AI 에이전트 1개로 마케팅 팀 만들기 (무료 n8n 템플릿)

[00:00] 오늘 여러분께 보여드릴 것은

[00:01] AI 에이전트 하나로 구축한 AI 마케팅 팀입니다.

[00:03] 보시다시피 이 에이전트는

[00:05] 6가지 도구를 사용할 수 있습니다.

[00:07] 동영상, LinkedIn 게시물,

[00:09] 블로그 게시물 작성, 이미지 생성,

[00:11] 이미지 편집, 그리고

[00:12] 이미지 데이터베이스 검색이 가능합니다.

[00:14] 왼쪽에서 오른쪽으로

[00:16] 워크플로우가 이렇게 구성되어 있습니다.

[00:17] 동영상 제작, LinkedIn 게시물,

[00:19] 블로그 게시물, 이미지 생성,

[00:21] 이미지 편집,

[00:23] 그리고 이미지 데이터베이스 검색입니다.

[00:24] 이것을 구현하기 위해서는

[00:26] 필요한 리소스들이 많습니다.

[00:27] 다양한 템플릿들과

[00:29] 여러 워크플로우들이 필요한데,

[00:30] 이 모든 것을 무료로 다운로드하고

[00:31] 설정하는 방법을 영상 후반부에 보여드리겠습니다.

[00:33] 하지만 먼저 라이브 데모를 보여드리고,

[00:34] 그 다음 구축 과정을 설명하겠습니다.

[00:36] 물론 가격 정책과

[00:38] 전체 시스템 운영 비용도 다룰 예정입니다.

[00:39] 보시다시피

[00:41] 우리는 에이전트와

[00:42] 텔레그램을 통해 소통하며,

[00:44] 음성이나 텍스트로 입력할 수 있습니다.

[00:46] 이것을 옆으로 옮기고

[00:47] 텔레그램을 열어보겠습니다.

[00:49] 보시다시피 여기 이전에 만든 영상이 있는데,

[00:50] 이번에는 이미지를 만들어보겠습니다.

[00:52] 고양이 사료 전단지를 만들어보죠.

[00:53] 고양이 사료 플래시 세일 전단지를 만들어주세요.

[00:56] 자, 방금 요청을 보냈습니다.

[00:59] 보시다시피 음성이 텍스트로 변환되고,

[01:00] 마케팅 팀 에이전트가 처리하여

[01:02] 이미지 생성 도구를 사용할 것입니다.

[01:03] 지금 워크플로우가 처리 중이고,

[01:05] 잠시 후에 이미지가 완성되면

[01:07] 다시 확인해보겠습니다.

[01:08] 좋습니다, 방금 완성된 것 같네요.

[01:10] 보시다시피 메시지가 도착했습니다.

[01:11] 고양이 사료 플래시 세일 전단지가 완성되었네요.

[01:14] 꽤 멋진 고양이 이미지가 나왔습니다.

[01:16] 이제 이것을 편집해서

[01:18] 더 현실감 있게 만들어보죠.

[01:19] 편집을 요청하기 전에

[01:20] 먼저 로그를 확인해보겠습니다.

[01:22] 로그를 보면

[01:23] 새로운 이미지가 생성되었고

[01:26] cat food/sale이라는 이름의 이미지입니다.

[01:28] 여기 프롬프트와

[01:29] 클릭 가능한 링크가 있습니다.

[01:30] 이 이미지는 우리의 구글 드라이브에

[01:32] 저장되어 있습니다.

[01:34] 이제 이것을 더 현실감 있게 만들어보죠.

[01:36] 이미지를 편집해서

[01:38] 더 현실적으로 만들어주세요.

[01:40] 에이전트가 이미지 데이터베이스에서

[01:42] 원본 이미지를 가져와서 편집할 것입니다.

[01:43] 편집이 완료되면 다시 확인해보겠습니다.

[01:45] 편집이 완료되었네요.

[01:48] 참고로 말씀드리면,

[01:49] 이미지 생성과 편집은

[01:50] 각각 약 1분 정도 소요됩니다.

[01:53] 결과를 보시죠.

[01:54] 보시다시피 더 현실감 있는 전단지가 완성되었습니다.

[01:56] 사료를 먹고 있는 주황색 고양이가

[01:58] 매우 실제같이 표현되었고, 플래시 세일 문구도 있네요.

[01:59] 마케팅 팀 로그에서

[02:01] 새로운 이미지를 확인할 수 있습니다.

[02:02] 편집 유형으로 기록되어 있고,

[02:04] 프롬프트와 함께

[02:06] 구글 드라이브 링크도 있습니다.

[02:08] 새로운 이미지와 함께요. 자, 이제

[02:10] 콘텐츠 생성 기능 중 하나를 시도해볼까요?

[02:12] 수면이 생산성에 미치는 영향에 대한

[02:14] 블로그 포스트를 작성해주세요

[02:16] 좋아요, 실행해보겠습니다.

[02:18] 이 워크플로우는 제가 며칠 전에 만든

[02:20] 전체 워크플로우 영상에서 영감을 받았어요.

[02:22] 위쪽에 링크를 걸어두었습니다.

[02:23] 기본적으로 LinkedIn 콘텐츠를 만드는 것이었는데

[02:26] 당연히 리서치도 하고,

[02:27] 포스트를 작성하고,

[02:29] 이미지 프롬프트를 만들고

[02:30] 그 이미지를 가져오죠.

[02:32] 로그를 기록하고 콘텐츠를 전송하는

[02:33] 모든 작업을 수행합니다.

[02:34] 전체 과정을 보고 싶으시다면

[02:36] 위의 영상을 확인해주세요. 자, 에이전트가

[02:38] 작업을 완료했네요.

[02:39] 텔레그램을 클릭해서 결과를 확인해보겠습니다.

[02:40] 여기 그래픽이 있네요. '충분한 휴식을 취한 마음이

[02:42] 더 많은 일을 해낸다'라고 되어있고

[02:44] 위쪽 화살표 등이 보이시죠.

[02:46] 그리고 실제 블로그 포스트도 있습니다.

[02:48] 하단에는 참고 자료도 포함되어 있고요.

[02:49] 로그를 클릭하면 실제 블로그 포스트를

[02:51] 확인할 수 있습니다.

[02:53] 보시다시피 앞서 같은 예시로

[02:55] 테스트했었는데, 이게 그때의 이미지예요.

[02:56] 이건 좀 다른 스타일의 그래픽으로

[02:58] 통계 자료가 더 많이 포함되어 있죠.

[02:59] 방금 만든 이미지는 이렇게 생겼고

[03:01] 둘 다 블로그에 올리기에

[03:03] 매우 훌륭한 그래픽입니다.

[03:04] 자신있게 사용할 수 있을 정도로요.

[03:06] 보시다시피 이게 가장 최근 실행 결과인데

[03:08] 제목이 있고,

[03:09] 타입은 포스트로 되어있으며

[03:11] 실제 포스트 내용이 여기 있습니다.

[03:13] 마지막으로 영상을 한번 빠르게 만들어볼게요.

[03:15] 비버가 집을 짓는 영상을

[03:17] 만들어달라고 해보겠습니다.

[03:19] 실행해보고 어떻게 되는지 보죠.

[03:21] 실행되는 동안

[03:22] 설명을 좀 드리자면

[03:24] 지금 이렇게 생긴

[03:25] 비디오 워크플로우를 호출하고 있는데요

[03:27] 이 실행 과정은 보통

[03:30] 2-3분, 때로는 더 걸릴 수 있습니다.

[03:32] 대기 시간이 있는 이유는

[03:33] 이미지 생성을 기다려야 하고

[03:34] 영상도 생성되어야 하기 때문입니다.

[03:36] 실제로 일어나는 일은

[03:37] 여기 마케팅 에이전트가

[03:40] 보시다시피

[03:41] 대기하다가 시간 초과가 되어

[03:44] 여기서 응답을 받지 못하게 됩니다.

[03:45] 그래서 제가 한 방법은

[03:47] 이 워크플로우 형태로 응답을 받는 거예요.

[03:49] 여기서 영상을 다운로드하고

[03:50] 텔레그램으로 보내고

[03:52] 출력을 로그로 남깁니다. 현재 n8n의

[03:55] 서브플로우가 작동하는 방식이

[03:57] 대기 단계에서 도구 레벨이 아닌

[03:59] 에이전트 레벨에서 대기하기 때문에

[04:00] 이렇게 처리하고 있습니다.

[04:02] 여기서 에러가 발생하겠지만

[04:04] 텔레그램에서는 실제 영상을 받을 수 있어요.

[04:06] 실행이 완료되면 보여드리겠습니다.

[04:08] 좋아요, 방금 완료됐네요.

[04:11] 보시다시피 텔레그램 노드는

[04:12] 에이전트 에러로 실패했지만

[04:14] 영상은 정상적으로 받았습니다.

[04:16] 이제 이걸 클릭해서

[04:17] 영상을 확인해보겠습니다.

[04:19] 잠깐 영상을 보시죠.

[04:21] 좋은 음향 효과가 들어갔네요.

[04:25] 음, 비버가 댐을 만들고 있네요,

[04:27] 집을 짓는 게 아니라.

[04:29] 실제 집을 기대했는데,

[04:31] 뭐 어쨌든...

[04:35] 마지막에는 집이 완성되었네요.

[04:38] 여러분께 실행이

[04:39] 실제로 완료되었다는 것을

[04:40] 보여드리기 위해

[04:41] 페이스리스 비디오 탭의 실행 결과로 전환하겠습니다.

[04:43] 여기서 새로고침을 해보면,

[04:45] 이 작업이 성공적으로 완료되었고

[04:46] 메시지를 보면 '비버가 집을 짓는

[04:48] 모습을 보여주는데, 비버가 나뭇가지를

[04:49] 모으는 것부터 등등'이라고 나와있죠.

[04:51] 그리고 이제 프로세스를 거쳐

[04:52] 음향 효과와 함께 실제 영상이 만들어집니다.

[04:54] 물론 완벽하지는 않은데,

[04:55] 이 부분은 현재

[04:57] 개선 중인 것으로 알고 있습니다.

[04:59] 또한 비버가 네 개의 클립에서

[05:01] 완전히 동일하게 보이지 않는 점도 있죠.

[05:02] 이는 프롬프트 조정과 다른 요소들로

[05:04] 개선할 수 있습니다.

[05:06] 하지만 이것은 시작하기에

[05:07] 좋은 템플릿입니다.

[05:09] 자, 이제 데모를 보았고

[05:10] 이 도구들이 어떻게 작동하는지 봤으니

[05:12] 모든 워크플로우를 분석해보겠습니다.

[05:13] 하지만 그전에 한 가지 말씀드릴 것은,

[05:15] 이 모든 리소스를 무료로

[05:16] 받으시려면 제 무료 스쿨 커뮤니티에

[05:18] 가입하시면 됩니다. 링크는

[05:19] 설명란에 있습니다. 영상 제목으로

[05:21] 검색하시거나

[05:22] YouTube 리소스를 클릭하시면

[05:24] 이 영상과 관련된 게시물을 찾을 수 있습니다.

[05:25] 클릭하시면 다운로드할 수 있는

[05:27] JSON이 여기 있고,

[05:29] 필요한 구글 시트 템플릿 링크와

[05:30] Creatmate 렌더링 템플릿

[05:32] 링크도 있습니다.

[05:34] 영상 후반부에서는

[05:35] 실제로 무엇을 해야 하고

[05:36] 어떻게 설정해야 하는지

[05:38] 보여드릴 건데요,

[05:39] 이 여섯 가지 워크플로우를

[05:40] 다운로드하고 제대로

[05:41] 연결되어 있는지 확인해야 합니다.

[05:43] 자, 이제 실제 분석을 시작해보겠습니다.

[05:45] 먼저 실제 마케팅 팀 에이전트와

[05:47] 어떤 입력을 받고 무엇을 하도록

[05:49] 지시하는지 이야기해보겠습니다.

[05:50] 음성이나 텍스트를 입력받을 수 있습니다.

[05:53] 우리가 한 일은 이 두 출력을

[05:55] 표준화해서 에이전트에

[05:57] 'text'라는 필드로 전달하는 것입니다.

[05:59] JSON.ext로 참조하는데,

[06:01] 이는 기본적으로 음성이든

[06:03] 타이핑이든 에이전트가 동일한 방식으로

[06:05] 처리할 수 있다는 의미입니다.

[06:08] 그리고 실제 시스템 프롬프트를 보면

[06:09] 도구가 많은 것에 비해 그리 복잡하지 않습니다.

[06:11] 개요를 보면 '당신은 마케팅 팀 AI 에이전트입니다.

[06:14] 사용자가 이미지를 생성하고 편집하며

[06:15] 요청에 따라 콘텐츠를 만드는 것을

[06:17] 돕는 것이 당신의 임무입니다.'라고 되어있죠.

[06:20] 다음으로 제가 항상 하는 것은

[06:21] 어떤 도구가 있고

[06:22] 각각 언제 사용하는지 알려주는 것입니다.

[06:24] 보시다시피 매우 간단하게 설명되어 있습니다.

[06:26] 이미지 생성: 이미지를 만들 때 사용하세요.

[06:28] 이미지 편집: 이미지를 편집할 때 사용하세요.

[06:30] 사용자가 '편집' 대신 '수정'이라고 할 수도 있습니다.

[06:32] 예를 들어, 제가 이미지를 만들어달라고 요청하고

[06:33] 나서

[06:35] '더 사실적으로 만들어줘'라고 하면

[06:36] 에이전트는 편집 명령으로 인식합니다. 그 다음에는

[06:38] 이미지 데이터베이스를 검색할 수 있게 했죠.

[06:40] 블로그 포스트, 링크드인 게시물,

[06:42] 비디오, 그리고 생각 도구도 있는데

[06:44] 혹시 생각 도구를 모르시는 분들을 위해 설명하자면

[06:45] 여기 아래에 있는 도구입니다. 이에 대한

[06:47] 영상을 만들었는데, 위에 태그해두겠습니다.

[06:48] 어쨌든, 우리는 단순히

[06:50] 각각의 도구를 언제 사용할지

[06:52] 간단하게 지정했습니다. 그리고

[06:54] 몇 가지 지침을 추가했는데, 예를 들어 사용자가

[06:56] 이미지를 편집하거나 수정하라고 할 때

[06:58] 이는 데이터베이스의

[06:59] 가장 최근 이미지를 편집하고 싶다는 의미입니다.

[07:01] 따라서 우리는 두 가지 방법을 사용할 수 있는데

[07:03] 메모리에서 이미지 ID를 가져와서

[07:05] 편집에 사용하거나

[07:07] 데이터베이스를 검색해서

[07:08] 최신 이미지를 가져올 수 있습니다. 마지막으로, 사용자가

[07:10] 블로그나 링크드인 포스트를 요청하면

[07:12] 도구를 사용하고 '여기 요청하신

[07:14] 포스트입니다. 즐겨보세요'라고 출력합니다.

[07:16] 실제 워크플로우에서

[07:18] 포스트 내용이 전송되기 때문에

[07:19] 두 번 전송되는 것을

[07:21] 방지하고 싶었습니다. 마지막으로

[07:22] 텔레그램에서 모든 것을

[07:24] 클릭 가능한 링크로 반환하도록 했습니다. 보시다시피

[07:26] 텔레그램에서 모든 콘텐츠를

[07:27] 클릭할 수 있습니다. 이미지든

[07:29] 편집본이든 무엇이든

[07:31] 실제로 클릭해서

[07:32] 볼 수 있게 했죠. 좋습니다. 기본적으로

[07:34] 이게 전부입니다. 음,

[07:36] 텔레그램에서 입력을 받아

[07:37] 텔레그램으로 응답하는 건데요.

[07:38] 진짜 마법같은 일이 일어나는 건

[07:40] 이 여섯 가지 도구입니다. 먼저

[07:42] 이미지 생성 도구를 보겠습니다.

[07:43] 우리가 create image라고 이름 붙였죠.

[07:45] 이미지를 만들 때 이 도구를 호출합니다. 그리고

[07:46] 워크플로우를 연결했습니다.

[07:49] 여러분이 이미지 생성 워크플로우를

[07:50] 다운로드하면, 기본적으로

[07:52] 리스트에서 선택하고 검색하면 됩니다.

[07:54] 저는 제 것을

[07:55] create image라고 이름 지었는데

[07:56] 검색해서 찾으시고

[07:58] 올바른 워크플로우를

[07:59] 연결하시기만 하면 됩니다. 그 다음으로 워크플로우

[08:02] 입력을 설정했습니다. 기본적으로 이

[08:04] 메인 에이전트에게 하위 워크플로우로

[08:05] 무엇을 보낼지 지정했습니다. 이미지 생성

[08:08] 하위 워크플로우에서 지정하는 방법은

[08:10] '다른 워크플로우에 의해 실행될 때' 트리거로

[08:12] 시작해야 합니다.

[08:14] 메인 에이전트가 호출하기 때문이죠.

[08:16] 이 트리거에서

[08:18] 입력을 선택할 수 있습니다. 모든 데이터를

[08:19] 받아들이는 대신, 우리는 세 가지 필드를

[08:22] 정의했습니다. 이미지 제목,

[08:24] 이미지 프롬프트, 그리고 텔레그램 채팅

[08:26] ID입니다. 이를 통해 텔레그램으로

[08:28] 다시 보낼 수 있죠. 실제로 이

[08:30] 트리거에서 세 필드를 정의하면

[08:32] 워크플로우 입력 옵션이

[08:34] 에이전트의 n8n 워크플로우 호출 도구에 나타납니다.

[08:36] 그리고 우리가 한 것은

[08:39] 여기 이 버튼을 사용했는데

[08:40] 모델이 파라미터를 어떻게

[08:42] 채울지 정의하도록 했습니다. 우리는

[08:44] 이미지 제목 파라미터를

[08:45] 이미지의 제목으로 채우는데,

[08:47] 4단어를 넘지 않도록 했습니다.

[08:49] 이미지 프롬프트는 사용자가 요청한

[08:50] 이미지로 채우도록 했고,

[08:52] 채팅 ID의 경우에는

[08:54] 텔레그램 채팅 트리거에서 오는

[08:56] 동적 변수를 사용합니다.

[08:57] 텔레그램에서 테스트를 해볼게요.

[08:59] 간단히 'hi'라고

[09:00] 입력해보겠습니다. 텍스트 입력이

[09:03] 들어오면 응답하는 것을 보실 수 있죠.

[09:05] 'hi'라고 응답하는데,

[09:07] 여기서 중요한 건 텔레그램의 채팅 ID가

[09:10] 여기에 있다는 겁니다. 그리고

[09:12] 이 값을 현재 워크플로우로

[09:14] 전달하게 됩니다. 보시다시피

[09:16] 이 동적 변수가 전달되어

[09:17] 나중에 이 워크플로우에서

[09:19] 사진을 올바른 위치로 다시 보낼 때

[09:21] 참조할 수 있습니다.

[09:23] 자, 이제 라이브 데모에서

[09:24] 실행했던 내용을 살펴보겠습니다.

[09:26] 데이터가 어떻게 흐르는지 보시죠.

[09:28] 첫 번째는 이미지 프롬프트 에이전트입니다.

[09:30] 보시다시피 이것은 고양이 사료

[09:31] 플래시 세일이었죠. 메인 워크플로우에서

[09:33] 이미지 프롬프트를 받아옵니다.

[09:36] 그리고 여기 시스템 프롬프트가 있는데

[09:37] 이것은 기본적으로

[09:38] 이미지 프롬프트 텍스트를 만드는 방법을 알려줍니다.

[09:41] 전체를 다 읽지는 않겠지만

[09:42] 템플릿을 다운로드하시면

[09:43] 이 내용이 모두 들어있습니다.

[09:45] 우리가 원했던 것은

[09:47] 매우 상세하고, 주요 주제와

[09:49] 배경, 스타일, 그리고 추가적인

[09:51] 세부사항을 포함하는 것이었죠.

[09:52] 여기서 보시면 '밝고 시선을 사로잡는

[09:54] 반려동물 주인을 위한 전단지' 등

[09:56] 다양한 설명이 출력됩니다.

[09:57] 이는 이미지 모델에 전달되는데,

[10:00] 우리는 ChatGPT의 새로운 이미지 모델을 사용하고 있습니다.

[10:02] 정말 대단한 성능을 보여주죠.

[10:04] 여기서 OpenAI의 이미지 생성 모델에

[10:06] HTTP 요청을 포맷팅합니다.

[10:09] 이 요청 설정에 대해

[10:10] 너무 자세히 설명하지는 않겠습니다만,

[10:12] 이에 대한 전체 영상을 만들어놨고

[10:13] 위에 링크를 걸어두었으니

[10:14] 확인해보시기 바랍니다.

[10:16] 어쨌든, 우리는 기본적으로

[10:17] 이미지 프롬프트를

[10:19] 여기로 전달하고 있습니다.

[10:20] 보시다시피 여기서

[10:21] 새로운 이미지 모델을 사용하고 있죠.

[10:23] 이전 에이전트에서 받은

[10:25] 이미지 프롬프트를 전달하면

[10:27] 매우 큰 base64 JSON 문자열이 출력됩니다.

[10:30] 너무 커서 컴퓨터가 좀 버벅이네요.

[10:31] 우리가 하고 싶은 것은

[10:33] 이 JSON 문자열을 실제 이미지인

[10:35] 바이너리 데이터로 변환하는 것입니다.

[10:38] 그래서 이 파일 변환 노드를

[10:39] 사용합니다. 이 필드를 끌어다 놓으면

[10:41] 이렇게 되는거죠.

[10:42] 그리고 출력을

[10:44] 'data'라는 필드로

[10:45] 지정하면 여기서 받을 수 있고,

[10:47] '보기'를 클릭하면

[10:49] 생성된 실제 이미지를 볼 수 있습니다.

[10:51] 바이너리로 두 가지를 하고 싶어서

[10:53] 경로를 분기했습니다.

[10:54] 첫 번째로 할 일은

[10:56] n8n에서 경로를 분할할 때

[10:58] 위에서 아래로 순차적으로 작동하게 됩니다.

[10:59] 첫 번째로 하는 것은

[11:01] 텔레그램으로 이미지를 다시 보내는 것입니다.

[11:03] 그 다음으로 우리가 하고 싶은 것은

[11:05] 드라이브와 구글 시트에 데이터를 저장하는 것입니다.

[11:08] 여기서 우리가 한 것은

[11:10] chat ID를 설정했습니다. 이것은

[11:11] 트리거에서 가져온 것입니다. 보시다시피

[11:13] 다른 워크플로우 트리거에서 실행된 것을 참조하고 있죠.

[11:14] 그리고 우리는

[11:17] 바이너리 파일을 보내기로 했습니다.

[11:18] data라는 필드에 있는 바이너리 파일을

[11:20] 보시다시피 data가 바로 여기 있죠.

[11:21] 그리고 이것을 전송하기만 하면 됩니다.

[11:23] 정말 간단하죠. 그 다음으로 하는 것은

[11:25] 바이너리 데이터를 가져와서

[11:26] 구글 드라이브에 업로드하는 것입니다.

[11:28] 파일 이름의 경우, 기본적으로

[11:30] 메인 에이전트가 보낸 제목을 가져왔습니다.

[11:32] 제목.png로 설정하고 드라이브의 폴더를 선택했습니다.

[11:34] 만약 구글 자격 증명 설정에

[11:36] 어려움을 겪고 계신다면

[11:37] 제가 만든 이 튜토리얼을 확인해보세요.

[11:39] 어쨌든, 이것이 드라이브에 cat food/sale로 저장되었고

[11:41] 제 구글 드라이브를 보시면

[11:44] cat food/flash sale 전단지가 있습니다.

[11:45] 클릭해보면 우리의 캣푸드 사진이 나옵니다.

[11:47] 그리고 여기 재미있는 점은

[11:49] 다른 버전도 볼 수 있는데

[11:51] 여기 수정된 버전이 있습니다.

[11:52] 더 사실적으로 만들어달라고 요청한 버전이죠.

[11:54] 더 현실감 있게 만든 버전입니다.

[11:55] 좋습니다. 구글 드라이브에 저장한 후에는

[11:57] 시트에 출력을 기록하고 싶었습니다.

[11:59] 다시 한 번, 구글에 로그인하고

[12:02] marketing team log라는 문서의

[12:04] 첫 번째 시트를 참조합니다.

[12:05] 그리고 보내고 싶은 열들을 매핑했습니다.

[12:07] 제목, 유형, 요청, ID, 링크, 포스트가 있죠.

[12:09] 이번에는 포스트는 비워두었지만

[12:11] 제목은 첫 번째 트리거에서 가져왔습니다.

[12:14] 포스트는 비워두었고

[12:16] 제목은 첫 트리거에서 가져온 제목을 사용했습니다.

[12:17] 왼쪽 사이드바를 쭉 내려서

[12:19] 트리거까지 스크롤하고

[12:20] 여기에 있는 이미지 제목을 끌어다 놓았습니다.

[12:23] 유형은 항상 'image'로 고정했고

[12:25] 요청에는 이미지 프롬프트를 끌어다 놓았습니다.

[12:27] ID의 경우에는 구글 드라이브

[12:29] ID를 가져왔는데, 이는 나중에 수정할 때 필요합니다.

[12:31] 여기 아래에 ID를 끌어다 놓았죠.

[12:33] 나중에 수정할 때 필요한 것이죠.

[12:35] ID를 여기 아래로 끌어다 놓았습니다.

[12:37] 링크의 경우에는 구글 드라이브의

[12:39] 웹 뷰 링크를 가져왔는데

[12:41] 구글 드라이브에서 찾을 수 있으며

[12:43] 실제로 볼 수 있게 해줍니다.

[12:44] 이것이 메인 에이전트가 텔레그램으로

[12:47] 다시 보내는 것이고

[12:48] "여기 이미지가 있습니다.

[12:50] 보고 싶으시다면 이 링크를 클릭하세요"라고 말하죠.

[12:51] 좋습니다. 이것이 이미지 생성 워크플로우였고

[12:53] 이제 이미지 편집 워크플로우를 살펴보겠습니다.

[12:54] 워크플로우를 참조한다는 점에서 매우 비슷한데

[12:56] 이미지, 요청, 채팅 ID,

[12:58] 특정 입력값들을 정의하고

[12:59] 사진 ID를 정의합니다.

[13:02] 이것이 중요한 이유는 OpenAI의 이미지 편집

[13:04] 엔드포인트에서는 이미지를 보내고

[13:06] "이것을 수정해주세요"라고 요청해야 하기 때문입니다.

[13:08] 좋은 예시를 보여드리자면

[13:10] "이것을 수정해주시겠어요?"라고 하면 됩니다.

[13:12] 여기 좋은 예시가 있는데

[13:13] 일관성을 유지하도록

[13:15] 첫 번째로, 제가 역기를 드는 악어를

[13:16] 만들어달라고 요청했어요.

[13:18] 보시다시피 덤벨을 두 개 들고 있죠.

[13:20] 사실 이건 약간 이상한데,

[13:21] 뒤에 표지판들이 있고

[13:23] 그리고 나서 제가 할 수 있는 건

[13:25] 이미지 편집을 요청하는 거예요.

[13:26] 그러면 비슷한 느낌을 유지하면서

[13:28] 편집이 되죠. 여기서 보시면

[13:29] 편집 요청이었는데,

[13:31] 악어 머리에 헤드폰을 추가해달라고 했어요.

[13:33] 그러면 거의 같은 이미지인데

[13:35] 이제 헤드폰만 추가된 걸

[13:36] 볼 수 있죠. 이렇게 새 이미지를

[13:38] 만드는 대신 기존 이미지를

[13:40] 편집할 수 있습니다. 자, 이제

[13:42] 전달되는 내용을 보여드릴게요.

[13:43] 이 워크플로우를 열어서

[13:45] 실행 과정을 분석해보겠습니다.

[13:47] 자, 데모에서 보여드린

[13:48] 실행 과정입니다. 고양이 사료 특가 전단지였고

[13:51] 이미지를 더 사실적으로 만들어달라고 했죠.

[13:53] 데모에서 기억하시겠지만,

[13:54] 올바른 이미지 ID를 전달할 수 있었는데

[13:56] 이는 먼저 데이터베이스를 검색하고

[13:58] 그 다음 정확한 이미지 ID를

[14:00] 전송했기 때문입니다.

[14:02] 이제 올바른 ID가 있으니

[14:04] 구글 드라이브에서

[14:05] 파일을 다운로드할 수 있어요.

[14:07] ID를 보내고 확인해보면

[14:10] 올바른 파일인 걸 알 수 있고

[14:11] 이제 이 파일을

[14:13] OpenAI로 편집하기 위해 보낼 수 있죠.

[14:15] 다음 단계는 OpenAI의 엔드포인트를 호출하는 거예요.

[14:17] 이번에는 이미지 생성

[14:19] 엔드포인트 대신 편집

[14:21] 엔드포인트를 사용합니다.

[14:22] 여기서는 데이터라고 하는

[14:24] 바이너리 파일을 전송하고

[14:26] 프롬프트도 전송하는데, 프롬프트는

[14:28] '실제 같은 고양이가 맛있는 사료를

[14:30] 즐기는 모습의 사실적인 전단지로

[14:32] 만들어주세요' 등의 내용이에요.

[14:34] 그러면 AI가

[14:35] '여기 이미지가 있고, 요청사항이 이러하니

[14:37] 새로운 이미지를 만들어드리겠습니다'라고 하죠.

[14:39] 그리고 똑같은 방식으로

[14:41] Base64 문자열을 출력합니다.

[14:44] 보시다시피 다시 한 번

[14:46] 변환하면 실제 편집된

[14:48] 이미지를 얻을 수 있고,

[14:50] 그 다음에는 이전과 동일하게

[14:52] 텔레그램으로 전송하고 드라이브와

[14:54] 스프레드시트에 저장합니다.

[14:57] 이제 이미지 검색 도구를

[14:59] 살펴보겠습니다. 꽤 흥미로운 기능이죠.

[15:01] 여기서는 두 가지를 할 수 있는데,

[15:03] 잠깐 열어보겠습니다.

[15:04] 한번 살펴보죠.

[15:05] 아이디어는 이렇습니다.

[15:08] '예전에 만들었던 악어 이미지

[15:10] 기억나시나요?'라고 물어보면

[15:12] '그걸 볼 수 있을까요?'라고 하고

[15:13] '제 악어 사진을 보여주세요'라고

[15:15] 요청하면 보내줄 수 있죠. 또는

[15:18] 이미지를 편집해야 하는데

[15:19] 이미지 ID만 필요한

[15:21] 경우가 있습니다. 설명해드리자면,

[15:23] 이 워크플로우가 호출되면

[15:25] 의도를 전송하게 되는데,

[15:27] 사용자가 이미지를 가져올지

[15:28] 사용자가 이미지를 가져오기를 원하는지

[15:30] 또는 이미지를 편집하기를 원하는지를 결정합니다.

[15:32] 이것에 따라 워크플로우의

[15:33] 작동 방식이 달라지기 때문이죠. 그리고 물론

[15:35] 이미지 제목도 전달됩니다.

[15:37] 이미지를 가져오든

[15:38] 편집하든, 어떤 이미지를

[15:39] 다룰지 알아야 하니까요.

[15:41] 그리고 거의 항상

[15:42] 텔레그램 채팅 ID를 전달하여

[15:44] 사용자에게 결과를 보낼 수 있게 합니다.

[15:47] 자, 다시 워크플로우로 돌아가보죠.

[15:49] 데모에서 봤던 실시간 실행을

[15:51] 열어보겠습니다. 이것은 기본적으로

[15:53] 이미지를 가져와서 그 사진 ID를

[15:55] 메인 워크플로우로 전달하는 것이었죠.

[15:57] 이 워크플로우가 트리거되면

[16:00] 의도가 '편집'이라는 것을 받았고

[16:02] 이미지는 '고양이 사료/특가 세일'이었으며

[16:05] 채팅 ID도 받았습니다.

[16:06] 그런 다음 이미지 검색 에이전트로 전달하여

[16:08] "여기 이미지 제목이 있습니다."라고 말합니다.

[16:10] 당신이 해야 할 일은 이미지 검색

[16:12] 에이전트로서 이미지 데이터베이스 도구에서

[16:14] 검색하여 이름, ID,

[16:16] 그리고 이미지 링크를 반환하는 것입니다.

[16:19] 만약 찾을 수 없다면

[16:20] '찾을 수 없음'을 출력하게 됩니다.

[16:22] 여기서는 이름, ID,

[16:24] 이미지, 그리고 상태를 출력하는데

[16:26] 데이터베이스에서 이미지를 찾을 수 없다면

[16:28] 상태가 '찾을 수 없음'이 됩니다.

[16:29] 그래서 우리는

[16:31] 구조화된 출력을 아래에 정의하여

[16:32] 정보를 어떻게 출력해야 하는지

[16:34] 명시했습니다. 그리고 여기 이미지

[16:36] 데이터베이스 도구가 있는데

[16:38] 기본적으로 시트에 접근할 수 있게

[16:39] 해줍니다. 실제로는

[16:41] 마케팅 팀 로그라고 불립니다. 이름을 바꿨는데

[16:43] 단순히 이를 검색하고

[16:44] 필요한 모든 정보를

[16:45] 가지게 됩니다. 그리고

[16:47] 기본적으로 우리가 찾는 것을

[16:48] 출력합니다. 그리고 두 개의

[16:50] 조건문이 있습니다. 첫 번째는 기본적으로

[16:52] 상태가 '찾을 수 없음'인지 확인합니다.

[16:55] 만약 그렇다면, 위로 가서

[16:56] 메인 에이전트에 이미지를

[16:58] 데이터베이스에서 찾을 수 없다고 알립니다.

[17:01] 하지만 이미지를 찾으면

[17:02] 다음 확인으로 넘어가는데

[17:03] 이는 기본적으로 사용자의 의도를 확인합니다.

[17:05] 만약 의도가 단순히 이미지를 가져오는 것이라면

[17:07] 이 분기로 내려가서

[17:09] 파일을 다운로드하고 콘텐츠만 전송합니다.

[17:10] 하지만 의도가 실제로 이미지를

[17:13] 편집하는 것이라면, 사진을

[17:14] 보낼 필요가 없고 단순히

[17:16] 이미지 ID를 메인 워크플로우로

[17:19] 보내면 됩니다. 이 경우에는 의도가

[17:21] 편집이었으므로 이쪽으로 내려가고

[17:23] 메인 에이전트로 다시 보내는 것은

[17:25] 이미지 ID와 이미지 이름입니다.

[17:27] 그러면 기본적으로

[17:29] "좋아, 여기 이미지 ID가 있어.

[17:31] 이걸 편집 이미지 도구로

[17:32] 보내기만 하면 돼."라고 할 수 있죠.

[17:34] 이제 실제로 편집을 하는 데 필요한

[17:36] 모든 정보를 가지게 된 거죠. 좋습니다.

[17:38] 계속 진행해보죠. 저는 이것들 중

[17:40] 하나만 리뷰할 건데, 기본적으로

[17:42] 똑같기 때문입니다.

[17:43] 프롬프트만 조금 다릅니다.

[17:44] 물론 두 가지 모두 다운로드할 수 있고,

[17:45] LinkedIn 포스트 관련 전체 영상은

[17:47] 여기에 링크를 걸어두겠습니다.

[17:49] 그럼 이제 블로그 포스팅 워크플로우를 살펴보겠습니다.

[17:50] 매우 비슷한데요, 우리가 연결했던

[17:53] 워크플로우를 참조합니다.

[17:54] 모델이 정의한 블로그 주제를

[17:56] 전송하고 있습니다.

[17:58] 타겟 독자층을 정의하고 있는데,

[18:00] 이 타겟 독자층은

[18:02] 블로그의 타겟 독자이며

[18:03] 콘텐츠가 이 타겟 독자층에

[18:05] 맞춤화되어 작성됩니다.

[18:06] 그리고 물론

[18:07] 채팅 ID도 전송합니다. 이것이

[18:09] 워크플로우의 모습입니다.

[18:11] 트리거에서 보시다시피,

[18:12] 다른 것들과 마찬가지로

[18:14] 여기서 이러한 것들을 정의합니다.

[18:16] 데모에서 본 실행 내용을 클릭해 보겠습니다.

[18:18] 여기서 전달된 것은 '수면이 생산성에

[18:20] 미치는 영향'이었고,

[18:22] 직장인과 학생들을 대상으로 했으며,

[18:24] 우리의 채팅 ID가 있습니다. 먼저

[18:26] 웹 검색을 위해 Tavali에 접근 권한이 있는

[18:28] 블로그 포스팅 에이전트를 실행합니다.

[18:30] 시스템 프롬프트에서

[18:32] 무엇을 받고 있는지 빠르게 살펴보겠습니다.

[18:34] 블로그 주제와 타겟 독자층을

[18:36] 전달하고 있습니다.

[18:37] 여기서 보시는 것이 바로 그것입니다.

[18:40] 그리고 실제로 블로그 포스트를

[18:42] 작성하기 위해서는 시스템

[18:43] 프롬프트를 읽어야 하는데, 이는

[18:45] "당신은 전문적이고 교육적이며

[18:47] 흥미로운 블로그 글을 작성하는

[18:49] AI 에이전트입니다"라고 되어 있습니다.

[18:52] 항상 Tavali를 사용하여

[18:54] 실시간 웹 검색을 먼저 수행하는 것이

[18:55] 목표입니다. 블로그 글은

[18:57] 제공된 타겟 독자층에 맞춰

[18:59] 작성되어야 합니다. 그래서

[19:01] 연구 방법, 블로그 시작 방법 등

[19:03] 이런 것들을 지시하고

[19:04] 하단에 출처를

[19:06] 클릭 가능한 링크로 사용하도록

[19:08] 하며, 작업 순서와 같은

[19:09] 간단한 예시 워크플로우도

[19:11] 제공합니다.

[19:13] 보시다시피 완성된 블로그

[19:14] 포스트가 출력되고,

[19:16] 하단에 몇 가지 출처와

[19:17] '잘 쉰 정신이 생산적인 정신이다'라는

[19:19] 리마인더가 있습니다.

[19:21] 이 블로그 포스트를 가져와서

[19:23] 다음 에이전트인

[19:24] 이미지 프롬프트 에이전트에 전달합니다.

[19:26] 여기 블로그 포스트가 있고,

[19:28] 보시다시피 전체 블로그 포스트를

[19:29] 받아서 해당 포스트를 사용하여

[19:32] 포스트와 잘 어울리는 그래픽이나

[19:35] 시각자료를 만들라고 합니다.

[19:36] 그래서 일부 예시에서

[19:38] 통계가 포함된 시각자료나

[19:39] 실제 콘텐츠와 잘 맞는

[19:41] 이미지를 볼 수 있었던 것이죠.

[19:44] 이것이 전체적인 목표입니다.

[19:46] 전부 읽지는 않겠지만,

[19:47] 기본적으로 포스트를 읽고

[19:48] 분석하여 주요 메시지를

[19:50] 파악하고, 주요

[19:51] 핵심 내용을 찾아 블로그 포스트에 맞는

[19:54] 텍스트 이미지 프롬프트를 만듭니다.

[19:56] 기본적으로 여기에 이미지 프롬프트를 출력할 거예요.

[19:57] 하지만 나중에 사용하기 위해

[19:59] 제목도 함께 출력하도록 설정했어요.

[20:01] 제목은 나중에 사용할 예정이거든요.

[20:02] 그래서 우리는 다시 한 번

[20:05] 구조화된 출력 파서를 사용해서

[20:06] 제목과 프롬프트를 출력하도록 했고

[20:08] 정확히 그대로 실행됐어요.

[20:09] 나중에 이것들을 어떻게 사용하는지 보여드릴게요.

[20:11] 아래에서 자세히 설명할 텐데요.

[20:13] 네.

[20:14] 다음 단계는 이미지 생성과 정확히 동일해요.

[20:16] 이미지를 생성하기 위해 같은 엔드포인트를 사용하고

[20:18] 이전 단계에서 받은 프롬프트를 전달하죠.

[20:20] 여기 보이는 이 작은 함수들은

[20:21] 변수와 dotreplace가 있는데

[20:23] 이것들을 모두 변경해야 해요.

[20:25] 기본적으로 HTTP 요청에서

[20:27] 큰따옴표를 전달하면 실패하기 때문에

[20:29] 이렇게 작은따옴표로 바꿔줘야 해요.

[20:31] 이 함수가 없었다면 큰따옴표가 생성되어

[20:34] 아마 실패했을 거예요.

[20:37] 여기 보시면 작은따옴표가 있죠.

[20:38] 이 함수가 없었다면

[20:39] 큰따옴표가 생성되어

[20:40] 아마 실패했을 거예요.

[20:42] 그래서 이렇게 작은따옴표로

[20:43] 바꿔주는 체크가 필요한 거죠.

[20:45] 보시다시피 이것을 바이너리로 변환하고 있어요.

[20:47] 여기 보시면 블로그용 그래픽이

[20:49] 생성된 것을 확인할 수 있죠.

[20:51] 이걸 전송하고 있어요.

[20:54] 사진과 블로그 내용을 함께 보내는데

[20:55] 이건 두 개의 다른 단계로 이루어져 있어요.

[20:57] 첫 번째는 바이너리 데이터를 보내고

[20:59] 두 번째는 실제 텍스트 내용을 보내요.

[21:01] 둘 다 같은 채팅 ID를 사용하지만

[21:02] 실제 내용은 다르죠.

[21:04] 물론 같은 채팅 ID를 사용하고

[21:06] 블로그 포스트 에이전트의 출력과

[21:07] 이전의 바이너리 데이터를 사용해요.

[21:09] 그리고 나중에 접근할 수 있도록

[21:11] 드라이브와 시트에 저장하고 있어요.

[21:12] 나중에 이미지에 접근하기 위해서죠.

[21:14] 같은 방식으로 드라이브에 업로드하고

[21:16] 여기서 제목을 사용해

[21:18] 이미지의 제목을 지정해요.

[21:20] 이것이 바로 이미지 프롬프트 에이전트가

[21:22] 제목과 프롬프트를 출력하도록 한 이유예요.

[21:23] 여기 제목이 있고

[21:26] 시트에 다시 기록할 때도 같은 방식을 사용해요.

[21:28] 말씀드렸듯이 LinkedIn용 플로우도

[21:29] 정확히 같은 방식이에요.

[21:32] 유일한 차이점은

[21:33] 이 에이전트에서 LinkedIn 포스트에 맞는

[21:35] 다른 작성 스타일을 사용한다는 거예요.

[21:37] 그리고 텍스트 이미지 생성에도

[21:38] 다른 작성 스타일을 사용하죠.

[21:40] LinkedIn 그래픽은

[21:42] 일반적인 블로그 그래픽과는

[21:43] 좀 다르게 만들어져요.

[21:45] 좋아요. 마지막으로 비디오 생성이 있는데

[21:47] 이걸 클릭해서 어떤 내용을 전달하는지 볼까요?

[21:49] 이 부분은 앞쪽은 좀 더 단순하지만

[21:51] 실제 워크플로우는 아마도

[21:52] 가장 복잡할 거예요.

[21:54] 우리는 단순히 비디오 주제와

[21:56] 채팅 ID만 전달하고 있어요.

[21:57] 워크플로우가 어떻게 생겼는지 보여드릴게요.

[22:00] 이건 제가 예전에 했던 다른 프로젝트에서

[22:02] 영감을 받았어요. 얼굴 없는 쇼츠를

[22:05] 만드는 전체 영상을 만들었었는데

[22:06] 그걸 보시고 싶다면

[22:08] 그 영상을 확인하고 싶다면, 여기에 표시해둘게요.

[22:09] 자, 이제 데모의 실행 과정을

[22:11] 클릭해서 데이터가 어떻게 이동하는지

[22:13] 살펴보겠습니다. 우리가 전송한 내용은

[22:15] 비버가 집을 짓는 모습으로, 비버가 나뭇가지를

[22:17] 모으고 강가에서 정리하며

[22:18] 댐을 만드는 과정과

[22:20] 이와 관련된 모든 내용,

[22:21] 그리고 채팅 ID입니다.

[22:23] 우리가 하고자 하는 것은

[22:25] 보시다시피

[22:27] 네 개의 항목이 통과되는데

[22:28] 기본적으로 네 개의 이미지와

[22:30] 각각 5초 길이의 영상 네 개를 만들어

[22:32] 전체를 20초 클립으로

[22:34] 렌더링하는 것입니다. 이미지 프롬프트 에이전트에는

[22:38] 기본적으로 비디오 주제를 입력하고

[22:39] 긴 시스템 프롬프트를 제공했는데

[22:41] 여기서는 마스터 비주얼 스토리

[22:43] 구조화 에이전트의 역할을 합니다.

[22:45] 주어진 짧은 비디오 주제를

[22:47] 받아서 비버가 집을 짓는 내용을

[22:49] 네 부분으로 나누어

[22:51] 일관성 있게 구성하고

[22:53] 이 네 부분을 텍스트-이미지 생성

[22:55] 프롬프트로 변환합니다. 또한

[22:58] 출력 파서도 제공해야 했죠.

[23:00] 이를 위해서는 여기

[23:01] 이 작은 상자를 체크해야 하는데

[23:03] '특정 출력 형식 요구'라고 되어 있습니다.

[23:05] 파트 1, 2, 3, 4로

[23:07] 나누었고, 여기서 보시는 것처럼

[23:08] 출력됩니다. 그리고

[23:11] 네 부분이 있지만

[23:12] 아직 하나의 항목이에요. 그래서

[23:13] 분할을 사용해서 하나의 항목에 있는

[23:15] 네 부분을

[23:17] 실제로 네 개의 다른 항목으로 만들어

[23:19] 각각 다른 이미지와

[23:20] 비디오를 만들 수 있게 했습니다.

[23:22] 다음에 일어나는 일이 바로 그겁니다.

[23:24] PI API의 엔드포인트를 호출해서

[23:26] 이미지를 생성합니다. 제가 말씀드린 대로

[23:28] 페이스리스 쇼츠에 대한 전체 영상에서

[23:29] 이것을 어떻게 설정했는지

[23:31] 더 자세히 보실 수 있는데

[23:32] 기본적으로 우리는

[23:34] Flux 이미지 생성 엔드포인트를 호출하고 있습니다.

[23:37] 이미지 프롬프트를 전송하고

[23:39] 보시다시피

[23:40] 네 개의 요청을 보냅니다. 첫 번째는

[23:41] 통통한 비버입니다. 두 번째는

[23:44] 같은 비버를 자세히 보여주고, 세 번째는

[23:46] 나뭇가지를 배치하는

[23:47] 클로즈업 장면이고, 네 번째는

[23:48] 실제 완성된 집입니다.

[23:50] 이렇게 네 개의 다른

[23:51] 이미지를 만듭니다. 여기서 보시면

[23:53] 출력되는 것을 볼 수 있는데

[23:55] 모두 아직 대기 중이에요.

[23:56] 실제로 생성하는 데

[23:57] 시간이 좀 걸립니다. 그래서 90초를 기다리고

[23:59] 기본적으로

[24:01] 다른 엔드포인트에 요청을 보내서

[24:03] 이 요청들의 상태를

[24:05] 확인하러 가는 거죠.

[24:07] 이제 보시면

[24:08] 모두 완료되었고 실제 이미지의

[24:10] 링크가 생겼는데, 바로

[24:12] 여기 이미지 URL이 있습니다. 제가 이동해보면

[24:14] 우리의 비버에 대한

[24:15] 이미지 중 하나를 볼 수 있죠. 한 가지

[24:17] 유의할 점은, 이상적으로는

[24:19] 이상적으로는 폴링 방식으로 설정하여

[24:20] 단순히 90초를 기다리고 추측하는 것이 아니라

[24:22] 왜냐하면 90초 후에도 완료되지 않으면

[24:24] 워크플로우가 완료되지 않은 상태에서

[24:26] 예를 들어 세 개의 이미지는 완료되었지만

[24:28] 네 번째 이미지가 아직 생성되지 않아

[24:30] 하나를 놓칠 수 있기 때문입니다.

[24:31] 폴링은 기본적으로 계속 확인하면서

[24:32] 완료되지 않았다면 다시 루프를 돌면서

[24:34] 잠시 기다렸다가 다시 확인하는 방식입니다.

[24:35] 이렇게 하면 모든 네 개의 이미지가

[24:37] 완료될 때까지 다음 단계로 넘어가지 않습니다.

[24:38] 이에 대한 간단한 예시를 보고 싶다면

[24:39] 파이어콜 영상에서 예시를 보여드렸습니다.

[24:41] 위쪽에 태그해두었으니 참고하세요.

[24:43] 어쨌든, 이미지들이 URL 형태로 생성되면

[24:45] runway를 사용해서 이 URL 이미지들을

[24:46] 비디오로 변환합니다.

[24:48] 여기서 body 요청에 전달하는 것은

[24:50] 프롬프트 이미지입니다. 보시다시피

[24:52] URL을 전송하고 있고, 총 네 개의

[24:54] 서로 다른 URL이 있습니다.

[24:56] 그리고 프롬프트 텍스트도 전송하는데,

[24:58] 이는 모델이 이미지를 비디오로

[24:59] 변환하는 데 도움을 줍니다.

[25:01] 이 프롬프트 텍스트는 앞서 텍스트-이미지

[25:02] 생성에 사용했던 것과 동일합니다.

[25:04] 이제 이것을 이미지-비디오 생성에

[25:06] 다시 사용하고 있습니다.

[25:09] 왜냐하면 여기에는 작은 스토리가

[25:10] 포함되어 있기 때문입니다.

[25:12] 이 프로세스는 네 개의 ID를 출력하고

[25:13] 나중에 다시 이들이 실제로 생성될 때까지

[25:14] 기다려야 합니다.

[25:17] 그리고 나서 이 ID들이 완료되었는지

[25:19] 확인하게 됩니다.

[25:21] 약 60-90초 후에 완료되면

[25:22] 모든 상태가 '성공'으로 표시됩니다.

[25:24] 그러면 링크 형태로 출력물을 받게 되는데

[25:26] 이 링크를 클릭하면 실제 비디오를 볼 수 있습니다.

[25:28] 물론 아직 사운드 효과는 없습니다.

[25:30] 다음 단계는 각 클립에 사운드 효과를 추가하고

[25:31] 모든 것을 함께 렌더링하는 것입니다.

[25:34] 이를 위해 사운드 에이전트를 사용합니다.

[25:36] 각 장면을 개별적으로 전달했습니다.

[25:37] 첫 번째, 두 번째, 세 번째, 네 번째 장면을

[25:39] 시스템 프롬프트에서는

[25:41] 마스터 사운드 프롬프트 생성기로서

[25:42] 주어진 장면에 기반하여 생생하고 몰입감 있는

[25:44] 사운드 프롬프트를 만들도록 지시했습니다.

[25:46] 장면 1, 장면 2, 장면 3, 장면 4에 대해

[25:48] 모두 배경 사운드 효과가 되도록 했습니다.

[25:50] 보시다시피 네 가지 다른 출력물이 생성되는데

[25:52] 이들은 모두 다른 사운드 효과 프롬프트입니다.

[25:53] 이것들을 11 Labs에 입력하여

[25:55] 텍스트를 5초 길이의 사운드로 변환합니다.

[25:57] 그래서 여기서 11 Labs에 요청을 보내면서

[25:59] "이 텍스트를 사운드 효과로 바꿔주세요"라고

[26:00] 지시하는 것입니다.

[26:02] 그러면 여기서 볼 수 있듯이

[26:03] 각각 5초 길이의 네 개의 서로 다른

[26:05] 사운드 효과 클립이 생성됩니다.

[26:07] 작업 속도를 빠르게 설명하고 있지만

[26:09] 영상이 너무 길어지는 것을 피하고 싶습니다.

[26:12] 그래서 11 Labs로 요청을 보내면서

[26:14] "여기 텍스트를 사운드 효과로

[26:16] 변환해주세요"라고 전달하면

[26:18] 여기서 볼 수 있듯이

[26:19] 네 개의 각각 5초짜리 사운드 효과 클립이 생성됩니다.

[26:20] 조금 빠르게 설명하고 있는데

[26:22] 영상이 너무 길어지는 것을 피하고 싶어서입니다.

[26:26] 빠르게 진행하고 있지만, 영상이 너무 길어지는 걸

[26:28] 원하지 않아서입니다. 앞서 언급한 영상에 대한

[26:29] 전체 세부 내용이 있으니

[26:31] 자세한 내용을 알고 싶으시다면

[26:32] 꼭 확인해 보시기 바랍니다.

[26:34] 여기 마지막 단계에서는

[26:36] 렌더링을 하고 로그를 기록합니다.

[26:37] 모든 것을 병합하여

[26:39] 네 개의 항목을 만들어내는데,

[26:40] 각각 비디오와 오디오가 포함되어 있습니다.

[26:43] 바로 여기서 확인할 수 있죠.

[26:45] 여기 결과가 나왔네요.

[26:46] 보시다시피 네 개의 항목이 있고

[26:49] 각각의 성공 메시지와

[26:50] 필요한 링크들이 있습니다. 그리고

[26:51] 이를 정리하고 분리했습니다.

[26:53] 여기 첫 번째 항목이 있고

[26:55] 첫 번째 항목의 오디오와

[26:57] 첫 번째 항목의 비디오가 있습니다.

[26:59] 이런 식으로 네 개가 모두 있어서

[27:01] Create a Mate 템플릿에

[27:03] 쉽게 전달할 수 있습니다.

[27:05] 우리가 하는 것은

[27:06] 네 개의 변수를 여기로

[27:07] 전달하는 것뿐입니다. Create Mate

[27:09] 템플릿 스크립트를 가지고 있다면

[27:11] Create Mate에서 해야 할 일은

[27:12] 여기 소스 에디터로 가서

[27:14] 스크립트를 여기에 붙여넣기 하는 것입니다.

[27:16] 그리고 템플릿 API 통합 사용을 클릭하고

[27:18] 이 curl 명령어를 누르면 됩니다.

[27:19] 그리고 n8n에서는

[27:21] HTTP 요청에 curl을

[27:23] 가져와서 붙여넣기만 하면 됩니다.

[27:25] 그러면 템플릿이 준비됩니다.

[27:27] 그 다음에는 기본적으로

[27:28] 네 개의 비디오 소스와

[27:29] 네 개의 오디오 소스를 드래그하면 되는데,

[27:31] 이것들은 웹 콘텐츠 링크

[27:33] 소스입니다.

[27:35] 보시다시피 0부터 3까지

[27:37] 번호가 매겨져 있어서

[27:39] 네 개가 모두 있다는 뜻이고,

[27:40] 모든 것을 연결하고

[27:42] Create Mate를 만드는 데 필요한

[27:44] 모든 것이 있습니다.

[27:45] 이것은 이미지와 비디오를 만들 때와

[27:48] 매우 비슷한데,

[27:49] 처리 중이라는 메시지가 나타납니다.

[27:51] 기본적으로 '처리 중입니다'

[27:52] 라고 나오죠. 25초 정도

[27:54] 기다려야 하고, 그 다음

[27:55] URL을 다운로드할 엔드포인트를 호출합니다.

[27:57] 이전 단계에서 받은 URL을 사용하고

[27:59] 그러면 결과가 돌아오는데

[28:03] 보시다시피 사운드 효과가 포함된

[28:06] 완성된 비디오가

[28:07] 렌더링되어 있습니다. 그래서 여기

[28:09] 바이너리 형태로 비디오가 있으니

[28:11] 텔레그램으로 보내기만 하면 됩니다.

[28:12] 그리고 제목을 빠르게 만들어서

[28:14] 그 제목과 필요한 모든 것을

[28:16] 로그에 기록합니다.

[28:19] 자, 이렇게 모든 도구들이

[28:21] 작동하는 방식입니다.

[28:23] 좀 빠르게 설명해서 죄송합니다.

[28:24] 영상이 너무 길어지지 않게 하려고요.

[28:26] 이제 가격에 대해 얘기해보고

[28:28] 여러분의 n8n에서 어떻게 설정하는지

[28:30] 알아보겠습니다. 자, 제가 만든

[28:32] 시스템 가격에 대한 문서가 여기 있습니다.

[28:34] 당연히 n8n이 가장 중요한 부분이고

[28:36] 여기서 모든 것을 호스팅하게 됩니다.

[28:38] 이 모든 것을 호스팅하는 비용에 대해 말씀드리면,

[28:39] 이 영상에서는 클라우드를 사용하고 있는데,

[28:41] 클라우드 비용은 한 달에

[28:43] 27달러 정도의 요금제를 사용하고 있습니다.

[28:44] 우선 이미지 생성 비용부터

[28:46] 말씀드리겠습니다.

[28:48] 우리는 기본적으로 OpenAI의 새로운

[28:50] GPT 이미지 모델을 사용하고 있는데,

[28:52] 이는 ChatGPT 4.0과 동일한

[28:54] 생성 모델을 사용합니다.

[28:57] 이미지 한 장당 19~20센트 정도이며,

[28:59] 이미지 편집도 마찬가지로 19~20센트가 듭니다.

[29:01] 또한 이 모델은 LinkedIn과

[29:04] 블로그 포스팅 에이전트에서도 사용됩니다.

[29:06] 이 점을 염두에 두시고,

[29:09] 실행당 약 20센트의 비용이

[29:10] 든다는 것을 기억하세요. 하지만 이미지 생성 엔드포인트에서는

[29:12] DALL-E 2나 DALL-E 3와 같은

[29:14] 다른 모델을 사용할 수도 있는데,

[29:16] 이들은 좀 더 저렴합니다.

[29:18] 가격은 여기에 모두 나와 있습니다.

[29:19] 요청 부분을 보시면

[29:21] 'model'이라는 파라미터가 있는데,

[29:23] 여기서 모델을 변경할 수 있습니다.

[29:24] 더 저렴한 모델로 바꾸고 싶다면

[29:26] 동적으로 설정할 수도 있어서

[29:27] 에이전트가 상황에 따라

[29:28] 자동으로 선택하게 할 수 있죠.

[29:30] 어떤 작업을 하느냐에 따라

[29:31] 저렴한 모델을 선택할 수 있습니다.

[29:33] 비디오 생성 워크플로우에서는

[29:35] 이미지를 생성할 때

[29:36] Stability AI API를 사용하는데,

[29:39] 이미지당 약 1.5센트로

[29:41] 훨씬 더 저렴한 방법입니다.

[29:43] 비디오 생성의 경우,

[29:45] Runway를 사용하는데, 5초짜리 비디오 클립당

[29:47] 약 25센트가 듭니다.

[29:49] 10초짜리는 50센트인데,

[29:51] 우리는 5초짜리 클립 4개를 만들기 때문에

[29:53] 실행당 약 1달러가 듭니다.

[29:55] 여기에 이미지 비용도

[29:56] 추가로 들어갑니다.

[29:59] Create의 경우 현재 무료 체험판을 사용 중인데,

[30:01] 50개의 무료 크레딧을 제공합니다.

[30:03] 보시다시피 지금까지

[30:05] 3번의 성공적인 렌더링에

[30:08] 50개 중 3개의 크레딧을 사용했습니다.

[30:10] 20초 렌더링당 1크레딧이

[30:12] 필요한 것 같습니다. 그리고 여기

[30:14] 조사해본 바로는

[30:15] 2,000 크레딧으로

[30:17] 약 200개의 비디오를 만들 수 있다고 합니다.

[30:19] Create 메이트로 돌아가서

[30:21] 요금제 업그레이드를 확인해보면,

[30:23] 2,000 크레딧으로 200개 이상의 비디오나

[30:25] 2,000개의 이미지를 만들 수 있습니다.

[30:27] 정확한 수치는 모르겠지만, 지금까지

[30:29] 3번의 렌더링에 3크레딧이 사용됐네요.

[30:30] 음향 효과는 Eleven Labs를 사용하는데,

[30:32] 스타터 플랜이 월 5달러이고

[30:34] 꽤 많은 크레딧을 제공합니다.

[30:35] 아마 다 쓰지도 못할 거예요.

[30:37] 아직 플랜을 업그레이드할 필요가 없었어요.

[30:38] 그래서 월 5달러 정도입니다.

[30:40] 그리고 모든 텍스트 생성과

[30:41] 워크플로우와 에이전트의 추론을 위해

[30:43] 전체 워크플로우에서

[30:45] GPT-4와 GPT-4 Mini를 사용하고 있습니다.

[30:47] Open Router를 통해 사용하고 있는데,

[30:49] 비용이 그리 많이 들지 않습니다.

[30:52] GPT-4는 백만 토큰당 2달러 정도입니다.

[30:54] 입력 토큰 100만 개당 2달러이고, 출력 토큰

[30:56] 100만 개당 8달러입니다. 41 미니는 입력 토큰

[30:59] 100만 개당 40센트, 출력 토큰은

[31:01] 100만 개당 1.60달러입니다.

[31:03] 이 문서는 프리스쿨 커뮤니티에

[31:05] 다른 필요한 리소스들과 함께

[31:06] 첨부되어 있을 거예요.

[31:08] 자, 이제 실제로 이것을 설정하는 방법을

[31:09] 알아볼게요. 첫 번째 단계는

[31:11] 프리스쿨 커뮤니티에 가서

[31:13] 리소스를 받아야 합니다. 먼저

[31:15] 프리스쿨 커뮤니티에 가입하세요.

[31:17] 비디오 제목으로 검색하거나

[31:18] YouTube 리소스를 클릭하고

[31:19] 이 비디오와 관련된 게시물을 찾으면

[31:21] 모든 JSON 템플릿을 찾을 수 있습니다.

[31:23] 이것들을 다운로드해야 합니다.

[31:25] 총 7개의 워크플로우가 있는데,

[31:27] 메인 에이전트와 6개의 도구가 있습니다.

[31:28] 각각을 개별 워크플로우로 가져와야 해요.

[31:30] 여기 위로 와서 '파일에서 가져오기'를 클릭하세요.

[31:31] 워크플로우를 클릭하면

[31:32] JSON 워크플로우가 이렇게 나타날 거예요.

[31:34] 워크플로우를 클릭하면,

[31:36] JSON 워크플로우가 이렇게 표시되고 모두 설정됩니다.

[31:38] 또한 여기 어딘가에 설정 가이드가 있을 텐데,

[31:39] 거기에는 API 키와 같은

[31:41] 필요한 다양한 항목들이

[31:42] 설명되어 있을 거예요.

[31:44] 그리고 워크플로우를 구성해야 합니다.

[31:45] 예를 들어, 이미지 검색 워크플로우를

[31:47] 가져올 때는 여기 들어와서

[31:49] 원하는 참조가 맞는지 확인해야 합니다.

[31:51] 당신의 인스턴스에서 지정한

[31:52] 이름이 무엇이든,

[31:54] 예를 들어 'search images'라고

[31:55] 이름을 지정했다면,

[31:57] 클릭해서 연결되어 있는지

[31:58] 확인해야 합니다.

[31:59] 이것을 클릭해서 확인할 수 있는데,

[32:01] 새 탭에서 해당 워크플로우가 열립니다.

[32:03] 물론 OpenAI, Open Router,

[32:05] Google Drive, Google Sheets 등

[32:06] 다양한 API 키를 입력해야 합니다.

[32:08] 다음 단계는 Google Sheets 템플릿입니다.

[32:10] 커뮤니티에 이 템플릿 링크도

[32:12] 올려두었습니다. '파일'을 클릭하고

[32:14] 복사본을 만들면 됩니다.

[32:16] 그러면 당신의 Google Suite에서

[32:17] 모든 것을 기록하는데 사용할 수 있습니다.

[32:19] 이름들은 항상 일관성 있게 유지될 거예요.

[32:21] 실행하면 자동으로 업데이트될 것입니다.

[32:23] 그리고 당연히

[32:24] 실행하면,

[32:26] 자동으로 업데이트되어

[32:27] 바로 사용할 수 있습니다.

[32:28] 그리고 물론, Creatate 템플릿도

[32:30] 받아야 하는데, 이렇게 생겼습니다.

[32:32] 이것도 커뮤니티에 올려두었어요.

[32:33] CreativeMate에서 새 템플릿을 열고,

[32:35] 처음부터 시작해서, 소스 에디터를 열고

[32:36] 거기에 붙여넣으면 됩니다.

[32:38] 그다음 템플릿 API 통합 사용을 클릭하고,

[32:40] 아래쪽에 있는 페이스리스 비디오 단계에

[32:41] curl을 가져와서 실제로 비디오를

[32:43] 렌더링하게 됩니다.

[32:45] curl 명령을 가져오면 모든 것이

[32:47] 채워져 있을 거예요. 변수들만

[32:49] 드래그해서 넣으면 됩니다. 또는

[32:50] 모든 변수를 여기에 두고

[32:51] creatate의 템플릿 ID만

[32:53] 바꾸면 됩니다.

[32:54] 그리고 Telegram 인증 정보만

[32:56] 추가로 입력하면 될 것 같네요.

[32:59] 다른 것은 없을 것 같은데,

[33:00] 설정 가이드를 참고하시면

[33:01] 잘 진행하실 수 있을 겁니다.

[33:04] 혹시 빠진 게 있더라도,

[33:05] 설정 가이드가 있으니

[33:06] 이 에이전트를 실행하고 사용하는 데

[33:07] 문제없을 거예요.

[33:09] 완전 초보이거나

[33:11] 약간의 경험이 있지만

[33:12] 지식을 더 넓히고 싶다면,

[33:13] 제 유료 커뮤니티를

[33:14] 확인해보세요. 링크는

[33:16] 설명란에 있습니다. 현재 1100명 이상의

[33:17] 멤버들이 매일 Nen을 사용하고

[33:19] 자동화를 구축하고 있습니다.

[33:21] 에이전트 구축에 대한 전체 과정이 있는

[33:22] 강의실 섹션이 있고,

[33:24] 벡터 데이터베이스와 API,

[33:25] HTTP 요청과 같은 심화 주제들도 다룹니다.

[33:27] 또한 단계별 구축 과정도 있어요.

[33:29] 주간 라이브 콜을 5번 진행하는데,

[33:31] 모두 녹화되어 있어서

[33:32] 막히는 부분 없이

[33:34] 진행할 수 있습니다. 현재

[33:35] 완전 초보자를 위한

[33:37] 새로운 과정들을 준비 중인데,

[33:38] 기초부터 시작해서

[33:40] 프로세스 자동화까지 배울 수 있습니다.

[33:41] 커뮤니티에서 여러분을

[33:43] 만나보고 싶네요. 라이브 콜에서도

[33:44] 뵙고 싶습니다. 이번 영상은

[33:46] 여기까지입니다. 이 영상이 도움이 되었거나

[33:47] 새로운 것을 배우셨다면,

[33:48] 좋아요 눌러주세요. 큰 도움이 됩니다.

[33:49] 항상 끝까지 시청해 주셔서

[33:51] 감사합니다.

[33:52] 다음 영상에서 뵙겠습니다. 감사합니다.

AI 에이전트 1개로 마케팅 팀 만들기 (무료 n8n 템플릿)

요약

주요 키워드

하이라이트

용어 설명

n8n

AI 에이전트

텔레그램 노드

하위 워크플로우(서브플로우)

구조화된 출력(Structured Output)

분기 노드(Split Node)

HTTP Request 노드

CreativeMate