강의 준비 시간의 상당 부분은 콘텐츠 설계가 아니라 반복 제작에 쓰인다. 슬라이드를 다시 짜고, 나레이션을 녹음하고, 자막을 다는 과정을 한 학기 15주 내내 손으로 반복하면 정작 강의 설계에 쓸 시간이 제작 노동에 묻힌다. 대학 전공 강의와 평생학습 기관을 대상으로, 이 반복 제작 업무를 두 개의 자동화 파이프라인으로 대체한 사례다.
무엇을 분석했나
첫 번째 파이프라인은 완성된 강의 PPT 한 개를 입력하면 약 70분 분량의 한국어 강의 영상(MP4)을 자동 산출한다. 원본 슬라이드를 그대로 활용해 슬라이드별 구어체 나레이션 대본을 생성하고, AI 성우 음성으로 합성한 뒤, 슬라이드별 음성 길이에 맞춘 한국어 자막(SRT)을 영상에 번인(하드코딩)한다. 15장 안팎의 슬라이드가 곧바로 한 시간짜리 강의 영상이 되며, 음성·자막 품질과 슬라이드당 시간 배분을 정량 기준으로 통제할 수 있도록 설계했다.
두 번째 파이프라인은 커리큘럼 명세(주차·차시·핵심 이론)를 입력하면 15주차 분량의 강의 교안 PPT를 자동 생성한다. 주차별 콘텐츠 구조를 잡고, 자기조절 학습 순환 과정·계획된 행동 이론 구조·동기 연속체·혁신 확산 곡선 같은 이론 모델 다이어그램을 데이터 기반으로 그려 넣은 뒤, 표·카드·구조도 등 통일된 레이아웃으로 렌더링한다.
두 파이프라인 모두 Python 기반이며, python-pptx·matplotlib·ffmpeg·TTS 음성 합성 API·pywin32(PowerPoint COM)를 조합해 구현했다.
무엇이 나왔나
첫째, 녹화·녹음 없이 PPT가 영상으로 전환된다. 강의자가 별도로 녹화·녹음하지 않아도 슬라이드별 나레이션 대본 생성부터 TTS 합성, 자막 번인까지가 자동으로 이어져 15장 안팎의 슬라이드가 약 70분짜리 강의 영상이 된다.
둘째, 교안 PPT가 커리큘럼 명세만으로 15주차 분량 완성된다. 주차·차시·핵심 이론을 입력값으로 넣으면 이론 다이어그램(자기조절 학습 순환 과정, 계획된 행동 이론 구조, 동기 연속체, 혁신 확산 곡선 등)까지 데이터 기반으로 렌더링되어, 강의 교안이 처음부터 통일된 레이아웃으로 나온다.
셋째, 동일 커리큘럼을 여러 버전으로 반복 생성할 수 있다. 대상·난이도가 다른 여러 반을 동시에 운영할 때, 명세를 바꿔 같은 파이프라인을 다시 돌리는 방식으로 대응할 수 있다.
심사위원이라면 여기를 본다
강의 콘텐츠 자동화는 "결과물의 품질을 어떻게 통제했는가"와 "개편할 때마다 처음부터 다시 만들어야 하는가"라는 두 질문을 받는다. 이 작업에서 준비한 방어 포인트다.
포인트 1 — 정량 기준으로 통제되는 품질. 음성·자막 품질과 슬라이드당 시간 배분을 정량 기준으로 통제할 수 있도록 설계해, "이 영상의 품질이 매번 균일한가"라는 질문에 감이 아니라 기준으로 답할 수 있다.
포인트 2 — 코드로 재현되는 산출물. 나레이션 대본·자막·다이어그램·슬라이드 배치가 코드로 재현되므로, 강의가 개편될 때마다 처음부터 다시 만들 필요 없이 명세만 수정해 다시 돌리면 된다.
포인트 3 — 검증된 기술 스택의 조합. python-pptx·matplotlib·ffmpeg·TTS 음성 합성 API·pywin32(PowerPoint COM)라는 각 단계별 도구를 명시적으로 조합한 구조라, 어느 단계에서 무엇이 처리되는지를 단계별로 설명할 수 있다.
마치며
강의 콘텐츠 제작에서 반복되는 부분을 코드로 옮기면, 강의자는 매주 되풀이하던 제작 노동 대신 콘텐츠 설계에 시간을 쓸 수 있다.
비슷한 강의 콘텐츠 자동 제작이나 반복 업무 파이프라인화가 필요하다면 텍스트마이닝 분석 페이지에서 진행 방식을 확인할 수 있다. 분석 설계 노하우는 뉴스레터 「강의실의 AI」 구독 시 받아볼 수 있다.