تشغيل أي مهارة في Manus بنقرة واحدة

webtoon-image-generation

النجوم١

التفرعات٠

آخر تحديث١٨ مايو ٢٠٢٦ في ٠٠:١٩

prompts.json을 받아 codex-image의 5장 병렬 배치 기능으로 회차 컷 이미지를 실제로 생성하는 스킬. 시드 그룹 단위 묶음과 실패 재시도, 메타 기록을 처리한다. image-generator 에이전트가 호출한다.

التثبيت

التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.

تشغيل في Manus

المصدر

revfactory

revfactory/systemless-player

فتح مستودع GitHub عرض مستودعات المنشئ

تنزيل

تشغيل في Manus

المهن ذات الصلةSOC

استنادا إلى تصنيف SOC المهني

مطوّرو البرمجياتمهن الحاسوب والرياضيات·SOC 15-1252

SKILL.md

readonly

name	webtoon-image-generation
description	prompts.json을 받아 codex-image의 5장 병렬 배치 기능으로 회차 컷 이미지를 실제로 생성하는 스킬. 시드 그룹 단위 묶음과 실패 재시도, 메타 기록을 처리한다. image-generator 에이전트가 호출한다.

Webtoon Image Generation — codex-image 병렬 배치 실행

핵심 룰

항상 5장 병렬 배치를 우선 — 실측 직렬 대비 2.4~2.85배 빠름 (codex-image 스킬의 핵심 강점)
같은 시드 그룹은 같은 배치에 묶기 — 캐릭터 일관성 최대화
실패는 1회 재시도, 재실패 시 GEN_FAILED 표기 + 진행 (전체 회차를 막지 않음)
모든 생성에 메타 기록 — 시드·모델·시각 — 재현 가능성 확보

워크플로우

Step 1 — prompts.json 로드 & 시드 그룹 군집화

# 의사 코드
prompts = load("_workspace/episodes/ep{NN}/prompts.json")
groups = group_by(prompts.cuts, key="seed_group")
batches = []
for group_name, cuts in groups.items():
    # 5장씩 잘라 배치 구성
    for i in range(0, len(cuts), 5):
        batches.append(cuts[i:i+5])

Step 2 — 배치별 codex-image 호출

codex-image 스킬은 한 번에 최대 5장 병렬 생성 지원. 각 배치를 codex exec 한 번으로 처리:

codex exec --task "image_generation_batch" \
  --inputs '[
    {"prompt": "...cut1...", "size": "1024x1792", "seed_group": "ep01_location_seoul"},
    {"prompt": "...cut2...", "size": "1024x1792", "seed_group": "ep01_location_seoul"},
    ...
  ]'

(실제 호출 형식은 codex-image 스킬의 SKILL.md 참조)

Step 3 — 결과 저장

각 컷 이미지를 _workspace/episodes/ep{NN}/images/cut_{ID:02d}.png로 저장. 메타는 같은 폴더의 cut_{ID:02d}.meta.json:

{
  "cut_id": 1,
  "model": "gpt-image-2",
  "seed": 4823917,
  "seed_group": "ep01_location_seoul",
  "size": "1024x1792",
  "generated_at": "2026-05-17T20:00:15Z",
  "duration_sec": 12,
  "retry_count": 0,
  "prompt_hash": "sha256:abc123..."
}

Step 4 — 실패 처리

단일 컷 실패 → 즉시 1회 재시도 (같은 시드 유지)
재실패 → meta.json의 status: "GEN_FAILED", report에 기록, 빈 placeholder PNG는 생성하지 않는다 (panel-assembler가 자체 처리)
배치 전체 실패(quota/network) → 30초 대기 후 1회 재시도. 재실패 시 오케스트레이터에 에스컬레이션.

Step 5 — generation_report.json 작성

회차 전체 결과 요약을 _workspace/episodes/ep{NN}/generation_report.json:

{
  "episode": 1,
  "total_cuts": 8,
  "succeeded": 8,
  "failed": [],
  "batches": [
    {"batch_id": 1, "cut_ids": [1,2,3,4,5], "duration_sec": 45, "seed_group_set": ["ep01_location_seoul", "ep01_han-do-hyun"]},
    {"batch_id": 2, "cut_ids": [6,7,8], "duration_sec": 28, "seed_group_set": ["ep01_han-do-hyun", "ep01_group_han-do-hyun"]}
  ],
  "started_at": "2026-05-17T20:00:00Z",
  "completed_at": "2026-05-17T20:01:15Z",
  "total_duration_sec": 75
}

모델 선택 가이드

기본: codex-image (병렬 5장, 빠른 속도) — 대부분의 컷
고해상도/정밀: gpt-image-2 — 임팩트 컷(scroll_length 4)만, 단일 호출
다중 레퍼런스/캐릭터 시트 합성: gemini-3-pro-imagegen — 캐릭터 시트 생성 시(여러 portrait를 한 화면에 합성)

prompts.json의 model_preference 필드 우선, 없으면 기본 사용.

사이즈 표준

aspect_ratio	size
9:16	1024x1792 (세로 임팩트)
16:9	1792x1024 (가로 와이드)
1:1	1024x1024 (정사각/침묵)

scroll_length 3-4 임팩트 컷은 가능하면 9:16 + 1024x1792로 통일.

체크리스트

모든 컷이 cut_{ID:02d}.png로 저장됨
모든 컷에 meta.json 존재
generation_report.json 작성됨
실패 컷은 status 기록 후 진행 (placeholder 자동 생성 금지)
panel-assembler와 consistency-qa에게 완료 통지

المزيد من هذا المستودع

نفس المستودع

webtoon-bubble-overlay

revfactory/systemless-player

codex의 image-to-image 기능으로 기존 컷 이미지에 손그림 말풍선·효과음을 직접 박아 진짜 웹툰 스타일 임팩트를 만드는 스킬. shout·큰 SFX·강조 dialogue만 처리하는 하이브리드 분담. CSS 말풍선의 어색함을 넘어설 때 반드시 사용. bubble-artist 에이전트가 호출한다.

2026-05-181

webtoon-dialogue-writing

revfactory/systemless-player

한국 웹툰 스타일의 풍부한 대사를 작성하는 스킬. shot_list의 빈약한 텍스트 메타를 6가지 텍스트 타입(대사·생각·외침·속삭임·내레이션·효과음)으로 풍성하게 채워 shot_list_enriched.json을 만든다. 회차 추가 작성·기존 회차 대사 보강·대사 부족 피드백·웹툰 풍부화 요청 시 반드시 사용. dialogue-writer 에이전트가 호출한다.

2026-05-181

webtoon-narrative-flow

revfactory/systemless-player

시즌 전체 회차의 서사 흐름을 진단하고 빠진 장면·약한 인과·일관성 깨짐을 식별하여 보완 컷을 처방하는 스킬. 회차 추가·기존 회차 보완·서사 검증·연결성 점검 요청 시 반드시 사용. narrative-doctor 에이전트가 호출한다.

2026-05-181

webtoon-panel-assembly

revfactory/systemless-player

생성된 컷 이미지와 shot_list의 텍스트 메타를 결합하여 마우스/터치 스크롤로 읽을 수 있는 단일 세로 스크롤 웹툰 HTML 페이지(index.html)를 만드는 스킬. 말풍선·내레이션·시스템 UI·글리치를 모두 HTML/CSS로 오버레이한다. panel-assembler 에이전트가 호출한다.

2026-05-181

webtoon-producer

revfactory/systemless-player

systemless-player 시나리오를 토대로 세로 스크롤 웹툰을 회차 단위로 제작하는 오케스트레이터 스킬. 8인 전문가 팀(character-designer / scene-director / dialogue-writer / narrative-doctor / image-prompt-engineer / image-generator / panel-assembler / consistency-qa)을 조율하여 캐릭터 일관성 보장된 마우스 스크롤 가능한 HTML 웹툰을 출력한다. 트리거 - "웹툰 그려줘", "1화 그려줘", "에피소드 N 제작", "시즌 1 시작", "캐릭터 시트 만들어줘", "다시 그려줘", "재실행", "수정", "보완", "대사 보강", "대사 추가", "장면 추가", "서사 보완", "갭 채우기", "연결성 점검", "{회차}의 {특정 컷}만 다시", "이전 결과 기반으로 개선", "다음 화 작업" 등 시스템리스 플레이어 웹툰 제작 관련 모든 요청에 사용. 단, 시나리오/줄거리 자체를 새로 쓰는 것은 이 스킬의 범위가 아니다.

2026-05-181

webtoon-character-design

revfactory/systemless-player

웹툰 캐릭터의 시각 레퍼런스 시트(외형 JSON + 정면/측면/표정/포즈 이미지)를 만들어 시즌 내내 캐릭터 일관성을 보장하는 스킬. 새 캐릭터 셋업, 기존 캐릭터 외형 변형(예: 부상으로 의상·신체 변화) 추가, 시트 갱신이 필요할 때 사용. character-designer 에이전트가 호출한다.

2026-05-181

name	webtoon-image-generation
description	prompts.json을 받아 codex-image의 5장 병렬 배치 기능으로 회차 컷 이미지를 실제로 생성하는 스킬. 시드 그룹 단위 묶음과 실패 재시도, 메타 기록을 처리한다. image-generator 에이전트가 호출한다.

Webtoon Image Generation — codex-image 병렬 배치 실행

핵심 룰

항상 5장 병렬 배치를 우선 — 실측 직렬 대비 2.4~2.85배 빠름 (codex-image 스킬의 핵심 강점)
같은 시드 그룹은 같은 배치에 묶기 — 캐릭터 일관성 최대화
실패는 1회 재시도, 재실패 시 GEN_FAILED 표기 + 진행 (전체 회차를 막지 않음)
모든 생성에 메타 기록 — 시드·모델·시각 — 재현 가능성 확보

워크플로우

Step 1 — prompts.json 로드 & 시드 그룹 군집화

# 의사 코드
prompts = load("_workspace/episodes/ep{NN}/prompts.json")
groups = group_by(prompts.cuts, key="seed_group")
batches = []
for group_name, cuts in groups.items():
    # 5장씩 잘라 배치 구성
    for i in range(0, len(cuts), 5):
        batches.append(cuts[i:i+5])

Step 2 — 배치별 codex-image 호출

codex-image 스킬은 한 번에 최대 5장 병렬 생성 지원. 각 배치를 codex exec 한 번으로 처리:

codex exec --task "image_generation_batch" \
  --inputs '[
    {"prompt": "...cut1...", "size": "1024x1792", "seed_group": "ep01_location_seoul"},
    {"prompt": "...cut2...", "size": "1024x1792", "seed_group": "ep01_location_seoul"},
    ...
  ]'

(실제 호출 형식은 codex-image 스킬의 SKILL.md 참조)

Step 3 — 결과 저장

각 컷 이미지를 _workspace/episodes/ep{NN}/images/cut_{ID:02d}.png로 저장. 메타는 같은 폴더의 cut_{ID:02d}.meta.json:

{
  "cut_id": 1,
  "model": "gpt-image-2",
  "seed": 4823917,
  "seed_group": "ep01_location_seoul",
  "size": "1024x1792",
  "generated_at": "2026-05-17T20:00:15Z",
  "duration_sec": 12,
  "retry_count": 0,
  "prompt_hash": "sha256:abc123..."
}

Step 4 — 실패 처리

단일 컷 실패 → 즉시 1회 재시도 (같은 시드 유지)
재실패 → meta.json의 status: "GEN_FAILED", report에 기록, 빈 placeholder PNG는 생성하지 않는다 (panel-assembler가 자체 처리)
배치 전체 실패(quota/network) → 30초 대기 후 1회 재시도. 재실패 시 오케스트레이터에 에스컬레이션.

Step 5 — generation_report.json 작성

회차 전체 결과 요약을 _workspace/episodes/ep{NN}/generation_report.json:

{
  "episode": 1,
  "total_cuts": 8,
  "succeeded": 8,
  "failed": [],
  "batches": [
    {"batch_id": 1, "cut_ids": [1,2,3,4,5], "duration_sec": 45, "seed_group_set": ["ep01_location_seoul", "ep01_han-do-hyun"]},
    {"batch_id": 2, "cut_ids": [6,7,8], "duration_sec": 28, "seed_group_set": ["ep01_han-do-hyun", "ep01_group_han-do-hyun"]}
  ],
  "started_at": "2026-05-17T20:00:00Z",
  "completed_at": "2026-05-17T20:01:15Z",
  "total_duration_sec": 75
}

모델 선택 가이드

기본: codex-image (병렬 5장, 빠른 속도) — 대부분의 컷
고해상도/정밀: gpt-image-2 — 임팩트 컷(scroll_length 4)만, 단일 호출
다중 레퍼런스/캐릭터 시트 합성: gemini-3-pro-imagegen — 캐릭터 시트 생성 시(여러 portrait를 한 화면에 합성)

prompts.json의 model_preference 필드 우선, 없으면 기본 사용.

사이즈 표준

aspect_ratio	size
9:16	1024x1792 (세로 임팩트)
16:9	1792x1024 (가로 와이드)
1:1	1024x1024 (정사각/침묵)

scroll_length 3-4 임팩트 컷은 가능하면 9:16 + 1024x1792로 통일.

체크리스트

모든 컷이 cut_{ID:02d}.png로 저장됨
모든 컷에 meta.json 존재
generation_report.json 작성됨
실패 컷은 status 기록 후 진행 (placeholder 자동 생성 금지)
panel-assembler와 consistency-qa에게 완료 통지