AX Trend

huashu-motion: 코딩 에이전트가 한 마디로 상업급 런칭 영상 제작·작곡과 브라우저 편집 수정

2026-10-21 · 원문 이슈 #3339 · 소스: GitHub (10/18)

코딩 에이전트가 한 줄 명령으로 런칭 영상을 만드는 커버 이미지
"30초 런칭 영상 만들어줘" — 코딩 에이전트가 촬영·작곡·편집까지 도맡는다

alchaincyf(花叔)가 10월 18일 GitHub에 공개한 코딩 에이전트용 스킬 huashu-motion의 약속은 한 줄이다: "一键直出商业级产品宣传片"(클릭 한 번에 상업급 제품 홍보 영상 완성). Claude Code·Codex 같은 코딩 에이전트에게 제품 30초짜리 런칭 영상을 부탁하면, 에이전트가 제품을 읽고 세 가지 방향을 제안한 뒤 영상 전체를 쓰고 직접 작곡까지 한다. 그리고 브라우저 편집기에서 화면을 찍어가며 수정한다. 설치는 한 줄:

npx skills add alchaincyf/huashu-motion

Agent Skills 표준 배지를 달아 Claude Code·Codex·WorkBuddy·Grok Bot·Muse·Dots 런타임에서 동작하고, 라이선스는 MIT. 공개 약 6시간 만에 스타 204개(약 시간당 35개, 일 환산 약 840개)를 모았다.

작곡가 모드: 악보를 먼저 쓰고, 박자에 맞춰 컷 전환

ABC 기보법 텍스트 악보가 피아노·현악·드럼 샘플 연주로 바뀌고 박자에 맞춰 화면이 전환되는 다이어그램
작곡가 모드 — 에이전트가 ABC 기보법(순수 텍스트)으로 악보를 쓰고, 피아노·현악·드럼 샘플로 연주한다. 장면 마커가 박자에 정렬되어 화면 전환이 비트에 붙는다

가장 재밌는 아이디어는 음악을 LLM이 텍스트로 작곡한다는 점이다. 에이전트는 리듬 시트에 맞춰 순수 텍스트인 ABC 기보법으로 악보를 먼저 쓰고, 장면 마커를 박자에 정렬한 뒤 피아노·현악·드럼 샘플로 연주한다. 영상 생성 모델을 부르는 게 아니라, 모든 소리가 로컬에서 생성된다 — 유료 API 호출이 없다. 음악 모델(Suno·Udio 같은)을 쓰는 게 아니라 악보를 코드로 쓰고 샘플로 연주한다는 발상이 코딩 에이전트와 기막히게 맞는다: 텍스트만 잘 다루면 되니까.

작곡이 싫으면 내장 12개 제품 카테고리 × 3종 배킹트랙 중에 시드 기반으로 뽑아 쓸 수 있고, 악기 샘플은 om samples build 한 번이면 진짜 악기(CC0·CC-BY 오픈 샘플, 약 55MB)를 내려받는다. 객체가 화면에 떨어지는 프레임에는 23종 효과음(착지·타이핑·글리치 등)이 자동 배치된다.

화면 지점 수정(point-to-edit): 고치고 싶은 곳을 찍는다

편집기에서 C키를 누르고 화면을 클릭하면 해당 부분만 수정되는 point-to-edit UI 목업
point-to-edit — C를 누르고 화면을 클릭한 뒤 수정 내용을 적으면, 에이전트가 해당 프레임과 클릭 영역을 확대 확인한 뒤 그 부분만 고친다

편집 루프가 두 번째 킬러 기능이다. 편집기(om studio)에서 C를 누르고 화면을 클릭한 뒤 수정 내용을 적으면, 에이전트는 코멘트와 함께 타임코드·씬·클릭한 요소와 소스 내 위치를 받고, 해당 프레임과 클릭 영역을 스크린샷으로 확대 확인한 뒤 그 부분만 수정한다. 모든 버전은 보관되고 ⌘Z로 롤백. 제목·숫자·색상·체류 시간 같은 건 편집기 우측 입력창에서 직접 바꾸면 되니 에이전트를 기다릴 필요도 없다.

이 패턴은 Claude Motion(10/8 공개, Team·Enterprise 한정 베타)의 "화면을 가리켜 수정" 기능과 정확히 같은 문법이다. 차이점: 이건 스킬 한 줄로 공개됐고, MIT라 누구나 가져다 쓸 수 있다.

기술 구조: 한 편의 영상 = 하나의 index.html

제품 읽기부터 MP4 출력까지의 huashu-motion 파이프라인 다이어그램
파이프라인 — 영상 생성 모델 호출 없이 코드로 그리고 로컬 Chrome으로 렌더한다. 모든 프레임은 결정적(deterministic)이다

핵심 아키텍처는 전작 huashu-art-motion(#3231)과 같은 철학이다. 영상 생성 모델을 호출하지 않고 GSAP·Canvas·Three.js·SVG로 화면을 코드로 그린다. 한 편의 영화는 하나의 index.html이고, 모든 프레임은 코드와 시간으로만 결정된다:

에이전트 ──작성──▶ my-film/index.html ◀──감시── om studio (브라우저 편집기)
      ▲                                          │
      └── om inbox --wait ◀── .om/inbox.jsonl ◀── 화면 클릭 + 한 줄 코멘트

기술적 디테일 몇 가지:

저자의 실측 데모: DeepSeek V4.1 Flash(1017)로 22초 모션 영상을 3차례 피드백·30분 이내에 제작, 비용 1.95元(元), 캐시 적중률 99.4%. "비싼 모델 없이도 된다"는 주장의 근거다.

AX TF 관점: '에이전트 제작 파이프라인' 패턴의 구체적 구현체다. 음악·영상 생성을 API 비용이 드는 블랙박스에 맡기는 대신 텍스트 악보→로컬 샘플, 화면→코드 렌더로 전부 로컬화했다는 점이 프로모션 에셋 자동화(릴스·프로덕트 헌트 영상·온보딩 클립)에 바로 응용 가능하다. 특히 point-to-edit의 "클릭 좌표+소스 위치를 함께 코멘트로 넘기는" 인터페이스는 이미지·UI 리뷰 워크플로우에도 이식할 만한 아이디어다.

주의 (미확인·쟁점): 영상 품질·작곡 수준에 대한 주장은 저자의 데모 GIF 기준이며 제3자 검증이 없다. 1.95元·99.4% 캐시 적중률도 단일 실행 실측치. README는 중국어 원본이며 영문판(README.en.md)이 별도 존재한다. 그리고 솔직한 한계도 명시돼 있다: 에이전트는 귀가 없다(스펙트럼으로 검사, 최종 청취는 사람), 실사·실제 사람은 못 만든다(코드 렌더만), 효과는 모델 취향에 좌우된다.

배경·맥락

같은 저자의 전작 'huashu-art-motion'(#3231)은 코딩 에이전트가 코드로 그리는 아트 애니메이션 스킬이었다. huashu-motion은 그 다음 단계로 작곡·편집 루프까지 얹은 상업용 런칭 영상 파이프라인이다. 저자 배경도 독특하다 — '小猫补光灯'(고양이 조명) 앱으로 AppStore 유료 차트 1위를 찍은 독립 개발자. 10/8 Anthropic의 Claude Motion 발표를 보고 "우리 스킬이 Motion을 완벽히 재현하고 훨씬 강하게"라는 한 줄 지시로 Claude Code에게 만들게 한 게 시작점이다. 첫날 만든 건 "자기가 거짓말 안 했다는 걸 증명하는 공학"이었다고 — 그날 바로 갈아엎고, '안 멋지다·지루하다·폰트가 구리다'는 피드백을 전부 규칙으로 돌려썼다. 그게 이 스킬의 감독 규칙이 된 셈이다.