토킹 헤드 영상 포맷: 화면 비율, 크기, 파일 형식

토킹 헤드 영상은 한 사람이 대략 가슴 위로 잡힌 구도에서 카메라를 보며 말하는 영상이며, 포맷은 재생될 곳에 따라 정해집니다. 숏폼 피드에는 세로, 일반 YouTube 영상에는 16:9, 일부 소셜 피드에는 정사각형이나 4:5를 씁니다. Sume의 아바타 영상은 9:16(기본값), 3:4, 1:1, 4:3, 16:9의 다섯 가지 형태로 나오며, 파일은 문서에 나온 720p의 MP4입니다.

플랫폼별 안내는 2026-09-27에 확인한 각 플랫폼의 자체 페이지에서 인용했습니다. Sume 관련 사실은 아바타 영상 생성과 Sume API 레퍼런스의 아바타 영상 스키마에서 가져왔으며, 현재 동작이라고 설명한 내용은 Sume의 코드에서 확인했습니다.

토킹 헤드 영상은 세로와 가로 중 무엇으로 만들어야 하나요?

형태는 영상이 올라갈 곳을 보고 고르세요. YouTube는 최대 3분 길이의 정사각형이나 세로 업로드를 Shorts로 분류하며, 롱폼 영상에는 16:9처럼 더 넓은 비율을 쓰라고 안내합니다. 아래 표의 행은 각 플랫폼의 자체 페이지를 인용한 것이며, 그중 네 개는 광고 규격입니다. 세이프 존은 Meta 영상 광고 규격에서 다룹니다.

Sume 아바타 영상은 어떤 포맷으로 나오나요?

POST /v1/avatar-1.0/talking-video의 필드 두 개가 프레임을 정하고, 파일 형식은 고정입니다.

• aspect_ratio: 1:1, 3:4, 9:16, 4:3, 16:9 중 하나입니다. 기본값은 UGC 스타일 클립의 세로 형태인 9:16이며, 문서에 실린 예시는 아래처럼 이 비율에 캐주얼한 침실 장면을 짝지어 씁니다.
• resolution: 현재 720p로, 문서에 나온 해상도입니다. 너비나 높이 필드는 없습니다.
• 파일: 최종 영상은 MP4이며, 현재 코드에서 오디오는 AAC로 먹싱됩니다.

curl -X POST https://api.sume.com/v1/avatar-1.0/talking-video \
  -H "Authorization: Bearer $SUME_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: ugc-vertical-001" \
  -d '{
    "avatar_handle": "product_host",
    "script": "Okay, three things I wish I knew before I started running.",
    "scene": { "type": "prompt", "prompt": "Casual bedroom framing, native UGC lighting" },
    "aspect_ratio": "9:16"
  }'

4:5나 다른 비율을 보내면 어떻게 되나요?

오류 대신 9:16 영상을 받게 됩니다. 스키마는 지원 목록 밖의 값을 기본값으로 처리한다고 설명하며, 현재 코드는 지원하지 않는 문자열이면 무엇이든 9:16으로 대체합니다. 보내기 전에 비율을 확인하세요.

4:5가 필요하면 가장 가까운 형태인 3:4로 렌더링한 뒤 영상 필터로 위아래의 얇은 띠를 잘라 내세요. crop은 프레임에 대한 비율로 지정합니다. 너비는 그대로 두고 높이의 0.9375만 남기면 3:4가 4:5가 됩니다(직접 계산: 0.75 ÷ 0.9375 = 0.8). 소스는 아바타 출력처럼 워크스페이스에 있는 media.sume.com 클립이어야 하며, 오디오는 그대로 유지됩니다.

curl -X POST https://api.sume.com/v1/video-filter \
  -H "Authorization: Bearer $SUME_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: crop-4x5-001" \
  -d '{
    "video_url": "https://media.sume.com/artifacts/artf_demo/talk-3x4.mp4",
    "ops": [{ "op": "crop", "x": 0, "y": 0.03125, "width": 1, "height": 0.9375 }]
  }'

클립을 더 긴 영상으로 이어 붙이면 무엇이 달라지나요?

Timeline 1.0 렌더는 프레임을 따로 정합니다. 기본 출력이 1080×1920이므로, output 없이 이어 붙인 16:9 토킹 헤드는 세로로 나옵니다. output.width와 output.height(256에서 2160까지의 짝수 정수)를 렌더링한 형태에 맞게 설정하세요. 클립이 그 프레임을 어떻게 채울지는 슬롯마다 fit이 정하며, 값은 cover(기본값), contain, stretch, blur입니다. 각 fit의 차이는 가로 영상을 세로로 변환하기에서 비교합니다.

설정할 수 없는 항목은 무엇인가요?

• 4:5나 21:9처럼 다섯 가지 밖의 비율. 지원하는 가장 가까운 비율로 렌더링한 뒤 영상 필터로 잘라 내세요.
• 아바타 영상 자체의 픽셀 크기, 또는 720p 외의 해상도.
• Job 하나에 여러 형태. aspect_ratio는 최상위 필드 하나이므로, 필요한 형태마다 영상을 하나씩 렌더링하세요.