챕터별 상세
AI 영어 학습 시스템 개요 및 시연
n8n 워크플로우를 통해 오늘의 영어 표현을 생성하고 음성 파일과 함께 텔레그램으로 전송하는 전체 시스템을 소개한다. 실행 시 LLM이 문장을 생성하고 TTS 모델이 오디오를 만든 뒤 텔레그램 메시지로 결과물이 도착하는 과정을 시연한다. 사용자는 매일 정해진 시간에 맞춤형 영어 학습 콘텐츠를 받아볼 수 있다.
스케줄 트리거 및 LLM 체인 설정
매일 아침 8시에 워크플로우가 자동으로 시작되도록 Schedule Trigger를 설정한다. 이후 Basic LLM Chain 노드를 연결하여 영어 표현 생성을 위한 기본 구조를 마련한다. 사용자의 학습 수준에 맞춰 난이도를 조절할 수 있도록 프롬프트를 구성한다.
시스템 프롬프트 및 출력 포맷 정의
AI가 생성한 데이터를 후속 노드에서 처리하기 쉽도록 JSON 형식의 출력 구조를 설계한다. System Prompt를 통해 AI의 역할을 정의하고, 출력해야 할 필드(text, script 등)와 언어 설정을 구체화한다. ChatGPT를 활용해 복잡한 시스템 프롬프트를 생성하는 팁을 공유한다.
AI 모델 선택 및 아웃풋 파서 설정
Google Gemini 1.5 Pro 모델을 선택하고 Structured Output Parser를 연결한다. 파서 내부에 JSON 예시를 입력하여 AI가 정확히 'text'와 'script' 필드에 맞춰 응답하도록 설정한다. 실제 실행 결과에서 정형화된 데이터가 출력되는지 확인한다.
text
{
"text": "Today's expression",
"title": "I am regular",
"location": "San Francisco",
"item": "Coffee"
}Structured Output Parser에서 정의한 JSON 응답 구조 예시
OpenAI TTS를 이용한 음성 생성
생성된 영어 문장을 음성으로 변환하기 위해 OpenAI의 TTS-1 모델을 추가한다. LLM 체인에서 넘어온 'script' 데이터를 TTS 노드의 입력값으로 연결한다. 다양한 목소리 옵션(Nova 등) 중 하나를 선택하고 실제 오디오 파일이 생성되는지 테스트한다.
오디오 생성 대기 및 텔레그램 전송 루틴
오디오 파일 생성이 완료될 때까지 기다리는 로직을 If 노드와 Wait 노드로 구현한다. 파일이 존재하면 텔레그램 노드로 이동하고, 없으면 1초 대기 후 다시 확인하는 루프를 구성한다. 최종적으로 텔레그램의 Send Text Message와 Send Audio File 기능을 사용하여 사용자에게 전송한다.
용어 해설
- n8n
- — 노드 기반의 워크플로우 자동화 도구이다. 다양한 서비스와 API를 시각적으로 연결하여 복잡한 업무 프로세스를 코딩 없이 또는 최소한의 코드로 자동화할 수 있게 돕는다.
- 구조화된 출력(Structured Output)
- — LLM이 생성하는 텍스트를 JSON과 같은 정형화된 데이터 형식으로 출력하도록 강제하는 기법이다. 이를 통해 후속 노드에서 데이터를 프로그래밍적으로 처리하기 용이해진다.
- 음성 합성(TTS)
- — Text-to-Speech의 약자로, 텍스트 데이터를 인공지능 모델을 통해 자연스러운 인간의 음성으로 변환하는 기술이다. 교육용 콘텐츠나 안내 방송 등에 널리 활용된다.
- API 키(API Key)
- — 특정 서비스의 API를 호출할 때 사용자를 식별하고 권한을 부여하기 위한 고유 식별자이다. 보안이 중요하며 외부 노출 시 무단 사용의 위험이 있다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2025. 11. 29.수집 2026. 02. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
