작성: 2026-08-05 · 디렉터: Grok
v1 오류 정정: “스크린샷 + 공짜 edge-tts만 이으면 된다” = V1 싸구려 트랙.
정본: Grok 구독 능력 발휘 — Imagine 키프레임·10초 영상 생성 + 성우 더빙 + 로컬 FFmpeg 합성.
랜딩 웹페이지 = 베이스라인·연출 대본 (복붙 캡처 소스가 아님).
0. Boss 지적 — 수용
| 틀림 (v1) | 맞음 (v2) |
|---|---|
| Playwright 캡처 6장 붙이기 | Grok가 샷을 만든다 (image → video) |
| edge-tts가 본체 성우 | Grok 보이스/프리미엄 더빙 우선, 로컬은 폴백 |
| 웹페이지 = 찍을 화면 | 웹페이지 = 감독용 베이스라인 (스토리·카피·브랜드·구조) |
| “괜찮게 나올까?” 변명 | 이게 CLI 영상 자동화 테스트 목적 — 능력 발휘 |
한 줄:
비싼 Grok = 손·눈·카메라·성우. proot FFmpeg = 편집실. 랜딩 = 시나리오 원본.
1. 역할 분담 (정본)
| 역할 | 담당 | 도구 |
|---|---|---|
| 감독 | Grok | 6샷 스토리·감정·카메라·대본 |
| 키프레임 | Grok Imagine | image_gen / image_edit (랜딩 톤·레퍼런스) |
| 본편 샷 영상 | Grok Imagine | image_to_video duration=10 (또는 6+4 조립) |
| 성우 더빙 | Grok Voice 우선 | 보이스 풀(Ara/Eve/Luna 등 multilingual) · 불가 시 OpenAI tts-1-hd · 최후 edge+humanize |
| BGM | Boss 자작 | Shorts onIbZX6On3A · volume ≈ 0.08~0.12 |
| 편집·mux | 이 터미널 proot | FFmpeg concat + amix + loudnorm |
| 배포 | 로컬 | TG sendVideo / 파일 |
2. 베이스라인 — 랜딩 파싱 (연출 재료)
URL: https://helena751107.github.io/helena_phone/
| 재료 | 감독 사용법 |
|---|---|
| 히어로 카피 | 오프닝 훅 대사·무드 |
| Dual Track / Agents / System / Centers / Funnel / Constitution | 샷 주제·감정 아크 |
골드 #d4a84b · 다크 페이퍼 · 세리프 타이틀 |
비주얼 룩 고정 |
| “핸드오프가 곧 성공” | 엔딩 한 방 |
| 실제 DOM 스크린샷 | 필요 시 레퍼런스 1장 (image_edit 시드) — 최종 영상이 아님 |
랜딩을 “그대로 녹화”하는 게 아니라,
랜딩이 말하는 세계를 Grok 샷으로 재연출한다.
3. 6샷 디렉팅 (10초 × 6 = 60초)
| 샷 | 베이스 챕터 | 감정 | 카메라/모션 | 더빙 요지 (한 호흡) |
|---|---|---|---|---|
| S1 | Cover | 훅 | 느린 push-in, 폰·빛 | 갤럭시 한 대. 돌봄과 소망. |
| S2 | Three Agents | 동료 | 카드 패럴랙스·전환 | 세 동료. 지휘·외과·미디어. |
| S3 | System Map | 신뢰 | 노드 따라 패닝 | 폰에서 세상으로 흐르는 맵. |
| S4 | Seven Centers | 리듬 | 센터 링 순회 | 일곱 워크센터. 공장이 돈다. |
| S5 | Funnel + Cost | 상승 | 위로 슬라이드·밝아짐 | 웹진에서 독립까지. 비용은 거의 제로. |
| S6 | Constitution | 여운 | 홀드 후 살짝 pull-out | 핸드오프가 곧 성공. 계정은 누나 명의. |
룩 앵커: dark editorial webzine · gold accent · cinematic UI · 9:16 Shorts.
4. CLI 자동화 파이프 (이게 테스트 본체)
[1] Scout 랜딩 파싱 → shot_bible.json (주제·카피·감정)
[2] Keyframe image_gen / image_edit × 6 (9:16, 룩 고정)
[3] Animate image_to_video × 6 (duration=10, 샷별 모션 프롬프트)
[4] Dub Grok Voice(또는 차선) × 6 → 10s 맞춤(apad/atempo)
[5] Mix shot ffmpeg: video + dub per shot
[6] Concat ffmpeg concat demuxer -c copy
[7] BGM yt-dlp Boss음원 → volume=0.10 amix → final
[8] Ship out/landing6/landing6_final.mp4 → TG
4.1 핵심 명령 패턴
# 샷 영상 (Grok 도구)
image_gen(prompt=키프레임, aspect_ratio="9:16")
image_to_video(image=키프레임, prompt=모션 1문장, duration=10)
# 합성 (터미널)
ffmpeg -i shot.mp4 -i dub.m4a -map 0:v -map 1:a -c:v copy -c:a aac -shortest shot_dub.mp4
ffmpeg -f concat -safe 0 -i list.txt -c copy body.mp4
ffmpeg -i body.mp4 -i bgm.m4a -filter_complex "[1:a]volume=0.10[bg];[0:a][bg]amix=..." final.mp4
4.2 산출 경로
out/landing6/
shot_bible.json
kf_01.png … kf_06.png
s01.mp4 … s06.mp4 # Imagine 10s
dub_01.m4a … dub_06.m4a
s01_dub.mp4 … s06_dub.mp4
bgm_60.m4a
landing6_final.mp4
5. 성우 정책
- 1순위: Grok Voice MCP 성우 (Ara / Eve / Luna 등 · multilingual) — 보이스 목록 확인됨
- 2순위: OpenAI
tts-1-hd(voice_engine.py이미 있음, 키 있을 때) - 3순위: edge-tts + broadcast humanize (
voice_engine.py) — 폴백일 뿐 본체 아님
대본은 감독(Grok)이 샷별로 씀. 성우 연출 지시(속도·무게·여운) 포함.
6. 품질 바 (파일럿 합격선)
| 항목 | 바 |
|---|---|
| 비주얼 | 캡처 슬라이드쇼 티 안 남. 샷마다 의도된 모션 |
| 일관성 | 골드·다크 룩 6샷 유지 (키프레임 레퍼런스 체인) |
| 더빙 | 말 또렷, BGM에 안 먹힘 |
| BGM | Boss 음원 인지 가능, volume≤0.12 |
| 길이 | 60s ±1s · 9:16 |
| 목적 | CLI에서 Grok 영상 자동화 파이프 동작 증명 |
7. 일정
| 단계 | 내용 |
|---|---|
| ✅ | 랜딩 파싱 · 계획 v2 정정 |
| 다음 | shot_bible.json + 키프레임 6 |
| 다음 | image_to_video × 6 |
| 다음 | 더빙 × 6 + BGM amix |
| 다음 | final → TG |
GO 신호: Boss “찍어” / “만들어” → 즉시 Phase 키프레임부터 실행.
8. 결론
- Grok 구독 가치 = 영상 생성 + 연출 + 더빙 지휘, 문서 변명 아님.
- 웹페이지는 감독이 읽는 대본·룩북.
- proot는 합성·자동화 공장.
- 이 파일럿 = 10초×6 이어붙이기 실전 테스트.
— _Grok · v2 정정