State Machine 기반 Job Orchestration을 통한 AI 비디오 생성 파이프라인 구축

Building Forevers.app: Turning Still Memories Into AI Generated Videos

Shay R2026년 6월 7일7분intermediate

AI 요약

Context

단순 API 요청-응답 구조로는 AI 비디오 생성의 긴 처리 시간과 예측 불가능한 실패 지점을 제어하기 어려운 한계 직면. 개별 클립 생성, 머징, 오디오 루핑 등 다단계 공정에서 발생하는 부분적 성공 및 실패 상태의 정밀한 관리가 필수적인 상황.

단일 요청 구조에서 State Machine 기반 아키텍처로 전환하여 각 생성 단계의 상태를 독립적으로 추적 및 제어
Replicate AI 모델 추론과 Mux 비디오 호스팅을 결합한 파이프라인을 통해 생성부터 딜리버리까지의 전 과정 분리
TanStack Query를 활용한 복잡한 프로젝트 상태(Draft, Processing, Failed, Completed)의 실시간 동기화 및 캐싱 구현
Fabric.js와 Remotion을 도입하여 캔버스 조작 및 영상 렌더링 구성을 프로그래밍 방식으로 제어
RTL(Right-to-Left) 레이아웃 대응을 포함한 다국어 처리 로직을 UI 컴포넌트 레벨에서 추상화하여 구현

실천 포인트

1. 장시간 소요되는 AI 작업 설계 시 단순 API 호출이 아닌 상태 기반 Job Orchestration 도입 검토

2. AI 파이프라인의 각 단계별 독립적 실패 가능성을 정의하고 세밀한 Error Recovery 전략 수립

3. 모델 성능 외에 Job Monitoring, Credit Control, Payment Visibility를 포함한 Admin Tooling 조기 구축

4. AI 서비스의 UX 설계 시 모호한 로딩 화면 대신 단계별 진행 상황을 명시하는 Progress Tracking 구현

태그