TL;DR

LocalMiniDrama는 스토리 입력부터 분镜 생성, 캐릭터·장면 이미지 생성, 분镜별 정지화와 단편 비디오 조각을 합성해 최종 영상을 만드는 로컬 우선 오픈소스 애플리케이션이다. 프론트엔드(Vue 3)와 백엔드(Node.js + SQLite)가 로컬 파이프라인을 구성하고 외부 모델 API는 선택적으로 호출하여 텍스트·이미지·비디오 생성을 수행하며 캔버스 기반의 시각적 워크플로우로 대량 분镜을 그룹 단위로 재실행할 수 있다. 데이터는 기본적으로 기기 내에 보관되고 v1.2.8에서는 Agnes 접속과 캔버스 기능 강화가 이루어져 즉시 실행 가능한 데스크톱 유통과 프라이버시 보장 측면에서 강점을 가진다. 단점으로는 비디오 품질과 프레임 일관성은 사용자가 연결한 외부 모델 성능에 의존하며, 모델별 세부 파라미터 조정과 API 키 설정이 사용자의 추가 작업을 요구한다.

주요 기능

• 스토리 자동 생성과 분집 관리를 수행하며 사용자가 입력한 개요와 스타일을 바탕으로 다집단의 에피소드를 자동 생성하고 편집 가능하도록 구성되어 있다. 이 기능은 대본 편집 UI와 분집 관리 기능을 통해 여러 에피소드를 동시에 다루며 분집별로 분镜과 리소스를 연결할 수 있게 한다. 생성된 텍스트는 캔버스 노드 또는 리스트 뷰에서 즉시 수정·반영되어 다음 단계로 이어진다.
• 역할과 장면을 자동 추출해 AI로부터 캐릭터 이미지와 장면 이미지를 생성하고 로컬 라이브러리에 저장하는 파이프라인을 제공한다. 캐릭터 이미지는 각 분镜에서 일관된 외모를 유지하도록 참조 이미지를 관리할 수 있으며 장면은 재사용 가능한 장면 라이브러리로 축적된다. 이 과정에서 업로드·수동 교체·참조 지정 같은 편의 옵션이 제공되어 세부 제어가 가능하다.
• 분镜 자동 생성부터 프레임별 이미지/비디오 생성, 그리고 ffmpeg 기반의 최종 비디오 합성까지 일괄 파이프라인을 제공하여 작업을 전자동으로 운용할 수 있다. 분镜 단계에서 경도·운镜·조명 같은 전문 파라미터를 설정할 수 있고, 실패 시 자동 재시도 로직이 적용되어 안정성을 확보한다. 작업 그룹 단위로 캔버스에서 박스 선택 후 '整组重跑'을 실행하면 다수 분镜을 묶어 재생성하거나 보충할 수 있다.

어떻게 동작하는가

프로젝트는 프론트엔드(Vue 3)에서 분镜·캔버스 UI를 제공하고 백엔드(Node.js + Express, SQLite)가 모델 API 호출과 미디어 합성을 담당하는 클라이언트-로컬 서버 구조로 작동한다. 사용자는 API Key를 설정하면 백엔드가 외부 AI 서비스(예: Seedance 2.0, Volcengine 등)로 요청을 보낸 뒤 반환된 정지화 또는 영상 조각을 로컬에 저장하고 ffmpeg로 이어 붙여 최종 영상을 생성한다. 캔버스의 노드와 연결 정보는 동일 소스 데이터로 리스트 뷰와 동기화되며 작업 재실행, 실패 재시도, 로그 출력 같은 워크플로우 제어가 백엔드에서 처리된다.

해결 문제

이 프로젝트는 분절된 툴체인으로 인해 수작업이 많이 필요한 단편 영상 제작 워크플로우를 하나의 로컬 애플리케이션으로 통합하여 해결했다. 텍스트 기반 대본 생성, 캐릭터·장면·도구 자동 추출, 분镜별 이미지 및 영상 생성, 그리고 최종 합성까지의 전 과정을 연결된 파이프라인으로 제공하므로 사용자 개입을 줄이고 반복 작업을 단축한다. 또한 데이터와 생성물이 로컬에 보관되도록 설계하여 개인정보·저작권 관리가 필요한 제작 환경의 요구를 충족시킨다.

지금 주목받는 이유

최근 릴리즈(v1.2.8)에서 Agnes AI 접속과 캔버스 모드 강화 같은 주요 기능이 추가되어 오프라인 기반의 영상 제작 워크플로우를 로컬 환경에서 보다 완성도 있게 운용할 수 있게 되었다. 또한 Seedance 2.0과 같은 비디오 지향 모델을 공식적으로 지원하면서 로컬-클라우드 혼용 환경에서의 실무 적용 가능성이 높아졌다. 오픈소스 성격과 Windows용 exe 배포로 즉시 사용 가능한 점이 커뮤니티 확산에 기여했다.

차별점

• 데이터 로컬 우선 정책을 채택하여 생성된 대본과 미디어가 기본적으로 기기를 벗어나지 않으며 SQLite와 로컬 파일 스토리지를 중심으로 동작한다. 이 방식은 클라우드 기반 대안과 달리 외부 서버로 자료를 전송하지 않으므로 프로젝트와 원본 자산의 유출 위험을 낮춘다. 로컬 저장과 함께 외부 모델 API를 선택적으로 연결하는 구조로 프라이버시와 모델 다양성 모두를 지원한다.
• 캔버스 기반 워크플로우와 리스트 편집의 동시 지원으로 대량 분镜을 시각적으로 구성하고 그룹 단위로 재실행할 수 있는 작업 플로우 제어 기능을 제공한다. 이로 인해 복잡한 시퀀스나 여러 분기 에피소드의 편집·생성 과정을 GUI 수준에서 관리할 수 있으며 좌표·연결 정보가 저장되어 레이아웃 지속성이 확보된다. 작업 그룹 단위로 생상·보충·재실행을 수행하는 점이 수동 툴체인 대비 생산성을 높인다.
• 다수의 AI 서비스 공급자를 플러그인 방식으로 연결할 수 있어 이미지·텍스트·비디오용 모델을 상황에 맞게 분리하여 사용 가능하다. README에 명시된 대로 Seedance 2.0, Volcengine, Kling, Agnes 등 여러 엔드포인트를 설정할 수 있으며 모델별로 텍스트/이미지/비디오 용도별 구성을 분리한다. 이 구조는 특정 모델이 강한 영역(예: 영상 합성)을 선택적으로 활용하면서도 전체 파이프라인을 유지하는 유연성을 제공한다.

사용 사례

• 콘텐츠 대량 생산 워크플로우에서 스토리 초안 작성부터 분镜별 이미지·비디오 자동 생성을 연속 파이프라인으로 구축할 때 유용하다. 프레임 단위로 참조 이미지를 관리하고 그룹 재실행을 통해 반복적 장면 생성 비용과 수작업을 줄인다. 생성물은 로컬에 보관되므로 외부 유출 우려를 낮추면서 대량 제작 파이프라인을 운영할 수 있다.
• 프라이버시가 중요한 소재를 다루는 개인 또는 스튜디오에서 생성물과 원고를 로컬에 보관하면서 외부 모델만 호출해 계산을 분산시키는 환경에서 적용 가능하다. 이 저장소는 SQLite와 로컬 파일 관리를 통해 프로젝트 파일을 기기 내에 유지하고, API 키만으로 모델 접속을 분리하여 데이터 통제권을 유지한다. 민감한 시나리오에서 클라우드 전송을 최소화하는 설계가 현업 규정 준수에 도움이 된다.
• 개발자가 새로운 AI 서비스 공급자를 통합하거나 파이프라인을 커스터마이징하려는 경우 확장 가능한 코드 구조와 문서화된 API 설정을 기반으로 빠르게 실험 환경을 구축할 때 적합하다. 백엔드는 Node.js 기반으로 구성되어 있으며 frontweb은 Vue 3로 되어 있어 프론트·백 통합 개발이 용이하다. 오픈소스 라이선스(MIT)로 상용 확장이나 내부 도구 연동도 제약 없이 진행할 수 있다.

시작하기

바이너리 방식으로는 Releases 페이지에서 Windows exe를 내려받아 실행하고 첫 실행 시 앱 내 'AI 설정'에 API Key를 입력하면 즉시 프로젝트 생성을 시작할 수 있다. 소스에서 실행하려면 Node.js 18 이상을 준비한 뒤 레포지토리를 클론하여 backend-node와 frontweb 각각에서 npm install을 실행하고 백엔드 마이그레이션 및 프런트를 dev 모드로 실행하면 로컬 호스트에서 UI에 접속 가능하다. 설정 파일 예시(configs/config.example.yaml)를 복사해 configs/config.yaml에 API Key와 모델 엔드포인트를 기입하는 과정이 필수이다.

요구사항

• 운영체제는 주로 Windows 배포용 exe를 제공하며 개발 환경에서는 Windows·macOS·Linux에서 소스 실행이 가능하나 README의 배포판 표시는 Windows 중심으로 구성되어 있다. 백엔드 실행을 위해 Node.js 버전은 README에 명시된 대로 Node.js 18 이상이 필요하며 프론트엔드는 Vite 기반으로 동작한다. 데스크톱 배포 및 패키징은 Electron 28과 electron-builder를 사용하므로 빌드 환경에 맞는 추가 의존성이 요구된다.

이미지 분석