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)
- Remotion 프로젝트 찾기 —
src/remotion/index.ts와node_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. - 기존 동영상 목록 확인 —
ls videos/와ls src/remotion/*Video.tsx. 가장 최근의*Video.tsx가 3단계에서 복사할 컴포넌트이며,videos/는 어떤 동영상이 이미 존재하는지 보여줍니다. - 기존
videos/{name}/디렉토리가 있나요? 그렇다면 새 동영상이 아니라 해당 동영상의 반복 작업입니다. 디렉토리를 재사용하고 변경된 부분만 다시 실행하세요 (반복 참조). - 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:
| 패턴 | 수정 |
|---|---|
| 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 Y | Y를 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.tsxundersrc/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.
-
세션 브라우저(Playwright MCP)를 사용하여 검색 페이지를 엽니다 —
https://pixabay.com/music/search/cinematic/(또는 더 차분한 배경음이 필요한 경우relaxing/ambient). -
/music/<slug>-<id>/패턴과 일치하는 결과 링크를 수집하고 (/music/search/및 로케일 접두사가 붙은/de/music/...제외), 무작위로 하나를 선택하여 엽니다. -
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-LD에contentUrl이 없으면(레이아웃 변경) 재시도를 중단하고 사용자에게 트랙을 선택하고 다운로드 URL을 제공하도록 요청합니다. -
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 (챕터는timing.json에서 파생).assets/manifest.json: 자산 출처.- 저장소 수준 기록: 인덱스/테마 생성기(예:
VIDEO_INDEX.md빌더)는 일반적으로publish_info.md제목을 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):
- 오디오가 마스터 클록입니다 —
calculateMetadata는durationInFrames = 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]