10분이 넘는 영상에서 다시 보고 싶은 장면을 찾으려면 시청자는 프로그레스바를 이리저리 옮겨 가며 더듬어야 합니다. 영상이 주제별 챕터로 나뉘어 있으면 시청자는 제목과 썸네일을 보고 원하는 구간으로 바로 이동할 수 있습니다. 서비스 입장에서도 챕터 제목과 요약은 영상 속 내용을 설명하는 메타데이터가 되어, 구간 단위 검색이나 추천 같은 기능으로 이어갈 수 있습니다. 다만 업로드되는 영상이 늘어날수록, 모든 영상에 일관된 품질의 챕터를 빠르게 생성하는 방법이 필요해집니다.
챕터를 자동화하려고 해도 문장(스크립트)으로는 부족합니다. 화면이 바뀐 시각(샷 전환)은 정확하지만 그것만으로는 “내용이 바뀐 지점”을 알 수 없고, 음성 인식 결과를 생성형 AI에 맡기면 주제는 잘 나누지만 AI가 말한 시각이 화면 전환과 어긋나 챕터를 눌렀을 때 이전 장면이 잠깐 보이거나 말이 중간에 끊긴 채 재생됩니다. 영상의 챕터는 “무슨 이야기를 했는가”와 “화면이 언제 바뀌었는가”를 함께 볼 때 비로소 자연스럽게 나눌 수 있습니다.
이 블로그에서 사용하는 주요 서비스는 AWS Elemental MediaConvert, Amazon Transcribe, Amazon Bedrock입니다.
이 블로그는 VOD 서비스에 자동 챕터 기능을 넣고 싶을 때, 세 서비스를 조합해 “AI가 시각을 만들지 않고, 화면 전환 후보 중에서 고르게 하는” 방식으로 챕터 경계·제목·요약을 자동으로 만드는 방법과, 구현 과정에서 얻은 인사이트를 설명합니다.
솔루션 개요
핵심 아이디어는 문제를 “생성”에서 “선택”으로 바꾸는 것입니다. MediaConvert가 트랜스코딩하면서 찾아 준 샷 전환 시각을 후보 목록으로 주고, Amazon Bedrock에게는 “챕터 시작은 반드시 이 목록 중 하나여야 한다”고 제약합니다. AI는 음성 스크립트를 읽고 어디서 주제가 바뀌는지 판단해 후보 중 일부를 고르고 제목과 요약을 씁니다. 고른 값이 곧 화면 전환 시각이므로 챕터 경계가 화면과 어긋나지 않습니다.
문장(스크립트)만으로 분석하면 “무슨 이야기를 했는지”는 알 수 있지만, 영상이 실제로 어떻게 편집되어 있는지는 알 수 없습니다. 여기에 MediaConvert가 트랜스코딩 과정에서 함께 만들어 주는 화면 전환 정보를 더하면, 영상의 편집 구조라는 별도의 신호가 생깁니다. 내용의 흐름과 화면의 흐름이 함께 바뀌는 지점을 챕터 경계로 삼을 수 있어, 텍스트만 쓸 때보다 시청자가 실제로 눌렀을 때 훨씬 자연스러운 챕터를 얻을 수 있습니다.
서비스
역할
AWS Elemental MediaConvert
재생용 HLS를 만들면서 샷 전환 시각(후보 목록)과 썸네일 타일을 함께 출력
Amazon Transcribe
음성을 타임코드가 붙은 문장으로 변환
Amazon Bedrock
후보 목록과 스크립트를 함께 읽고 챕터 경계를 선택, 제목·요약 작성
AWS Step Functions
트랜스코딩 → 분석 → 챕터 생성 → 저장 흐름을 자동으로 실행
표 1. 주요 서비스와 역할
전체 구성은 서버리스 관리형 서비스로만 이루어지며, 영상을 업로드하면 이후 과정에 사람이 개입하지 않습니다.
그림 1. VOD 자동 챕터 생성 아키텍처
사용자가 Amazon Cognito로 로그인한 뒤 원본 영상을 Amazon S3에 업로드합니다.
Amazon EventBridge가 업로드 이벤트를 받아 AWS Step Functions 워크플로를 시작합니다.
AWS Elemental MediaConvert 잡 하나가 재생용 HLS, 썸네일 타일, 샷 전환 리포트(화면이 바뀐 프레임 번호를 기록한 CSV 파일), 음성 추출 파일을 만듭니다.
샷 전환 리포트 파싱과 Amazon Transcribe 음성 인식을 동시에 실행합니다.
Amazon B