노래 편집 분석

Song Edit Analysis (노래 편집 분석)

개요 (Overview)

이 스킬을 사용하여 노래를 실용적인 편집 인텔리전스로 변환하세요: 템포, 비트 그리드, 섹션 맵, 에너지 곡선, 컷 우선순위, 푸티지 적합성 노트, 타임라인 마커, AI용 푸티지 선택 브리프.

번들 스크립트는 분석 과정을 재현 가능하게 하고 인간이 읽을 수 있는 출력과 기계가 읽을 수 있는 출력을 모두 제공하기 때문에 기본 경로입니다.

워크플로우 (Workflow)

1. 오디오 경로를 확인하고 결과물을 위한 출력 폴더를 생성합니다.
2. Python 종속성이 설치되어 있는지 확인합니다: librosa, numpy, scipy, matplotlib, pandas, scikit-learn, soundfile
3. scripts/analyze_song_for_editing.py <audio-file> --out <output-folder> 명령을 실행합니다.
4. 생성된 에너지 타임라인 이미지와 섹션 CSV를 검사합니다. 자동 섹셔닝이 복잡한 구간을 지나치게 분할하는 경우 최종 응답이나 별도의 마크다운 파일에서 더 단순화된 매크로 섹션 맵을 합성합니다.
5. 다른 AI가 클립을 선택하거나, 편집을 구성하거나, 푸티지 후보를 평가할 때 AI 푸티지 브리프를 사용합니다.
6. 다운스트림 제작을 위해 $footage-review-pack을 사용하여 소스를 선별하고, $beat-synced-montage-builder를 사용하여 편집을 구성하고, $edit-delivery-qa를 사용하여 최종 렌더를 확인합니다.

스크립트 출력 (Script Outputs)

my_song.mp3 파일 입력 시 스크립트는 다음 파일을 작성합니다:

• my_song_beats.csv: 시간, 추정 소절/비트 위치, 에너지, 베이스, 밝기, 과도 응답 강도, 컷 우선순위를 포함한 모든 감지된 비트.
• my_song_cut_markers_30fps.csv: 30fps 타임코드와 간결한 마커 노트를 포함한 기본 및 보조 컷 마커.
• my_song_sections.csv: 평균 에너지, 음향 특성, 푸티지 적합성, 컷 전략을 포함한 감지된 구조적 영역.
• my_song_phrases.csv: 8비트 프레이즈 수준의 편집 노트.
• my_song_energy_timeline.png: 파형, 에너지 곡선, 푸티지 큐, 감지된 섹션.
• my_song_editing_guide.md: 사람이 읽을 수 있는 편집 가이드.
• my_song_agent_footage_brief.json: 다른 AI를 위한 구조화된 푸티지 선택 지침.
• my_song_analysis.json: 기계가 읽을 수 있는 전체 요약.

어택-잠금 컷 그리드 (Onset-Locked Cut Grids, v2 엔진, 밀도 높은 편집에 권장)

편집이 노래가 허용하는 모든 순간(빠른 연속음 포함)에 컷을 수행해야 하는 경우 마커 임계값을 건너뛰고 원시 어택 그리드를 구축하세요:

env    = librosa.onset.onset_strength(y=y, sr=sr, hop_length=512)
onsets = librosa.onset.onset_detect(onset_envelope=env, sr=sr, hop_length=512,
                                    backtrack=False, delta=0.02, units="time")

delta=0.02는 모든 것을 잡아냅니다(더 깔끔한 그리드를 위해 0.03-0.04 사용). 0.13초보다 가까운 어택은 더 강한 쪽을 유지하여 병합합니다. int(round((t-t0)*FPS))로 프레임에 양자화합니다. 프레임 0에서 컷을 강제하고, 끝에서 2프레임 이내의 컷은 버립니다. 드문드문할 때는 유지하고, 바쁠 때는 폭발적으로 컷합니다. 절대 오프그리드 필러 컷을 삽입하지 마세요. 상위 25% 강도의 어택은 악센트(펀치인 줌)를 얻습니다. 추정된 비트 그리드는 60ms 이내의 가장 가까운 실제 어택으로 스냅합니다(과도 응답은 정상 템포 그리드에서 최대 ~35ms 벗어날 수 있음). 변환이나 스타일 전환 지점의 경우 반올림이 아닌 내림으로 양자화하여 변화가 과도 응답을 포함하는 프레임에 떨어지도록 합니다.

바이럴 구간 선택 (Viral Window Selection, 어떤 15-30초를 컷할지)

5가지 신호에 대해 후보 창을 점수화합니다: 반복성/코러스 느낌(비트 동기화된 크로마 자기 유사도, 대각선 + 8개 오프대각선 제로, 행 평균), 에너지 상승(post_mean(4s) - pre_mean(4s) — 빌드→드롭 찾기), 루프 이음새(창 종료 직후 대 시작 직후의 크로마+MFCC 코사인 유사도 — 눈에 띄지 않는 루프), 가사 배치([start-0.5, start+3.0] 내에서 시작하고 감정적 단어로 강화된 구절), 아티스트 자신이 게시한 시작 시간 사전 확률. 앵커 = 최고 반복 피크 + 최고 에너지 상승 비트 + 사전 확률. 각각의 직전 또는 직후의 소절 다운비트로 스냅하여 후크가 초반에 오도록 합니다. 대략 0.26*에너지 + 0.20*반복 + 0.18*상승*2 + 0.16*가사 + 0.12*루프_이음새 + 0.08*사전확률을 결합하고, 겹침 <50%인 최상위 창을 유지합니다.

엔벨로프 팔로워 (Envelope Followers, 연속 FX 구동)

오디오 반응 효과를 위해, 어택 엔벨로프를 프레임 그리드로 리샘플링하고, 95번째 백분위수로 정규화한 다음, 원폴 피크 홀드(즉각적인 어택, exp(-1/(fps*0.22..0.25)) 감소)를 적용합니다. 펀치 줌/블룸을 위한 비트 펄스: 비트당 amp * exp(-(t-t_beat)/0.16)를 더하고, 앰프는 에너지 가중치를 부여합니다. 베이스/에너지/고음/과도 응답을 별도의 정규화된 채널로 유지합니다. 절대 하나의 음량 스칼라를 사용하지 마십시오. 어택 이벤트 채널은 평활화하지 않은 상태로 둡니다. 편집과 정확히 동일한 시작/지속 시간 창에 대해 FX를 렌더링하여 펄스와 컷이 하나의 엔벨로프를 공유하도록 합니다(구성에 의한 동기화).

해석 규칙 (Interpretation Rules)

템포, 비트, 소절은 파형 또는 청음으로 확인될 때까지 추정치로 처리하세요. 비트 그리드는 대략적인 편집에 충분히 정확하지만, 다운비트 레이블링이 한 비트나 프레이즈 정도 어긋날 수 있습니다.

푸티지 선택을 위해 이 에너지 사다리를 사용하세요:

• Energy 1 / 매우 낮음: 분위기, 타이틀, 디테일 샷, 슬로우 팬, 조용한 설치.
• Energy 2 / 낮음: 준비, 기대, 맥락, 슬로우 모션, 사전 액션.
• Energy 3 / 중간: 보이는 움직임, 반응, 리드미컬한 B-roll, 2-4비트 컷.
• Energy 4 / 높음: 활발한 움직임, 임팩트 인접 샷, 빠른 B-roll, 1-2비트 컷.
• Energy 5 / 최고: 가장 강력한 푸티지, 충돌, 공개, 빠른 휩, VFX 히트, 빠른 교대, 0.5-1비트 컷.

기본 컷 포인트는 주요 피사체 전환, 임팩트, 하드 컷, 공개, 스피드 램프 착륙, 타이틀 히트에 사용합니다. 보조 컷 포인트는 앵글 변경, 연속 컷, 더 작은 B-roll 교체, 스피드 램프 시작에 사용합니다.

AI 푸티지 선택 (Agent Footage Selection)

AI가 푸티지를 선택할 때, *_agent_footage_brief.json과 사용 가능한 푸티지 인벤토리를 전달하세요. AI에게 다음을 지시합니다:

1. 각 후보 클립에 브리프 분류 체계의 content_type을 태그합니다.
2. 각 후보 클립을 motion_intensity 1-5로 점수화합니다.
3. 클립 강도를 각 섹션의 energy_level에 매칭하며, 의도적인 대비가 필요하지 않은 경우 ±1을 허용합니다.
4. peak_impact와 운동 강도 5 클립은 가장 높은 에너지 섹션을 위해 예약합니다.
5. 피사체 변경, 임팩트, 공개를 기본 컷 포인트에 배치합니다.
6. 사용 가능한 푸티지가 음악보다 강도가 낮을 때 더 짧은 지속 시간, 더 타이트한 크롭, 스피드 램프, 반복되는 임팩트 디테일을 사용합니다.

인간 중심 가이드 (Human-Facing Guidance)

원시 데이터 외에도 항상 간결한 매크로 맵을 제공하세요. 편집자에게는 비트 목록뿐만 아니라 음악적 판단이 필요합니다. 다음을 언급하세요:

• 샷을 유지해야 하는 곳.
• 첫 번째 의미 있는 리드미컬한 컷이 시작되는 곳.
• 드롭 또는 피크가 시작되는 곳.
• 어떤 섹션이 최고의 푸티지를 받을 자격이 있는지.
• 타임스탬프별로 가장 강력한 컷 포인트.
• 특히 섹션 탐지가 지나치게 분할되거나 다운비트가 어긋날 수 있는 경우의 불확실성.

하위 스킬 (Downstream Skills)

이 스킬은 음악 인텔리전스를 생성합니다. 반복 가능한 워크플로우의 나머지 부분에는 동반 스킬을 사용하세요:

• $footage-review-pack: 숏리스트, 리뷰 갤러리, 매니페스트, 소스 출처를 구축합니다.
• $beat-synced-montage-builder: 푸티지를 컷 마커에 매핑하고 소셜 몽타주 변형을 렌더링합니다.
• $edit-delivery-qa: 최종 렌더, 연락처 시트, 타임라인 밀도, 전달 준비 상태를 검사합니다.