SkillShow의 AWS 기반 청소년 스포츠 영상 자동화 사례

청소년 스포츠 영상 처리의 자동화를 실현한 SkillShow의 AWS 활용 사례

최근 몇 년간 디지털 콘텐츠 수요가 폭발적으로 증가함에 따라, 특히 스포츠 산업 내 영상 생산과 편집의 효율성이 중요한 과제가 되었습니다. 그중에서도 청소년 스포츠 시장은 전 세계적으로 2022년 기준 375억 달러 규모를 형성하고 있으며, 2030년까지 매년 9.2%씩 성장할 것으로 예상됩니다. 이 성장의 중심에 있는 SkillShow는 AWS 머신러닝 서비스를 활용하여 대용량 스포츠 영상 데이터를 자동화 처리하고 ‘효율적인 하이라이트 영상’을 빠르게 생성하는 데 성공했습니다.

이 글에서는 SkillShow가 Amazon Transcribe 및 AWS Lambda, Amazon S3를 활용하여 어떤 방식으로 영상 자동화 파이프라인을 구축했고, 이는 운영 효율성과 비용 절감 측면에서 어떻게 기여했는지를 중심으로 자동화와 AI/ML 기술의 활용법을 살펴보겠습니다.

운영 한계를 맞이한 기존의 수동 작업 방식

SkillShow는 연간 300건 이상의 청소년 스포츠 이벤트를 촬영하고 있으며, 60명 이상의 유망 선수를 위한 영상 포트폴리오를 제작합니다. 하지만 연 230TB에 달하는 영상 데이터를 관리하면서 불필요하게 비효율적인 수동 편집 이후 외부 에디터 1,100명 이상을 매년 고용하던 비효율적인 구조를 가지게 되었습니다. 이는 비용 증가, 평균 3주 이상의 작업 시간 소요, 데이터 관리 복잡성 등으로 이어졌고 성장을 제약하는 요소로 작용했습니다.

효율성과 확장성을 위해 도입한 AWS 기반 자동화 파이프라인

SkillShow는 AWS 기반의 서버리스 플랫폼을 활용하여 영상 편집을 자동화하는 솔루션을 도입했습니다. 여러 가지 접근법 중 음성 인식 기반 방식이 다음과 같은 이유로 가장 우수한 성능을 보였습니다:

• 다양한 날씨, 조명, 움직임에도 일관된 결과 제공
• 경기 방송 중 중계자가 일관되게 선수 번호 및 팀 식별 정보를 언급
• 비디오 기반 방식 대비 복잡도가 낮고 비용 효율성이 우수

파이프라인 구성은 아래와 같이 조작됩니다:

1. 사용자가 선수 명단(.csv) 및 영상 파일을 Amazon S3에 업로드
2. AWS Lambda 함수가 이를 감지하고 자동 트랜스크립션 프로세스 시작
3. Amazon Transcribe가 중계 음성을 텍스트로 변환
4. 결과물은 transcripts/ 경로에 저장
5. auto-clipper Lambda 함수가 키워드(예: “Next”)를 기반으로 클립 생성
6. 각 클립은 jersey_color_number 형식으로 segments/에 저장

운영 예시를 통한 구체적인 클립 생성 흐름

SkillShow가 실제로 구성한 자동화 흐름은 다음과 같은 단계를 거칩니다:

1. S3 버킷에 영상과 명단 파일 업로드

2. Amazon Transcribe가 음성을 인식하여 JSON 형식의 텍스트로 저장

3. Auto-clipper 함수가 키워드 기반 클립 생성

4. 클립은 이름이 지정된 폴더 또는 Unnamed 폴더에 저장

5. 편집자는 명명된 클립 중심으로 즉시 편집 작업 가능

6. Unnamed 폴더 내의 클립은 최소 수작업만으로 이름 지정 가능

적용 결과 및 자동화의 혜택

이 AWS 기반 자동화 솔루션 도입 후 SkillShow는 기존 3주 걸리던 영상 가공 작업을 단 하루(24시간) 내에 마무리할 수 있게 되었습니다. 예를 들어, 최근 시카고에서 열린 청소년 야구대회에서는 총 69개의 클립 중 64개가 자동으로 정확하게 컷팅 및 명명되어 93%의 정확도를 입증했습니다. 좀 더 큰 노스웨스트 인도어 이벤트에서는 270개 이상 클립을 90% 이상 정확도로 생성해 확장성도 입증했습니다.

이 외에도 SkillShow는 다양한 유형의 영상 콘텐츠(배팅 연습 장면 포함)에도 동일한 자동화 기반 처리를 적용해, 보다 넓은 스포츠 카테고리 전반으로 기술 활용 범위를 넓히고 있습니다.

향후 기술 확장성: Amazon Bedrock과의 통합

SkillShow는 현재 Amazon Bedrock 기반의 AI/ML 기술을 활용한 자동 하이라이트 생성, 실시간 스트리밍 처리 및 감정 분석, 영상 요약 생성 등 다양한 자동화 기능 개발도 고려 중입니다. 특히 Amazon Bedrock Data Automation은 비정형 콘텐츠(이미지, 오디오, 문서)의 인사이트 추출에 강력한 기능을 제공하여 콘텐츠 큐레이션과 아카이빙에 큰 도움을 줄 수 있습니다.

결론

SkillShow 사례는 조직이 Amazon Transcribe, S3, Lambda 같은 AWS의 머신러닝 서비스를 활용하여 어떻게 비용을 절감하고 영상 제작 프로세스를 자동화할 수 있는지를 보여주는 좋은 활용 예시입니다. 자동화 기반 영상 처리와 하이라이트 생성에 관심이 있는 기업이라면, SkillShow의 파이프라인을 벤치마킹해볼만한 가치가 충분합니다. 기술 도입을 고려하는 지금, AWS 기반 자동화는 경쟁력 있는 콘텐츠 제공을 위한 필수 도구로 자리잡고 있습니다.

https://aws.amazon.com/blogs/machine-learning/how-skillshow-automates-youth-sports-video-processing-using-amazon-transcribe/