YouTube 롱폼 자동화 파이프라인 v1.0

🔄

최적 파이프라인: 6단계 구조

오케스트레이터 (Claude Code) → workflow.json 기반 상태 관리

Stage 1

RESEARCH

리서치 & 전략
strategist 에이전트

~2분

▶

Stage 2

SCRIPT

대본 & QA
writer + reviewer

~5분

▶

!

▶

⚡ 병렬 실행 (Stage 3)

3-A: AUDIO

TTS + 자막 | ~4분

3-B: VISUAL

이미지 + 클립 | ~8분

▶

Stage 4

ASSEMBLY

편집 & 합성
ffmpeg 조립

~8분

▶

Stage 5

PACKAGING

썸네일 + 메타
SEO 최적화

~3분

▶

Stage 6

PUBLISH

YouTube 업로드
스케줄 설정

~4분

병렬 처리 (30% 시간 단축)

선택적 인간 검토 게이트

Resume 지원 (실패 시 해당 단계 재시작)

왜 8단계가 아닌 6단계인가?

구분	rushindrasinha (Shorts)	darkzOGx (에이전트)	autoworker (레퍼런스)	✅ 우리 설계
단계 수	3단계	5 에이전트	8단계	6단계
병렬 처리	❌	❌	❌	✅ Stage 3
Resume 지원	✅	❌	❌	✅
핵심 약점	롱폼 구조 부족	미디어 제작 없음	느림, 비효율	—

📋

단계별 상세 명세

1

RESEARCH — 리서치 & 전략 수립

strategist 에이전트 | 자동화 100%

~2분

📥 INPUT

settings.json 채널 설정

topic 주제 또는 키워드

📤 OUTPUT

_refs/concept.md

_refs/research.json

경쟁 영상 분석 → 키워드 리서치 → 콘셉트 확정 → SEO 전략 수립 → 감정 전략 설계
concept.md 포함 항목: 앵글, 핵심약속, 타겟시청자, 서사유형, 감정전략, 제목후보 3개

2

SCRIPT — 대본 & QA 검토

writer + script-reviewer 에이전트 | 🔴 선택적 인간 검토

~5분

📥 INPUT

concept.md

style_guide (settings에서)

📤 OUTPUT

_script/outline.md

_script/script.txt (씬 마커 포함)

_script/storyboard_hints.json

_script/qa_report.md

⚡ 인간 개입 게이트 — settings.json에서 "human_review_script": true이면 대본 승인 후 Stage 3 진행. false 시 end-to-end 완전 자동.

3

AUDIO + VISUAL — 병렬 미디어 제작

audio-pd + visual-pd | ⚡ 동시 실행

~8분 (병렬)

🎵 3-A AUDIO

ElevenLabs TTS → audio/scene_XX.mp3

Whisper 자막 → captions/full.srt

🖼️ 3-B VISUAL

이미지 생성 → images/scene_XX.png

Ken Burns 변환 → clips/scene_XX.mp4

Stage 3-A와 3-B는 동시에 실행. 가장 시간이 많이 걸리는 구간이므로 병렬화가 핵심. 이미지 생성은 씬별로도 내부 병렬화 가능.

4

ASSEMBLY — 편집 & 합성

assembler 에이전트 | ffmpeg 기반

~8분

📥 INPUT

audio/ 보이스오버 파일

clips/ 비디오 클립

captions/full.srt

_assets/music/bgm.mp3

📤 OUTPUT

output/video_draft.mp4

클립+오디오 싱크 → 자막 번인 → BGM 믹싱 (볼륨 12%) → 크로스페이드 트랜지션 → 최종 렌더링

5

PACKAGING

썸네일 + SEO 메타데이터

~3분

출력: thumbnail.png (2-3종) + youtube.md
youtube.md 포함: 제목 (60자↓), 설명글, 태그 15개, 챕터 마커, 고정댓글

6

PUBLISH

YouTube Data API v3 업로드

~4분

업로드 → 썸네일 설정 → SRT 자막 첨부 → 재생목록 추가 → 예약 공개
YouTube API: 무료 | 하루 최대 6편 업로드

💰

파이프라인 A/B/C 비용 비교

파이프라인 A

최소 비용형

$0~$10/월

TTSEdge-TTS (무료)

이미지Flux.1 로컬/HF

편집ffmpeg (무료)

LLMGemini Flash

영상당 비용~$0.10

소요 시간30-50분

✅ 시작 단계 검증용

파이프라인 B

품질 균형형

$25~$50/월

TTSElevenLabs Creator $22

이미지Gemini Imagen ~$1.2

편집ffmpeg (무료)

LLMClaude Sonnet ~$1

영상당 비용~$0.65-1.60

소요 시간20-35분

✅ 이미 보유한 API로 즉시 가능

파이프라인 C

고품질형

$130~$200/월

TTSElevenLabs Pro $99

이미지Flux Pro / Midjourney

비디오Kling AI (키 씬)

LLMClaude Sonnet

영상당 비용~$4-8

소요 시간25-45분

⚠️ ROI 검증 후 전환 권장

🔧

도구 스택 상세 비교

TTS (음성 합성)

도구	무료 플랜	유료 시작가	다국어	품질	추천
ElevenLabs	10k 크레딧/월	$5/월	30+ 언어	★★★★★	메인
Edge-TTS (Microsoft)	완전 무료	—	다국어	★★★★	폴백
Google Cloud TTS	100만자/월	$4/100만자	40+ 언어	★★★★	—
NAVER CLOVA Voice	유료만	종량제	한국어 특화	★★★★★	한국어 전용 시

이미지 생성 (B-roll + 썸네일)

도구	무료	API 단가	품질	상업적 사용
Gemini Imagen 3	제한적 무료	$0.03/장	★★★★	✅
Flux 1.1 Pro	유료	$0.04/장	★★★★★	✅
Flux Dev (로컬)	완전 무료	HW 비용만	★★★★★	비상업
DALL-E 3	유료	$0.04-0.08/장	★★★★	✅
Stable Diffusion	완전 무료	HW 비용만	★★★★	✅

AI 비디오 생성 (선택 모듈)

💡 롱폼 파이프라인 기본 구성에서 AI 비디오 생성은 선택 사항. Ken Burns(이미지 패닝)로 대체 가능하며 레퍼런스 영상도 실제로 이 방식 사용.

순위	도구	무료	유료 시작가	품질 (Elo)
1	Runway Gen-4.5	유료	$15/월	1,247
2	Google Veo 3	Gemini 내	$20/월	1,226
3	Kling 2.5 Turbo Pro	유료	$10/월	1,225
6	Hailuo 02	유료	$14.99/월	1,208

📦

참고 가능한 오픈소스 레포

⭐⭐⭐

rushindrasinha / youtube-shorts-pipeline

가장 완성도 높은 파이프라인. Draft→Produce→Upload 3단계, 78개 테스트, Resume 지원, Claude+ElevenLabs+ffmpeg

Claude

ElevenLabs

ffmpeg

Resume

Stage 상태관리

⭐⭐⭐

darkzOGx / youtube-automation-agent

에이전트 5개 분리 설계. 다중 LLM 지원(Gemini 무료 티어), No-code 지향, 영상당 $0~$0.30

멀티 LLM

에이전트 분리

Gemini 무료

No-code

⭐⭐

Flexonze / I-automated-a-YouTube-channel

MoviePy 실전 편집 자동화. ~5분/영상 달성한 소규모 채널 운영 사례

MoviePy

Python

실전검증

⭐⭐

Hritikraj8804 / Autotube

n8n 노코드 오케스트레이션. 빠른 프로토타이핑에 적합

n8n

No-code

프로토타입

🎯

핵심 설계 원칙 6가지

01

파이프라인 고정, 콘텐츠는 변수

settings.json이 유일한 콘텐츠 구성 지점. 경제/역사/ASMR 등 유형이 달라도 파이프라인 코드는 그대로.

02

Stage 3 병렬화가 핵심

TTS와 이미지 생성이 가장 시간 소모적. 동시 실행으로 직렬 45분 → 병렬 30분 (30% 단축).

03

Resume-first 설계

모든 단계 완료 상태를 workflow.json에 저장. 실패 시 해당 단계부터 재시작 — 비용 낭비 방지.

04

Provider 추상화

TTS/이미지/비디오 제공자를 settings로만 전환. ElevenLabs → Edge-TTS 교체 시 코드 수정 불필요.

05

인간 개입은 1회만 (선택)

Stage 2 대본 승인 게이트만 선택적으로 유지. 나머지 5단계는 완전 자동. false 시 end-to-end.

06

비용 점진적 확장

A($0) → B($25) → C($130) 단계적 전환. 채널 수익이 비용을 초과할 때 업그레이드.

🗓️

구현 로드맵

1

WEEK 1-2 · PHASE 1

파이프라인 B 뼈대 구축

settings.json 스키마 확정

workflow.json 상태 관리 모듈

Stage 1: Research 에이전트 (Claude + search.py)

Stage 2: Writer + script-reviewer 에이전트

2

WEEK 3-4 · PHASE 2

미디어 제작 + 병렬화

Stage 3-A: ElevenLabs TTS + Whisper 자막

Stage 3-B: Gemini Imagen + ffmpeg Ken Burns

asyncio.gather 병렬 실행 구현

Stage 4: ffmpeg Assembly 자동화

3

WEEK 5 · PHASE 3

패키징 + 업로드

Stage 5: 썸네일 생성 (Pillow) + youtube.md

Stage 6: YouTube Data API v3 업로드

에러 처리 + resume 로직

End-to-end 테스트 (영상 1편 완주)

4

WEEK 6-7 · PHASE 4

다채널 + 자동화

파이프라인 A 추가 (Edge-TTS, Flux 대안)

다채널 병렬 스케줄러 (cron 통합)

비용 트래킹 대시보드

성과 피드백 루프 구축

다음 단계: 2단계 — 각 에이전트 프롬프트 설계

파이프라인 구조가 확정됐습니다. 다음은 각 Stage의 에이전트 프롬프트를 설계합니다.
Stage 1 (strategist), Stage 2 (writer + reviewer), Stage 3-B (visual-pd), Stage 5 (packager) 순서로 우선순위.

1순위

Stage 1 strategist 프롬프트
(리서치 + 컨셉 생성)

2순위

Stage 2 writer 프롬프트
(대본 + QA reviewer)

3순위

Stage 5 packager 프롬프트
(SEO 메타데이터 + 썸네일)

롱폼 자동화 설계 문서