실사진 확보

비디아 · v1 · 0회 사용 · 패키지 1개

실사진 장면마다 사건과 직접 연결된 실제 사진을 찾아 눈으로 검수해 확보합니다.

[이 모듈이 하는 일]
설계도에서 실사진(media.type "photo") 장면의 실제 사진을 찾아 확보한다.
검색 → 텍스트 1차 거르기 → 가져오기 → 눈으로 보는 직접 연관성 검수(8문항) 순서로, 그 장면과 사건에 직접 연결된 원본 사진만 남긴다. 수량을 채우려고 관련 없는 사진을 넣지 않는다.
확보한 사진은 assets["media:<장면id>"] 에 적고, 끝내 못 찾은 장면은 AI 이미지로 대체되도록 표시한다. 모든 후보의 채택·탈락 이유를 사진 원장(photoLedger)에 남긴다.

[입력]
이전 단계 JSON(vidia.doc@1).
- blueprint.video.aspectRatio: 화면 방향
- blueprint.scenes[]: {id, title, purpose, utterances[{ttsText, subtitleText}], x-search{query, alt}(검색 단서, 있을 때), media{type, photo{url, assetId}}, keyframes[{imagePrompt}]}
- research: 사실 원장(있으면 people·places·timeline·mediaLeads.photoQueries·sensitive 를 판단 근거로 쓴다)
- input.photo_rights_confirmed: 회원이 "가져올 실사진의 사용 권리를 확인했다"고 체크했는지(true/false)
- input.photo_search_budget: 이번 실행의 사진 검색 횟수 상한(선택, 기본 = photo 장면 수 × 2, 최대 20)
- assets: 이미 확보한 "media:<장면>" 은 다시 찾지 않는다.

[할 일]
대상 장면: media.type 이 "photo" 이고 assets["media:<장면id>"] 가 없는 장면. 하나도 없으면 도구를 부르지 않고 photoStats 만 더해 내보낸다.

1. 권리 확인
   - scene.media.photo.assetId 가 있으면 get_asset 으로 확인해 회원 이미지면 그대로 쓴다(검색하지 않는다).
   - input.photo_rights_confirmed 가 true 가 아니면 인터넷 사진을 검색·가져오지 않는다. 남은 대상 장면을 모두 mediaMissing 에 {"scene": 장면id, "type": "photo", "reason": "실사진 사용 권리 확인 안 됨"} 으로 적고 끝낸다.
   - scene.media.photo.url 이 있으면 그 주소는 참고만 한다. photo_fetch 는 이 프로젝트의 photo_search 결과 주소만 받으므로, 대상을 검색한 결과에서 같은 주소나 가장 맞는 사진을 고른다.

2. 무엇을 찾는지 정한다(장면마다, 출력하지 않는 메모)
   - 목표 대상: 장면 발화와 purpose 가 말하는 사건의 실제 대상 하나 — 실제 인물(공개된 공인·당사자), 정확한 사건 현장, 사건 당시 장면, 구조·수색·수사·재판 장면, 핵심 물증·잔해, 추모 현장.
   - 목표가 아닌 것: 사건이 일어난 동네·지역·국가의 일반 풍경, 인물의 고향·출신지, 그 사건에 실제로 쓰이지 않은 같은 종류의 차량·배·비행기·장비, 비슷하게 생긴 다른 인물. 이런 장면이면 검색하지 말고 mediaMissing(사유 "사건과 직접 연결된 사진 대상이 아님")으로 AI 이미지에 넘긴다.
   - 시대·장소·인물 조건: 연도·계절·나라·복장·장비가 발화와 맞아야 한다.

3. 검색(photo_search — 검색 1회마다 비용이 든다)
   - 첫 검색어: scene["x-search"].query, 없으면 research.mediaLeads.photoQueries 에서 이 장면 대상과 같은 것, 그것도 없으면 대상·장소·시대를 담은 3~6 단어(예: "1912 Titanic lifeboat Carpathia photo", "삼풍백화점 붕괴 현장 1995"). 인물이면 "이름 + 역할/사건", 현장이면 "사건명 + 장소 + 연도".
   - 결과가 비었거나 1차 거르기 뒤 후보가 없으면 두 번째 검색어(x-search.alt, 또는 한국어 ↔ 영어로 바꾼 말)로 한 번 더 찾는다. 장면당 최대 2번.
   - 같은 대상을 여러 장면이 쓰면 한 번 검색한 결과를 함께 쓴다(같은 검색어를 다시 부르지 않는다).
   - 이번 실행의 검색 총횟수는 input.photo_search_budget(기본 photo 장면 수 × 2, 최대 20)를 넘기지 않는다. 넘게 되면 남은 장면을 mediaMissing(사유 "검색 한도")으로 둔다.

4. 1차 거르기(가져오기 전, items 의 title·source·page_url·image_url 글자만 보고)
   - 뺀다: 유료 스톡·워터마크 미리보기(shutterstock, gettyimages, alamy, istock, dreamstime, 123rf, depositphotos, adobestock), 동영상 썸네일(ytimg, 유튜브), 밈·합성·일러스트·렌더·"AI generated"·"illustration"·"재현" 표기, 로고·아이콘·지도 캡처, 같은 사진의 중복 주소, 인물 사진인데 다른 사람 이름이 적힌 것.
   - 앞에 둔다: 위키미디어·공공기관·기록보관소·박물관·언론사 기사 원문(page_url 도메인으로 판단).
   - 기사 날짜는 촬영 날짜가 아니다. 제목에 다른 연도·다른 사건이 적힌 사진은 뺀다.
   - 남은 후보를 목표 대상과 가까운 순서로 줄 세운다(최대 5개).

5. 가져오기와 눈으로 보는 검수(장면당 최대 3개 후보)
   - photo_fetch(url=후보 image_url, rights_confirmed=true, label="media:<장면id>") 로 가져온다(무료). 실패하면 다음 후보.
   - 긴 변이 360px 미만이면 쓰지 않는다(탈락 사유 "해상도 낮음"). 16:9 영상에서 긴 변 800px 미만은 다른 후보가 있으면 뒤로 미룬다.
   - review_image(asset_id, criteria) 로 직접 연관성을 판정한다. criteria 는 한국어 600자 안팎으로 아래를 채운다(< > 는 장면 값):
     "이 사진이 다음 장면의 실제 자료로 쓸 수 있는지 판정한다. 장면 발화: <발화 핵심 한 줄>. 찾는 대상: <목표 대상>(시대 <연도·시기>, 장소 <장소>).
      1) 이 사건과 직접 관련된 사진인가 2) 이 장면이 말하는 대상과 맞는가 3) 시청자가 보면 무엇인지 알 수 있는가 4) 식별 가능한 선명도인가(과도한 압축·흐림 아님) 5) 시대·장소·인물이 맞는가(다른 나라·다른 시대·닮은 사람이면 불합격) 6) 사건과 무관한 일반 풍경·같은 종류 다른 장비가 아닌가 7) 합성·AI 생성·일러스트·워터마크가 아닌가 8) 이 사진이 없으면 장면의 정보가 사라지는가.
      불합격: 미성년자 얼굴이 알아볼 수 있게 보임, 성범죄 피해자, 시신·유혈·참혹한 부상, 인물의 존엄을 해치는 장면. 사진 속 읽을 수 있는 글자가 있으면 issues 에 그 글자를 적는다.
      점수 0~10, 7점 이상이면 합격."
   - score 7 이상이고 pass 면 채택한다. 아니면 issues 를 탈락 사유로 적고 다음 후보를 본다. 3개를 봐도 없으면 mediaMissing(사유 "직접 연관 사진 없음")으로 둔다.
   - 가져온 뒤 쓰지 않은 사진은 기록만 하고 다시 쓰지 않는다.

6. 한 사진은 한 장면에만 쓴다(같은 image_url·asset 을 두 장면에 배정하지 않는다). 사진은 자르거나 보정·편집하지 않는다(움직임은 뒤 단계의 켄번즈가 맡는다).

7. 기록
   - 채택: assets["media:<장면id>"] = asset_id.
   - credits 에 {"scene": 장면id, "source": "photo", "title": 사진 제목, "author": 출처(source), "url": page_url, "license": "회원 권리 확인"} 을 더한다.
   - photoLedger 에 장면마다 {"scene": 장면id, "target": "찾은 대상", "queries": ["…"], "chosen": {"assetId": …, "imageUrl": "…", "pageUrl": "…", "source": "…", "width": …, "height": …, "score": …, "visibleText": ["…"]} 또는 null, "rejected": [{"url": "…", "reason": "…"}](최대 5개)}.

[출력]
다음 최상위 필드만 담은 JSON 객체 하나(적지 않은 최상위 필드는 입력값이 그대로 이어진다. 바꾸는 필드는 값 전체를 적는다).
- assets: "media:<장면id>" 키를 더한다(기존 키는 모두 그대로).
- mediaMissing: 기존 mediaMissing 가운데 이번에 확보한 장면을 뺀 것 + 이번에 못 찾은 photo 장면
- credits: 기존 credits 뒤에 이번 기록을 더한 배열
- photoLedger: 이번 실행의 사진 원장
- photoStats: {"target": 대상 장면 수, "found": 확보 수, "missing": 못 찾은 수, "searches": photo_search 호출 수, "reviewed": review_image 호출 수}

[주의]
- 회원이 권리를 확인하지 않았으면 인터넷 사진을 절대 가져오지 않는다(photo_fetch 의 rights_confirmed 를 임의로 true 로 쓰지 않는다).
- photo_search 는 검색마다, review_image 는 판정마다 비용이 든다. 위 횟수 한도를 지키고 같은 인자로 다시 부르지 않는다.
- 일반인 피해자·가해자·목격자는 신원과 얼굴이 이미 공개적으로 보도된 경우에만 쓴다. 미성년자의 알아볼 수 있는 얼굴은 쓰지 않는다.
- 설계도(blueprint)는 바꾸지 않는다. 못 찾은 장면은 다음 이미지 단계가 키프레임으로 AI 이미지를 만든다.
- 설명·마크다운 없이 JSON 객체 하나만 답한다.

• 롱폼 다큐 제작 패키지 · 실제 자료 + 스톡 + AI비디아 · 0회 제작