1) 문제점
- 기존 AI 영상 제작 과정의 파편화: 시나리오 툴, 이미지/영상 생성 툴, 협업 툴이 분리되어 비효율 발생
- 생성형 AI 제작 시 캐릭터와 스토리의 일관성 유지 어려움
- 창작자가 기술적 복잡성에 매몰되어 창의적 활동에 집중하지 못하는 문제
- AI 에셋 생성 비용과 프로젝트 일정 관리의 어려움

2) 프로젝트 목표
- 통합 워크플로우: 아이디어 구상부터 최종 결과물까지 하나의 플랫폼에서 통합 관리
- AI 네이티브 제작환경: 생성형 AI 특성에 최적화된 새로운 제작 패러다임 제공
- 일관성 보장: 멀티 에이전트 시스템으로 장편 콘텐츠의 캐릭터/스토리 일관성 확보
- 효율적 자원 관리: AI 크레딧, 인건비, 일정을 실시간 트래킹하여 프로젝트 최적화

3) 주안점
- 로그라인만으로 장편 시나리오와 컷별 최적 프롬프트 자동 생성
- 칸반 보드 기반 비선형적 제작 방식으로 생성형 AI 특성 반영
- LLM 및 RAG 기술을 활용한 서사 구조의 일관성 유지
- 다양한 외부 생성형 AI 모델(이미지, 비디오, 음원) 통합 연동

1) 포트폴리오 소개
- 생성형 AI를 활용하여 시나리오 작성부터 영상 생성까지 원스톱으로 제작 가능한 서비스 개발

2) 작업 범위
- 백엔드 개발: Django/FastAPI 기반 마이크로서비스 아키텍처 구축, RESTful API 설계
- 프론트엔드 개발: Next.js/React/TypeScript 기반 영상 편집 및 생성 UI 구현
- AI 엔진 개발: LLM/RAG 기반 시나리오 생성 시스템 구축
- 인프라 구축: AWS EKS, Kubernetes, Docker 기반 클라우드 인프라 설계 및 배포

3) 주요 업무
- AI 시나리오 자동 생성: 로그라인 입력만으로 장편 시나리오 및 컷별 프롬프트 자동 생성
- 멀티 AI 모델 통합 API: Stable Diffusion, DALL-E, Runway, Pika, MusicGen 등 생성형 AI 모델 연동
- 칸반 기반 제작 워크플로우: 드래그 앤 드롭 방식의 직관적인 영상 제작 관리 시스템
- 실시간 협업 기능: 팀원 간 실시간 피드백 및 버전 관리
- 프로젝트 대시보드: AI 크레딧 사용량, 예산, 일정 통합 관리

4) 주안점
- 스토리 일관성 보장: RAG 기술을 활용한 캐릭터와 플롯의 일관성 유지
- 확장 가능한 아키텍처: 새로운 AI 모델 추가가 용이한 마이크로서비스 기반 아키텍처
- 사용자 경험 최적화: 복잡한 AI 영상 생성 프로세스를 직관적인 UI로 단순화
- 비용 효율성: AI 모델별 API 호출 최적화 및 캐싱 전략으로 운영 비용 절감