← 프로젝트 목록

AI Commons

2025.08 ~ 현재

기술 스택
TypeScript · NestJS · React · PostgreSQL · Prisma · Redis · BullMQ · OpenAI · Gemini/Vertex AI · ElevenLabs · ffmpeg · AWS GPU
프로젝트 소개
강의 설계부터 슬라이드·음성·영상·교수자 아바타 제작과 LMS 게시까지 연결하는 AI 교육 콘텐츠 플랫폼입니다.
담당 역할
기획 · 설계 · 풀스택 개발 · 운영

초기 PoC의 요구사항 정리부터 출시 이후 개발·운영까지 맡고, 기획자와 제작 흐름과 검증 기준을 맞췄습니다.

AI Commons의 슬라이드 본문, 이미지 생성 지시와 결과를 함께 편집하는 영역

AI Commons강의 내용을 다듬고, 슬라이드별로 제작합니다.

핵심 구현 04

구현한 주요 내용

  1. 단계별 제작과 부분 재생성

    강의 설계·슬라이드·음성·영상 제작을 단계별로 연결했습니다. 교수자가 생성 결과를 검토·편집하고 필요한 부분만 다시 만들 수 있도록 제작 흐름을 기획하고 구현했습니다.

  2. 중단된 에이전트 작업의 재개

    자료 조사·콘텐츠 생성·리뷰를 수행하는 에이전트 시스템을 구현했습니다. 진행 상태와 이전 판단을 저장해 중단된 작업을 이어가도록 했습니다.

  3. 장시간 작업의 분리와 실패 복구

    시간이 오래 걸리는 AI 생성과 미디어 처리를 API 서버에서 분리해 BullMQ 워커로 실행했습니다. DB와 큐의 작업 상태를 대조하고 완료 산출물을 재사용해 실패한 구간을 복구하도록 했습니다.

  4. 여러 서버의 호출과 결과 제어

    여러 서버의 외부 AI 호출을 Redis에서 함께 제어하도록 구성했습니다. 동시 요청 제한과 오류 후 대기 시간을 공유하고, 취소·삭제 후 도착한 결과는 완료 처리와 사용량 집계에서 제외했습니다.

이 프로젝트의 기록 · 목차

강의 제작을 하나의 흐름으로

AI Commons는 대학 교수가 참고자료를 바탕으로 강의를 설계하고, 슬라이드·대본·음성·영상을 만들어 학습관리시스템(LMS)에 게시하는 제작 도구입니다. 한 학기의 강의를 반복해서 준비할 때 여러 도구를 오가며 내용을 옮기는 과정을 하나로 연결했습니다.

제품의 중심은 교수가 초안을 검토하고 고쳐서 강의를 완성하는 과정입니다. 과목 구성부터 페이지별 내용과 표현까지 수정할 수 있게 하고, 이미 만든 결과를 바탕으로 필요한 부분만 다시 제작하도록 했습니다.

자료에서 강의 게시까지

참고자료로 강의의 뼈대 만들기

PDF 등의 참고자료에서 필요한 내용을 찾아 과목 개요, 주차별 주제, 차시별 학습 내용을 구성합니다. 교수는 이 구조를 먼저 검토하고 수정한 뒤 슬라이드 제작으로 넘어갑니다. 기존 PDF·PPTX 강의자료를 가져와 대본과 영상을 만드는 흐름도 지원합니다.

슬라이드와 대본을 페이지별로 다듬기

슬라이드의 텍스트·이미지·배치를 편집하고, 공통 디자인과 페이지별 지시를 조정해 다시 생성합니다. 대본은 페이지별로 검토하며 예상 낭독 시간을 확인할 수 있습니다. 한 장을 고치기 위해 전체 강의를 다시 만들지 않도록 편집과 생성의 단위를 맞췄습니다.

AI Commons의 슬라이드 목록과 선택한 페이지의 편집 화면

페이지 목록에서 강의 흐름을 살피고, 선택한 슬라이드의 내용과 디자인을 다듬습니다.

AI Commons의 페이지별 강의 대본 입력란과 예상 낭독 시간 표시
페이지별 대본을 검토하고 예상 낭독 시간을 확인합니다. 예시 강의의 편집 화면 일부입니다.

자료 조사·생성·검토를 잇는 AI 작업

AI 에이전트는 요청에 따라 필요한 자료를 찾고, 강의 내용을 생성하고, 결과를 검토해 수정할 페이지를 고르는 작업을 연결합니다. 사용자 요청과 검토 기준, 완료한 결과와 남은 작업을 저장해 작업의 맥락을 이어갑니다. 교수가 검토하고 편집하는 제작 과정 안에 이 흐름을 연결했습니다.

음성·영상으로 제작하고 수업에 게시하기

확정한 슬라이드와 대본을 음성·자막·영상으로 제작합니다. 교수자의 동의와 본인 확인을 거쳐 개인화된 음성과 아바타를 사용할 수 있으며, 아바타는 강의 화면 안에 함께 합성합니다. 긴 제작 작업은 진행 상태를 보여주고, 완성된 콘텐츠는 LMS의 과목·주차에 게시하거나 콘텐츠 보관 시스템(CMS)에 저장합니다.

제작을 이어주는 시스템 구조

제작 흐름과 시스템 구조

화면의 편집과 긴 생성 작업을 분리합니다

편집 화면은 요청을 전달하고 진행 상황을 보여줍니다. 서버는 생성 작업을 별도로 실행하고, 결과를 저장해 다음 편집과 게시로 연결합니다.

강의 제작 화면
React · 설계, 편집, 진행 상황
제품 API
NestJS · 권한, 강의 정보, 작업 요청
결과와 진행 상태
PostgreSQL · 생성 파일 저장소
생성 작업 실행
BullMQ · AI 모델, 음성, 영상 처리
제작 요청작업 전달진행·결과 저장결과 조회
전체 연결 읽기 · 4개
  • 강의 제작 화면 → 제품 API · 제작 요청
  • 제품 API → 생성 작업 실행 · 작업 전달
  • 생성 작업 실행 → 결과와 진행 상태 · 진행·결과 저장
  • 결과와 진행 상태 → 제품 API · 결과 조회 · 점선 연결

편집 화면의 요청은 서버에서 사용자 권한과 제작 대상을 확인한 뒤 처리합니다. 과목 구조·편집 내용·작업 상태는 데이터베이스에 저장하고, 시간이 오래 걸리는 이미지·음성·영상 생성은 작업 대기열과 별도 처리 프로세스인 워커에 맡겼습니다. 화면의 응답과 긴 제작 작업을 분리해 진행 상황을 조회하고 결과를 다시 연결합니다.

OpenAI·Gemini·ElevenLabs 등 외부 AI 서비스와 아바타를 만드는 GPU 서버는 실행 방식과 오류가 달라 별도 연결 모듈에서 다룹니다. 최종 영상 합성과 게시, 사용량 관리는 Commons가 맡아 제작 시작부터 전달까지 같은 프로젝트의 상태로 이어지게 했습니다.

제작 과정에서 지킨 설계 기준

공통 디자인과 페이지의 의도를 나누기

강의 전체의 색상·시각 스타일과 한 페이지의 표현 지시를 분리했습니다. 전체 분위기를 유지하면서도 내용에 맞는 페이지를 만들 수 있고, 사용자가 어떤 지시를 고쳐야 할지도 드러납니다. 생성 속도뿐 아니라 초안을 수정할 수 있는 중간 입력을 제품에 남기는 선택이었습니다.

AI Commons 디자인 설정의 시각 스타일 카드와 라이트·다크 색상 테마 선택
실제 디자인 설정 화면에 예시 선택값을 넣었습니다. 시각 스타일과 색상을 각각 선택해 생성에 전달합니다.

긴 제작도 완료한 부분부터 이어가기

대본과 미디어의 완료 결과를 저장하고, 중단되면 기존 작업과 산출물을 확인해 남은 부분을 이어갑니다. AI 작업도 저장한 요청과 진행 상태를 바탕으로 이미 접수한 제작을 다시 찾도록 구성했습니다. 재시도할 때는 현재 입력과 결과를 대조하고, 삭제·취소한 대상에 늦게 도착한 결과가 반영되지 않도록 처리했습니다.

공동 제작의 권한과 사용량을 함께 다루기

교수가 프로젝트에 조교를 초대해 계정을 공유하지 않고 함께 작업하도록 했습니다. 기관의 계약과 기능 범위, 사용자의 권한과 사용량을 제작 흐름에 연결하고, 누가 만든 콘텐츠인지와 사용량이 누구에게 속하는지 구분했습니다. 생성뿐 아니라 공유·게시까지 같은 기준으로 다뤄야 대학의 수업 운영에 연결할 수 있었습니다.

강의 제작 도구를 만들며 배운 점

생성 결과를 고칠 수 있어야 제작 도구가 됩니다

교수는 과목 구조, 슬라이드 내용, 대본을 서로 다른 시점에 수정합니다. 생성 입력과 페이지별 결과를 남겨야 그 수정이 다음 제작 단계에도 이어집니다.

모델은 실행 조건과 결과 품질까지 보고 적용합니다

아바타의 얼굴 검출기는 가중치 이용 조건과 외부 다운로드를 막은 실행 환경에 맞춰, 기존 호출부를 유지하는 범위에서 교체했습니다. 작업 성공과 파일 검사만으로는 입 움직임의 회귀를 찾을 수 없어 실제 생성 영상을 비교했습니다. 검출기 교체와 비용·품질 기록을 통해, 실행 가능성과 사용 가능한 결과를 만드는 비용을 함께 살폈습니다.

강의가 전달되는 곳까지가 제품의 범위입니다

좋은 초안도 기관별 권한과 사용량, 수업의 과목·주차에 맞게 게시되지 않으면 쓰기 어렵습니다. AI 생성 기능과 기존 교육 시스템의 운영 규칙을 함께 설계하는 경험을 얻었습니다.