하나의 영상을 모든 플랫폼용 게시물로 변환하는 콘텐츠 엔진을 구축했습니다

저는 몇 분 동안 영상을 녹화합니다. 나머지는 파이프라인 (pipeline)이 처리합니다. 파이프라인은 최고의 클립을 자르고, 자막을 달고, 바이럴 가능성 (virality)을 점수화하고, 음악을 섞고, 모든 플랫폼에 게시합니다. 그런 다음 동일한 녹화본을 블로그 포스트, 소셜 스레드 (social threads), 인용 카드 (quote cards), 심지어 타겟 오디언스별 맞춤 버전으로 변환합니다. 유일한 수동 단계는 녹화 버튼을 누르는 것뿐입니다.

저는 참조 아키텍처 (reference architecture)를 여기에 오픈 소스로 공개했습니다: https://github.com/levelsofself/content-engine

문제 (The problem)

콘텐츠를 만드는 것이 병목 현상 (bottleneck)은 아닙니다. 그것을 자르고, 자막을 달고, 플랫폼별로 형식을 맞추고, 다섯 군데에 게시하고, 거기서 더 많은 에셋 (assets)을 짜내는 것이 병목 현상입니다. 그 작업은 기계적이며, 기계적인 작업은 자동화 (automatable)가 가능합니다.

파이프라인 (The pipeline)

  record (1-10 min)
        |
        v
...

이 시스템은 한 번에 하나씩 도입할 수 있도록 단계별 (lanes)로 구축되었습니다: 비디오를 먼저, 그다음 텍스트 에셋 팩 (written asset pack), 마지막으로 오디언스 적응 (audience adaptation) 순서입니다.

스택 (The stack)

• 클리핑 (Clipping) + 전사 (transcription): Vizard API (클라우드 비디오 URL을 제공하면 점수가 매겨진 세로형 클립과 전사본을 반환합니다)
• 음악 (Music): ffmpeg, 분위기 태그가 달린 작은 로열티 프리 (royalty-free) 라이브러리, 목소리 아래로 낮게 믹싱되고 더킹 (ducked) 처리됨
• 호스팅 (Hosting) + 멀티 플랫폼 게시 (multi-platform posting): PostPeer (한 번의 호출로 모든 곳에 게시, 미디어를 위한 사전 서명된 업로드 (presigned upload))
• 오케스트레이션 (Orchestration): 작은 Python 서비스 (n8n도 가능)
• 텍스트 + 에셋 생성 (Text + asset generation): 모든 LLM (Large Language Model)
• 런타임 (Runtime): pm2가 설치된 저렴한 Linux VPS

모든 구성 요소는 얇은 래퍼 (wrapper) 뒤에 위치하므로, 클리퍼 (clipper), 포스터 (poster), LLM을 모두 교체 가능합니다.

접착제(glue) 엿보기

음악 단계는 단순히 sidechain compressor가 적용된 ffmpeg를 사용하여 목소리가 나올 때 배경음이 자동으로 낮아지도록(ducking) 처리합니다:

def add_music(in_mp4, music_mp3, out_mp4):
    subprocess.run([
        "ffmpeg", "-y", "-i", in_mp4, "-i", music_mp3,
...

중요한 단 하나의 규칙

게시 전 단계 (Stage before publish).

자동으로 게시되는 것은 아무것도 없습니다. 엔진은 스테이징 파일 (staged file)을 작성하며, 공개되거나 수익을 창출하는 모든 것은 사람이 승인합니다. 만약 두 개 이상의 브랜드를 운영한다면, 모든 에셋 (asset)은 정확히 하나의 브랜드에 태그되어 브랜드 간의 경계가 절대 섞이지 않도록 합니다.

직접 시도해보기

파이프라인 (pipeline), 정제된 스크립트 (sanitized script), 그리고 .env.example이 포함된 전체 레퍼런스는 여기에 있습니다: https://github.com/levelsofself/content-engine

단순 반복 업무 (busywork)를 늘리지 않으면서 퍼스널 브랜드를 확장하는 방법을 고민하는 과정에서 구축되었습니다. 이에 대한 더 자세한 철학은 https://levelsofself.com에서 확인할 수 있습니다.