Preview Note

노트 작성은 빠르게, 제작 비용은 가볍게

영상 1시간의 프리뷰 노트 작성에 수작업은 최소 4시간, Preview Note는 15분이 걸립니다. 촬영본의 인물·말자막·화면 설명을 AI가 자동으로 정리합니다. 제작진은 완성된 초안을 검토하는 것부터 시작해 편집에 더 빨리 착수할 수 있습니다.

노트 생성 비용은 **영상 1분당 0.15달러(USD)**입니다. 인물 정보와 말자막, 화면 설명을 하나의 타임라인에서 확인하고, 필요한 부분을 수정해 팀의 편집 자료로 활용합니다.

방송 서식으로 전달하는 프리뷰 노트

입력은 촬영 원본 영상 하나(선택적으로 그 회차의 기획서). 출력은 방송사 서식에 맞춘 DOCX와 동일 내용의 Markdown입니다.

아래는 문서 구성을 보여주는 예시입니다.

프리뷰 노트: 0628-1-2 — <아이템 제목>
================================================================
등장 인물 : 출연자 A, 출연자 B, 제작진(PD/작가)
================================================================
T/C     내 용

[0004] 목장 아침, 사료 배합 지시
0004    출연자 A   아, 대장이 한 명이 있구나. 오늘 좀 일정하네.
0006               야외 목장에서 두 사람이 먹이를 들고 우리 안에 서 있습니다.
0009    제작진     대장이 있긴 있겠지. 근데 그게 머리가 좋지가 않대요.

한 줄씩 뜯어보면 구성이 드러납니다.

• 타임코드 — 영상 시작 기준 밀리초를 방송 서식(MMSS/HMMSS)으로 변환
• 인물 — 말하는 사람을 구분하고, 확인된 경우 인물명 표기
• 말자막 — 음성을 텍스트로 옮겨 말한 사람·타임코드와 함께 정리
• 화면 설명 — 인물의 행동과 장면 상황을 글로 묘사
• 소제목 — 장면·주제 전환 지점에 붙는 한 줄 요약
• 헤더 — 기획서에서 뽑아낸 프로그램·등장인물·배경 정보

인물·말자막·화면 설명을 한 타임라인에서 함께 확인할 수 있습니다. 타임코드와 소제목으로 필요한 구간을 찾고, 팀이 사용하는 문서에서 바로 수정하고 공유합니다.

대사·장면·기획서를 합치는 처리 과정

영상 ─┬─▶ ① 전역 word-level STT + 화자분리 ──▶ 대사 + 화자 임베딩
      └─▶ ② 구간별 씬 분리 + 키프레임 + OCR ──▶ 지문 + 화면 텍스트
                    ③ 기획서 파싱 ──▶ 고유명사·등장인물 컨텍스트
                    ④ 오탈자 교정 + voiceprint 실명 매칭
                    ⑤ 타임라인 병합 + 소제목 + DOCX 렌더

전사는 왜 “전역”이어야 하는가

화자 분리가 붙이는 화자 1, 화자 2 라벨은 처리 단위 안에서만 유효한 로컬 식별자입니다. 긴 촬영본을 구간별로 잘라 처리하면 같은 인물의 화자 라벨이 달라질 수 있어, 문서를 검토할 때 혼동이 생깁니다.

그래서 파이프라인을 쪼갰습니다 — 음성은 영상 전체를 한 번에(화자 일관성 확보), 영상(씬·지문·OCR)은 구간별로(씬은 애초에 로컬 단위라 잘라도 무방).

세그먼트가 아니라 단어에 화자를 붙인다

일반적인 STT+화자분리 결합은 세그먼트(5~20초 덩어리)를 가장 많이 겹치는 화자에게 통째로 배정합니다. 촬영 현장에서 이 방식은 무너집니다.

”…이렇게 사료를 섞는데요” (출연자) → “잠깐, 여기 롱샷으로” (PD) → “아 네” (출연자)

세 발화가 한 세그먼트에 들어가면 셋 다 출연자 한 명의 말이 됩니다. 연출 지시가 출연자 대사로 둔갑합니다. 프리뷰 노트에서 이건 치명적입니다.

Preview Note는 단어마다 화자를 배정하고 화자가 바뀌는 지점에서만 줄을 나눕니다. 여기에 무음 간격(4초) 과 줄 최대 길이(7초) 상한을 겁니다. 7초는 이 처리 구성에서 사용하는 줄 길이 기준입니다. 프리뷰 문서와 최종 자막의 납품 규격은 구분하며, 적용 기준을 프로젝트에 맞춰 확인합니다.

기획서를 컨텍스트로 주입한다

범용 도구와 가장 크게 갈리는 지점입니다. 방송 제작에는 프로그램명·등장인물 실명·촬영 장소·상품명이 적힌 기획서가 있습니다. 사람 프리뷰어는 당연히 이걸 옆에 놓고 작업합니다. 기계는 그러지 않았습니다.

기획서를 PDF·DOCX 그대로 받아 구조화하고, 추출된 고유명사 목록이 두 곳에서 일합니다.

1. 오탈자 교정의 근거 — 음성 인식이 상호명을 띄어 쓰거나 잘못 적는 것을 바로잡습니다. 교정에는 강한 제약이 걸립니다: 의미를 바꾸지 말 것, 내용을 추가·삭제하지 말 것, 입력과 정확히 같은 개수의 배열로 반환할 것. 개수가 안 맞으면 그 배치는 통째로 원문을 유지합니다.
2. 아이템 매칭 — 파일명 숫자는 아이템 번호가 아니라 카메라·테이프 번호인 경우가 흔합니다. 그래서 전사 텍스트에 각 아이템의 고유명사가 몇 번 등장하는지 세는 내용 기반 매칭으로 바꿨습니다. 단순한 카운팅이지만 파일명 규약보다 훨씬 잘 맞습니다.

화자 라벨을 영상 밖으로 들고 나가기

화자 라벨은 영상별로 부여됩니다. 같은 인물이 반복 등장하는 시리즈에서는 256차원 음성 임베딩을 인물별 프로필로 누적하고 코사인 유사도로 비교합니다. 사람이 확인한 이름과 프로필은 다음 회차의 화자 매칭에 활용됩니다. 불확실한 경우에는 익명 화자 표시를 유지하고 담당자가 확인합니다.

LLM은 후보 생성에만, 최종 제약은 코드가

수천 줄짜리 평평한 타임라인은 읽을 수 없습니다. 그래서 전환점에 소제목을 자동으로 답니다. 다만 모델이 반환한 시각은 실제 존재하는 행의 시작 시각으로 스냅하고, 인접 소제목 사이 최소 간격을 코드로 강제합니다.

LLM은 “너무 잦지 않게” 같은 지시를 잘 지키지 않습니다. 그래서 지시로 부탁하고 코드로 강제합니다. 생성 결과가 실제 타임라인을 벗어나지 않도록 후처리합니다.

도입 시 함께 확인하는 것

비전 캡셔닝은 도메인 지식이 없습니다. 키프레임 한 장만 보고 묘사하므로 특수한 소재를 오인할 수 있습니다. 기획서 정보를 캡셔닝 프롬프트에 주입하는 것이 다음 개선 과제입니다.

화자 실명은 보조 수단입니다. 매칭은 보수적으로 설계되어 애매하면 포기하고 화자 N을 유지합니다. 프리뷰어의 검수를 전제로 한 도구입니다.

화면 텍스트(OCR)는 선택 적용입니다. 타임코드 번인·카메라 UI 같은 잡음이 섞이기 쉬워 기본 파이프라인에서는 끄고, 자막·현수막처럼 의미 있는 텍스트가 필요한 프로젝트에서 켜서 씁니다.

검토하고 바로 편집 자료로 활용하기

말자막·화면 설명·인물 정보를 단계별로 저장해 중단된 작업을 이어갈 수 있도록 합니다. 결과는 팀이 사용하는 방송 서식에 맞춘 DOCX와 Markdown으로 받아 수정하고 공유합니다.

최종 산출물은 제작진이 원본과 대조하는 초안입니다. 겹쳐 말한 대사, 인물명, 특수한 사물의 장면 설명을 검수하고 방송 서식에 맞춰 완성합니다. 도입 시 실제 촬영본과 사용 중인 문서 서식으로 품질·작업시간을 확인합니다.