본문 바로가기

블로그

ffmpeg-skill 4.0.0, AI가 편집한 영상의 작업 내역과 검사를 한 화면에

3분 분량

이 글은 한국어로만 제공돼요. English articles →

ffmpeg-skill 4.0.0
ffmpeg-skill 4.0.0

영상 하나를 세로로 잘라 달라고 했을 때, AI가 “완료했습니다”라고 답하면 결국 파일을 처음부터 다시 틀어 봐야 합니다. 화면이 9:16인지 확인하는 일과, 그 화면 안에 꼭 보여야 할 사람이 남았는지 확인하는 일은 다르니까요. ffmpeg-skill 4.0.0은 완성 영상 옆에 원본, 편집 순서, 타임라인, 검사 결과를 함께 띄우는 로컬 검토 화면을 추가했습니다. 깃허브에 표시된 출시 시각은 11월 20일 01:49 UTC, 한국 시각으로 같은 날 오전 10시 49분입니다.

ffmpeg-skill은 영상 생성 모델이 아닙니다. 코딩 에이전트가 기존 파일을 자르고, 자막을 입히고, 음량을 맞출 때 쓰는 FFmpeg 기반 도구 모음입니다. 에이전트가 편집 순서와 설정을 정하고 실제 파일 변환은 로컬에서 돌아갑니다. 이번 버전은 에이전트가 한 일을 사람이 확인하고, 어느 부분을 고칠지 지정하는 과정까지 다룹니다.

수정할 부분을 타임라인에서 짚을 수 있습니다.

검토 화면은 편집 계획과 실행 결과를 받아 HTML로 만듭니다. 재생 화면 아래에는 클립, 자막이 나오는 구간, 소리 파형이 있고, 옆에는 실제 측정값과 기대값이 나옵니다. 클립이나 자막에는 각각 식별자가 붙습니다. 자막 한 줄이 두 줄로 나뉘는 위치가 어색할 때, 전체 영상을 다시 맡기는 대신 해당 자막의 식별자와 원하는 줄바꿈을 수정 요청에 담을 수 있어요.

클립의 시작점과 끝점, 재생 속도는 화면에서 직접 바꾸고 편집 계획을 저장할 수 있습니다. 다만 저장한다고 영상까지 다시 만들어지는 건 아닙니다. 수정된 계획을 별도로 렌더링해야 합니다. 검토 화면 변경 내역에 따르면 이 페이지 자체는 네트워크 없이 열리고 명령을 실행하지 않습니다. 에이전트가 호출하는 MCP 도구에도 들어 있지 않습니다. 실행은 에이전트가 맡더라도 어느 구간을 다시 볼지 정하는 곳은 따로 남긴 셈입니다.

9:16 영상이라고 해서 피사체까지 잘 담긴 것은 아닙니다.

출시 뒤 공개한 공식 시연은 합성 원본 네 개로 만든 편집 결과를 보여 줍니다. 농구 영상에서는 한 구간을 선수 쪽으로, 다음 구간을 골대 쪽으로 잘랐습니다. 화면이 전환되는 건 피사체를 자동으로 따라간 결과가 아닙니다. 시연 문서에 나온 대로 구간별로 잘라 낼 위치를 따로 정한 뒤 두 영상을 이었습니다.

가로 농구 영상과 세로 편집본을 나란히 재생합니다. 세로 화면은 선수를 담다가 골대로 전환합니다.
농구 영상의 가로 원본과 9:16 편집본. 선수에서 골대로 잘라 내는 위치를 바꿉니다(ffmpeg-skill 시연, Grok Imagine 합성 원본).

여기서 해상도 검사는 720×1280이라는 사실을, 재생 화면은 공이 골대로 날아가는 장면이 빠지지 않았는지를 보여 줍니다. 발표 영상에서도 비슷합니다. 자막이 지정한 구간에 그려졌다고 해서 실제 발화를 맞게 받아썼다는 뜻은 아닙니다. 제작자는 시연용 자막을 음성 인식 모델 두 개로 비교했고, 사람이 듣고 대조한 것은 아니라고 밝혔습니다. 담당자 이름이나 제품명이 들어간 고객 영상이라면 재생하면서 확인할 항목이 따로 남습니다.

파일이 생겨도 납품 조건을 통과하지 못할 수 있습니다.

4.0.0에서는 단일 영상 파일이 필수 코덱, 해상도, 프레임 속도 같은 조건을 놓치면 파일은 남기되 검증 실패를 반환합니다. 반대로 실행 계약에 따르면 음량 검사만 실패했을 때는 결과의 verified 값이 거짓이어도 종료 코드는 0일 수 있습니다. 자동화에서 파일의 존재 여부나 종료 코드만 가지고 업로드를 결정하면 이 차이를 놓칩니다. 같은 계약은 42개 도구 중 12개만 4.x에서 안정으로 분류합니다. 나머지 30개는 베타라서 호출 인자나 결과 항목을 읽는 자동화라면 버전 변경의 영향을 받을 수 있습니다.

소리와 화면의 싱크도 파일 형식만 봐서는 드러나지 않습니다. 제작자가 공개한 예에서는 AAC 오디오가 든 4초짜리 영상 여덟 개를 재인코딩 없이 붙이자 마지막 클립의 소리가 화면보다 224ms 늦었습니다. 이전 버전은 그 파일도 검증됐다고 표시했어요. 4.0.0은 같은 복사 결합 방식에서 어느 클립이든 소리가 영상보다 50ms 넘게 앞서거나 뒤질 것으로 계산되면 결합을 거부합니다. 특정 결합 방식의 오차를 막는 검사이지, 말하는 사람의 입 모양과 소리가 늘 맞는다고 보증하는 것은 아닙니다.

Claude Code 팀의 검증 방식을 다룬 글에서도 코드를 쓰는 일과 그 결과를 확인하는 일을 나눠 봤습니다. 영상 편집에서도 같은 구분이 통합니다. 정해진 파일 규격과 측정 가능한 오차는 프로그램이 보고하고, 최종 화면에 뭐가 남았는지는 재생해서 봅니다. 두 결과가 같은 화면에 있으면 사람이 확인할 일이 사라지지는 않아도, 어느 구간을 왜 다시 봐야 하는지는 빨리 알 수 있을 것 같습니다.

ffmpeg-skill 4.0.0 릴리스