=zh-CN-XiaoxiaoMultilingualNeural TTS_RATE=+5%).

발음: 다중 발음 사전 점검, 알려진 오독 패턴, 별칭 사전 메커니즘, 내장 음성 레이어 동작은 references/pronunciation.md에 문서화되어 있습니다. 새 주제의 첫 번째 TTS 실행 전에 반드시 읽어보세요.

3단계 — 시각 요소 구성

  • 첫 번째 동영상: 구성 계약에 따라 컴포지션(index.ts + Root.tsx + Video.tsx under src/remotion/)을 생성합니다.
  • 이후 모든 동영상: 이전 동영상의 컴포넌트를 복사하여 편집합니다. 계약부터 다시 시작하지 마세요.

하나의 Remotion 프로젝트가 모든 동영상을 호스팅합니다. 새 동영상은 정확히 하나의 컴포넌트 파일과 하나의 <Composition> 등록을 추가합니다:

project-root/                    # 하나의 프로젝트, npm install 한 번
├── src/remotion/
│   ├── index.ts                 # registerRoot — 공유, 변경되지 않음
│   ├── Root.tsx                 # 동영상당 하나의 <Composition id="…">
│   ├── DemoVideo.tsx            # 동영상별 컴포넌트 (마지막 것을 복사하여 편집)
│   └── NextTopicVideo.tsx
└── videos/{name}/               # 동영상별 아티팩트: podcast.txt, wav, srt, timing.json, mp4

동영상마다 고유한 PascalCase 컴포넌트/컴포지션 ID(예: ReferenceManagerComparison)를 선택하고, 제목/색상을 설정하고, 각 섹션 이름에 레이아웃을 지정합니다 (switch (section.name) over hero / content-N / outro가 잘 작동함).

시각적 풍부함 (기본 스타일 — 단순한 텍스트 상자는 목표가 아님): 모든 정보 카드, 흐름 상자, 필, 통계 타일은 하나의 주요 이모지(또는 실제 제품을 묘사할 때는 @lobehub/icons 브랜드 컴포넌트)를 포함합니다. 요소당 최대 하나이며, MONO 값 줄 내부에는 절대 배치하지 마세요(이모지는 고정폭 정렬을 깨뜨림 — 대신 레이블/제목에 배치). 매핑은 하나의 개념 = 하나의 이모지로 동영상 전체에서 일관되게 유지하고 주제에 맞게 적절히 선택합니다. 모든 섹션에는 또한 최소 하나의 시각적 앵커(일러스트레이션)가 있습니다: 공식 자료 우선(제품 배너, 사양 카드, 스크린샷), 그렇지 않으면 무료 일러스트레이션 또는 아이콘 세트(unDraw SVG, Pixabay/Pexels 이미지, OpenMoji / Microsoft Fluent Emoji / Google Noto Emoji, 브랜드 로고용 @lobehub/icons) — 출처 + 라이선스를 publish_info 자산-소스 섹션에 기록합니다 (Flaticon의 무료 티어와 같이 저작자 표시가 필요한 세트는 동영상 설명에 출처를 명시해야 함). 이모지는 UI 카드를 장식하고, 일러스트레이션은 섹션을 고정합니다. 둘 중 하나가 다른 것을 대체하지 않습니다.

4단계 — 미리보기 (필수 사람 검토 게이트)

npx remotion studio src/remotion/index.ts --public-dir videos/{name}/

Studio를 실행하고 사용자가 직접 검토할 때까지 기다려야 합니다. 사용자가 명시적으로 확인("渲染" / "render")할 때까지 절대 렌더링하지 마세요. 조정 요청은 확인이 아닙니다. 변경 사항을 적용하고 Studio가 핫 리로드하도록 한 후 다시 물어보세요. 시각적 변경이 있을 때마다 새로운 확인이 필요합니다. 확인은 5단계로 이월되지 않습니다.

5단계 — 렌더링 + BGM

렌더링:

npx remotion render src/remotion/index.ts MyVideo videos/{name}/output.mp4 --public-dir videos/{name}/

BGM (기본값; 사용자가 음악 없음을 요청할 때만 건너뜀): Pixabay Music에서 무작위 트랙 하나를 가져와 낮은 볼륨으로 믹싱합니다 (나레이션이 주를 이룸). Pixabay 라이선스: 로열티 프리, 상업적 사용 가능, 저작자 표시 불필요 — 그래도 제목/작성자를 publish_info 자산-소스 섹션에 기록합니다.

가져오는 방법 (2026-08-25 확인): Pixabay의 검색/목록 페이지는 클라이언트 측 렌더링되며 비브라우저 클라이언트에 대해 Cloudflare로 보호되지만, 실제 브라우저에서 열린 단일 트랙 페이지는 JSON-LD에 전체 트랙 다운로드 URL을 포함하며, 해당 cdn.pixabay.com URL은 일반 curl로 다운로드할 수 있습니다.

  1. 세션 브라우저(Playwright MCP)를 사용하여 검색 페이지를 엽니다 — https://pixabay.com/music/search/cinematic/ (또는 더 차분한 배경음이 필요한 경우 relaxing / ambient).

  2. /music/<slug>-<id>/ 패턴과 일치하는 결과 링크를 수집하고 (/music/search/ 및 로케일 접두사가 붙은 /de/music/... 제외), 무작위로 하나를 선택하여 엽니다.

  3. 트랙의 JSON-LD (script[type=application/ld+json"] → AudioObject)를 읽습니다: contentUrl (전체 트랙 MP3), name, creator.name, duration. 약 1.5~8분을 선호합니다. 범위를 벗어나면 다른 링크를 엽니다. 페이지의 JSON-LD에 contentUrl이 없으면(레이아웃 변경) 재시도를 중단하고 사용자에게 트랙을 선택하고 다운로드 URL을 제공하도록 요청합니다.

  4. curl로 다운로드합니다 (브라우저 UA + Referer: https://pixabay.com/ — 작동 확인):

    curl -sL -A "<browser UA>" -H "Referer: https://pixabay.com/" "<contentUrl>" -o videos/{name}/bgm.mp3
    

믹싱 (BGM 낮음; loudnorm 단계가 필요함 — 없으면 믹스가 약 -32 dB 평균, 약 10 dB 너무 조용해짐):

ffmpeg -y -i videos/{name}/output.mp4 -i videos/{name}/bgm.mp3 -filter_complex "[1:a]volume=0.08[bg];[0:a][bg]amix=inputs=2:duration=first[a];[a]loudnorm=I=-16:TP=-1.5:LRA=11[out]" -map 0:v -map "[out]" -c:v copy -shortest videos/{name}/final_video.mp4

렌더링이 확인되면 Studio 서버를 중지합니다. 남아 있는 Studio는 포트를 점유하고 파일을 계속 감시합니다.

6단계 — 게시 부가 자료 (사용자의 파이프라인에 포함된 경우에만)

5단계 후에 다음 순서로 렌더링됩니다:

  • 커버 스틸: npx remotion still을 통한 16x9 + 4x3 썸네일 스틸 — 이전 PNG를 먼저 삭제하고, 스틸은 기존 파일을 건너뜁니다.
  • BGM 음량 확인: ffmpeg -i final_video.mp4 -af volumedetect -f null -, 평균 ≈ -19 ~ -22 dB, 최대 ≈ -1.5 dB.
  • publish_info.md: 제목 / 설명 / 태그 / 챕터 타임스탬프 (챕터는 timing.json에서 파생).
  • assets/manifest.json: 자산 출처.
  • 저장소 수준 기록: 인덱스/테마 생성기(예: VIDEO_INDEX.md 빌더)는 일반적으로 publish_info.md 제목을 키로 사용하며, 분류 스크립트는 새 동영상 디렉토리가 할당 맵에 추가될 때까지 실행을 거부할 수 있습니다. 게시 아티팩트가 준비된 후 실행하세요.

구성 계약

컴포지션은 --public-dir videos/{name}/에서 staticFile()을 통해 세 개의 파일을 사용합니다: podcast_audio.wav, podcast_audio.srt, timing.json:

{
  "total_duration": 32.1,
  "fps": 30,
  "total_frames": 964,
  "sections": [{ "name": "hero", "label": "…", "start_time": 0, "duration": 11.8, "start_frame": 0, "duration_frames": 355 }]
}

컴포지션 생성 시 협상 불가 사항 (각 항목은 놓치면 실제 실패 모드임):

  1. 오디오가 마스터 클록입니다 — calculateMetadata는 durationInFrames = timing.total_frames를 반환하며, 런타임에 로드됩니다. 절대 기간을 하드코딩하지 마세요. 프로젝트 규약에 따른 해상도: 1920×1080 @ 30fps, 또는 4K (3840×2160)는 1920×1080 컴포넌트를 확장하는 래퍼를 통해 구현합니다.

…

[잘림: 전체 내용은 원본과 동일함]

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Agents365-ai/video-podcast-maker

Smallest personal narrated-explainer-video pipeline (spoken narration over visuals, not an audio podcast), fully tool-agnostic and autonomous by default — topic → research ∥ asset collection → script → TTS → video → 4K render ∥ publish info + cover. The skill defines the pipeline logic and self-verified checkpoints; any TTS backend and any video tool (Remotion, HyperFrames, CapCut, ...) work, and how much human oversight to apply is set by the working project's AGENTS.md/CLAUDE.md, not here. Use when the user wants a quick personal narrated video with minimal steps, whether or not they name the tool stack. Do NOT trigger for audio-only podcasts, written episodic content, or heavy multi-format production.

Agents365-ai/video-podcast-maker

Use when the user gives a topic and wants an automated topic-driven narrated explainer, podcast, or knowledge-summary video (Bilibili / YouTube / Xiaohongshu / Douyin / WeChat Channels), or asks to learn visual design patterns from a reference video/image. Trigger when the user mentions creating a knowledge video, narrated explainer, video podcast, or animated infographic-style video from a topic — even if they don't say "video podcast" explicitly. Also trigger when the user wants to regenerate, re-render, rebuild, update, or iterate on a narrated video this skill already produced — e.g. they edited the script/prompt, changed the visuals, or swapped the background music and want the final video remade (reuse the existing videos/{name}/ directory, never start a new project). Do NOT trigger for generic video editing, trimming, format conversion, color grading, or non-narrative video tasks. Produces 4K video via research → script → TTS → Remotion → MP4 + BGM.

관련 스킬