AI 에이전트 파이프라인을 $5,000 이상에 판매한 방법

채널 아이콘
All About AI 구독자 189,000명

요약

이 영상은 화자가 마케팅 회사에 AI 에이전트 기반 영상 생성 파이프라인을 약 $6,000에 판매한 과정을 단계별로 소개합니다. Cloud Code를 이용해 API 문서를 수집하고, 이미지 생성·영상 생성·음악 합성 등 모듈러 구조로 파이프라인을 자동으로 구현하는 방법을 시연합니다. 실행 테스트와 오류 디버깅, 가로·세로 비디오 옵션 추가까지 다양한 실습을 통해 AI 워크플로우 구축 전략을 제시합니다. 이를 통해 AI를 활용한 비즈니스 모델 구축과 빠른 프로토타이핑 가능성을 보여줍니다.

주요 키워드

AI Agent Pipeline Cloud Code ffmpeg OpenAI API Google Imagen CLIP video standard 2.1 API 문서 자동화 모듈러 구조 프롬프트 엔지니어링 배경 음악 생성

하이라이트

  • 🔑 마케팅 회사에 AI 파이프라인을 $6,000에 판매한 실제 사례 공유
  • 🚀 단일 명령어로 스크립트, 음성, 이미지, 영상, 음악까지 자동 생성하는 AI 워크플로우 소개
  • 📌 API 문서를 Markdown으로 수집해 AI 에이전트 초기화에 활용하는 방법 제안
  • ⚡️ Cloud Code 에이전트를 활용해 단계별 코드 생성과 모듈러 구조 설계를 자동화
  • 🌟 ffmpeg와 Sonato API를 이용해 세 장면 영상 합성과 배경 음악 생성 과정을 설명
  • 🔧 실행 중 발생한 오류를 프롬프트 수정과 모델 업그레이드(GPT-4.1)로 해결하는 디버깅 팁
  • 🚀 가로(16:9)와 세로(9:16) 비디오 옵션을 선택할 수 있도록 파이프라인을 유연하게 확장하는 방법

용어 설명

AI 파이프라인

이미지 생성, 영상 생성, 오디오 합성 등 여러 AI 서비스를 단계별로 연결한 자동화 워크플로우

Cloud Code

API 문서를 업로드하고 프롬프트를 통해 코드 구현 계획과 모듈을 자동 생성하는 AI 에이전트 도구

ffmpeg

여러 영상 클립을 병합하거나 포맷 변환을 지원하는 오픈소스 멀티미디어 프레임워크

OpenAI API

GPT-4.1 등 대규모 언어 모델을 호출해 텍스트 기반 스크립트나 프롬프트를 생성하는 서비스

Sonato API

AI 기반 배경 음악을 생성해주는 외부 서비스 API

Imagen 4

Google에서 제공하는 텍스트-투-이미지(text-to-image) 생성 모델

CLIP video standard 2.1

이미지 입력을 기반으로 짧은 영상 클립을 생성하는 AI 모델

프롬프트 엔지니어링

AI 에이전트가 수행할 작업을 구체적으로 지시하기 위해 설계하는 명령어 작성 기법

[00:00:00] AI 파이프라인 판매 소개

화자가 마케팅 회사에 AI 에이전트 기반 영상 생성 파이프라인을 약 $6,000에 판매한 사례를 소개합니다. 판매 동기와 요구 사항을 설명하며, 오늘의 워크플로우를 살펴볼 계획을 안내합니다.

[00:00] AI 파이프라인을 마케팅 회사에 6천 달러에 판매한 경험과 그 과정을 공유하겠다고 소개합니다.
[00:24] AI 비디오 생성 파이프라인의 실제 예시를 보여주며, 파이썬으로 구현된 시스템이 어떻게 작동하는지 시연합니다.
[00:00:26] AI 영상 생성 파이프라인 시연

Python 스크립트 실행 화면을 통해 영상 ID 입력부터 스크립트 작성, 음성 합성, 이미지·영상 생성 과정을 시연합니다. 최종 결과가 어떻게 출력되는지 빠르게 확인할 수 있습니다.

[00:47] 우크라이나의 러시아 드론 공격을 주제로 입력하여 시스템이 자동으로 정보를 수집하고 스크립트를 작성하는 과정을 보여줍니다.
[00:01:28] 간소화된 파이프라인 설계 시작

보다 단순화된 버전을 예시로 선택하고, Cloud Code를 활용하는 이유와 장점을 설명합니다. 수작업 대신 AI 에이전트로 생산성을 높이는 전략을 제시합니다.

[01:28] 생성된 최종 비디오 결과물을 재생하여 보여주며, 2025년 6월 1일 우크라이나의 '스파이더 웹 작전'에 대한 완성된 영상을 시연합니다.
[02:19] 단순히 ID만 입력하면 완성된 콘텐츠가 나오는 시스템의 효율성을 강조하며, 이런 워크플로우를 만드는 방법을 가르쳐주겠다고 말합니다.
[00:02:36] API 문서 수집 및 준비

영상, 이미지, 음악 생성에 필요한 각종 API 문서를 Markdown 파일로 수집합니다. 키 관리와 응답 예제 등을 함께 정리해 이후 AI 에이전트가 참조하도록 준비합니다.

[02:36] 더 간단한 버전으로 시작하여 클라우드 코드나 AI 에이전트 도구들을 사용하는 것이 시간 절약에 도움이 된다고 설명합니다.
[02:57] AI 에이전트 파이프라인 개발을 위한 사전 준비 작업의 중요성을 설명하며, 이미지-비디오-음악 파이프라인을 만들기 위한 문서 수집 작업을 시작합니다.
[03:14] 개발자가 항상 사용하는 docs 폴더를 만들고, fal ai video, fal AI image, suno ai 등 필요한 API 문서들을 체계적으로 정리하는 과정을 보여줍니다.
[03:52] fal AI에서 cling video standard 2.1 이미지-비디오 모델을 선택하고, 이미지 생성을 위해 Google의 Imagen 4 모델을 선택하여 API 문서를 수집합니다.
[04:44] 배경음악 생성을 위해 Suno AI 개발자 API 문서를 수집하고, 프롬프트 작성을 위해 OpenAI API 문서도 함께 준비합니다.
[05:50] 모든 필요한 API 문서 수집을 완료하고, Claude Code를 시작하기 위해 docs 폴더의 파일들을 읽어 AI가 정보를 파악할 수 있도록 준비하는 단계입니다.
[06:13] AI 비디오 파이프라인 프로젝트를 개괄적으로 설명하며 Claude Code로 단계별 계획을 수립하겠다고 소개합니다.
[06:25] API 키와 필요한 문서 정보를 준비하고, 음성을 텍스트로 변환하는 기능을 사용해 긴 프롬프트를 작성하겠다고 설명합니다.
[00:06:43] 파이프라인 구조 설명 및 계획

사용자가 영상 ID를 입력하면 30초 분량의 세 장면 영상과 배경 음악을 생성하는 전체 플로우를 설명합니다. 각 단계별 요구사항과 출력 형식을 지정합니다.

[06:50] AI 비디오 파이프라인의 작동 방식을 설명합니다: 사용자가 비디오 ID를 입력하면 적절한 배경 음악이 있는 비디오로 변환하는 시스템입니다.
[07:10] 30초 비디오를 위해 3개의 10초 씬을 생성하는 방법을 설명합니다. OpenAI API로 씬을 작성하고, Google Image로 입력 이미지를 생성한 후 Kling 2.1로 비디오 클립을 만듭니다.
[08:05] ffmpeg로 3개 클립을 합치고 Suno로 배경 음악을 생성해 최종 MP4 파일로 저장하는 과정을 설명하며, Claude Code에게 단계별 계획 수립을 요청합니다.
[08:35] 긴 프롬프트를 입력한 후 Claude Code가 제시한 단계별 계획을 확인합니다: 씬 생성, 이미지 생성, 비디오 생성, 조립, 음악 생성, 최종 조립 순서입니다.
[00:08:44] Cloud Code로 코드 생성

긴 프롬프트를 통해 Cloud Code 에이전트에 단계별 세부 구현 플랜을 요청합니다. AI가 자동으로 장면 생성, 이미지 생성, 영상 생성, 음악 합성, 최종 조립 순서의 계획을 출력합니다.

[09:13] 구현을 시작하되 각 모듈을 편집하고 디버깅할 수 있도록 모듈화 구조로 접근하고 싶다고 요청하며, Claude가 작업을 시작할 준비를 합니다.
[09:43] AI가 요구사항들을 자동으로 설정하고 있으며, FFmpeg 비디오 병합 기능과 배경 음악 파이프라인을 구축하는 과정을 시작합니다.
[09:52] 약 3-4분만에 모듈식 구조로 서비스들을 구성했으며, 이미지 서비스, 비디오 서비스, FFmpeg, OpenAI 등이 포함된 pipeline.py와 main.py가 생성되었습니다.
[10:20] 모듈식 구조의 장점을 설명하며, 각각의 기능을 쉽게 확인하고 관리할 수 있다고 강조합니다.
[10:35] 코드 작성이 완료되어 pip install을 통해 의존성을 설치하고, Python main.py로 비디오 ID와 함께 실행할 수 있는 상태가 되었습니다.
[00:10:44] 종속성 설치 및 실행 테스트

필수 패키지를 pip로 설치하고, 메인 스크립트를 실행해 기본 워크플로우를 검증합니다. verbose 모드를 사용해 로그를 출력하며 초기 실행 상태를 확인합니다.

[11:06] 실제 테스트를 위해 'brutalist city 1980s drone shot' 프롬프트로 실행했지만 몇 가지 오류가 발생했습니다.
[11:27] 오류 해결을 위해 OpenAI 서비스를 GPT-4.1 모델로 업데이트하고 프롬프트를 'P menop artistic brutalist concrete city no windows drone shot'으로 수정했습니다.
[00:11:41] 디버깅 및 프롬프트 수정

실행 중 발생한 오류 로그를 분석해 GPT-4.1 모델로 프롬프트와 파라미터를 업데이트합니다. 수정된 설정으로 재실행해 오류가 해결되는 과정을 보여줍니다.

[11:47] 수정 후 재실행하여 장면 설명 생성이 성공적으로 시작되었고, 이어서 이미지, 비디오, 음악 생성 단계로 진행됩니다.
[12:10] 첫 번째와 두 번째 이미지 생성이 성공적으로 완료되어 만족스러운 결과를 얻었고, 다음 단계인 비디오 생성으로 진행합니다.
[00:12:24] 이미지·비디오·음악 생성 및 조합

각 장면별 텍스트 프롬프트로 이미지를 생성하고, CLIP video 모델로 영상을 만듭니다. ffmpeg로 클립을 병합하고 Sonato API로 배경 음악을 만들어 최종 MP4 파일로 출력합니다.

[12:42] 비디오 생성이 시작되어 완벽하게 작동하고 있으며, 음악 생성 단계까지 모든 과정이 순조롭게 진행되고 있습니다.
[12:47] AI 영상 생성 파이프라인의 최종 테스트 단계에서 클립 편집이 완료되고 배경 음악을 생성하여 하나의 완성된 영상 파일로 병합하는 과정을 진행합니다.
[13:49] 첫 번째 생성된 영상을 확인한 결과 만족스러운 품질을 보여주며, 추가로 9:16과 6:9 화면 비율 중 선택할 수 있는 기능을 구현하기로 결정합니다.
[14:26] 세로 영상(9:16 포맷)을 위한 마지막 테스트를 진행하며, 아마존 정글 탐험 POV 영상을 초현실적으로 생성하는 새로운 구현을 테스트합니다.
[00:14:28] 세로 비디오(9:16) 옵션 추가

파이프라인에 가로(16:9)와 세로(9:16) 비디오 출력 옵션을 구현합니다. 사용자가 원하는 화면비를 선택해 다양한 형태의 영상을 자동 생성할 수 있도록 확장합니다.

[15:44] 세로 영상 결과물을 확인하며 첫 번째 장면부터 마지막 POV까지 성공적으로 생성되었음을 확인하고, 손 모션까지 포함된 디테일한 영상이 완성되었음을 평가합니다.
[00:16:02] 최종 결과 검토 및 향후 제안

완성된 영상 샘플을 재생하며 품질을 평가합니다. 이후 다양한 AI 툴을 결합한 파이프라인 활용법과 비즈니스 모델 가능성을 강조하며 시청자에게 도전을 권장합니다.

[16:09] AI 코딩과 파이프라인 구축의 매력에 대해 설명하며, 서로 다른 AI 서비스들을 결합하여 창의적인 솔루션을 만드는 것이 개인적인 흥미 분야임을 강조합니다.
[00:00] 안녕하세요, 오늘은 제가 어떤 워크플로우를 사용해서
[00:02] AI 파이프라인을 거의 6천 달러에
[00:04] 팔 수 있었는지 그 과정을 공유하려고 합니다.
[00:08] 거의
[00:09] 6천 달러에 마케팅 회사에
[00:12] 특정 파이프라인을 팔았는데
[00:15] 콘텐츠 제작용 파이프라인이었습니다. 오늘은
[00:18] 제가 어떻게 했는지, 그리고 여러분도
[00:20] 어떻게 할 수 있는지 보여드리고 싶습니다.
[00:24] 먼저 AI 파이프라인이 무엇인지
[00:26] 예시를 보여드리겠습니다.
[00:28] 파이썬 메인을 실행해보면
[00:31] 이것은 AI 비디오 생성기
[00:34] 파이프라인입니다. 좀 더 확대해보죠.
[00:36] 비디오 ID를 입력할 수 있습니다.
[00:40] 기본적으로 무엇이든 될 수 있고
[00:42] 현재 뉴스에 나오는 내용들도 가능합니다.
[00:47] 예를 들어 '6월 1일
[00:49] 우크라이나의 러시아 드론 공격
[00:51] 설명하기'와 같은 것을 입력할 수 있습니다.
[00:54] 이제 일어날 일은
[00:56] 주제를 리서치하는 것입니다.
[00:58] 백그라운드에서 설정된
[01:00] 시스템이 검색 엔진을 통해
[01:02] 모든 정보를 찾아줍니다.
[01:05] 다음으로는 스크립트를 작성하고
[01:06] 비디오, 오디오, 음악 등
[01:08] 모든 것을 생성합니다.
[01:11] 결과물을 보여드리겠습니다.
[01:12] 빨리감기를 해보면
[01:14] 보이스오버가 생성되고
[01:16] 스크립트가 생성되고
[01:18] 이미지와 비디오 생성이
[01:20] 시작되는 것을 볼 수 있습니다.
[01:22] 이제 최종 결과를 보여드리고
[01:23] AI 파이프라인 워크플로우를
[01:25] 함께 만들어보겠습니다.
[01:28] 최종 결과가 나왔습니다.
[01:30] 이제 재생해보겠습니다.
[01:32] 몇 초만 재생해서
[01:34] 어떤 느낌인지 보여드리겠습니다.
[01:35] 2025년 6월 1일,
[01:38] 우크라이나는 러시아 깊숙한 곳에
[01:40] 대담한 드론 공격을 감행했습니다.
[01:42] '스파이더 웹 작전'이라고 불리는 이 작전은
[01:45] 거의 2년간의 계획 끝에
[01:48] 117대의 드론이 투입되어
[01:51] 수십억 달러 가치의 폭격기를 포함한
[01:54] 41대의 러시아 항공기를
[01:56] 파괴하거나 손상시켰습니다.
[01:58] 이는 현대 전쟁의 전환점이 되었으며
[02:01] 혁신과 전략이 어떻게 기대를 뒤엎고
[02:04] 중요한 평화 회담 직전에 전장을 바꿀 수 있는지 보여주었습니다.
[02:10] 네, 정말
[02:11] 흥미롭습니다. 왜냐하면
[02:13] 우리가 해야 할 일은 단지
[02:15] ID를 입력하는 것뿐이었거든요.
[02:19] 오늘은 말씀드린 대로
[02:20] 이런 워크플로우나
[02:22] 비슷한 다른 워크플로우들을
[02:24] 어떻게 만들고 좋은 AI
[02:26] 파이프라인을 설정하는지
[02:28] 알려드리겠습니다. 운이 좋다면
[02:30] 여러분의 파이프라인에 관심 있는
[02:33] 고객을 찾을 수도 있을 겁니다.
[02:35] 이제 본격적으로 시작해서
[02:36] 어떻게 설정하는지 보여드리겠습니다.
[02:39] 방금 본 것보다는 좀 더
[02:41] 간단한 버전으로 해보려고 합니다.
[02:43] 클라우드 코드를 사용할 건데
[02:45] 시간을 많이 절약해주지만
[02:47] 물론 수동으로 설정하거나
[02:48] 직접 코드를 작성하거나
[02:50] ChatGPT를 사용할 수도 있습니다. 하지만 저는
[02:53] 클라우드 코드나 다른 AI 에이전트를 선호합니다.
[02:55] 커서(Cursor)도 사용할 수 있고
[02:57] 좋은 사전 준비 작업을 한다면
[03:00] 그것이 우리가 하고 싶은 첫 번째 작업이 될 것입니다.
[03:02] 이미지를 비디오로, 그리고 음악까지 포함하는
[03:05] 간단한 파이프라인을 만들어서
[03:08] 어떻게 동작하는지 보여드리기 위해
[03:10] 문서를 수집하는 것부터 시작해보겠습니다.
[03:12] 이건 제가 항상 하는 작업입니다.
[03:14] 여기에 docs 폴더가 있고
[03:16] 가장 먼저 할 일은
[03:19] 정보를 수집하는 것입니다.
[03:21] fal ai video.markdown 파일을 만들겠습니다.
[03:24] 또한 fal AI image라는 파일도 필요합니다.
[03:28] 비디오 생성을 위해 이미지가 필요하기 때문입니다.
[03:31] 그리고 음악도 필요할 것 같습니다.
[03:34] 그래서 suno.ai.markdown이라는 API를 사용하겠습니다.
[03:36] 이미 이 마크다운 파일에 키를 설정해 두었습니다.
[03:39] 하지만 여러분은 그렇게 하지 않는 것이 좋을 것 같습니다.
[03:41] 그냥 제가 하는 방식입니다.
[03:45] 자, 이제 문서를 수집해보겠습니다.
[03:49] fal AI로 가서
[03:52] cling video standard 2.1 image to video라는
[03:54] 비디오 모델을 선택하겠습니다.
[03:56] 이미지를 비디오로 변환하려면
[03:59] 이미지 생성기도 필요합니다.
[04:02] API로 가서 필요한 정보를 수집하겠습니다.
[04:05] 여기서 Python을 선택하고
[04:07] 문서에서 필요한 모든 정보는 이것뿐입니다.
[04:11] 이 문서를 복사해서
[04:13] 여기에 붙여넣겠습니다.
[04:15] fal AI video, 이것만 있으면 됩니다.
[04:18] 이미지도 필요합니다.
[04:21] 이미지 모델을 찾아보겠습니다.
[04:22] text to image에서
[04:25] Google의 Imagen 4를 선택하겠습니다.
[04:27] 똑같이 API에서 문서를 가져와서
[04:30] Claude Code가 어떻게 조합할지 알아낼 것입니다.
[04:33] 이것을 복사해서 fal AI image에 붙여넣겠습니다.
[04:35] 좋습니다. 이제 시작이 되었네요.
[04:39] 이미지와 비디오에 필요한 문서가 있습니다.
[04:41] 배경음악 문서도 필요합니다.
[04:44] Suno AI 개발자 API로 가겠습니다.
[04:48] 이건 스폰서가 아니라 제가 사용하는 것입니다.
[04:51] 문서를 클릭하고 똑같이 하겠습니다.
[04:53] API 문서를 가져오겠습니다.
[04:55] 완료되었습니다. 붙여넣겠습니다.
[04:58] 이제 끝입니다. 이게 전부 필요한 것 같습니다.
[05:01] OpenAI도 필요할 수 있습니다.
[05:03] 어떤 모델이든 상관없지만
[05:05] OpenAI markdown를 사용하겠습니다.
[05:07] AI를 사용해서 프롬프트를 작성해야 할 수도 있기 때문입니다.
[05:09] 개발자 퀵스타트로 가서
[05:10] OpenAI에서 이 페이지를 복사하겠습니다.
[05:14] Python을 선택하고 여기에 붙여넣겠습니다.
[05:15] 이제 Claude Code를 시작할 준비가 된 것 같습니다.
[05:18] 필요한 모든 문서가 준비되었습니다.
[05:20] Claude Code에서
[05:22] 보통 docs 폴더의 파일들을 읽는 것부터 시작합니다.
[05:24] Claude가 정보를 파악할 수 있도록 말이죠.
[05:26] 제 키가 보이지 않았으면 좋겠는데
[05:28] 그래도 크게 상관없습니다.
[05:32] 어차피 취소할 예정이거든요.
[05:34] 그리고 나서
[05:37] AI를 사용해서 프롬프트를 작성해야 할 수도 있습니다.
[05:41] 개발자 퀵스타트를 복사해서
[05:44] OpenAI에서 이 페이지를 가져왔습니다.
[05:46] Python을 선택하고 여기에 붙여넣었습니다.
[05:50] 이제 Claude Code를 시작할 준비가 되었습니다.
[05:51] 필요한 모든 문서를 준비했습니다.
[05:54] Claude Code에서는
[05:56] 보통 docs 폴더의 파일들을 읽는 것부터 시작합니다.
[05:58] Claude가 정보를 파악할 수 있도록
[06:01] 최신 정보를 제공하는 것입니다.
[06:05] 제 키가 보이지 않았으면 좋겠지만
[06:08] 크게 상관없습니다.
[06:09] 어차피 취소할 예정이거든요.
[06:10] 그리고 이후에
[06:13] 그 다음에, 우리가 무엇을 하고 싶은지 개괄적으로 설명하겠습니다.
[06:15] 그리고 Claude Code로 단계별 계획을 세워보겠습니다.
[06:17] 그러면 이 계획을 실행해서
[06:19] 우리의 AI 파이프라인을 만들어낼 거예요.
[06:21] 네, API 키가 포함되어 있고,
[06:25] 이제 필요한 모든 문서 정보를 가지고 있습니다.
[06:28] 그래서 이제 긴 프롬프트를 작성해보겠습니다.
[06:30] 우리 파이프라인이 무엇인지
[06:31] 개괄적으로 설명해보겠습니다.
[06:34] 네, 녹화하겠습니다.
[06:37] 저는 타이핑 시간을 줄이기 위해
[06:40] 음성을 텍스트로 변환하는 기능을 주로 사용합니다.
[06:43] 좋습니다.
[06:46] 오늘 우리가 할 프로젝트는
[06:50] AI 비디오 파이프라인입니다.
[06:52] 작동 방식은 사용자가 비디오 ID를 한 번 입력하면
[06:57] 우리의 역할과 프로젝트는
[06:58] 그 ID를 적절한 배경 음악이 있는
[07:02] 비디오로 변환하는 것입니다.
[07:06] 우리가 이것을 하는 방법은
[07:10] 사용자가 비디오 ID를 입력하면
[07:12] OpenAI API를 사용해서
[07:14] 그 ID에 맞는 씬들을 작성하는 것입니다.
[07:17] 만약 30초 길이로 만든다면
[07:19] 3개의 씬이 필요합니다.
[07:24] 각각 약 10초씩이죠.
[07:27] 그리고 이 3개의 씬이
[07:29] 비디오가 됩니다.
[07:31] 즉, 모든 비디오는 30초가 됩니다.
[07:33] 이런 씬들을 만들 때
[07:36] 가장 먼저 해야 할 일은
[07:38] Google Image를 사용해서
[07:40] Kling 2.1 비디오 생성기를 위한
[07:43] 입력 이미지를 생성하는 것입니다.
[07:44] 첫 번째 씬의 경우
[07:47] 이미지 1을 사용해서 Kling 모델에 넣고
[07:50] 씬을 설명하는 프롬프트와 함께
[07:54] 클립을 생성합니다.
[07:56] 그것이 클립 1, 씬 1이 되는 거죠.
[08:00] 3개의 클립을 모두 가지면
[08:03] ffmpeg를 사용해서
[08:05] 이 3개의 클립을 올바른 순서로
[08:07] 합칠 겁니다.
[08:10] 마지막으로 Suno를 사용해서
[08:11] 이 클립에 맞는 배경 음악을 만들고
[08:14] 모든 것을 합쳐서
[08:17] 최종 출력 파일이나
[08:20] MP4 같은 형태로 저장합니다.
[08:23] 이제 단계별 계획을
[08:26] 어떻게 실행할지 만들어보세요.
[08:29] 좋습니다. 꽤 긴 프롬프트였네요.
[08:33] 조금 잘랐을 수도 있지만
[08:35] 이제 시도해보겠습니다.
[08:37] 정말 긴 프롬프트였다는 걸 알 수 있습니다.
[08:39] Claude Code가 이제
[08:42] 실제로 실행할 수 있는 단계별 계획을
[08:44] 세울 수 있는지 보겠습니다.
[08:47] 여기에서 볼 수 있듯이
[08:50] 좋은 계획이 있고
[08:53] 이것을 실행할 수 있기를 바랍니다.
[08:55] 계획은 다음과 같습니다:
[08:59] 씬 생성, 이미지 생성,
[09:02] 비디오 생성, 조립,
[09:05] 음악 생성, 최종 조립입니다.
[09:08] 네, 완벽하네요.
[09:09] 구현을 시작할 준비가 되었습니다.
[09:13] 네.
[09:17] 시작해봅시다.
[09:19] 하지만 저는 이것을 모듈화하고 싶습니다.
[09:26] 모듈화를 원하는 이유는
[09:28] 각 모듈을 편집하고 디버깅할 수 있기 때문입니다.
[09:32] 그래서 모듈화 구조 접근법을
[09:35] 사용할 수 있는지 보겠습니다.
[09:38] 좋네요. 이제 Claude가
[09:40] 작업을 시작하겠습니다.
[09:41] 처음에는 몇 가지를 승인해야 할 것 같습니다.
[09:43] 이런 것들을 받아들여야겠죠? 그럼 모든 요구사항을 설정해보겠습니다.
[09:45] 다시 묻지 않도록 설정하겠습니다.
[09:47] 좋아요, 업데이트입니다.
[09:50] 지금 우리가 FFmpeg 비디오 병합 기능을 만드는 부분에 있다는 것을 볼 수 있습니다.
[09:52] 배경 음악도 추가하고
[09:53] 파이프라인을 구축한 다음 거의 완료될 예정입니다.
[09:56] 지금까지 약 3-4분 정도 걸린 것 같고,
[09:59] 이것이 얼마나 모듈식인지 볼 수 있습니다.
[10:02] 서비스들이 있습니다.
[10:04] 여기에 이미지 서비스가 있고
[10:07] 비디오 서비스, FFmpeg, OpenAI가 있습니다.
[10:08] pipeline.py도 있습니다.
[10:10] 이제 아마도 pipeline.py를 import할 main.py를 생성하고 있습니다.
[10:14] 네, 좋아 보입니다.
[10:15] 여기에 비동기 코드도 있네요.
[10:18] 최종 결과가 어떻게 나올지 궁금합니다.
[10:21] 모듈식으로 만드는 것의 장점은
[10:24] 실제로 무슨 일이 일어나는지 쉽게 확인할 수 있다는 점입니다.
[10:26] 이것이 정말 추천하는 방법입니다.
[10:27] 좋아요, 완료되었습니다.
[10:30] 거의 5분 정도 걸린 것 같네요.
[10:32] 나쁘지 않았습니다.
[10:35] 사용할 준비가 되었습니다.
[10:37] pip install을 실행하겠습니다.
[10:39] 그다음 Python main과 비디오 ID를 실행할 수 있습니다.
[10:41] 음악 없이 실행할 수도 있고
[10:44] 로깅 기능도 있습니다.
[10:46] 꽤 흥미로워 보이고 테스트할 준비가 되었습니다.
[10:49] 지금 의존성을 설치하겠습니다.
[10:51] 실행해보겠습니다.
[10:54] 좋아요, 정리하고
[10:57] 이제 Python main과 비디오 ID를 실행할 수 있다는 것을 볼 수 있습니다.
[10:58] 지금은 verbose가 필요 없지만
[11:00] 처음에는 오류가 있을 경우를 대비해 verbose 로깅을 하는 것이 현명합니다.
[11:02] Python main.py brutalist city 1980s drone shot verbose를 실행해보겠습니다.
[11:06] 이제 실행하면 여기에 몇 가지 오류가 있다는 것을 볼 수 있습니다.
[11:10] 이것을 살펴보겠습니다.
[11:13] 로그를 가져와서 여기로 돌아가서
[11:15] 이것을 해결해보겠습니다.
[11:17] 시도해보겠습니다. 몇 가지 바이브 코딩을 해보죠.
[11:19] GPT-4를 사용하겠습니다.
[11:22] OpenAI 서비스에 GPT-4.1 모델을 사용하겠습니다.
[11:27] 업데이트하겠습니다.
[11:29] 4.1로 변경하고 있습니다.
[11:31] 다시 시도해볼 수 있습니다.
[11:32] 이제 실행해보겠습니다.
[11:35] 프롬프트를 조금 수정했습니다.
[11:37] P menop artistic brutalist concrete city no windows drone shot이 될 것이고
[11:41] verbose로 실행하겠습니다.
[11:44] 이제 작동하기를 바랍니다.
[11:47] 장면 설명을 생성하고 있다는 것을 볼 수 있습니다.
[11:50] 좋아 보입니다.
[11:53] 다음 단계는 이미지, 비디오, 음악을 생성하는 것입니다.
[11:56] 이미지 단계입니다.
[11:58] 좋아 보입니다.
[11:59] 첫 번째 이미지가 괜찮게 나오는지 기다려보겠습니다.
[12:01] 마음에 들지 않으면 다시 시작할 수도 있습니다.
[12:04] 네, 마음에 듭니다.
[12:07] 괜찮아 보입니다. 너무 중요하지는 않습니다.
[12:10] 장면 2를 확인해보겠습니다.
[12:11] 네, 꽤 멋지네요.
[12:14] 이것으로 진행하겠습니다. 이제 작동하기를 바랍니다.
[12:17] 다음 단계는 비디오입니다.
[12:19] 그다음 비디오가 시작되는 것을 볼 수 있습니다.
[12:21] 완벽합니다. 그리고 음악과
[12:24]
[12:26]
[12:28]
[12:30]
[12:33]
[12:35]
[12:38]
[12:40]
[12:42] 비디오가 시작되는 것을 볼 수 있습니다. 완벽합니다. 그리고 음악과
[12:44]
[12:47] 모든 것을 하나로 합치는 거예요. 최종 영상이
[12:49] 완성되면 다시 보여드릴게요.
[12:53] 네, 클립 편집이 완료됐네요.
[12:55] 이제 배경 음악을
[12:56] 생성하고
[12:58] 병합이 잘 되어서 하나의
[13:02] 최종 파일로 만들어지기를 바라요.
[13:06] 좋아요, 최종 결과물이 나왔네요.
[13:09] 완벽해요. 괜찮아 보이네요.
[13:11] 재생해서 어떤지 보죠.
[13:14] 마이크를 음소거하고
[13:16] 들어보겠습니다.
[13:31] [음악]
[13:49] 첫 번째 시도치고는
[13:50] 나쁘지 않죠? 꽤 괜찮은 것 같아요.
[13:53] 정말 멋지다고 생각해요. 이제
[13:55] 파이프라인에 마지막 업데이트를
[13:58] 하나 더 해보고 싶어요.
[14:01] 9:16과 6:9 중에서 선택할 수 있는 기능을 만들고 싶어요.
[14:06] 그걸 업데이트해서 추가해보죠.
[14:08] 6:9와 9:16 중에서
[14:10] 선택할 수 있는 옵션을 구현해봅시다.
[14:13] 문서를 읽고 이걸 수정해주세요.
[14:17] 이게 우리가 업데이트할
[14:18] 마지막 사항이 될 것 같아요.
[14:21] 왜냐하면 이게 정말 매끄럽게 작동했거든요.
[14:23] 한 번 더 테스트해보죠.
[14:26] 9:16 포맷을 테스트해볼게요.
[14:29] 이건 세로 영상용이에요.
[14:31] 이것도 어떻게 작동하는지 보죠.
[14:34] 실행시키고 새로운
[14:36] 구현을 테스트해보겠습니다.
[14:39] 이제 화면 비율 명령어를
[14:41] 마지막에 추가할 수 있어요.
[14:44] Python으로 아마존 정글 탐험
[14:46] POV 영상을 초현실적으로, 화면 비율 9:16으로 만들어보죠.
[14:50] 이게 마지막 테스트가 될 거예요.
[14:52] 잘 작동하는 것 같네요.
[14:53] 이제 세로 영상을 만들어보죠.
[14:56] 실행시키고 어떤 결과가
[14:58] 나오는지 보겠습니다.
[15:02] 음악 작업을 하고 있고
[15:04] 잘 될 것 같아요.
[15:08] 영상을 조합하고 있어요.
[15:10] 최종 결과물이 나왔나요? 네, 나왔네요.
[15:12] 확인해보죠. 음소거하겠습니다.
[15:17] [음악]
[15:25] [음악]
[15:44] 가장 흥미진진하지는 않을 수도 있지만
[15:46] 꽤 좋았고 매끄럽게
[15:48] 작동했다고 생각해요.
[15:51] 첫 번째 장면, POV, POV, 그리고
[15:54] 마지막 POV까지 나왔어요.
[15:55] 처음에 손도 나왔고요.
[15:57] 네, 정말 멋지네요.
[15:59] 정말 만족스럽고 여러분도
[16:02] 여기서 무언가 배울 수 있는 것들을
[16:05] 얻어가셨기를 바라요.
[16:09] 비록 이걸 구매할 고객을
[16:10] 찾는 게 그렇게 쉽지는 않더라도
[16:13] 이런 다양한 파이프라인을 사용해서
[16:15] 온갖 멋진 것들을 만들 수 있어요.
[16:17] 이게 바로 제가 AI 코딩을 좋아하는 이유예요.
[16:20] 이게 제 취향이에요. 이상한 서로 다른
[16:23] 서비스들을 하나의 멋진 것으로 합치는 거죠.
[16:26] 이게 제가 좋아하는 일이에요.
[16:28] 여러분도 이런 걸 좋아하셨으면 좋겠어요.
[16:30] 이런 미친 파이프라인들을 만들어보세요.
[16:33] 제가 말씀드리지만 이건 여러분이
[16:35] 할 수 있는 일의 빙산의 일각에 불과해요.
[16:37] 이런 다양한 AI 도구들을 사용해서
[16:39] 구축할 수 있는 파이프라인으로
[16:42] 정말 놀라운 일들을 할 수 있어요.
[16:44] 이 분야에 더 깊이 들어가보실 것을
[16:47] 정말 추천드려요.
[16:48] 이 영상이 여러분이 할 수 있는 일에 대한
[16:50] 영감을 주었기를 바라요.
[16:52] 솔직히 앞으로도 더 많이 할 예정이에요.
[16:54] 정말 재미있거든요.
[16:57] 마음에 드셨기를 바라고 곧 다시
[16:58] 만나요. GTC 파리 행사에
[17:00] 참석을 생각하고 계시다면
[17:02] 설명란의 링크를 확인해보세요. 그럼 곧 다시 만나요.