AI 비디오 에이전트 비평 루프: 생성 품질 검증과 선택적 재생성

AI 비디오 에이전트는 생성 후 별도의 수용 판정이 필요합니다. 작업이 성공적으로 완료되어도 클립이 얼굴을 변형시키거나, 제품을 구부리거나, 라벨 텍스트를 조작하거나, 다음 샷으로 연결되지 않는 프레임으로 끝날 수 있습니다. 비평 루프는 이런 실패를 감지하고, 무엇이 파손되었는지 설명하고, 영향을 받은 샷만 수리를 위해 재전송합니다.

이것은 비디오 제작에 적용된 평가-최적화 워크플로입니다. 생성기가 클립을 만들고, 비평가가 명시적 기준과 비교하고, 에이전트가 수용, 수리, 에스컬레이션 또는 중단합니다.^[1]

TL;DR

• 생성 전에 샷 계약을 작성합니다. 고정해야 할 세부 사항과 허용되는 동작, 조명, 카메라 변화를 구분합니다.
• 결정론적 확인부터 실행합니다: 작업 상태, 출력 URL, 파일 읽기 가능성, 기간, 치수, 오디오 존재.
• 비평가에게 증거와 수리 범위를 반환하도록 요구합니다. 모호한 품질 점수 하나로는 부족합니다.
• 실패한 샷만 재시도하고, 이미 합격한 모든 부분은 보존합니다.
• 완료된 시도의 상한을 설정합니다. 정지 조건이 없는 루프는 어려운 샷 하나를 무제한 청구로 바꿀 수 있습니다.
• 얼굴 인식, 법적 텍스트, 브랜드 주장, 최종 승인을 위한 휴먼 게이트를 유지합니다.

완료된 생성이 수용된 샷이 아닌 이유

생성 인프라와 크리에이티브 리뷰는 다른 질문에 답합니다. 작업 시스템은 제공자가 파일을 반환했는지 알지만, 병이 비율을 유지했는지, 배우가 인식 가능한 상태로 남아 있었는지, 마지막 프레임이 스토리보드와 일치하는지는 모릅니다.

이 구분은 비용에도 영향을 미칩니다. reAPI에서 completed 작업은 usage.credits에 결제된 요금을 보고하는 반면, 실패한 작업은 워크플로가 실패로 끝날 때 환불됩니다.^[3] 작업이 완료되고 팀이 크리에이티브 결함으로 클립을 거부해도 여전히 완료된 생성입니다. 따라서 애플리케이션은 제공자 실패 비용이 없어도 크리에이티브 재시도 예산이 필요합니다.

생성 결과를 완성된 자산이 아니라 후보로 취급합니다.

단계 1: AI 비디오 에이전트에 샷 계약 제공

비평가는 "이게 좋아 보이나?"에서 일관된 판정을 내릴 수 없습니다. 첫 번째 요청 전에 수용 규칙을 작성하면 플래너, 생성기, 비평가, 휴먼 리뷰어가 같은 것을 판정합니다.

{
  "shot_id": "03-product-orbit",
  "intent": "Reveal the side label while keeping the bottle centered",
  "must_keep": [
    "bottle silhouette and cap width",
    "label colors and aspect ratio",
    "no added words or marks",
    "single continuous shot"
  ],
  "allowed_change": [
    "camera moves 30 degrees left",
    "background becomes slightly warmer"
  ],
  "end_state": "front label readable and product centered",
  "max_completed_attempts": 3,
  "max_provider_failures": 2
}

계약은 관찰 가능한 조건을 설명해야 합니다. "프리미엄", "영화적", "아름답다"는 크리에이티브 브리프에는 있을 수 있지만 합격/불합격 규칙로는 부족합니다. "캡 너비 불변"과 "추가 텍스트 없음"은 검사와 수리가 쉽습니다.

작업에 자세한 제품 참조 준비가 필요한 경우 Seedance 2.5 전자상거래 비디오 워크플로를 참조하세요. 실패가 샷 간의 아이덴티티 드리프트인 경우, GPT Image 2와 Seedance 2.0 캐릭터 워크플로가 참조 패키지와 연속성 핸드오프를 다룹니다. 비평 루프는 어느 워크플로를 대체하기보다는 그 위에 위치합니다.

단계 2: 모델 비평가를 사용하기 전에 기술적 실패 거부

모든 검사가 추가 AI 호출을 필요로 하지는 않습니다. 코드가 확인할 수 있는 사실은 코드를 사용하고, 다중 모달 평가자 또는 휴먼을 위한 시각적 판정은 예약합니다.

이 순서는 중요합니다. 손상된 파일을 시각 모델로 평가하도록 요청하는 것은 시간을 낭비하고 모호한 피드백을 생성합니다. 깔끔한 기술 게이트는 비평가에게 유효한 증거를 검사하도록 합니다.

같은 원칙이 광범위한 에이전트 평가에 나타납니다: 유용한 평가는 방법을 혼합하고, 단일 레이어는 모든 문제를 포착하지 못합니다.^[2]

단계 3: 비평가에게 증거, 심각도, 수리 범위 요청

하나의 전체 점수는 실제로 필요한 판정을 숨깁니다. 0.78을 반환하는 비평가는 에이전트가 샷을 재생성하거나, 오디오를 수정하거나, 클립을 사람에게 보내야 할지 말해주지 않습니다.

대신 구조화된 출력을 사용합니다:

{
  "decision": "repair",
  "severity": "hard_fail",
  "failed_check": "bottle geometry changes during the orbit",
  "evidence": {
    "time_range": "4.2s-5.0s",
    "observation": "cap narrows and label aspect ratio shifts"
  },
  "repair_scope": "shot_03_only",
  "preserve": ["camera path", "lighting", "duration"],
  "next_instruction": "reinforce product geometry from the identity reference"
}

비평가의 어휘를 작게 유지합니다. 보통 4가지 판정으로 충분합니다:

• accept: 모든 하드 규칙이 통과;
• repair: 실패가 좁고 실행 가능한 범위;
• human_review: 증거가 모호하거나 판정이 민감;
• stop: 재시도 상한 또는 예산에 도달.

이 구조는 자동화된 비디오 QA의 일반적인 실패를 방지합니다: 비평가가 하나의 로컬 결함을 발견한 후 전체 브리프를 다시 작성합니다.

단계 4: 실패한 부분만 수리

선택적 수리는 루프의 주요 경제적 이점입니다. 5개 샷이 통과하고 6번째에 나쁜 최종 프레임이 있으면 생성을 통해 전체 시퀀스를 재전송하지 않습니다.

비평가가 두 번째 크리에이티브 방향을 도입하도록 하지 마세요. 그 역할은 비교, 진단, 다음 시도의 제약입니다. 플래너가 브리프를 소유합니다.

단계 5: 재시도 예산과 정지 규칙 설정

모든 자동화된 루프에는 출구가 필요합니다. Anthropic의 평가-최적화 가이드는 평가 기준이 명확하고 피드백이 측정 가능한 개선을 생산할 수 있을 때의 패턴을 권장합니다. 비평가가 유용한 수정을 표현할 수 없을 때는 적합하지 않습니다.^[1]

시도 상한과 지출 상한 모두를 사용합니다:

creative retry ceiling =
  maximum completed attempts × estimated completed-task cost

추정값은 선택된 모델의 라이브 요율 카드에서 나옵니다. 결제된 금액은 작업의 usage.credits에서 나옵니다. 모델 특정 청구 규칙을 클라이언트에서 재구성하려고 하는 대신 그 값을 읽습니다.^[3]

실제적인 정지 정책은 동일한 하드 규칙이 2번 실패할 때, 다음 수리가 이전에 수용된 속성을 변경할 때, 또는 남은 예산이 또 다른 시도를 커버할 수 없을 때 에스컬레이션됩니다. 이들은 제품 결정이지 보편적인 모델 제한이 아닙니다.

최소 비평 루프 구현

루프는 모든 비동기 비디오 모델 위에 위치할 수 있습니다. 미디어 모델이 생성하고, 애플리케이션이 작업 ID를 저장하고, 종료 상태를 대기하고, 기술적 검사를 실행하고, 유효한 출력에서만 비평가를 호출합니다.

type CriticDecision =
  | { action: 'accept' }
  | { action: 'repair'; repairPrompt: string }
  | { action: 'human_review'; reason: string }
  | { action: 'stop'; reason: string };

async function produceAcceptedShot(contract: ShotContract) {
  let request = contract.initialRequest;
  let completedAttempts = 0;
  let providerFailures = 0;

  while (
    completedAttempts < contract.maxCompletedAttempts &&
    providerFailures < contract.maxProviderFailures
  ) {
    const task = await submitVideo(request);
    const result = await pollUntilTerminal(task.id);

    if (result.status === 'failed') {
      providerFailures++;
      continue;
    }

    completedAttempts++;
    await runDeterministicMediaChecks(result.output.video_urls[0], contract);
    const decision: CriticDecision = await reviewShot(result, contract);

    if (decision.action === 'accept') return result;
    if (decision.action !== 'repair') return decision;

    request = applyNarrowRepair(
      contract.initialRequest,
      decision.repairPrompt
    );
  }

  return { action: 'stop', reason: 'attempt or provider-failure ceiling reached' };
}

본 프로덕션 코드는 지속성, 타임아웃, 속도 제한 처리, 그리고 휴먼이 최종 승인한 출력의 기록이 필요합니다. 가장 중요한 것은 클라이언트가 대기를 중단했다고 해서 단순히 작업을 복제해 제출하지 않는 것입니다. 비디오 작업은 수 분 실행될 수 있으며, 작업 엔드포인트는 권위 있는 상태를 제공합니다.^[3]

AI 비디오 에이전트 워크플로에서 reAPI의 역할

비평 루프는 하나의 비디오 모델에 의존해서는 안 됩니다. 플래너는 어떤 샷의 경우 긴 테이크가, 다른 샷의 경우 더 강한 참조 제어가, 시각 방향이 아직 미결정될 때는 더 저렴한 초안 경로가 필요할 수 있습니다.

reAPI는 하나의 카탈로그를 통해 현재 비디오 모델을 공개하고 미디어 생성을 위해 비동기 작업 라이프사이클을 사용합니다.^[4] 이것은 제출, 폴링, 결제된 사용, 실패 처리, 출력 스토리지를 일관되게 유지하면서 모델 특정 요청 필드는 명시적으로 유지합니다. 에이전트는 제어 표면이 동일하다고 가장하지 않고도 모델을 변경할 수 있습니다.

비디오 모델 카탈로그로 시작한 후 선택된 모델의 문서를 실제 필드에 사용합니다. 폴링, 출력, 사용, 오류, 환불 의미론을 위해 정규 작업 API 참조를 사용합니다.

FAQ

AI 비디오 비평가는 전체 비디오를 봐야 합니까?

항상은 아닙니다. 결정론적 검사는 메타데이터를 검사할 수 있지만 시각 비평가는 샘플 프레임과 계획된 시작 및 종료 상태로 시작할 수 있습니다. 연속 동작, 립 싱크, 사운드 또는 단명 아티팩트는 전체 비디오 및 오디오 리뷰가 필요할 수 있습니다. 이용 가능한 평가자가 관련 증거를 검사할 수 없을 때 에스컬레이션합니다.

생성기와 비평가가 같은 모델을 사용해야 합니까?

그럴 수도 있지만 필수는 아닙니다. 역할의 분리는 모델 벤더 수보다 중요합니다. 비평가는 계약, 출력 증거, 제한된 판정 스키마가 필요합니다. 크리에이티브 브리프를 다시 작성할 허가를 상속해서는 안 됩니다.

AI 비디오 에이전트는 얼마나 많은 재시도를 허용해야 합니까?

보편적인 수는 없습니다. 샷 중요도, 완료된 생성 비용, 배송 시간, 그리고 비평가의 피드백이 결과를 변경할 가능성에서 상한을 설정합니다. 예산이 소모될 때까지 루프하기보다는 반복된 하드 실패를 에스컬레이션합니다.

reAPI에서 실패한 비디오 생성에 요금이 부과됩니까?

실패한 작업은 자동으로 환불됩니다. 크리에이티브 이유로 비평가가 거부한 완료된 클립은 여전히 완료된 작업이고 usage.credits에 결제된 요금을 보고합니다.^[3]

어떤 검사가 항상 사람을 필요로 합니까?

법적 또는 사실적 주장, 식별 가능한 초상권, 중요한 브랜드 텍스트, 민감한 콘텐츠, 최종 편집 승인에 대한 휴먼 판정을 유지합니다. 자동화된 검사는 리뷰 큐를 좁혀야 하며 책임을 조용히 가정해서는 안 됩니다.

결론

AI 비디오 에이전트 워크플로는 기술적으로 성공적이지만 사용 불가능한 샷을 거부할 수 있을 때 유용해집니다. 먼저 계약을 정의하고, 코드를 사용해 객관적 검사를 실행하고, 비평가에게 증거를 요구하고, 실패한 범위만 수리하고, 예산이나 피드백 품질이 소진될 때 정지합니다. 루프는 완벽한 생성을 보장하지 않습니다. 하나의 나쁜 샷이 조용히 편집자의 문제가 되는 것을 방지합니다.

References

1. Anthropic. Building effective agents: evaluator-optimizer workflows, gates, and stopping conditions. Retrieved August 27, 2026 from anthropic.com
2. Anthropic. Demystifying evals for AI agents. Retrieved August 27, 2026 from anthropic.com
3. reAPI. Tasks API: polling, usage.credits, status values, and refund behavior. Retrieved August 27, 2026 from reapi.ai/docs/api/tasks
4. reAPI. Live model catalog and video model availability. Retrieved August 27, 2026 from reapi.ai/models

Further reading

• reAPI. Seedance 2.5 for E-commerce Video: A Real Workflow. reapi.ai/blog/seedance-2-5-ecommerce-video
• reAPI. GPT Image 2 + Seedance 2.0: A Character Consistency Workflow. reapi.ai/blog/gpt-image-2-seedance-2-0-character-workflow
• reAPI. AI video generation API comparison. reapi.ai/blog/best-ai-video-generation-api-2026