alchaincyf/huashu-motion

외부 오픈소스 저장소를 소개하는 글입니다. HDATF 제품이 아닙니다.

무엇을 하나

huashu-motion은 Claude Code, Codex 같은 coding agent가 제품 발표 영상을 코드로 만들게 하는 Agent Skill이며 CLI와 브라우저 편집기 studio를 함께 제공합니다. 제품 사이트, CSV, 음성 녹음을 주면 agent가 방향 세 가지를 제안하고 rhythm sheet(장면별 박자 계획)를 쓴 뒤 GSAP로 움직이는 index.html 하나를 만듭니다. agent는 효과음을 붙이고, 발표 영상의 음악은 ABC 표기법(텍스트로 쓰는 악보)으로 직접 작곡합니다. 로컬 studio에서 프레임을 눌러 의견을 남기면 재생 시점, 장면, 요소 정보가 inbox 파일에 기록되고 agent는 그 부분만 고치며 모든 버전을 남깁니다. 렌더링은 영상 생성 모델 없이 설치된 Chrome으로 처리하고 결과는 MP4, MOV, WebM, GIF나 공유용 웹 페이지로 내보냅니다. 사용자 선호와 지난 작업의 교훈은 로컬 experience 파일에 남습니다. skill을 설치한 뒤에도 Node 22, Chrome, FFmpeg를 갖춰야 하며 skill의 script는 clone한 CLI를 실행하거나 npm package를 받아 실행합니다. README에 따르면 음악은 유료 API 없이 로컬에서 만들어지고, 시험 환경은 macOS뿐이며, Codex의 sandbox가 미리보기를 막으면 직접 승인해야 합니다. GSAP, 글꼴, 제작자의 만화 캐릭터는 MIT와 다른 조건을 따릅니다.

라이선스

MIT 허용 범위가 넓습니다. 저작권 표시를 유지하면 상업적 이용과 수정이 가능합니다.

같은 분야 저장소

• EpicGames/unreal-engine-skills-for-claude-code-plugin
  EpicGames 조직의 GitHub 저장소에 있는 Claude Code plugin으로, Unreal Engine 개발자가 실행 중인 Unreal Editor를 MCP로 조작하고 확장하도록 skill 세 개와 SessionStart hook을 제공합니다. unreal-mcp skill은 list_toolsets와 describe_toolset으로 toolset을 찾고 call_tool로 Editor tool을 실행하게 합니다. README에 따르면 30개가 넘는 toolset에 수백 개의 tool이 있으며 actor, Blueprint, Niagara, 자동화 테스트 등을 다룹니다. 나머지 두 skill은 테스트를 갖춘 C++나 Python toolset을 만드는 방법과 Agent Skill을 Python class나 asset으로 만드는 방법을 설명합니다. hook은 .uproject 파일이나 GenerateProjectFiles 스크립트를 찾으면 짧은 프로젝트 안내를 context에 넣고, bash 환경에서 실행됩니다. 공식 marketplace에서 설치한 뒤에도 Editor에서 ModelContextProtocol과 AllToolsets plugin을 켜고 server를 시작하고 .mcp.json 파일을 만들어야 합니다. README는 이 MCP server가 localhost에서 열리지만 같은 PC에서 같은 사용자로 실행되는 다른 프로세스도 접속할 수 있다고 경고합니다. README는 한 tool이 Editor 안에서 임의 Python 코드를 실행한다고 경고하며 작업 전 저장과 commit, 승인 절차를 건너뛰는 실행 모드 자제를 권합니다. 필요한 최소 engine 버전은 확인하지 못했습니다.
• cursor/plugins
  개발자가 Cursor에서 사용하는 공식 플러그인 모음이며 독립 실행형 비서나 모델은 아닙니다. 최상위 마켓플레이스 목록과 플러그인별 명세를 두고 스킬, 규칙, 에이전트, 훅이나 MCP 연결 설정을 묶습니다. 플러그인에 따라 개발 요청, 저장소 맥락, 대화 기록을 입력으로 받아 검토 지침, 작업 흐름의 실행이나 프로젝트 지침 갱신으로 연결합니다. 예를 들어 continual-learning은 종료 훅과 조정용 스킬, 메모리 갱신 전용 에이전트를 조합해 새로 생기거나 바뀐 대화 기록에서 AGENTS.md를 갱신합니다. 확인한 TypeScript 훅은 완료 상태, 대화 횟수, 경과 시간과 기록 파일 변경 시각을 검사한 뒤 후속 실행 요청을 반환하며 메모리 갱신 전체를 직접 수행하지 않습니다. 시작하려면 Cursor에서 필요한 플러그인을 선택해 설치해야 하며 확인한 훅은 Bun도 호출합니다. 외부 서비스 플러그인을 설치해도 해당 서비스의 권한이 자동 승인되는 것은 아니므로 인증 정보와 접근 권한을 별도로 연결해야 합니다. 플러그인마다 동작과 의존성이 다르며 모든 연동이나 다른 에이전트 환경과의 호환성은 여기서 검증하지 않았습니다.
• threerocks/hand-drawn-styles
  hand-drawn-styles는 손그림 느낌의 삽화를 만들기 위한 prompt 조합법 모음이며, Claude Code skill 형태와 특정 도구에 매이지 않는 문서 형태로 함께 제공됩니다. 현재 저장소에는 18개 화풍과 변형 1개, 모두 19개 조합법이 있으며, 저장소 설명에 적힌 5개라는 숫자는 예전 기준입니다. 사용자가 그릴 내용과 화풍을 말하면 최종 결과로 이미지 생성용 prompt 글을 냅니다. 실제 이미지는 gpt-image, Jimeng, Midjourney 같은 별도 이미지 도구에서 사용자가 만듭니다. skill은 포함된 Python 스크립트로 조합법 원문을 그대로 꺼내고, 화풍을 정하지 않으면 목록을 보여 주고 선택을 기다리며, 빈칸은 요청 내용을 바탕으로 채웁니다. 변형 3.1은 정해진 3단계 작업 순서를 담은 JSON 묶음을 내고, 기준 이미지를 크기 1086x1448과 픽셀 SHA-256 값으로 확인합니다. Claude Code에서는 skill 폴더에 복제해 설치하고, 다른 도구에서는 PROTOCOL.md와 STYLES.md 문서를 따라 씁니다. 라이선스는 MIT이지만 3번 화풍에 지브리 이름이 붙어 있어 상업적으로 쓰려면 권리 검토가 필요합니다.
• cclank/lanshu-create-ai-presenter-video
  파일을 읽고 셸 도구를 실행하는 에이전트에게 설명 영상 제작 절차를 제공하는 Agent Skill입니다. 독립적인 발표자 생성 모델을 제공하는 제품은 아닙니다. 발표자 방식은 주제나 대본과 사용 허락을 받은 성인 인물 사진을 입력하며, 스타일 영상 방식은 인물 사진 없이도 진행합니다. 발표자 방식은 내레이션, 인물 영상 생성, 입 모양 동기화, 자막, 편집, 검토를 이어 가고, 스타일 방식은 재사용 가능한 화면 구성과 시간 정보가 있는 음성을 사용합니다. 승인한 내레이션이 편집 시간의 기준이 되며, 작업 JSON에 승인 여부, 사용 기능, 작업 식별자, 산출물, 검토 보고서를 기록합니다. 포함된 스크립트는 기록된 근거로 제작 상태를 계산하고, 미디어 검사를 거친 원본 영상과 공유용 영상 및 납품 보고서를 준비합니다. 시작에는 호환 에이전트, Python 3.9 이상, FFmpeg와 ffprobe, 문서에 정한 셸 도구가 필요하며, 스킬 설치가 생성 서비스 제공을 뜻하지는 않습니다. 발표자 제작에는 별도의 음성 생성과 인물 영상 및 입 모양 동기화 수단이 필요하고, 스타일 제작에는 Node.js와 HyperFrames 및 MiniMax 음성 접근 권한 또는 직접 준비한 내레이션이 필요합니다. 유료 호출과 업로드는 승인을 받아야 하며, 작업 식별자와 재시도 제한으로 중복 과금을 줄이도록 구성합니다. 기술 검사만으로 사실 정확성과 화면 품질을 증명하지는 못하므로 사람의 검토가 계속 필요합니다.
• chengyi-ai/native-subtitle-quote-image
  실제 영상 장면을 인용 이미지로 만드는 편집자를 위한 Agent Skill과 Python 도구입니다. 원본 자막과 나중에 넣은 문장을 혼동하지 않도록 구분합니다. 사용 권한이 있는 로컬 영상이나 YouTube 주소, 선택한 시간점, 필요한 경우 검토한 문장의 JSON을 입력합니다. 원본 모드는 영상 픽셀에 이미 박힌 자막을 잘라 이어 붙이며, 문자를 인식해서 다시 그리지 않습니다. 대본 모드는 실제 장면 위에 승인된 문장을 그리며, 후편집 자막임을 밝혀야 합니다. 결과는 JPG 이미지와 해당 시간점 또는 문장 JSON이며, 여러 장을 만들면 전체 미리보기도 포함합니다. 후보 장면 추출, 자막 경계 확인, 합성, 이미지별 육안 검토 순서로 진행합니다. 시작하려면 호환 에이전트에 스킬을 설치하고 Python 3.10 이상, Pillow, imageio-ffmpeg 또는 FFmpeg를 별도로 준비하며, 에이전트 없이 스크립트만 실행할 수도 있습니다. YouTube 자료 확보에는 yt-dlp와 지원되는 JavaScript 실행 환경이 추가로 필요하고, 한국어와 중국어와 일본어 대본에는 해당 글꼴이 필요합니다. 켜고 끄는 자막 트랙은 원본 자막 픽셀이 아니며, 확대나 MIT 코드 라이선스가 원본 화질과 타인 영상의 사용 권한을 보장하지 않습니다.

Trendshift 순위 목록에 오른 저장소만 담았고, 목록은 후보를 찾는 데만 썼습니다. 순위 숫자는 옮기지 않았습니다. 설명과 라이선스, 별 수는 각 GitHub 저장소에서 확인했습니다. 해설은 우리의 판단입니다. 이 프로젝트들을 직접 시험한 것은 아니며, 상승 목록에 올랐다고 품질이 증명되지는 않습니다.