한 문장으로 시작하는 개인화된 단편 드라마 생성: 다중 에이전트 시스템을 활용한 계층적 파이프라인

한 문장 입력에서 시작해 전체 드라마를 자동으로 생성하는 프로세스를 제시한다. 서사 페이스(오프닝 훅, 에스컬레이션, 엔딩의 미스터리)를 구조화하고, 클립 간 공간 드리프트를 방지하기 위한 3D 바탕의 일관된 첫 프레임을 제시하며, 스크립트-이미지-비디오 전체 단계에서 품질 관리 루프를 적용한다. 생산 비용과 수동 개입을 감소시키고 개인화된 단편 드라마의 대중적 제작을 가능하게 한다.

출발점: 시퀀스-생성에서의 모듈화 문제를 다루며, Self-Attention의 고비용성이나 단편 영상의 긴 호라이즌 특성으로 인해 단일 샷 접근이 한계를 보임을 지적한다. Pattern/Lodgic/Fact의 임베딩 공간에서 Beat 단위의 카드를 재구성하고, 다중에이전트 토론으로 개연성과 페이싱을 강화하는 것이 핵심이다.

1. Atom Script Corpus를 구성하고 Pattern Bank, Logic Bank를 구축한다. 2) 문제-주도 Retrieval으로 Logline에서 필요 정보(Fact, Logic, Pattern Atom)를 수집하고, 세 가지 retrieval 경로를 Summarize해 Story Core를 생성한다. 3) Clip-수준 스크립트로 전환하고, Opening Hook/Ending Hook/ Twist Density를 점검하는 3단계 스크립트 리뷰 루프를 도입한다. 4) Scene-level Visual Assets를 생성하고 3D 월드를 구성해 3D-consistent First-Frame 프롬프트를 준비한다. 5) 3D 기반 Next-Frame/Next-Clip 생성과, Tail-Frame으로부터의 트래젝토리 맵핑을 통해 Cross-clip Spatial Consistency를 확보한다. 6) Post-Production에서 Scene Transition Clips와 BGM을 설계하고, Transition/Naturalness를 높이는 자동화된 검토를 수행한다.

일반 비디오 및 스토리 벤치마크에서 SOTA를 상회하며 Short-Drama-Bench에서도 Opening Hook, End Hook, Escalation, Continuity 등 주요 지표에서 우수하다. Ablation 연구에서 3D First-Frame 제거 시 Continuity 점수가 가장 큰 폭으로 하락하고, Multi-Stage Review 제거 시 전반적 품질 저하가 나타난다. 시나리오별로 74–90분의 전체 제작 시간으로 단일 문장 입력에서 전체 드라마를 생산하는 실행 가능성을 확인했다.

아키텍처는 크게 (i) Retrieval-augmented multi-agent story generation, (ii) 3D-grounded first-frame generation, (iii) 자료-프롬프트 규모의 다단계 리뷰, (iv) 씬-레벨 트랜지션과 BGM 매칭으로 구성된다. 패턴/로직/팩트 원소를 Atom으로 환원하고, Pattern Bank와 Logic Bank의 임베딩 유사도 기반 Top-K 검색으로 Retrieval Plan을 구성한다. Story Core는 Cross-Scene Progression Lines를 도입해 글로벌 일관성을 유지하고, Clip 수준의 스크립트는 Opening Hook, Ending Hook, Twist Density를 분리된 리뷰에서 수정한다. 3D_WORLD 구성은 Marble 시스템으로 월드를 재구성하고, SAM3D Body 및 VGGT를 활용해 다중 캐릭터의 포즈 및 위치를 공유 좌표계에 맞춘다. 이벤트 간 전환은 Text Card + Location Establish + Motion-Bridge를 조합한 다형적Transition으로 구현한다.