.gitignore

@@ -32,11 +32,8 @@ media/
 
 
 *.ipynb_checkpoint*
-# Static files (공유 기본 이미지는 예외로 추적)
-static/*
-!static/images/
-static/images/*
-!static/images/ado2_image.png
+# Static files
+static/
 
 # Log files
 *.log
@@ -56,4 +53,6 @@ Dockerfile
 
 zzz/
 credentials/service_account.json
+
+# Scheduler (separate repo)
 o2o-castad-scheduler/

README.md

@@ -69,9 +69,6 @@ PROJECT_DOMAIN=localhost:8000          # 프로젝트 도메인 (호스트:포
 PROJECT_VERSION=0.1.0                  # 프로젝트 버전
 DESCRIPTION=FastAPI 기반 CastAD 프로젝트  # 프로젝트 설명
 ADMIN_BASE_URL=/admin                  # 관리자 페이지 기본 URL
-SHARE_FRONTEND_URL=https://ado2.o2osolution.ai  # 공유 페이지 → 영상 상세 이동 프론트 URL (로컬: http://localhost:3000, 테스트: https://dev.castad.net)
-SHARE_API_BASE_URL=  # 공유 OG 페이지의 외부 공개 API URL (예: https://dev-ssul.castad.net/api). 프록시가 /api 를 떼면 필수
-SHARE_DEFAULT_IMAGE_URL=  # 포스터 없을 때 OG 이미지 (비우면 API /static/images/ado2_image.png)
 DEBUG=True                             # 디버그 모드 (True: 개발, False: 운영)
 
 # ================================
@@ -179,66 +176,6 @@ fastapi dev main.py
 fastapi run main.py
 ```
 
-### 운영 업로드 및 메모리 한도
-
-`POST /api/image/upload/blob`은 애플리케이션에서 파일당 15 MiB까지만 허용합니다.
-운영 Nginx에서는 multipart 오버헤드를 고려해 이 엔드포인트의 요청 본문을
-25 MiB로 제한합니다. 앱의 요청당 파일 합계 상한은 20 MiB이며, 나머지 5 MiB는
-multipart 헤더와 `images_json`을 위한 여유입니다. 한 task에는 최대 100개
-이미지만 누적할 수 있습니다. 200 MiB 이상의 요청을
-허용하도록 Nginx 한도를 올리지 마세요. 프론트엔드는 이미지를 압축한 뒤 파일
-한 개씩 전송해야 합니다.
-
-운영 Nginx 설정은 이 저장소에서 관리되지 않으므로, 기존
-`location = /api/image/upload/blob` 블록 안에서 다음 스니펫을 include합니다.
-
-```nginx
-include /배포경로/deploy/nginx/ado2-image-upload-limit.conf;
-```
-
-기존 설정이 prefix location만 사용한다면 그 블록의 `proxy_pass` 및 헤더 설정을
-그대로 유지한 채, exact location을 추가하고 동일한 프록시 설정을 적용해야
-합니다. 반영 전후에 실제 로드된 설정과 문법을 확인합니다.
-
-```bash
-sudo nginx -T | grep -n -E 'server_name|image/upload/blob|client_max_body_size'
-sudo nginx -t
-sudo systemctl reload nginx
-```
-
-`proxy_request_buffering off`는 이 스니펫에 포함하지 않았습니다. 이 옵션만으로
-FastAPI의 multipart 파싱이 Azure 청크 스트리밍으로 바뀌지는 않으며, 느린
-클라이언트 연결이 애플리케이션을 직접 점유하는 시간이 늘어날 수 있습니다.
-
-Compose로 API를 실행하는 서버에서는 리소스 override를 함께 적용합니다.
-이 override는 API 포트를 기본적으로 `127.0.0.1:8000`에만 바인딩해 외부
-클라이언트가 Nginx의 요청 크기 제한을 우회하지 못하게 합니다. 운영 Nginx가
-별도 컨테이너라면 호스트 포트를 공개하는 대신 두 서비스를 같은 내부 Docker
-네트워크에 연결하세요. 부득이하게 `APP_BIND_ADDRESS`를 바꿀 때도 방화벽에서
-8000 포트의 외부 접근을 차단해야 합니다. `!override` 구문을 위해 Docker
-Compose 2.24.4 이상이 필요합니다.
-
-```bash
-docker compose -f docker-compose.yml -f compose.resources.yaml config --quiet
-docker compose -f docker-compose.yml -f compose.resources.yaml up -d --force-recreate app
-docker inspect castad-app \
-  --format 'memory={{.HostConfig.Memory}} reservation={{.HostConfig.MemoryReservation}} swap={{.HostConfig.MemorySwap}}'
-```
-
-기본값은 hard limit 2 GiB, reservation 512 MiB이며 추가 swap은 허용하지
-않습니다. 호스트 용량과 실제 렌더링 부하를 측정한 뒤
-`APP_MEMORY_LIMIT`/`APP_MEMORY_RESERVATION`으로 조정할 수 있습니다. 예를 들어
-`APP_MEMORY_LIMIT=3g`를 설정하면 hard limit와 swap limit가 함께 3 GiB로
-변경됩니다.
-
-주의: 현재 저장소의 Dockerfile은 Uvicorn을 실행하지만 운영 로그 파일명에는
-Gunicorn이 나타납니다. 운영 프로세스가 호스트의 systemd/Gunicorn으로 직접
-실행 중이라면 이 Compose 제한은 적용되지 않습니다. 배포 전에 실제 실행
-주체를 확인하고, Compose 컨테이너가 아니라면 Gunicorn을 loopback 또는 Unix
-socket에만 bind하고 해당 서비스 관리자의 메모리 제한을 별도로 설정해야
-합니다. 외부에서 앱 포트로 직접 접근할 수 있으면 Nginx의 25 MiB 제한을
-우회할 수 있습니다.
-
 ## API 문서
 
 서버 실행 후 `/docs` 에서 Scalar API 문서를 확인할 수 있습니다.

app/archive/api/routers/v1/archive.py

@@ -16,13 +16,8 @@ from app.user.dependencies.auth import get_current_user
 from app.user.models import User
 from app.utils.logger import get_logger
 from app.utils.pagination import PaginatedResponse
-from app.utils.upload_blob_as_request import to_playback_url
 from app.comment.models import Comment
-from app.database.like_cache import (
-    bulk_is_user_liked,
-    get_like_counts,
-    mset_like_counts,
-)
+from app.database.like_cache import get_like_counts, mset_like_counts
 from app.video.models import Video, VideoReaction
 from app.video.schemas.video_schema import VideoListItem
 
@@ -154,24 +149,6 @@ async def get_videos(
                 if vid not in db_found_ids:
                     like_count_map[vid] = 0
 
-        # is_liked_by_me: Redis user-set 기준, 캐시 미스 시 현재 사용자 상태만 DB 조회
-        raw_liked = await bulk_is_user_liked(video_ids, current_user.user_uuid)
-        needs_db_lookup = [
-            vid for vid, liked in raw_liked.items()
-            if liked is None and like_count_map.get(vid, 0) > 0
-        ]
-        if needs_db_lookup:
-            liked_video_ids = set((await session.execute(
-                select(VideoReaction.video_id).where(
-                    VideoReaction.video_id.in_(needs_db_lookup),
-                    VideoReaction.user_uuid == current_user.user_uuid,
-                )
-            )).scalars().all())
-            for vid in needs_db_lookup:
-                raw_liked[vid] = vid in liked_video_ids
-
-        liked_map = {vid: bool(liked) for vid, liked in raw_liked.items()}
-
         # VideoListItem으로 변환
         items = [
             VideoListItem(
@@ -179,15 +156,10 @@ async def get_videos(
                 store_name=project.store_name,
                 region=project.region,
                 task_id=video.task_id,
-                result_movie_url=to_playback_url(video.result_movie_url),
-                poster_url=video.poster_url,
-                title=video.title,
-                description=video.description,
-                hashtags=video.hashtags,
+                result_movie_url=video.result_movie_url,
                 created_at=video.created_at,
                 like_count=like_count_map.get(video.id) or 0,
                 comment_count=comment_count or 0,
-                is_liked_by_me=liked_map.get(video.id, False),
             )
             for video, project, comment_count in rows
         ]

app/comment/api/routers/v1/comment.py

@@ -46,7 +46,7 @@ router = APIRouter(prefix="/comment", tags=["Comment"])
 - **parent_id**: 대댓글일 때만 부모 댓글 id (생략 시 최상위 댓글)
 
 ## 참고
-- 작성자 닉네임/프로필 이미지는 카카오 로그인 정보를 그대로 사용합니다 (클라이언트에서 지정 불가).
+- 작성자 정보는 응답에 포함되지 않습니다 (익명 정책).
 - 대댓글에 또 대댓글을 다는 것은 불가합니다 (최대 2-depth).
     """,
     response_model=CommentCreateResponse,
@@ -71,7 +71,7 @@ async def post_comment(
         session=session,
         video_id=video_id,
         user_uuid=current_user.user_uuid,
-        nickname=current_user.nickname,
+        nickname=body.nickname,
         content=body.content,
         parent_id=body.parent_id,
     )
@@ -79,7 +79,6 @@ async def post_comment(
     return CommentCreateResponse(
         id=comment.id,
         nickname=comment.nickname or "익명",
-        profile_image_url=current_user.profile_image_url,
         parent_id=comment.parent_id,
         content=comment.content,
         created_at=comment.created_at,
@@ -102,7 +101,7 @@ async def post_comment(
 
 ## 참고
 - 최상위 댓글만 페이지네이션됩니다. 각 댓글의 대댓글은 전부 포함됩니다.
-- 작성자 닉네임/프로필 이미지는 카카오 로그인 정보 기준이며, is_mine으로 본인 댓글 여부도 확인 가능합니다.
+- 작성자 정보는 노출되지 않으며, is_mine으로 본인 댓글 여부만 확인 가능합니다.
 - 삭제된 댓글은 content=null로 노출됩니다 (대댓글이 있는 경우).
     """,
     response_model=PaginatedResponse[CommentItem],

app/comment/models.py

@@ -17,8 +17,7 @@ class Comment(Base):
 
     2-depth 구조 (최상위 댓글 + 대댓글 1단계).
     parent_id가 NULL이면 최상위 댓글, 값이 있으면 대댓글.
-    작성자 닉네임은 카카오 로그인 정보를 작성 시점에 그대로 저장한 스냅샷이며,
-    프로필 이미지는 별도 컬럼 없이 응답 시 User 테이블을 조인해 최신값을 조회한다.
+    작성자(user_uuid)는 DB에 저장하지만 API 응답에는 미노출 (익명 정책).
     """
 
     __tablename__ = "comment"
@@ -55,7 +54,7 @@ class Comment(Base):
         comment="NULL=최상위 댓글, 값=대댓글의 부모 id",
     )
     nickname: Mapped[Optional[str]] = mapped_column(
-        String(50), nullable=True, comment="댓글 작성자 카카오 닉네임 스냅샷 (null이면 익명)"
+        String(50), nullable=True, comment="댓글 작성자 닉네임 (null이면 익명)"
     )
     content: Mapped[str] = mapped_column(
         String(100), nullable=False, comment="댓글 본문 (한글 기준 100자 이내)"

app/comment/schemas/comment_schema.py

@@ -5,6 +5,7 @@ from pydantic import BaseModel, Field
 
 
 class CommentCreateRequest(BaseModel):
+    nickname: Optional[str] = Field(None, min_length=1, max_length=50, description="작성자 닉네임 (미입력 시 익명)")
     content: str = Field(..., min_length=1, max_length=100, description="댓글 본문 (한글 기준 100자 이내)")
     parent_id: Optional[int] = Field(None, description="대댓글일 때만 부모 댓글 id")
 
@@ -13,8 +14,7 @@ class ReplyItem(BaseModel):
     """대댓글 응답"""
 
     id: int = Field(..., description="댓글 고유 ID")
-    nickname: str = Field(..., description="작성자 닉네임 (카카오 닉네임, 미보유 시 '익명')")
-    profile_image_url: Optional[str] = Field(None, description="작성자 프로필 이미지 URL (카카오 프로필, 로그인 시점 기준 최신값)")
+    nickname: str = Field(..., description="작성자 닉네임 (미입력 시 '익명')")
     content: Optional[str] = Field(None, description="본문 (소프트 삭제된 경우 null)")
     is_deleted: bool = Field(..., description="삭제 여부")
     is_mine: bool = Field(..., description="현재 로그인 사용자의 댓글 여부")
@@ -25,8 +25,7 @@ class CommentItem(BaseModel):
     """최상위 댓글 응답 — replies 포함"""
 
     id: int = Field(..., description="댓글 고유 ID")
-    nickname: str = Field(..., description="작성자 닉네임 (카카오 닉네임, 미보유 시 '익명')")
-    profile_image_url: Optional[str] = Field(None, description="작성자 프로필 이미지 URL (카카오 프로필, 로그인 시점 기준 최신값)")
+    nickname: str = Field(..., description="작성자 닉네임 (미입력 시 '익명')")
     content: Optional[str] = Field(None, description="본문 (소프트 삭제된 경우 null)")
     is_deleted: bool = Field(..., description="삭제 여부")
     is_mine: bool = Field(..., description="현재 로그인 사용자의 댓글 여부")
@@ -36,8 +35,7 @@ class CommentItem(BaseModel):
 
 class CommentCreateResponse(BaseModel):
     id: int = Field(..., description="생성된 댓글 고유 ID")
-    nickname: str = Field(..., description="작성자 닉네임 (카카오 닉네임, 미보유 시 '익명')")
-    profile_image_url: Optional[str] = Field(None, description="작성자 프로필 이미지 URL (카카오 프로필)")
+    nickname: str = Field(..., description="작성자 닉네임 (미입력 시 '익명')")
     parent_id: Optional[int] = Field(None, description="부모 댓글 id (대댓글인 경우)")
     content: str = Field(..., description="댓글 본문")
     created_at: datetime = Field(..., description="작성 일시")

app/comment/services/comment.py

@@ -7,7 +7,6 @@ from sqlalchemy.ext.asyncio import AsyncSession
 
 from app.comment.models import Comment
 from app.comment.schemas.comment_schema import CommentItem, ReplyItem
-from app.user.models import User
 from app.utils.pagination import PaginatedResponse
 from app.video.models import Video
 
@@ -38,7 +37,6 @@ def _build_comment_items(
     parents: list,
     replies_map: dict,
     current_user_uuid: Optional[str],
-    profile_image_map: dict,
 ) -> List[CommentItem]:
     items = []
     for c in parents:
@@ -47,7 +45,6 @@ def _build_comment_items(
             ReplyItem(
                 id=r.id,
                 nickname=r.nickname or "익명",
-                profile_image_url=profile_image_map.get(r.user_uuid),
                 content=None if r.is_deleted else r.content,
                 is_deleted=r.is_deleted,
                 is_mine=(current_user_uuid == r.user_uuid) if current_user_uuid else False,
@@ -59,7 +56,6 @@ def _build_comment_items(
             CommentItem(
                 id=c.id,
                 nickname=c.nickname or "익명",
-                profile_image_url=profile_image_map.get(c.user_uuid),
                 content=None if c.is_deleted else c.content,
                 is_deleted=c.is_deleted,
                 is_mine=(current_user_uuid == c.user_uuid) if current_user_uuid else False,
@@ -74,7 +70,7 @@ async def create_comment(
     session: AsyncSession,
     video_id: int,
     user_uuid: str,
-    nickname: Optional[str],
+    nickname: str,
     content: str,
     parent_id: Optional[int],
 ) -> Comment:
@@ -147,7 +143,6 @@ async def list_comments(
     parents = (await session.execute(parents_q)).scalars().all()
 
     replies_map: dict = defaultdict(list)
-    replies: list = []
     if parents:
         parent_ids = [c.id for c in parents]
         replies_q = (
@@ -162,16 +157,7 @@ async def list_comments(
         for r in replies:
             replies_map[r.parent_id].append(r)
 
-    # 작성자 프로필 이미지는 스냅샷을 저장하지 않고, 응답 시 User 테이블을 조인해 최신값을 조회한다.
-    user_uuids = {c.user_uuid for c in parents} | {r.user_uuid for r in replies}
-    profile_image_map: dict = {}
-    if user_uuids:
-        profile_q = select(User.user_uuid, User.profile_image_url).where(
-            User.user_uuid.in_(user_uuids)
-        )
-        profile_image_map = {uuid: url for uuid, url in (await session.execute(profile_q)).all()}
-
-    items = _build_comment_items(list(parents), replies_map, current_user_uuid, profile_image_map)
+    items = _build_comment_items(list(parents), replies_map, current_user_uuid)
 
     return PaginatedResponse.create(
         items=items,

app/dashboard/services/youtube_analytics.py

@@ -433,10 +433,6 @@ class YouTubeAnalyticsService:
         logger.debug("[YouTubeAnalyticsService._fetch_region] SUCCESS")
         return result
 
-    # 5xx/네트워크 오류 재시도 설정 (구글 backendError 등 일시적 장애 대응)
-    _MAX_RETRIES = 3
-    _RETRY_BACKOFF_SECONDS = (0.5, 1.0, 2.0)
-
     async def _call_api(
         self,
         params: dict[str, str],
@@ -457,18 +453,15 @@ class YouTubeAnalyticsService:
         Raises:
             YouTubeQuotaExceededError: 할당량 초과 (429)
             YouTubeAuthError: 인증 실패 (401, 403)
-            YouTubeAPIError: 기타 API 오류 (5xx/네트워크 오류는 최대 3회 재시도 후 발생)
+            YouTubeAPIError: 기타 API 오류
 
         Note:
             - 타임아웃: 30초
             - 할당량 초과 시 자동으로 YouTubeQuotaExceededError 발생
             - 인증 실패 시 자동으로 YouTubeAuthError 발생
-            - 5xx 응답 및 네트워크 오류는 지수 백오프(0.5s→1s→2s)로 최대 3회 재시도
         """
         headers = {"Authorization": f"Bearer {access_token}"}
 
-        last_error: Exception | None = None
-        for attempt in range(self._MAX_RETRIES + 1):
         try:
             async with httpx.AsyncClient(timeout=30.0) as client:
                 response = await client.get(
@@ -495,29 +488,16 @@ class YouTubeAnalyticsService:
                 return response.json()
 
         except (YouTubeAuthError, YouTubeQuotaExceededError):
-                raise  # 이미 처리된 예외는 재시도 없이 그대로 전파
+            raise  # 이미 처리된 예외는 그대로 전파
         except httpx.HTTPStatusError as e:
             logger.error(
                 f"[YouTubeAnalyticsService._call_api] HTTP_ERROR - "
                 f"status={e.response.status_code}, body={e.response.text[:500]}"
             )
-                # 4xx는 재시도해도 동일하게 실패하므로 즉시 전파, 5xx만 재시도
-                if e.response.status_code < 500:
             raise YouTubeAPIError(f"HTTP {e.response.status_code}")
-                last_error = YouTubeAPIError(f"HTTP {e.response.status_code}")
         except httpx.RequestError as e:
             logger.error(f"[YouTubeAnalyticsService._call_api] REQUEST_ERROR - {e}")
-                last_error = YouTubeAPIError(f"네트워크 오류: {e}")
+            raise YouTubeAPIError(f"네트워크 오류: {e}")
         except Exception as e:
             logger.error(f"[YouTubeAnalyticsService._call_api] UNEXPECTED_ERROR - {e}")
             raise YouTubeAPIError(f"알 수 없는 오류: {e}")
-
-            if attempt < self._MAX_RETRIES:
-                backoff = self._RETRY_BACKOFF_SECONDS[attempt]
-                logger.warning(
-                    f"[YouTubeAnalyticsService._call_api] RETRY {attempt + 1}/{self._MAX_RETRIES} "
-                    f"in {backoff}s - {last_error}"
-                )
-                await asyncio.sleep(backoff)
-
-        raise last_error

app/database/session.py

@@ -6,8 +6,6 @@ from fastapi import HTTPException
 from sqlalchemy.ext.asyncio import AsyncSession, async_sessionmaker, create_async_engine
 from sqlalchemy.orm import DeclarativeBase
 
-from app.dashboard.exceptions import DashboardException
-from app.social.exceptions import SocialException
 from app.utils.logger import get_logger
 from config import db_settings
 
@@ -80,8 +78,7 @@ async def create_db_tables():
     from app.home.models import Image, Project, MarketingIntel, ImageTag  # noqa: F401
     from app.lyric.models import Lyric  # noqa: F401
     from app.song.models import Song, SongTimestamp  # noqa: F401
-    from app.video.models import Video, VideoReaction  # noqa: F401
-    from app.comment.models import Comment  # noqa: F401
+    from app.video.models import Video  # noqa: F401
     from app.sns.models import SNSUploadTask  # noqa: F401
     from app.social.models import SocialUpload  # noqa: F401
     from app.dashboard.models import Dashboard  # noqa: F401
@@ -99,8 +96,6 @@ async def create_db_tables():
         Song.__table__,
         SongTimestamp.__table__,
         Video.__table__,
-        VideoReaction.__table__,
-        Comment.__table__,
         SNSUploadTask.__table__,
         SocialUpload.__table__,
         MarketingIntel.__table__,
@@ -142,25 +137,8 @@ async def get_session() -> AsyncGenerator[AsyncSession, None]:
             yield session
         except HTTPException:
             raise
-        except (SocialException, DashboardException) as e:
-            # 전역 exception handler가 응답으로 변환하는 도메인 예외.
-            # 정상 플로우이므로 ERROR traceback 없이 롤백만 수행.
-            await session.rollback()
-            logger.warning(
-                f"[get_session] ROLLBACK - handled domain error: "
-                f"{type(e).__name__}: {e}, "
-                f"duration: {(time.perf_counter() - start_time)*1000:.1f}ms"
-            )
-            raise
         except Exception as e:
             await session.rollback()
-            # status_code < 500인 도메인 예외(계정 미연동 등)는 정상적인 비즈니스 흐름이므로 ERROR로 남기지 않음
-            if getattr(e, "status_code", 500) < 500:
-                logger.warning(
-                    f"[get_session] ROLLBACK - client error: {type(e).__name__}: {e}, "
-                    f"duration: {(time.perf_counter() - start_time)*1000:.1f}ms"
-                )
-            else:
             logger.error(traceback.format_exc())
             logger.error(
                 f"[get_session] ROLLBACK - error: {type(e).__name__}: {e}, "

app/home/models.py

@@ -114,13 +114,6 @@ class Project(Base):
         comment="마케팅 인텔리전스 결과 정보 저장",
     )
 
-    industry: Mapped[str] = mapped_column(
-        String(50),
-        nullable=False,
-        default="",
-        comment="업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general)",
-    )
-
     language: Mapped[str] = mapped_column(
         String(50),
         nullable=False,
@@ -274,7 +267,6 @@ class MarketingIntel(Base):
     Attributes:
         id: 고유 식별자 (자동 증가)
         place_id : 데이터 소스별 식별자
-        official_site_url : 업체 공식 링크 (플레이스 홈페이지 항목, 없으면 크롤링 소스 URL)
         intel_result : 마케팅 분석 결과물 json
         created_at: 생성 일시 (자동 설정)
     """
@@ -297,16 +289,10 @@ class MarketingIntel(Base):
         comment="고유 식별자",
     )
 
-    place_id: Mapped[Optional[str]] = mapped_column(
+    place_id: Mapped[str] = mapped_column(
         String(36),
-        nullable=True,
-        comment="매장 소스별 고유 식별자 (네이버 크롤링 시 'nv{id}' 형식; 직접 입력 시 NULL)",
-    )
-
-    official_site_url: Mapped[Optional[str]] = mapped_column(
-        String(2048),
-        nullable=True,
-        comment="업체 공식 링크 (플레이스 홈페이지 항목 우선, 없으면 크롤링 소스 URL; 직접 입력 시 NULL)",
+        nullable=False,
+        comment="매장 소스별 고유 식별자",
     )
 
     intel_result : Mapped[dict[str, Any]] = mapped_column(
@@ -321,12 +307,6 @@ class MarketingIntel(Base):
         comment="자막 정보 생성 결과물",
     )
 
-    image_match : Mapped[dict[str, Any]] = mapped_column(
-        JSON,
-        nullable=True,
-        comment="이미지 슬롯 배정 결과물 — {슬롯명: image_url, 'audio-music': music_url, ...}",
-    )
-
     created_at: Mapped[datetime] = mapped_column(
         DateTime,
         nullable=False,
@@ -377,10 +357,8 @@ class ImageTag(Base):
     )
 
     img_tag: Mapped[dict[str, Any]] = mapped_column(
-        # none_as_null=True: ORM에서 None 대입 시 JSON 리터럴 null이 아닌 SQL NULL로 저장.
-        # 미지정 시 JSON null이 저장되어 `img_tag.is_not(None)` 필터를 통과하는 버그가 있었음.
-        JSON(none_as_null=True),
+        JSON,
         nullable=True,
-        default=None,
+        default=False,
         comment="태그 JSON",
     )

app/home/schemas/home_schema.py

@@ -1,6 +1,6 @@
 from typing import Literal, Optional
 
-from pydantic import BaseModel, ConfigDict, Field, field_validator
+from pydantic import BaseModel, ConfigDict, Field
 from app.utils.prompts.schemas import MarketingPromptOutput
 
 class CrawlingRequest(BaseModel):
@@ -78,7 +78,6 @@ class ProcessedInfo(BaseModel):
     customer_name: str = Field(..., description="고객명/가게명 (base_info.name)")
     region: str = Field(..., description="지역명 (roadAddress에서 추출한 시 이름)")
     detail_region_info: str = Field(..., description="상세 지역 정보 (roadAddress)")
-    industry: str = Field(default="", description="업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general)")
 
 
 # class MarketingAnalysisDetail(BaseModel):
@@ -98,12 +97,6 @@ class ProcessedInfo(BaseModel):
     # selling_points: list[str] = Field(default_factory=list, description="추천 부대시설 목록")
 
 
-class ImageListItem(BaseModel):
-    """크롤링 이미지 아이템 (미리보기 URL + 원본 URL)"""
-    preview: str = Field(..., description="미리보기용 CDN URL")
-    original: str = Field(..., description="업로드용 원본 URL")
-
-
 class CrawlingResponse(BaseModel):
     """크롤링 응답 스키마"""
 
@@ -111,7 +104,7 @@ class CrawlingResponse(BaseModel):
         json_schema_extra={
             "example": {
                 "status": "completed",
-                "image_list": [{"preview": "https://example.com/image1.jpg", "original": "https://example.com/image1.jpg"}],
+                "image_list": ["https://example.com/image1.jpg", "https://example.com/image2.jpg"],
                 "image_count": 2,
                 "processed_info": {
                     "customer_name": "스테이 머뭄",
@@ -240,8 +233,8 @@ class CrawlingResponse(BaseModel):
         default="completed",
         description="처리 상태 (completed: 성공, failed: ChatGPT 분석 실패)"
     )
-    image_list: Optional[list[ImageListItem]] = Field(None, description="이미지 목록 (preview/original URL)")
-    image_count: Optional[int] = Field(None, description="이미지 개수")
+    image_list: Optional[list[str]] = Field(None, description="이미지 URL 목록")
+    image_count: int = Field(..., description="이미지 개수")
     processed_info: Optional[ProcessedInfo] = Field(
         None, description="가공된 장소 정보 (customer_name, region, detail_region_info)"
     )
@@ -249,43 +242,6 @@ class CrawlingResponse(BaseModel):
         None, description="마케팅 분석 결과 . 실패 시 null"
     )
     m_id : int = Field(..., description="마케팅 분석 결과 ID")
-    industry: str = Field(default="", description="업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general)")
-
-
-class ManualMarketingRequest(BaseModel):
-    """업체명+주소 직접 입력 마케팅 분석 요청"""
-
-    model_config = ConfigDict(
-        json_schema_extra={
-            "example": {
-                "store_name": "스테이 머뭄",
-                "address": "전북특별자치도 군산시 절골길 18",
-                "category": "펜션",
-                "official_site_url": "https://www.staymeomoom.com",
-            }
-        }
-    )
-
-    store_name: str = Field(..., description="업체명 / 브랜드명")
-    address: str = Field(..., description="도로명 또는 지번 주소")
-    category: str = Field(default="", description="업체 업종/카테고리 자유 입력 (예: 펜션, 카페). 크롤링 경로와 동일하게 AI가 8개 industry enum으로 자동 분류하는 데 사용. 비우면 업체명 기반 AI 분류")
-    official_site_url: Optional[str] = Field(
-        default=None,
-        max_length=2048,
-        description="업체 공식 홈페이지 링크 (선택, http/https만 허용). 영상 응답의 official_site_url로 노출됨",
-    )
-
-    @field_validator("official_site_url")
-    @classmethod
-    def _validate_official_site_url(cls, v: Optional[str]) -> Optional[str]:
-        if v is None:
-            return None
-        v = v.strip()
-        if not v:
-            return None
-        if not v.startswith(("http://", "https://")):
-            raise ValueError("official_site_url은 http:// 또는 https://로 시작해야 합니다.")
-        return v
 
 
 class ErrorResponse(BaseModel):

app/home/services/image_upload.py

@@ -1,380 +0,0 @@
-"""이미지 업로드 입력 검증과 continuation 소유권 검사 유틸리티."""
-
-import asyncio
-import time
-from collections.abc import AsyncIterator, Awaitable, Callable
-from contextlib import asynccontextmanager
-from enum import StrEnum
-from pathlib import Path
-from typing import Literal
-from uuid import UUID
-
-from fastapi import HTTPException, UploadFile, status
-from sqlalchemy import select, text
-
-from app.database.session import AsyncSessionLocal, engine
-from app.home.models import Image
-from app.home.schemas.home_schema import ImageUploadResultItem
-from app.utils.logger import get_logger
-from config import azure_blob_settings
-
-logger = get_logger("image_upload")
-_image_upload_lock_slots = asyncio.Semaphore(
-    azure_blob_settings.IMAGE_UPLOAD_MAX_CONCURRENT_LOCKS
-)
-
-ALLOWED_IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".webp", ".heic", ".heif"}
-_HEIF_BRANDS = {
-    b"heic",
-    b"heix",
-    b"hevc",
-    b"hevx",
-    b"heim",
-    b"heis",
-    b"mif1",
-    b"msf1",
-}
-_IMAGE_SIGNATURE_BYTES = 64
-
-
-class ImageUploadLockTimeoutError(TimeoutError):
-    """동일 task 이미지 변경 락을 제한 시간 내 획득하지 못했습니다."""
-
-
-class BlobReferenceState(StrEnum):
-    """불명확한 DB commit 뒤 Blob URL 참조 확인 결과."""
-
-    ALL = "all"
-    NONE = "none"
-    MIXED = "mixed"
-    UNKNOWN = "unknown"
-
-
-def should_cleanup_failed_upload_blobs(
-    *,
-    commit_started: bool,
-    reference_state: BlobReferenceState = BlobReferenceState.UNKNOWN,
-) -> bool:
-    """DB commit 시도 후에는 참조가 없다고 확정된 경우에만 Blob을 삭제합니다."""
-    return not commit_started or reference_state == BlobReferenceState.NONE
-
-
-def classify_blob_references(
-    expected_urls: set[str], found_urls: set[str]
-) -> BlobReferenceState:
-    """예상 Blob URL과 독립 조회 결과를 보존 우선 상태로 분류합니다."""
-    if not expected_urls:
-        return BlobReferenceState.NONE
-    matched_urls = expected_urls & found_urls
-    if matched_urls == expected_urls:
-        return BlobReferenceState.ALL
-    if not matched_urls:
-        return BlobReferenceState.NONE
-    return BlobReferenceState.MIXED
-
-
-async def inspect_blob_references(
-    task_id: str,
-    blob_urls: set[str],
-) -> BlobReferenceState:
-    """독립 세션에서 이번 요청 Blob URL의 DB 반영 여부를 확인합니다.
-
-    commit 응답 유실 직후의 짧은 가시성 경합을 피하려고 NONE 결과만 세 번
-    재확인합니다. 존재/혼재/조회 실패는 즉시 보존 쪽으로 판정합니다.
-    """
-    if not blob_urls:
-        return BlobReferenceState.NONE
-    for attempt in range(3):
-        try:
-            async with AsyncSessionLocal() as session:
-                result = await session.execute(
-                    select(Image.img_url).where(
-                        Image.task_id == task_id,
-                        Image.img_url.in_(blob_urls),
-                    )
-                )
-                found_urls = set(result.scalars().all())
-            state = classify_blob_references(blob_urls, found_urls)
-            if state != BlobReferenceState.NONE:
-                return state
-            if attempt < 2:
-                await asyncio.sleep(0.1 * (attempt + 1))
-        except Exception as exc:
-            logger.error(
-                f"[inspect_blob_references] DB verification failed - task_id: "
-                f"{task_id}, {type(exc).__name__}: {exc}"
-            )
-            return BlobReferenceState.UNKNOWN
-    return BlobReferenceState.NONE
-
-
-async def compensate_failed_upload_blobs(
-    *,
-    task_id: str,
-    blob_urls: set[str],
-    commit_started: bool,
-    cleanup: Callable[[], Awaitable[None]],
-) -> BlobReferenceState:
-    """DB 쓰기 실패 후 안전하다고 확인된 Blob만 보상 삭제합니다."""
-    reference_state = BlobReferenceState.UNKNOWN
-    if commit_started:
-        reference_state = await inspect_blob_references(task_id, blob_urls)
-
-    if should_cleanup_failed_upload_blobs(
-        commit_started=commit_started,
-        reference_state=reference_state,
-    ):
-        await cleanup()
-    return reference_state
-
-
-def validate_task_image_count(*, existing_count: int, incoming_count: int) -> int:
-    """한 task에 누적 가능한 이미지 수를 검증하고 예상 총 개수를 반환합니다."""
-    total_count = existing_count + incoming_count
-    max_task_images = azure_blob_settings.IMAGE_UPLOAD_MAX_TASK_IMAGES
-    if total_count > max_task_images:
-        raise HTTPException(
-            status_code=status.HTTP_400_BAD_REQUEST,
-            detail=f"한 작업에는 이미지를 최대 {max_task_images}개까지 추가할 수 있습니다.",
-        )
-    return total_count
-
-
-@asynccontextmanager
-async def _image_upload_lock_slot(
-    lock_name: str, timeout_seconds: int
-) -> AsyncIterator[None]:
-    """DB 락 연결 슬롯 대기에도 동일한 제한 시간을 적용합니다."""
-    try:
-        await asyncio.wait_for(
-            _image_upload_lock_slots.acquire(),
-            timeout=timeout_seconds,
-        )
-    except TimeoutError as exc:
-        raise ImageUploadLockTimeoutError(lock_name) from exc
-
-    try:
-        yield
-    finally:
-        _image_upload_lock_slots.release()
-
-
-@asynccontextmanager
-async def image_upload_task_lock(task_id: str) -> AsyncIterator[None]:
-    """동일 task 요청 전체를 MySQL advisory lock으로 직렬화합니다.
-
-    yield dependency가 Azure 업로드부터 최종 태깅까지 connection을 점유하므로,
-    worker별 semaphore로 main DB pool의 나머지 connection을 보존합니다.
-    """
-    lock_name = f"image_upload:{task_id}"
-    timeout_seconds = azure_blob_settings.IMAGE_UPLOAD_LOCK_TIMEOUT_SECONDS
-    lock_started = time.perf_counter()
-
-    async with _image_upload_lock_slot(lock_name, timeout_seconds):
-        async with engine.connect() as connection:
-            lock_result = await connection.execute(
-                text("SELECT GET_LOCK(:lock_name, :timeout_seconds)"),
-                {
-                    "lock_name": lock_name,
-                    "timeout_seconds": timeout_seconds,
-                },
-            )
-            if lock_result.scalar_one_or_none() != 1:
-                raise ImageUploadLockTimeoutError(lock_name)
-            logger.info(
-                f"[image_upload_task_lock] ACQUIRED - task_id: {task_id}, "
-                f"wait_ms: {(time.perf_counter() - lock_started) * 1000:.1f}"
-            )
-
-            try:
-                yield
-            finally:
-                release_task = asyncio.create_task(
-                    connection.execute(
-                        text("SELECT RELEASE_LOCK(:lock_name)"),
-                        {"lock_name": lock_name},
-                    )
-                )
-                try:
-                    release_result = await asyncio.shield(release_task)
-                    if release_result.scalar_one_or_none() != 1:
-                        raise RuntimeError(f"RELEASE_LOCK failed: {lock_name}")
-                except asyncio.CancelledError:
-                    # shield 바깥 task가 다시 취소돼도 release query는 끝까지 기다립니다.
-                    try:
-                        await release_task
-                    except BaseException as release_exc:
-                        await connection.invalidate(release_exc)
-                    raise
-                except BaseException as exc:
-                    # 락이 남은 connection이 pool로 복귀하지 않도록 폐기합니다.
-                    await connection.invalidate(exc)
-                    logger.error(
-                        f"[image_upload_task_lock] RELEASE_LOCK failed - "
-                        f"{type(exc).__name__}: {exc}"
-                    )
-                else:
-                    logger.info(
-                        f"[image_upload_task_lock] RELEASED - task_id: {task_id}, "
-                        f"held_ms: {(time.perf_counter() - lock_started) * 1000:.1f}"
-                    )
-
-
-def is_valid_image_extension(filename: str | None) -> bool:
-    """파일명의 확장자가 지원 이미지 확장자인지 확인합니다."""
-    if not filename:
-        return False
-    return Path(filename).suffix.lower() in ALLOWED_IMAGE_EXTENSIONS
-
-
-def _detect_image_format(header: bytes) -> str | None:
-    """신뢰할 수 없는 파일명/MIME 대신 파일 시그니처로 형식을 판별합니다."""
-    if header.startswith(b"\xff\xd8\xff"):
-        return "jpeg"
-    if header.startswith(b"\x89PNG\r\n\x1a\n"):
-        return "png"
-    if len(header) >= 12 and header.startswith(b"RIFF") and header[8:12] == b"WEBP":
-        return "webp"
-    if len(header) >= 12 and header[4:8] == b"ftyp":
-        brands = {header[8:12]}
-        brands.update(
-            header[index : index + 4] for index in range(16, len(header) - 3, 4)
-        )
-        if brands & _HEIF_BRANDS:
-            return "heif"
-    return None
-
-
-def _extension_matches_format(extension: str, detected_format: str) -> bool:
-    """동일 포맷의 별칭을 고려해 확장자와 시그니처 일치 여부를 확인합니다."""
-    expected_formats = {
-        ".jpg": "jpeg",
-        ".jpeg": "jpeg",
-        ".png": "png",
-        ".webp": "webp",
-        ".heic": "heif",
-        ".heif": "heif",
-    }
-    return expected_formats.get(extension) == detected_format
-
-
-async def inspect_upload_file(file: UploadFile) -> tuple[str, str, int]:
-    """UploadFile을 상수 메모리로 검사하고 실제 바이트 크기를 반환합니다."""
-    original_name = file.filename or ""
-    if len(original_name) > 255:
-        raise HTTPException(
-            status_code=status.HTTP_400_BAD_REQUEST,
-            detail="파일명은 255자를 초과할 수 없습니다.",
-        )
-
-    extension = Path(original_name).suffix.lower()
-    max_file_size = azure_blob_settings.IMAGE_UPLOAD_MAX_FILE_SIZE_BYTES
-    validation_chunk_size = min(
-        azure_blob_settings.AZURE_BLOB_UPLOAD_BLOCK_SIZE_BYTES,
-        1024 * 1024,
-    )
-    total_size = 0
-    header = bytearray()
-
-    await file.seek(0)
-    try:
-        while chunk := await file.read(validation_chunk_size):
-            total_size += len(chunk)
-            if total_size > max_file_size:
-                raise HTTPException(
-                    status_code=status.HTTP_413_CONTENT_TOO_LARGE,
-                    detail=(
-                        f"파일 '{original_name}'이 최대 크기 "
-                        f"{max_file_size // (1024 * 1024)} MiB를 초과합니다."
-                    ),
-                )
-            if len(header) < _IMAGE_SIGNATURE_BYTES:
-                remaining = _IMAGE_SIGNATURE_BYTES - len(header)
-                header.extend(chunk[:remaining])
-    finally:
-        await file.seek(0)
-
-    if total_size == 0:
-        raise HTTPException(
-            status_code=status.HTTP_400_BAD_REQUEST,
-            detail=f"빈 파일은 업로드할 수 없습니다: {original_name}",
-        )
-
-    detected_format = _detect_image_format(bytes(header))
-    if detected_format is None or not _extension_matches_format(
-        extension, detected_format
-    ):
-        raise HTTPException(
-            status_code=status.HTTP_400_BAD_REQUEST,
-            detail=(
-                f"파일 내용과 확장자가 일치하는 지원 이미지가 아닙니다: {original_name}"
-            ),
-        )
-
-    return original_name, extension, total_size
-
-
-def normalize_continuation_task_id(task_id: str) -> str:
-    """continuation task_id를 canonical UUID7 문자열로 검증합니다."""
-    try:
-        parsed = UUID(task_id)
-    except (ValueError, AttributeError):
-        parsed = None
-
-    if (
-        parsed is None
-        or len(task_id) != 36
-        or parsed.version != 7
-        or str(parsed) != task_id.lower()
-    ):
-        raise HTTPException(
-            status_code=status.HTTP_400_BAD_REQUEST,
-            detail="task_id는 올바른 UUID7 형식이어야 합니다.",
-        )
-    return str(parsed)
-
-
-def _blob_url_prefix(user_uuid: str, task_id: str) -> str:
-    """현재 사용자와 task에 허용된 Azure 이미지 URL prefix를 반환합니다."""
-    base_url = azure_blob_settings.AZURE_BLOB_BASE_URL.rstrip("/")
-    return f"{base_url}/{user_uuid}/{task_id}/image/"
-
-
-def assert_continuation_owner(
-    images: list[Image], user_uuid: str, task_id: str
-) -> None:
-    """Image에 owner 컬럼이 없어 Blob 경로로 continuation 소유권을 검증합니다."""
-    if not images:
-        raise HTTPException(
-            status_code=status.HTTP_404_NOT_FOUND,
-            detail="이어 올릴 이미지 작업을 찾을 수 없습니다.",
-        )
-
-    base_prefix = f"{azure_blob_settings.AZURE_BLOB_BASE_URL.rstrip('/')}/"
-    owner_prefix = _blob_url_prefix(user_uuid, task_id)
-    internal_urls = [
-        image.img_url for image in images if image.img_url.startswith(base_prefix)
-    ]
-
-    if not internal_urls or any(
-        not image_url.startswith(owner_prefix) for image_url in internal_urls
-    ):
-        raise HTTPException(
-            status_code=status.HTTP_403_FORBIDDEN,
-            detail="이 이미지 업로드 작업을 이어서 수정할 권한이 없습니다.",
-        )
-
-
-def image_result_item(image: Image) -> ImageUploadResultItem:
-    """DB Image를 기존 응답 아이템으로 변환합니다."""
-    base_prefix = f"{azure_blob_settings.AZURE_BLOB_BASE_URL.rstrip('/')}/"
-    source: Literal["url", "blob"] = (
-        "blob" if image.img_url.startswith(base_prefix) else "url"
-    )
-    return ImageUploadResultItem(
-        id=image.id,
-        img_name=image.img_name,
-        img_url=image.img_url,
-        img_order=image.img_order,
-        source=source,
-    )

app/home/services/naver_search.py

@@ -32,7 +32,7 @@ class NaverSearchClient:
         display: int = 5,
     ) -> List[dict]:
         """
-        장소 검색 (숙박, 음식점 등)
+        숙박/펜션 검색
 
         Args:
             query: 검색어
@@ -41,7 +41,8 @@ class NaverSearchClient:
         Returns:
             검색 결과 리스트 (address, roadAddress, title)
         """
-        search_query = query
+        # 숙박/펜션 카테고리 검색을 위해 쿼리에 키워드 추가
+        search_query = f"{query} 숙박"
 
         headers = {
             "X-Naver-Client-Id": self.client_id,

app/lyric/api/routers/v1/lyric.py

@@ -42,8 +42,7 @@ from app.lyric.schemas.lyric import (
     LyricStatusResponse,
     SubtitleStatusResponse,
 )
-from app.lyric.worker.lyric_task import generate_lyric_background
-from app.video.worker.creative_assets_task import generate_subtitle_background
+from app.lyric.worker.lyric_task import generate_lyric_background, generate_subtitle_background
 from app.utils.prompts.chatgpt_prompt import ChatgptService
 from app.utils.logger import get_logger
 from app.utils.pagination import PaginatedResponse, get_paginated
@@ -161,7 +160,6 @@ async def get_lyric_by_task_id(
         project_id=lyric.project_id,
         status=lyric.status,
         lyric_result=lyric.lyric_result,
-        genre=lyric.genre,
         created_at=lyric.created_at,
     )
 
@@ -271,21 +269,24 @@ async def generate_lyric(
         step1_start = time.perf_counter()
         logger.debug(f"[generate_lyric] Step 1: 서비스 초기화 및 프롬프트 생성...")
 
+        promotional_expressions = {
+            "Korean" : "인스타 감성, 사진같은 하루, 힐링, 여행, 감성 숙소",
+            "English" : "Instagram vibes, picture-perfect day, healing, travel, getaway",
+            "Chinese" : "网红打卡, 治愈系, 旅行, 度假, 拍照圣地",
+            "Japanese" : "インスタ映え, 写真のような一日, 癒し, 旅行, 絶景",
+            "Thai" : "ที่พักสวย, ฮีลใจ, เที่ยว, ถ่ายรูป, วิวสวย",
+            "Vietnamese" : "check-in đẹp, healing, du lịch, nghỉ dưỡng, view đẹp"
+            }# HARD CODED, 어디에 정리하지? 아직 정리되지 않음
+        
+        timing_rules = {
+            "60s" : """
+                8–12 lines
+                Full verse flow, immersive mood
+                """
+        }
         marketing_intel_result = await session.execute(select(MarketingIntel).where(MarketingIntel.id == request_body.m_id))
         marketing_intel = marketing_intel_result.scalar_one_or_none()
         
-        # 자동 선택(genre 미지정) 재생성 시, 직전에 사용된 장르를 조회해 이번엔 다른 장르가 나오도록 제외 처리
-        exclude_genre = ""
-        if not request_body.genre:
-            previous_lyric_result = await session.execute(
-                select(Lyric)
-                .where(Lyric.task_id == task_id, Lyric.genre.is_not(None))
-                .order_by(Lyric.created_at.desc())
-                .limit(1)
-            )
-            previous_lyric = previous_lyric_result.scalar_one_or_none()
-            if previous_lyric:
-                exclude_genre = previous_lyric.genre
         
         lyric_input_data = {
             "customer_name" : request_body.customer_name,
@@ -293,14 +294,10 @@ async def generate_lyric(
             "detail_region_info" : request_body.detail_region_info or "",
             "marketing_intelligence_summary" : json.dumps(marketing_intel.intel_result, ensure_ascii = False),
             "language" : request_body.language,
-            "genre": request_body.genre or "",  # 비어있으면 GPT가 가사 무드에 맞춰 장르를 직접 추천
-            "exclude_genre": exclude_genre,  # 자동 선택 재생성 시 직전 장르 제외
-            "industry": request_body.industry,  # 크롤 응답에서 받아 전달된 업종 enum
+            "promotional_expression_example" : promotional_expressions[request_body.language],
+            "timing_rules" : timing_rules["60s"], # 아직은 선택지 하나
         }
 
-        # 업종 분기는 프롬프트 내부 {industry}로 처리하므로 단일 프롬프트 사용
-        selected_lyric_prompt = lyric_prompt
-
         step1_elapsed = (time.perf_counter() - step1_start) * 1000
         #logger.debug(f"[generate_lyric] Step 1 완료 - 프롬프트 {len(prompt)}자 ({step1_elapsed:.1f}ms)")
 
@@ -326,8 +323,7 @@ async def generate_lyric(
                 detail_region_info=request_body.detail_region_info,
                 language=request_body.language,
                 user_uuid=current_user.user_uuid,
-                marketing_intelligence=request_body.m_id,
-                industry=request_body.industry,
+                marketing_intelligence = request_body.m_id
             )
             session.add(project)
             await session.commit()
@@ -341,7 +337,7 @@ async def generate_lyric(
         step3_start = time.perf_counter()
         logger.debug(f"[generate_lyric] Step 3: Lyric 저장 (processing)...")
 
-        estimated_prompt = selected_lyric_prompt.build_prompt(lyric_input_data)
+        estimated_prompt = lyric_prompt.build_prompt(lyric_input_data) 
         lyric = Lyric(
             project_id=project.id,
             task_id=task_id,
@@ -349,7 +345,6 @@ async def generate_lyric(
             lyric_prompt=estimated_prompt,
             lyric_result=None,
             language=request_body.language,
-            genre=request_body.genre or None,  # 자동 선택인 경우 GPT 응답 완료 후 채워짐
         )
         session.add(lyric)
         await session.commit()
@@ -373,7 +368,7 @@ async def generate_lyric(
             background_tasks.add_task(
                 generate_lyric_background,
                 task_id=task_id,
-                prompt=selected_lyric_prompt,
+                prompt=lyric_prompt,
                 lyric_input_data=lyric_input_data,
                 lyric_id=lyric.id,
             )
@@ -585,29 +580,19 @@ async def get_subtitle_status(
             detail=f"task_id '{task_id}'에 해당하는 마케팅 인텔리전스를 찾을 수 없습니다.",
         )
 
-    # 자막과 이미지 배정 모두 완료돼야 영상 생성 가능
-    subtitle_done = bool(intel.subtitle)
-    image_match_done = bool(intel.image_match)
-
-    if subtitle_done and image_match_done:
-        logger.info(f"[get_subtitle_status] completed (subtitle+image_match) - task_id: {task_id}")
+    if intel.subtitle:
+        logger.info(f"[get_subtitle_status] completed - task_id: {task_id}")
         return SubtitleStatusResponse(
             task_id=task_id,
             status="completed",
-            message="자막 생성 및 이미지 배정이 완료되었습니다.",
+            message="자막 생성이 완료되었습니다.",
         )
 
-    pending_parts = []
-    if not subtitle_done:
-        pending_parts.append("자막")
-    if not image_match_done:
-        pending_parts.append("이미지 배정")
-    pending_msg = ", ".join(pending_parts)
-    logger.info(f"[get_subtitle_status] pending ({pending_msg}) - task_id: {task_id}")
+    logger.info(f"[get_subtitle_status] pending - task_id: {task_id}")
     return SubtitleStatusResponse(
         task_id=task_id,
         status="pending",
-        message=f"{pending_msg} 처리가 진행 중입니다. 잠시 후 다시 확인해주세요.",
+        message="자막 생성이 진행 중입니다. 잠시 후 다시 확인해주세요.",
     )
 
 

app/lyric/models.py

@@ -93,13 +93,6 @@ class Lyric(Base):
         comment="가사 출력 언어 (Korean, English, Chinese, Japanese, Thai, Vietnamese)",
     )
 
-    genre: Mapped[str | None] = mapped_column(
-        String(20),
-        nullable=True,
-        comment="음악 장르 (kpop, pop, ballad, hip-hop, rnb, edm, jazz, rock). "
-        "수동 선택 시 요청값, 자동 선택 시 GPT 추천값",
-    )
-
     is_deleted: Mapped[bool] = mapped_column(
         Boolean,
         nullable=False,

app/lyric/schemas/lyric.py

@@ -70,19 +70,13 @@ class GenerateLyricRequest(BaseModel):
     language: str = Field(
         default="Korean",
         description="가사 출력 언어 (Korean, English, Chinese, Japanese, Thai, Vietnamese)",
-    )
+    ),
     orientation: Literal["horizontal", "vertical"] = Field(
         default="vertical",
         description="영상 방향 (horizontal: 가로형, vertical: 세로형)",
-    )
+    ),
     m_id : Optional[int] = Field(None, description="마케팅 인텔리전스 ID 값")
-    industry: str = Field(default="", description="업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general)")
     instrumental: bool = Field(default=False, description="BGM 전용 모드 (가사 생성 안 함)")
-    genre: Optional[str] = Field(
-        None,
-        description="사용자가 수동으로 고른 음악 장르 (kpop|pop|ballad|hip-hop|rnb|edm|jazz|rock). "
-        "'자동 선택'인 경우 None으로 전달하면 GPT가 가사 무드에 맞춰 추천",
-    )
 
 
 class GenerateLyricResponse(BaseModel):
@@ -205,10 +199,6 @@ class LyricDetailResponse(BaseModel):
     project_id: int = Field(..., description="프로젝트 ID")
     status: str = Field(..., description="처리 상태 (processing, completed, failed)")
     lyric_result: Optional[str] = Field(None, description="생성된 가사 또는 에러 메시지 (실패 시)")
-    genre: Optional[str] = Field(
-        None,
-        description="확정된 음악 장르. 수동 선택 시 요청값, 자동 선택 시 GPT 추천값 (완료 전에는 None)",
-    )
     created_at: Optional[datetime] = Field(None, description="생성 일시")
 
 

app/lyric/worker/lyric_task.py

@@ -4,24 +4,30 @@ Lyric Background Tasks
 가사 생성 관련 백그라운드 태스크를 정의합니다.
 """
 
+import traceback
+
 from sqlalchemy import select
+from sqlalchemy.ext.asyncio import AsyncSession
 from sqlalchemy.exc import SQLAlchemyError
 
 from app.database.session import BackgroundSessionLocal
+from app.home.models import Image, Project, MarketingIntel
 from app.lyric.models import Lyric
 from app.utils.prompts.chatgpt_prompt import ChatgptService, ChatGPTResponseError
+from app.utils.subtitles import SubtitleContentsGenerator
+from app.utils.creatomate import CreatomateService
 from app.utils.prompts.prompts import Prompt
 from app.utils.logger import get_logger
 
 # 로거 설정
 logger = get_logger("lyric")
 
+
 async def _update_lyric_status(
     task_id: str,
     status: str,
     result: str | None = None,
     lyric_id: int | None = None,
-    genre: str | None = None,
 ) -> bool:
     """Lyric 테이블의 상태를 업데이트합니다.
 
@@ -30,7 +36,6 @@ async def _update_lyric_status(
         status: 변경할 상태 ("processing", "completed", "failed")
         result: 가사 결과 또는 에러 메시지
         lyric_id: 특정 Lyric 레코드 ID (재생성 시 정확한 레코드 식별용)
-        genre: 확정된 음악 장르 (자동 선택이었던 경우 GPT 추천값으로 갱신)
 
     Returns:
         bool: 업데이트 성공 여부
@@ -56,8 +61,6 @@ async def _update_lyric_status(
                 lyric.status = status
                 if result is not None:
                     lyric.lyric_result = result
-                if genre is not None:
-                    lyric.genre = genre
                 await session.commit()
                 logger.info(f"[Lyric] Status updated - task_id: {task_id}, lyric_id: {lyric_id}, status: {status}")
                 return True
@@ -114,18 +117,14 @@ async def generate_lyric_background(
         #result = await service.generate(prompt=prompt)
         result_response = await chatgpt.generate_structured_output(prompt, lyric_input_data)
         result = result_response.lyric
-        confirmed_genre = result_response.recommended_genre
         step2_elapsed = (time.perf_counter() - step2_start) * 1000
-        logger.info(
-            f"[generate_lyric_background] Step 2 완료 - 응답 {len(result)}자, "
-            f"genre: {confirmed_genre} ({step2_elapsed:.1f}ms)"
-        )
+        logger.info(f"[generate_lyric_background] Step 2 완료 - 응답 {len(result)}자 ({step2_elapsed:.1f}ms)")
 
         # ========== Step 3: DB 상태 업데이트 ==========
         step3_start = time.perf_counter()
         logger.debug(f"[generate_lyric_background] Step 3: DB 상태 업데이트...")
 
-        await _update_lyric_status(task_id, "completed", result, lyric_id, genre=confirmed_genre)
+        await _update_lyric_status(task_id, "completed", result, lyric_id)
 
         step3_elapsed = (time.perf_counter() - step3_start) * 1000
         logger.debug(f"[generate_lyric_background] Step 3 완료 ({step3_elapsed:.1f}ms)")
@@ -156,3 +155,70 @@ async def generate_lyric_background(
         elapsed = (time.perf_counter() - task_start) * 1000
         logger.error(f"[generate_lyric_background] EXCEPTION - task_id: {task_id}, error: {e} ({elapsed:.1f}ms)", exc_info=True)
         await _update_lyric_status(task_id, "failed", f"Error: {str(e)}", lyric_id)
+
+async def generate_subtitle_background(
+    orientation: str,
+    task_id: str,
+    max_retries: int = 3,
+) -> None:
+    logger.info(f"[generate_subtitle_background] START - task_id: {task_id}, orientation: {orientation}")
+
+    for attempt in range(1, max_retries + 1):
+        try:
+            creatomate_service = CreatomateService(orientation=orientation)
+            template = await creatomate_service.get_one_template_data(creatomate_service.template_id)
+            pitchings = creatomate_service.extract_text_format_from_template(template)
+
+            subtitle_generator = SubtitleContentsGenerator()
+
+            async with BackgroundSessionLocal() as session:
+                project_result = await session.execute(
+                    select(Project)
+                    .where(Project.task_id == task_id)
+                    .order_by(Project.created_at.desc())
+                    .limit(1)
+                )
+                project = project_result.scalar_one_or_none()
+                marketing_result = await session.execute(
+                    select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
+                )
+                marketing_intelligence = marketing_result.scalar_one_or_none()
+
+            store_address = project.detail_region_info
+            customer_name = project.store_name
+            logger.info(f"[generate_subtitle_background] customer_name: {customer_name}, store_address: {store_address}")
+
+            generated_subtitles = await subtitle_generator.generate_subtitle_contents(
+                marketing_intelligence=marketing_intelligence.intel_result,
+                pitching_label_list=pitchings,
+                customer_name=customer_name,
+                detail_region_info=store_address,
+            )
+            pitching_output_list = generated_subtitles.pitching_results
+
+            subtitle_modifications = {
+                pitching_output.pitching_tag: pitching_output.pitching_data
+                for pitching_output in pitching_output_list
+            }
+            logger.info(f"[generate_subtitle_background] subtitle_modifications: {subtitle_modifications}")
+
+            async with BackgroundSessionLocal() as session:
+                marketing_result = await session.execute(
+                    select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
+                )
+                marketing_intelligence = marketing_result.scalar_one_or_none()
+                marketing_intelligence.subtitle = subtitle_modifications
+                await session.commit()
+
+            logger.info(f"[generate_subtitle_background] DONE - task_id: {task_id} (attempt {attempt}/{max_retries})")
+            return
+
+        except Exception as e:
+            logger.error(
+                f"[generate_subtitle_background] FAILED (attempt {attempt}/{max_retries}) - task_id: {task_id}, error: {e}",
+                exc_info=True,
+            )
+            if attempt < max_retries:
+                logger.info(f"[generate_subtitle_background] 재시도 중... ({attempt + 1}/{max_retries}) - task_id: {task_id}")
+
+    logger.error(f"[generate_subtitle_background] 모든 재시도 실패 - task_id: {task_id}")

app/social/api/routers/v1/seo.py

@@ -33,5 +33,5 @@ async def youtube_seo_description(
     session: AsyncSession = Depends(get_session),
 ) -> YoutubeDescriptionResponse:
     return await seo_service.get_youtube_seo_description(
-        request_body.video_id, current_user, session
+        request_body.task_id, current_user, session
     )

app/social/constants.py

@@ -95,6 +95,8 @@ YOUTUBE_SCOPES = [
     "https://www.googleapis.com/auth/userinfo.profile",  # 사용자 프로필
 ]
 
+YOUTUBE_SEO_HASH = "SEO_Describtion_YT"
+
 # =============================================================================
 # Instagram/Facebook OAuth Scopes (추후 구현)
 # =============================================================================

app/social/schemas/seo_schema.py

@@ -8,12 +8,12 @@ from pydantic import BaseModel, ConfigDict, Field
 class YoutubeDescriptionRequest(BaseModel):
     """유튜브 SEO Description 제안 요청"""
 
-    video_id: int = Field(..., description="영상 고유 ID")
+    task_id: str = Field(..., description="작업 고유 식별자")
 
     model_config = ConfigDict(
         json_schema_extra={
             "example": {
-                "video_id": 123
+                "task_id": "019c739f-65fc-7d15-8c88-b31be00e588e"
             }
         }
     )

app/social/schemas/upload_schema.py

@@ -56,8 +56,6 @@ class SocialUploadResponse(BaseModel):
     platform: str = Field(..., description="플랫폼명")
     status: str = Field(..., description="업로드 상태")
     message: str = Field(..., description="응답 메시지")
-    scheduled_at: Optional[datetime] = Field(None, description="예약 시간 (예약 업로드 충돌 시 반환)")
-
 
     model_config = ConfigDict(
         json_schema_extra={
@@ -67,7 +65,6 @@ class SocialUploadResponse(BaseModel):
                 "platform": "youtube",
                 "status": "pending",
                 "message": "업로드 요청이 접수되었습니다.",
-                "scheduled_at": "2026-02-02T15:00:00",
             }
         }
     )

app/social/services/seo_service.py

@@ -1,132 +1,88 @@
 """
 유튜브 SEO 서비스
 
-영상 제목/설명/해시태그를 생성하고 video 테이블에 저장합니다.
+SEO description 생성 및 Redis 캐싱 로직을 처리합니다.
 """
 
 import json
 import logging
 
-from fastapi import HTTPException, status
+from fastapi import HTTPException
+from redis.asyncio import Redis
 from sqlalchemy import select
 from sqlalchemy.ext.asyncio import AsyncSession
 
+from config import db_settings
 from app.home.models import MarketingIntel, Project
+from app.social.constants import YOUTUBE_SEO_HASH
 from app.social.schemas import YoutubeDescriptionResponse
-from app.social.services.sns_metadata import apply_sns_metadata, has_stored_sns_metadata
 from app.user.models import User
-from app.video.models import Video
+from app.utils.prompts.chatgpt_prompt import ChatgptService
+from app.utils.prompts.prompts import yt_upload_prompt
 
 logger = logging.getLogger(__name__)
 
+redis_seo_client = Redis(
+    host=db_settings.REDIS_HOST,
+    port=db_settings.REDIS_PORT,
+    db=0,
+    decode_responses=True,
+)
+
 
 class SeoService:
     """유튜브 SEO 비즈니스 로직 서비스"""
 
     async def get_youtube_seo_description(
         self,
-        video_id: int,
+        task_id: str,
         current_user: User,
         session: AsyncSession,
     ) -> YoutubeDescriptionResponse:
         """
-        저장된 SNS 메타데이터를 반환하거나, 없으면 생성 후 video에 저장합니다.
+        유튜브 SEO description 생성
+
+        Redis 캐시 확인 후 miss이면 GPT로 생성하고 캐싱.
         """
         logger.info(
-            f"[SEO_SERVICE] Load metadata - user: {current_user.user_uuid} / video_id: {video_id}"
+            f"[SEO_SERVICE] Try Cache - user: {current_user.user_uuid} / task_id: {task_id}"
         )
 
-        video = await self._get_owned_video(video_id, current_user.user_uuid, session)
-        if video is None:
-            raise HTTPException(
-                status_code=status.HTTP_404_NOT_FOUND,
-                detail=f"video_id '{video_id}'에 해당하는 영상을 찾을 수 없습니다.",
-            )
+        cached = await self._get_from_redis(task_id)
+        if cached:
+            return cached
 
-        if has_stored_sns_metadata(video):
-            return self._response_from_video(video)
+        logger.info(f"[SEO_SERVICE] Cache miss - user: {current_user.user_uuid}")
+        result = await self._generate_seo_description(task_id, current_user, session)
+        await self._set_to_redis(task_id, result)
 
-        result = await self.generate_and_save_for_video(video.id, session)
-        if result is None:
-            raise HTTPException(
-                status_code=status.HTTP_404_NOT_FOUND,
-                detail=f"video_id '{video_id}'에 해당하는 영상을 찾을 수 없습니다.",
-            )
-        await session.commit()
         return result
 
-    async def generate_and_save_for_video(
-        self,
-        video_id: int,
-        session: AsyncSession,
-    ) -> YoutubeDescriptionResponse | None:
-        """GPT로 SEO를 생성해 지정한 video 행에 저장합니다. 워커/온디맨드 공용."""
-        video_result = await session.execute(select(Video).where(Video.id == video_id))
-        video = video_result.scalar_one_or_none()
-        if video is None:
-            logger.warning(f"[SEO_SERVICE] Video NOT FOUND - video_id: {video_id}")
-            return None
-
-        if has_stored_sns_metadata(video):
-            return self._response_from_video(video)
-
-        result = await self._generate_seo_description(video.task_id, session)
-        apply_sns_metadata(video, result.title, result.description, result.keywords)
-        await session.flush()
-        logger.info(f"[SEO_SERVICE] Saved metadata - video_id: {video_id}")
-        return result
-
-    async def _get_owned_video(
-        self,
-        video_id: int,
-        user_uuid: str,
-        session: AsyncSession,
-    ) -> Video | None:
-        result = await session.execute(
-            select(Video)
-            .join(Project, Project.id == Video.project_id)
-            .where(
-                Video.id == video_id,
-                Project.user_uuid == user_uuid,
-                Video.is_deleted.is_(False),
-            )
-        )
-        return result.scalar_one_or_none()
-
     async def _generate_seo_description(
         self,
         task_id: str,
+        current_user: User,
         session: AsyncSession,
     ) -> YoutubeDescriptionResponse:
         """GPT를 사용하여 SEO description 생성"""
-        from app.utils.prompts.chatgpt_prompt import ChatgptService
-        from app.utils.prompts.prompts import yt_upload_prompt
-
-        logger.info(f"[SEO_SERVICE] Generating SEO - task_id: {task_id}")
+        logger.info(f"[SEO_SERVICE] Generating SEO - user: {current_user.user_uuid}")
 
         try:
             project_result = await session.execute(
                 select(Project)
-                .where(Project.task_id == task_id)
+                .where(
+                    Project.task_id == task_id,
+                    Project.user_uuid == current_user.user_uuid,
+                )
                 .order_by(Project.created_at.desc())
                 .limit(1)
             )
             project = project_result.scalar_one_or_none()
-            if project is None:
-                raise HTTPException(
-                    status_code=status.HTTP_404_NOT_FOUND,
-                    detail=f"task_id '{task_id}'에 해당하는 Project를 찾을 수 없습니다.",
-                )
 
             marketing_result = await session.execute(
                 select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
             )
             marketing_intelligence = marketing_result.scalar_one_or_none()
-            if marketing_intelligence is None:
-                raise HTTPException(
-                    status_code=status.HTTP_404_NOT_FOUND,
-                    detail="마케팅 인텔리전스를 찾을 수 없습니다.",
-                )
 
             hashtags = marketing_intelligence.intel_result["target_keywords"]
 
@@ -138,13 +94,10 @@ class SeoService:
                 ),
                 "language": project.language,
                 "target_keywords": hashtags,
-                "industry": project.industry or "",
             }
 
             chatgpt = ChatgptService(timeout=180)
-            yt_seo_output = await chatgpt.generate_structured_output(
-                yt_upload_prompt, yt_seo_input_data
-            )
+            yt_seo_output = await chatgpt.generate_structured_output(yt_upload_prompt, yt_seo_input_data)
 
             return YoutubeDescriptionResponse(
                 title=yt_seo_output.title,
@@ -152,8 +105,6 @@ class SeoService:
                 keywords=hashtags,
             )
 
-        except HTTPException:
-            raise
         except Exception as e:
             logger.error(f"[SEO_SERVICE] EXCEPTION - error: {e}")
             raise HTTPException(
@@ -161,12 +112,18 @@ class SeoService:
                 detail=f"유튜브 SEO 생성에 실패했습니다. : {str(e)}",
             )
 
-    def _response_from_video(self, video: Video) -> YoutubeDescriptionResponse:
-        return YoutubeDescriptionResponse(
-            title=video.title or "",
-            description=video.description or "",
-            keywords=list(video.hashtags or []),
-        )
+    async def _get_from_redis(self, task_id: str) -> YoutubeDescriptionResponse | None:
+        field = f"task_id:{task_id}"
+        yt_seo_info = await redis_seo_client.hget(YOUTUBE_SEO_HASH, field)
+        if yt_seo_info:
+            return YoutubeDescriptionResponse(**json.loads(yt_seo_info))
+        return None
+
+    async def _set_to_redis(self, task_id: str, yt_seo: YoutubeDescriptionResponse) -> None:
+        field = f"task_id:{task_id}"
+        yt_seo_info = json.dumps(yt_seo.model_dump(), ensure_ascii=False)
+        await redis_seo_client.hset(YOUTUBE_SEO_HASH, field, yt_seo_info)
+        await redis_seo_client.expire(YOUTUBE_SEO_HASH, 3600)
 
 
 seo_service = SeoService()

app/social/services/sns_metadata.py

@@ -1,36 +0,0 @@
-"""SNS 업로드용 영상 메타데이터 비교/반영 헬퍼."""
-
-from app.video.models import Video
-
-
-def has_stored_sns_metadata(video: Video) -> bool:
-    """video 행에 SNS 제목이 이미 저장되어 있는지 확인합니다."""
-    return bool(video.title)
-
-
-def sns_metadata_changed(
-    video: Video,
-    title: str,
-    description: str | None,
-    tags: list[str] | None,
-) -> bool:
-    """게시 폼 값이 저장된 SNS 메타데이터와 다른지 비교합니다."""
-    stored_tags = list(video.hashtags or [])
-    incoming_tags = list(tags or [])
-    return (
-        (video.title or "") != title
-        or (video.description or "") != (description or "")
-        or stored_tags != incoming_tags
-    )
-
-
-def apply_sns_metadata(
-    video: Video,
-    title: str,
-    description: str | None,
-    hashtags: list[str] | None,
-) -> None:
-    """video 행에 SNS 메타데이터를 반영합니다."""
-    video.title = title
-    video.description = description
-    video.hashtags = list(hashtags or [])

app/social/services/upload_service.py

@@ -10,7 +10,7 @@ from datetime import datetime
 from typing import Optional
 
 from fastapi import BackgroundTasks, HTTPException, status
-from sqlalchemy import func, or_, select
+from sqlalchemy import func, select
 from sqlalchemy.ext.asyncio import AsyncSession
 
 from config import TIMEZONE
@@ -26,7 +26,6 @@ from app.social.schemas import (
     SocialUploadRequest,
 )
 from app.social.services.account_service import SocialAccountService
-from app.social.services.sns_metadata import apply_sns_metadata, sns_metadata_changed
 from app.social.worker.upload_task import process_social_upload
 from app.user.models import User
 from app.video.models import Video
@@ -77,12 +76,6 @@ class SocialUploadService:
                 detail="영상이 아직 준비되지 않았습니다. 영상 생성이 완료된 후 시도해주세요.",
             )
 
-        if sns_metadata_changed(video, body.title, body.description, body.tags):
-            apply_sns_metadata(video, body.title, body.description, body.tags)
-            logger.info(
-                f"[UPLOAD_SERVICE] video SNS 메타데이터 갱신 - video_id: {body.video_id}"
-            )
-
         # 2. 소셜 계정 조회 및 소유권 검증
         account = await self._account_service.get_account_by_id(
             user_uuid=current_user.user_uuid,
@@ -97,19 +90,12 @@ class SocialUploadService:
             )
             raise SocialAccountNotFoundError()
 
-        # 3. 중복 업로드 확인
-        now_kst_naive = datetime.now(TIMEZONE).replace(tzinfo=None)
-
-        # 3-1. 진행 중인 업로드 확인 (즉시 pending 또는 uploading)
+        # 3. 진행 중인 업로드 확인 (pending 또는 uploading 상태만)
         in_progress_result = await session.execute(
             select(SocialUpload).where(
                 SocialUpload.video_id == body.video_id,
                 SocialUpload.social_account_id == account.id,
                 SocialUpload.status.in_([UploadStatus.PENDING.value, UploadStatus.UPLOADING.value]),
-                or_(
-                    SocialUpload.scheduled_at.is_(None),
-                    SocialUpload.scheduled_at <= now_kst_naive,
-                ),
             )
         )
         in_progress_upload = in_progress_result.scalar_one_or_none()
@@ -126,32 +112,6 @@ class SocialUploadService:
                 message="이미 업로드가 진행 중입니다.",
             )
 
-        # 3-2. 미래 예약 업로드 확인
-        scheduled_result = await session.execute(
-            select(SocialUpload).where(
-                SocialUpload.video_id == body.video_id,
-                SocialUpload.social_account_id == account.id,
-                SocialUpload.status == UploadStatus.PENDING.value,
-                SocialUpload.scheduled_at.isnot(None),
-                SocialUpload.scheduled_at > now_kst_naive,
-            )
-        )
-        scheduled_upload = scheduled_result.scalar_one_or_none()
-
-        if scheduled_upload:
-            logger.info(
-                f"[UPLOAD_SERVICE] 예약된 업로드 존재 - "
-                f"upload_id: {scheduled_upload.id}, scheduled_at: {scheduled_upload.scheduled_at}"
-            )
-            return SocialUploadResponse(
-                success=False,
-                upload_id=scheduled_upload.id,
-                platform=account.platform,
-                status=scheduled_upload.status,
-                message="이미 예약된 업로드가 있습니다.",
-                scheduled_at=scheduled_upload.scheduled_at,
-            )
-
         # 4. 업로드 순번 계산
         max_seq_result = await session.execute(
             select(func.coalesce(func.max(SocialUpload.upload_seq), 0)).where(
@@ -193,6 +153,7 @@ class SocialUploadService:
         )
 
         # 6. 즉시 업로드이면 백그라운드 태스크 등록
+        now_kst_naive = datetime.now(TIMEZONE).replace(tzinfo=None)
         is_scheduled = body.scheduled_at and body.scheduled_at > now_kst_naive
         if not is_scheduled:
             background_tasks.add_task(process_social_upload, social_upload.id)

app/social/uploader/youtube.py

@@ -144,7 +144,7 @@ class YouTubeUploader(BaseSocialUploader):
         body = {
             "snippet": {
                 "title": metadata.title,
-                "description": self._sanitize_description(metadata.description),
+                "description": metadata.description or "",
                 "tags": metadata.tags or [],
                 "categoryId": self._get_category_id(metadata),
             },
@@ -380,12 +380,6 @@ class YouTubeUploader(BaseSocialUploader):
                 )
                 return False
 
-    def _sanitize_description(self, description: str | None) -> str:
-        """YouTube API가 거부하는 문자를 제거합니다. (<, > 포함 시 invalidVideoDescription 오류 발생)"""
-        if not description:
-            return ""
-        return description.replace("<", "").replace(">", "")
-
     def _convert_privacy_status(self, privacy_status: PrivacyStatus) -> str:
         """
         PrivacyStatus를 YouTube API 형식으로 변환

app/song/api/routers/v1/song.py

@@ -35,33 +35,6 @@ logger = get_logger("song")
 
 router = APIRouter(prefix="/song", tags=["Song"])
 
-TARGET_SONG_DURATION_SECONDS = 40.0
-
-
-def _select_clip_by_duration(
-    clips_data: list[dict], target_seconds: float = TARGET_SONG_DURATION_SECONDS
-) -> dict:
-    """생성된 클립 중 목표 길이(target_seconds)에 가장 가까운 클립을 선택합니다.
-
-    길이 차이가 동일하면 먼저 등장한 클립(더 낮은 인덱스)을 선택합니다.
-    duration 정보가 없는 클립은 비교 대상에서 제외되며, 모든 클립에 duration이 없으면
-    첫 번째 클립을 반환합니다.
-    """
-    best_clip = None
-    best_diff = None
-
-    for clip in clips_data:
-        duration = clip.get("duration")
-        if duration is None:
-            continue
-
-        diff = abs(duration - target_seconds)
-        if best_diff is None or diff < best_diff:
-            best_diff = diff
-            best_clip = clip
-
-    return best_clip if best_clip is not None else clips_data[0]
-
 
 @router.post(
     "/generate/{task_id}",
@@ -99,7 +72,7 @@ curl -X POST "http://localhost:8000/song/generate/019123ab-cdef-7890-abcd-ef1234
 ```
 
 ## 참고
-- 생성되는 노래는 약 40초 내외 길이입니다.
+- 생성되는 노래는 약 1분 이내 길이입니다.
 - song_id를 사용하여 /status/{song_id} 엔드포인트에서 생성 상태를 확인할 수 있습니다.
 - Song 테이블에 데이터가 저장되며, project_id와 lyric_id가 자동으로 연결됩니다.
     """,
@@ -440,14 +413,12 @@ async def get_song_status(
             clips_data = response_data.get("sunoData") or []
 
             if clips_data:
-                # 생성된 클립(보통 2개) 중 목표 길이(1분)에 가장 가까운 클립 선택 (동일하면 첫 번째)
-                first_clip = _select_clip_by_duration(clips_data)
+                # 첫 번째 클립(clips[0])의 audioUrl과 duration 사용
+                first_clip = clips_data[0]
                 audio_url = first_clip.get("audioUrl")
                 clip_duration = first_clip.get("duration")
                 logger.debug(
-                    f"[get_song_status] Selected clip by duration - id: {first_clip.get('id')}, "
-                    f"audio_url: {audio_url}, duration: {clip_duration}, "
-                    f"candidates: {[(c.get('id'), c.get('duration')) for c in clips_data]}"
+                    f"[get_song_status] Using first clip - id: {first_clip.get('id')}, audio_url: {audio_url}, duration: {clip_duration}"
                 )
 
                 if audio_url:
@@ -498,20 +469,6 @@ async def get_song_status(
                             word_data = await suno_service.get_lyric_timestamp(
                                 suno_task_id, suno_audio_id
                             )
-
-                            # None이면 Suno 타임스탬프가 아직 미준비 상태.
-                            # processing을 반환해 클라이언트가 폴링을 계속하도록 한다.
-                            if word_data is None:
-                                logger.info(
-                                    f"[get_song_status] 타임스탬프 미준비 - 폴링 유지, "
-                                    f"suno_task_id: {suno_task_id}, suno_audio_id: {suno_audio_id}"
-                                )
-                                return PollingSongResponse(
-                                    success=True,
-                                    status="processing",
-                                    message="타임스탬프 생성 중입니다.",
-                                )
-
                             logger.debug(
                                 f"[get_song_status] word_data from get_lyric_timestamp - "
                                 f"suno_task_id: {suno_task_id}, suno_audio_id: {suno_audio_id}, "

app/user/api/routers/v1/auth.py

@@ -158,12 +158,10 @@ async def kakao_callback(
         logger.warning(f"[ROUTER] 소셜 계정 토큰 갱신 실패 (무시) - error: {e}")
 
     # 프론트엔드로 토큰과 함께 리다이렉트
-    # is_new_user: 프론트가 신규 가입 시에만 Meta CompleteRegistration 전환 추적을 호출하도록 전달
     redirect_url = (
         f"{prj_settings.PROJECT_DOMAIN}"
         f"?access_token={result.access_token}"
         f"&refresh_token={result.refresh_token}"
-        f"&is_new_user={str(result.is_new_user).lower()}"
     )
     logger.info(
         f"[ROUTER] 카카오 콜백 완료, 프론트엔드로 리다이렉트 - redirect_url: {redirect_url[:50]}..."

app/user/models.py

@@ -219,51 +219,6 @@ class User(Base):
         comment="마지막 로그인 일시",
     )
 
-    first_video_created_at: Mapped[Optional[datetime]] = mapped_column(
-        DateTime,
-        nullable=True,
-        comment="첫 영상 생성 완료 일시 (Meta FirstVideoCreated 전환 이벤트 1회 발화 판정용)",
-    )
-
-    registration_tracked_at: Mapped[Optional[datetime]] = mapped_column(
-        DateTime,
-        nullable=True,
-        comment="가입 전환 추적 일시 (Meta CompleteRegistration 전환 이벤트 1회 발화 판정용)",
-    )
-
-    # ==========================================================================
-    # 광고 유입 경로 (UTM, 가입 시점 first-touch)
-    # ==========================================================================
-    utm_source: Mapped[Optional[str]] = mapped_column(
-        String(255),
-        nullable=True,
-        comment="유입 매체 (예: meta, google, naver)",
-    )
-
-    utm_medium: Mapped[Optional[str]] = mapped_column(
-        String(255),
-        nullable=True,
-        comment="유입 방식 (예: paid_social, cpc)",
-    )
-
-    utm_campaign: Mapped[Optional[str]] = mapped_column(
-        String(255),
-        nullable=True,
-        comment="캠페인 이름",
-    )
-
-    utm_content: Mapped[Optional[str]] = mapped_column(
-        String(255),
-        nullable=True,
-        comment="광고 소재 구분 (A/B 테스트용)",
-    )
-
-    utm_term: Mapped[Optional[str]] = mapped_column(
-        String(255),
-        nullable=True,
-        comment="검색 키워드",
-    )
-
     credits: Mapped[int] = mapped_column(
         Integer,
         nullable=False,

app/utils/address_parser.py

@@ -1,112 +0,0 @@
-# 특별시/광역시/세종시: 하위 행정구역이 구(gu)이므로 별도 처리
-METRO_SIDOS: dict[str, str] = {
-    "서울특별시": "서울시",
-    "부산광역시": "부산시",
-    "대구광역시": "대구시",
-    "인천광역시": "인천시",
-    "광주광역시": "광주시",
-    "대전광역시": "대전시",
-    "울산광역시": "울산시",
-    "세종특별시": "세종시",
-}
-
-SIDO_CITIES: dict[str, list[str]] = {
-    "서울특별시": ["서울시"],
-    "부산광역시": ["부산시"],
-    "대구광역시": ["대구시"],
-    "인천광역시": ["인천시"],
-    "광주광역시": ["광주시"],
-    "대전광역시": ["대전시"],
-    "울산광역시": ["울산시"],
-    "세종특별시": ["세종시"],
-    "경기도": [
-        "수원시", "성남시", "고양시", "용인시", "부천시", "안산시", "안양시", "남양주시",
-        "화성시", "평택시", "의정부시", "시흥시", "파주시", "김포시", "광주시", "광명시",
-        "군포시", "하남시", "오산시", "이천시", "안성시", "구리시", "양주시", "포천시",
-        "여주시", "동두천시", "과천시", "가평군", "양평군", "연천군",
-    ],
-    "강원도": [
-        "춘천시", "원주시", "강릉시", "동해시", "태백시", "속초시", "삼척시",
-        "홍천군", "횡성군", "영월군", "평창군", "정선군", "철원군", "화천군",
-        "양구군", "인제군", "고성군", "양양군",
-    ],
-    "충청북도": ["청주시", "충주시", "제천시", "보은군", "옥천군", "영동군", "증평군", "진천군", "괴산군", "음성군", "단양군"],
-    "충청남도": ["천안시", "공주시", "보령시", "아산시", "서산시", "논산시", "계룡시", "당진시", "금산군", "부여군", "서천군", "청양군", "홍성군", "예산군", "태안군"],
-    "전라북도": ["전주시", "군산시", "익산시", "정읍시", "남원시", "김제시", "완주군", "진안군", "무주군", "장수군", "임실군", "순창군", "고창군", "부안군"],
-    "전라남도": ["목포시", "여수시", "순천시", "나주시", "광양시", "담양군", "곡성군", "구례군", "고흥군", "보성군", "화순군", "장흥군", "강진군", "해남군", "영암군", "무안군", "함평군", "영광군", "장성군", "완도군", "진도군", "신안군"],
-    "경상북도": ["포항시", "경주시", "김천시", "안동시", "구미시", "영주시", "영천시", "상주시", "문경시", "경산시", "의성군", "청송군", "영양군", "영덕군", "청도군", "고령군", "성주군", "칠곡군", "예천군", "봉화군", "울진군", "울릉군"],
-    "경상남도": ["창원시", "진주시", "통영시", "사천시", "김해시", "밀양시", "거제시", "양산시", "의령군", "함안군", "창녕군", "고성군", "남해군", "하동군", "산청군", "함양군", "거창군", "합천군"],
-    "제주도": ["제주시", "서귀포시"],
-}
-
-# 도 약칭 → 정식 명칭
-SIDO_NAME_ALIASES: dict[str, str] = {
-    "서울": "서울특별시", "부산": "부산광역시", "대구": "대구광역시",
-    "인천": "인천광역시", "광주": "광주광역시", "대전": "대전광역시",
-    "울산": "울산광역시", "세종": "세종특별시",
-    "경기": "경기도", "강원": "강원도",
-    "충북": "충청북도", "충남": "충청남도",
-    "전북": "전라북도", "전남": "전라남도",
-    "경북": "경상북도", "경남": "경상남도",
-    "제주": "제주도",
-}
-
-# 도 정식 명칭 → 약칭 + 이형 목록 (필터 검색용)
-SIDO_SEARCH_ALIASES: dict[str, list[str]] = {
-    "경기도": ["경기도", "경기"],
-    "강원도": ["강원도", "강원", "강원특별자치도"],
-    "충청북도": ["충청북도", "충북", "충북특별자치도"],
-    "충청남도": ["충청남도", "충남"],
-    "전라북도": ["전라북도", "전북", "전북특별자치도"],
-    "전라남도": ["전라남도", "전남"],
-    "경상북도": ["경상북도", "경북"],
-    "경상남도": ["경상남도", "경남"],
-    "제주도": ["제주도", "제주", "제주특별자치도"],
-}
-
-
-def extract_sigungu(address: str) -> str:
-    """주소 문자열에서 시/군 이름을 추출합니다."""
-    tokens = address.split()
-    if not tokens:
-        return ""
-
-    # 첫 토큰으로 도 판별 (정식명 or 약칭)
-    sido = SIDO_NAME_ALIASES.get(tokens[0], tokens[0])
-
-    # 특별시/광역시/세종시: 구(district) 레벨이 하위이므로 시 이름을 바로 반환
-    metro_name = METRO_SIDOS.get(sido)
-    if metro_name:
-        return metro_name
-
-    cities = SIDO_CITIES.get(sido)
-    if cities and len(tokens) >= 2:
-        second = tokens[1]
-        if second in cities:
-            return second
-        # DB에 없는 신설 행정구역 대비 — 시/군 접미사 폴백
-        if second.endswith(("시", "군")):
-            return second
-
-    # 도 판별 실패 시 전체 도에서 토큰 완전 일치 검색
-    token_set = set(tokens)
-    for city_list in SIDO_CITIES.values():
-        for city in city_list:
-            if city in token_set:
-                return city
-
-    return ""
-
-
-def extract_region_from_address(
-    road_address: str | None,
-    jibun_address: str | None = None,
-) -> str:
-    """도로명 주소 우선으로 시/군을 추출합니다. 실패 시 지번 주소로 재시도합니다."""
-    if road_address:
-        result = extract_sigungu(road_address)
-        if result:
-            return result
-    if jibun_address:
-        return extract_sigungu(jibun_address)
-    return ""

app/utils/autotag.py

@@ -6,49 +6,43 @@ from app.utils.prompts.schemas import SpaceType, Subject, Camera, MotionRecommen
 
 import asyncio
 
-# medium 추론은 출력 비용의 80%를 차지하고, minimal은 A/B 비교(4회)에서 narrative 점수가
-# welcome 단계로 편향되고 태그를 과다 선택하는 패턴이 반복돼 low로 고정한다.
-IMAGE_TAG_REASONING_EFFORT = "low"
-
-async def autotag_image(image_url : str, industry: str = "") -> list[str]: #tag_list
-    chatgpt = ChatgptService(model_type="gpt")
+async def autotag_image(image_url : str) -> list[str]: #tag_list
+    chatgpt = ChatgptService(model_type="gemini")
     image_input_data = {
         "img_url" : image_url,
-        "industry" : industry,
         "space_type" : list(SpaceType),
         "subject" : list(Subject),
         "camera" : list(Camera),
         "motion_recommended" : list(MotionRecommended)
     }
 
-    image_result = await chatgpt.generate_structured_output(image_autotag_prompt, image_input_data, image_url, True, reasoning_effort=IMAGE_TAG_REASONING_EFFORT)
+    image_result = await chatgpt.generate_structured_output(image_autotag_prompt, image_input_data, image_url, False)   
     return image_result
 
-async def autotag_images(image_url_list : list[str], industry: str = "") -> list[dict]: #tag_list
-    chatgpt = ChatgptService(model_type="gpt")
+async def autotag_images(image_url_list : list[str]) -> list[dict]: #tag_list
+    chatgpt = ChatgptService(model_type="gemini")
     image_input_data_list = [{ 
         "img_url" : image_url,
-        "industry" : industry,
         "space_type" : list(SpaceType),
         "subject" : list(Subject),
         "camera" : list(Camera),
         "motion_recommended" : list(MotionRecommended)
     }for image_url in image_url_list]
     
-    image_result_tasks = [chatgpt.generate_structured_output(image_autotag_prompt, image_input_data, image_input_data['img_url'], True, silent = True, reasoning_effort=IMAGE_TAG_REASONING_EFFORT) for image_input_data in image_input_data_list]
+    image_result_tasks = [chatgpt.generate_structured_output(image_autotag_prompt, image_input_data, image_input_data['img_url'], False, silent = True) for image_input_data in image_input_data_list] 
     image_result_list: list[BaseModel | BaseException] = await asyncio.gather(*image_result_tasks, return_exceptions=True)
-    MAX_RETRY = 2
+    MAX_RETRY = 2 # 하드코딩, 어떻게 처리할지는 나중에
     for _ in range(MAX_RETRY):
         failed_idx = [i for i, r in enumerate(image_result_list) if isinstance(r, Exception)]
-        # print("Failed", failed_idx)
+        print("Failed", failed_idx)
         if not failed_idx:
             break
         retried = await asyncio.gather(
-            *[chatgpt.generate_structured_output(image_autotag_prompt, image_input_data_list[i], image_input_data_list[i]['img_url'], True, silent=True, reasoning_effort=IMAGE_TAG_REASONING_EFFORT) for i in failed_idx],
+            *[chatgpt.generate_structured_output(image_autotag_prompt, image_input_data_list[i], image_input_data_list[i]['img_url'], False, silent=True) for i in failed_idx],
             return_exceptions=True
         )
         for i, result in zip(failed_idx, retried):
             image_result_list[i] = result
 
-    # print("Failed", failed_idx)
+    print("Failed", failed_idx)
     return image_result_list

app/utils/bgm_lyrics.py

@@ -4,24 +4,15 @@ BGM 모드용 더미 가사 템플릿
 instrumental=True 호출 시 Suno가 가사 길이/구조를 참고해 60초짜리 BGM을 생성하도록
 placeholder 가사를 제공합니다. 실제 보컬은 생성되지 않습니다.
 
-장르 순서: K-Pop, Pop, R&B, Hip-Hop, Ballad, EDM, Rock, Jazz
-섹션 태그 없이 한국어 10줄로 구성.
+3가지 버전 모두 섹션 태그 없이 한국어 9줄로 통일.
+분위기(밝음/감성/에너지)만 가사 텍스트로 차별화합니다.
 """
 
-_BGM_DUMMY_LYRICS: dict[str, str] = {
-    "K-Pop": (
-        "반짝이는 눈빛으로 날 바라봐\n"
-        "심장이 터질 것 같은 이 느낌\n"
-        "너만 보면 세상이 달라 보여\n"
-        "오늘도 설레임이 멈추질 않아\n"
-        "같이 걸어가는 이 길 위에서\n"
-        "우리 둘만의 노래가 흘러\n"
-        "빛나는 순간들을 모아모아\n"
-        "영원히 기억할 우리의 이야기\n"
-        "지금 이 순간 네 곁에 있을게\n"
-        "함께라면 뭐든 할 수 있어\n"
-    ),
-    "Pop": (
+import random
+
+_BGM_DUMMY_LYRICS_LIST = [
+    # 버전 1 — 밝고 경쾌한 분위기
+    (
         "햇살 가득한 아침이 시작되고\n"
         "따스한 바람이 살며시 불어와\n"
         "거리마다 웃음꽃이 피어나고\n"
@@ -33,31 +24,8 @@ _BGM_DUMMY_LYRICS: dict[str, str] = {
         "오늘 하루도 빛나는 하루야\n"
         "환한 미소로 하루를 마무리해\n"
     ),
-    "R&B": (
-        "부드럽게 흐르는 이 그루브에\n"
-        "몸이 저절로 리듬을 타기 시작해\n"
-        "네 목소리가 귓가에 맴돌고\n"
-        "이 감각이 온몸을 감싸줘\n"
-        "달콤한 밤이 깊어질수록\n"
-        "너와 나 사이 거리가 좁혀져\n"
-        "촛불처럼 은은하게 타오르는\n"
-        "이 감정을 숨길 수가 없어\n"
-        "부드럽게 내 손을 잡아줘\n"
-        "오늘 밤 우리만의 노래를 불러\n"
-    ),
-    "Hip-Hop": (
-        "내 방식대로 살아가는 이 길\n"
-        "누가 뭐래도 내 페이스로 가\n"
-        "매일 아침 눈을 뜨면 새로운 무대\n"
-        "두려움 없이 앞으로 나아가\n"
-        "땀과 노력으로 쌓아온 오늘\n"
-        "포기란 없어 끝까지 밀어붙여\n"
-        "내 이름을 기억해 두라고\n"
-        "이 무대 위에 내 발자국 남겨\n"
-        "하나둘 쌓여가는 내 이야기\n"
-        "진짜배기는 지금부터 시작이야\n"
-    ),
-    "Ballad": (
+    # 버전 2 — 잔잔하고 감성적인 분위기
+    (
         "저녁 노을이 물드는 창가에서\n"
         "조용히 흘러가는 시간 속에\n"
         "잔잔한 바람이 마음을 적시고\n"
@@ -69,7 +37,8 @@ _BGM_DUMMY_LYRICS: dict[str, str] = {
         "이 순간 여기 머무는 것만으로도 충분해\n"
         "고요한 밤이 나를 감싸 안아줘\n"
     ),
-    "EDM": (
+    # 버전 3 — 강렬하고 에너지 넘치는 분위기
+    (
         "밤거리에 불빛이 타오르고\n"
         "심장이 두근두근 뛰기 시작해\n"
         "온몸에 퍼지는 뜨거운 열기\n"
@@ -81,63 +50,14 @@ _BGM_DUMMY_LYRICS: dict[str, str] = {
         "끝까지 불태워 이 에너지를\n"
         "새벽빛이 밝아올 때까지 달려\n"
     ),
-    "Rock": (
-        "굉음을 내며 울려 퍼지는 기타\n"
-        "온몸을 뒤흔드는 강렬한 비트\n"
-        "규칙 따위는 집어치우고\n"
-        "있는 그대로 외쳐봐\n"
-        "불꽃처럼 타오르는 이 열정\n"
-        "아무도 막을 수 없어 지금\n"
-        "거침없이 달려가는 이 무대\n"
-        "목청껏 소리 질러 자유를\n"
-        "부서질 듯 뜨겁게 흔들어\n"
-        "이 밤이 끝날 때까지 록이야\n"
-    ),
-    "Jazz": (
-        "커피 향이 피어오르는 오후\n"
-        "느긋하게 흐르는 재즈 선율에\n"
-        "발끝이 리듬을 타기 시작해\n"
-        "달콤한 여유가 가득 차오르고\n"
-        "창밖엔 황금빛 도시가 반짝여\n"
-        "잔을 들어 이 순간을 건배해\n"
-        "스윙하는 박자에 몸을 맡기고\n"
-        "부드럽게 흘러가는 이 밤을\n"
-        "기억 속에 새겨두고 싶어\n"
-        "재즈처럼 자유롭게 살고 싶어\n"
-    ),
-}
+]
 
 
-_GENRE_ALIAS: dict[str, str] = {
-    "kpop": "K-Pop",
-    "k-pop": "K-Pop",
-    "k_pop": "K-Pop",
-    "pop": "Pop",
-    "rnb": "R&B",
-    "r&b": "R&B",
-    "r_b": "R&B",
-    "hiphop": "Hip-Hop",
-    "hip-hop": "Hip-Hop",
-    "hip_hop": "Hip-Hop",
-    "ballad": "Ballad",
-    "edm": "EDM",
-    "rock": "Rock",
-    "jazz": "Jazz",
-}
-
-
-def normalize_genre(genre: str) -> str:
-    return _GENRE_ALIAS.get(genre.lower(), genre)
-
-
-def get_bgm_lyrics(genre: str) -> str:
-    """장르에 맞는 BGM 더미 가사를 반환합니다.
-
-    Args:
-        genre: 장르명 (K-Pop, Pop, R&B, Hip-Hop, Ballad, EDM, Rock, Jazz)
-               대소문자 및 구분자(-, _) 무관하게 처리됩니다.
+def get_random_bgm_lyrics() -> tuple[str, int]:
+    """BGM 더미 가사 3종 중 하나를 랜덤으로 반환합니다.
 
     Returns:
-        선택된 장르의 가사 텍스트
+        (lyrics, version): 선택된 가사 텍스트와 버전 번호 (1~3)
     """
-    return _BGM_DUMMY_LYRICS[normalize_genre(genre)]
+    index = random.randrange(len(_BGM_DUMMY_LYRICS_LIST))
+    return _BGM_DUMMY_LYRICS_LIST[index], index + 1

app/utils/creatomate.py

@@ -30,7 +30,6 @@ response = await creatomate.make_creatomate_call(template_id, modifications)
 """
 
 import copy
-import random
 import time
 from enum import StrEnum
 from typing import Literal
@@ -225,120 +224,28 @@ autotext_template_h_1 = {
     "stroke_color": "#333333",
     "stroke_width": "0.2 vmin"
 }
-DVST0001 = "fe11aeab-ff29-4bc8-9f75-c695c7e243e6"
-DVRT0001 = "3c4b74c4-82d7-4742-9b05-4b999fef4cbd"
-DVCF0001 = "ebb532ec-e49a-4a7e-b0e2-a8132f1bf1f7"
-DVAT0001 = "14d4fa22-49b8-49ca-a233-ac0556436f60"
-DVSL0001 = "20c526a7-b184-46f3-9138-9dfaff2fa342"
-DVCL0001 = "b57dca80-167d-430a-8905-30f4674ff72b"
-DVFT0001 = "03b6d521-4864-4e69-8e6c-1deab9f0ce6e"
-DVAC0001 = "4db8f5a3-4fd1-42cf-86b3-d997f0713d99"
-
+DVST0001 = "75161273-0422-4771-adeb-816bd7263fb0"
+DVST0002 = "c68cf750-bc40-485a-a2c5-3f9fe301e386"
+DVST0003 = "e1fb5b00-1f02-4f63-99fa-7524b433ba47"
 DHST0001 = "660be601-080a-43ea-bf0f-adcf4596fa98"
-
-HST_LIST = [DHST0001]
-VST_LIST = [DVST0001,DVRT0001,DVCF0001,DVAT0001,DVSL0001,DVCL0001,DVFT0001,DVAC0001]
-
-# industry → 세로형 템플릿 매핑 (신규 세로형 템플릿 추가 시 여기에만 등록)
-VERTICAL_INDUSTRY_TEMPLATE_MAP: dict[str, str] = {
-    "stay": DVST0001,
-    "restaurant": DVRT0001,
-    "cafe": DVCF0001,
-    "attraction": DVAT0001,
-    "salon": DVSL0001,
-    "clinic": DVCL0001,
-    "fitness": DVFT0001,
-    "academy": DVAC0001,
-}
-
-# 매핑에 없는 업종(general)의 폴백 템플릿
-DEFAULT_VERTICAL_TEMPLATE = DVST0001
-
-# 템플릿 슬롯명의 모션 동의어 → MotionRecommended 표준값 정규화 맵.
-# 동의어를 enum에 추가하면 LLM 태그 후보가 갈라져 매칭 정확도가 떨어지므로,
-# enum은 표준 어휘만 유지하고 슬롯명 파싱 경계에서 흡수한다.
-MOTION_TOKEN_NORMALIZATION: dict[str, MotionRecommended] = {
-    "zoom_in": MotionRecommended.slow_zoom_in,
-    "zoom_out": MotionRecommended.slow_zoom_out,
-    "pan_left": MotionRecommended.slow_pan,
-    "pan_right": MotionRecommended.slow_pan,
-    "tilt_up": MotionRecommended.slow_pan,
-    "tilt_down": MotionRecommended.slow_pan,
-    "push_diag": MotionRecommended.dolly,
-    "montage": MotionRecommended.static,
-}
+DHST0002 = "3f194cc7-464e-4581-9db2-179d42d3e40f"
+DHST0003 = "f45df555-2956-4a13-9004-ead047070b3d"
+DVST0001T = "fe11aeab-ff29-4bc8-9f75-c695c7e243e6"
+HST_LIST = [DHST0001,DHST0002,DHST0003]
+VST_LIST = [DVST0001,DVST0002,DVST0003, DVST0001T]
 
 SCENE_TRACK = 1
 AUDIO_TRACK = 2
 SUBTITLE_TRACK = 3
 KEYWORD_TRACK = 4
 
-# 썸네일 컴포지션의 이미지 슬롯명 접미사 (8개 업종 템플릿 전수 확인, 예:
-# "exterior_front-architecture_detail-wide_angle-slow_zoom_in-intro-core-9999").
-# 일반 씬 이미지는 "-0001"~"-0030"류 4자리 순번을 쓰는 반면 썸네일만 "-9999"라
-# 슬롯명 접미사만으로 안전하게 식별 가능(가로 템플릿처럼 썸네일 컴포지션이
-# 없는 템플릿도 있음).
-THUMBNAIL_SLOT_MARKER = "-9999"
-
-
-def is_fixed_slot_name(name: str) -> bool:
-    """이름이 '-fixed'로 끝나는 요소인지 판별합니다.
-
-    템플릿 명명 규칙상 마지막 토큰이 'fixed'인 요소(예: 'brand-cta-bi_logo-
-    factual-fixed', 'brand-cta-contact_phone-factual-fixed')는 회사 연락처
-    문구·로고 등 매 영상마다 절대 바뀌면 안 되는 고정 콘텐츠다. 이런 요소는
-    이미지 배정/자막 생성 대상에서 제외하고 템플릿에 이미 설정된 값을 그대로
-    보존해야 한다.
-    """
-    if not name:
-        return False
-    return name.rsplit("-", 1)[-1] == "fixed"
-
-# 언어별 대체 폰트 (Google Fonts — Creatomate 기본 지원).
-# 템플릿 기본 폰트(GyeonggiTitleOTF/Pretendard)는 한글·라틴 전용이라 여기 있는
-# 언어는 렌더 직전 전체 텍스트 폰트를 교체한다. 매핑에 없는 언어(Korean,
-# English 등)는 템플릿 원본 폰트를 유지한다. 중국어는 간체(SC) 기준.
-LANGUAGE_FONT_MAP = {
-    "Japanese": "Noto Sans JP",
-    "Chinese": "Noto Sans SC",
-    "Thai": "Noto Sans Thai",
-    "Vietnamese": "Noto Sans",
-}
-
-def select_template(
-    orientation: OrientationType,
-    industry: str | None = None,
-    project_id: int | None = None,
-) -> str:
-    """orientation과 industry에 따라 Creatomate 템플릿 ID를 선택합니다.
-
-    Args:
-        orientation: 영상 방향 ("horizontal" 또는 "vertical")
-        industry: 업종 분류 (stay|restaurant|cafe|attraction 등).
-                  세로형에서 매핑에 있으면 전용 템플릿을 반환합니다.
-        project_id: 미매핑 업종(general 등)의 세로형 분배용 키.
-                    project_id % len(VST_LIST)로 결정적으로 선택하므로, 같은
-                    프로젝트는 몇 번 호출해도 동일 템플릿을 받아 사전/렌더 단계가
-                    일치한다. 없으면 DEFAULT_VERTICAL_TEMPLATE로 폴백한다.
-
-    Returns:
-        선택된 템플릿 ID
-    """
+def select_template(orientation:OrientationType):
     if orientation == "horizontal":
-        template_id = DHST0001
+        return DHST0001
     elif orientation == "vertical":
-        mapped = VERTICAL_INDUSTRY_TEMPLATE_MAP.get(industry)
-        if mapped is not None:
-            template_id = mapped
-        elif project_id is not None:
-            # 미매핑 업종: project_id 나머지로 VST_LIST 결정적 분배 (공유 상태 없음)
-            template_id = VST_LIST[project_id % len(VST_LIST)]
-        else:
-            template_id = DEFAULT_VERTICAL_TEMPLATE
+        return DVST0001T
     else:
         raise
-    logger.info(f"[select_template] orientation={orientation}, industry={industry}, project_id={project_id}, template_id={template_id}")
-    return template_id
 
 async def get_shared_client() -> httpx.AsyncClient:
     """공유 HTTP 클라이언트를 반환합니다. 없으면 생성합니다."""
@@ -386,25 +293,21 @@ class CreatomateService:
     def __init__(
         self,
         api_key: str | None = None,
-        orientation: OrientationType = "vertical",
-        industry: str | None = None,
-        project_id: int | None = None,
+        orientation: OrientationType = "vertical"
     ):
         """
         Args:
             api_key: Creatomate API 키 (Bearer token으로 사용)
                      None일 경우 config에서 자동으로 가져옴
             orientation: 영상 방향 ("horizontal" 또는 "vertical", 기본값: "vertical")
-            industry: 업종 분류 (stay|restaurant|cafe|attraction 등). 세로형 템플릿 선택에 사용되며,
-                      매핑에 있으면 전용 템플릿을 사용
-            project_id: 미매핑 업종(general 등)의 세로형 분배용 키. 매핑에 없을 때
-                        project_id % len(VST_LIST)로 결정적 선택
+            target_duration: 목표 영상 길이 (초)
+                            None일 경우 orientation에 해당하는 기본값 사용
         """
         self.api_key = api_key or apikey_settings.CREATOMATE_API_KEY
         self.orientation = orientation
 
-        # orientation·industry에 따른 템플릿 설정 가져오기
-        self.template_id = select_template(orientation, industry=industry, project_id=project_id)
+        # orientation에 따른 템플릿 설정 가져오기
+        self.template_id = select_template(orientation)
         self.headers = {
             "Content-Type": "application/json",
             "Authorization": f"Bearer {self.api_key}",
@@ -540,340 +443,52 @@ class CreatomateService:
         template : dict,
         target_template_type : str
     ) -> list:
-        """target_template_type 요소 개수를 셉니다.
-
-        target_template_type이 "image"인 경우, 고정 자산('-fixed' 명명) 및
-        5토큰 명명 규칙을 따르지 않는 요소(고정 워터마크 등)는 콘텐츠 슬롯이
-        아니므로 카운트에서 제외합니다 (template_matching_taged_image의
-        image_slots 필터링과 동일 기준).
-        """
         source_elements = template["source"]["elements"]
         template_component_data = self.parse_template_component_name(source_elements)
         count = 0
 
-        for name, template_type in template_component_data.items():
-            if template_type != target_template_type:
-                continue
-            if target_template_type == "image" and (is_fixed_slot_name(name) or self.parse_slot_name_to_tag(name) is None):
-                continue
+        for _, (_, template_type) in enumerate(template_component_data.items()):
+            if template_type == target_template_type:
                 count += 1
         return count  
         
-    def _slot_scores_with_fitness(
-        self,
-        pool_subset: list[dict],
-        slot: str,
-        thumbnail_fitness_map: dict | None,
-    ) -> list[float]:
-        """슬롯 점수에 썸네일 픽셀 적합도를 결합합니다.
-
-        썸네일 슬롯(-9999)에 한해 태그 점수에 적합도를 반영한다:
-        - reject(저해상도/극단 가로형) → 0점 (하드 배제)
-        - 정상 → 태그 점수 × 적합도 배율(0.25~1.0)
-        - 적합도 데이터 없음(헤더 확보/파싱 실패) → 태그 점수 그대로(중립).
-          다운로드 실패를 배제로 오판해 풀 전체가 날아가는 것을 막기 위함.
-        일반 씬 슬롯은 태그 점수를 그대로 반환한다.
-        """
-        is_thumbnail = slot.endswith(THUMBNAIL_SLOT_MARKER)
-        if is_thumbnail and self.parse_slot_name_to_tag(slot) is None:
-            # 슬롯명이 명명 규칙을 어겨 태그 매칭이 불가능한 썸네일 슬롯.
-            # 태그 점수를 0으로 두면 pool 첫 컷이 뽑혀 사실상 무작위가 되므로
-            # 전 이미지 중립(1.0)으로 두고 아래 픽셀 적합도만으로 순위를 가른다.
-            scores = [1.0] * len(pool_subset)
-        else:
-            scores = self.calculate_image_slot_score_multi(pool_subset, slot)
-        if not thumbnail_fitness_map or not is_thumbnail:
-            return scores
-
-        adjusted = []
-        for item, score in zip(pool_subset, scores):
-            fitness = thumbnail_fitness_map.get(item.get("image_url"))
-            if fitness is None:
-                adjusted.append(score)
-            elif fitness["reject"]:
-                adjusted.append(0.0)
-            else:
-                adjusted.append(score * fitness["score"])
-        return adjusted
-
-    def _collect_thumbnail_slots(self, template_component_data: dict) -> list[str]:
-        """배정 대상 썸네일 슬롯(-9999)을 수집합니다.
-
-        일반 씬 슬롯과 달리 슬롯명 파싱에 실패해도 제외하지 않는다. 썸네일은
-        노출 면적이 가장 큰 표면이라, 미배정 시 modify_element가 템플릿 원본
-        (샘플 이미지)을 그대로 남겨 완성 영상에 그대로 나가기 때문이다. 태그
-        매칭이 불가능한 슬롯은 _slot_scores_with_fitness가 픽셀 적합도만으로
-        고른다. 단 '-fixed' 고정 자산은 여기서도 제외한다.
-
-        파싱 실패는 템플릿 슬롯명 오타이므로 ERROR로 남겨 드러나게 한다
-        (조용히 넘어가면 샘플 이미지가 나가도 아무도 알아채지 못한다).
-        """
-        slots = [
-            name for name, t in template_component_data.items()
-            if t == "image" and name.endswith(THUMBNAIL_SLOT_MARKER)
-            and not is_fixed_slot_name(name)
-        ]
-        for name in slots:
-            if self.parse_slot_name_to_tag(name) is None:
-                logger.error(
-                    f"[_collect_thumbnail_slots] 썸네일 슬롯명이 명명 규칙 위반 — "
-                    f"'{name}' — 템플릿 슬롯명 수정 필요. 픽셀 적합도 기준으로 폴백 배정합니다."
-                )
-        return slots
-
-    def rank_thumbnail_candidates(
-        self,
-        template: dict,
-        taged_image_list: list,
-        thumbnail_fitness_map: dict | None = None,
-        top_n: int = 3,
-    ) -> dict[str, list[dict]]:
-        """썸네일 슬롯별로 상위 후보(태그×픽셀 점수 내림차순)를 반환합니다.
-
-        비전 LLM 최종 선택(Phase 2)에 넘길 후보 압축용. 읽기 전용 — pool을
-        변형하지 않으며 배정도 하지 않는다. 점수 0 이하(픽셀 reject 포함)는
-        제외한다.
-
-        Returns:
-            {슬롯명: [pool item, ...]} — 슬롯당 최대 top_n개, 점수 내림차순.
-            후보가 없는 슬롯은 키 자체를 포함하지 않는다.
-        """
-        component = self.parse_template_component_name(template["source"]["elements"])
-        thumbnail_slots = self._collect_thumbnail_slots(component)
-        result: dict[str, list[dict]] = {}
-        for slot in thumbnail_slots:
-            scores = self._slot_scores_with_fitness(taged_image_list, slot, thumbnail_fitness_map)
-            ranked = sorted(
-                range(len(scores)), key=lambda i: scores[i], reverse=True
-            )
-            candidates = [taged_image_list[i] for i in ranked if scores[i] > 0][:top_n]
-            if candidates:
-                result[slot] = candidates
-        return result
-
     def template_matching_taged_image(
         self,
         template : dict,
-        taged_image_list: list,  # [{"image_url": str, "image_tag": dict}] — 이미 마케팅 적합성 필터를 통과한 이미지만 전달할 것
+        taged_image_list : list, # [{"image_name" : str , "image_tag" : dict}]
         music_url: str,
         address : str,
-        duplicate: bool = False,
-        thumbnail_fitness_map: dict | None = None,  # {image_url: {"score", "reject"}} — 썸네일 슬롯 픽셀 적합도
-        thumbnail_choice: dict | None = None,  # {슬롯명: image_url} — 비전 LLM 최종 선택(있으면 결정론 최고점 대신 사용)
-    ) -> tuple[dict, dict]:
-        """템플릿 슬롯에 이미지를 배정합니다.
-
-        Returns:
-            (modifications, assigned) 튜플
-            - modifications: {슬롯명: image_url, "audio-music": music_url, ...} — modify_element에 전달
-            - assigned: {슬롯명: image_tag} — 자막 생성 컨텍스트에 전달 (modify_element에 넣지 않음)
-
-        배정 전략 (duplicate=False):
-            - 순수 greedy pop 대신 "난이도 우선 greedy" 적용
-            - 사전에 전체 슬롯 점수를 계산해 최고 달성 점수가 낮은(=까다로운) 슬롯을 먼저 배정
-            - 이미지 배정 직전 점수를 재계산 (pop 이후 인덱스 변동 대응)
-
-        배정 전략 (duplicate=True, 이미지 < 슬롯):
-            - 1단계(최소 커버리지 보장): 이미지별로 가장 잘 맞는 슬롯을 찾아 pool의 모든 이미지를
-              서로 다른 슬롯에 먼저 배정한다 (이미지 수 <= 슬롯 수이므로 전량 배정 가능).
-              슬롯을 먼저 소진시키는 것이 아니라 "이미지"를 기준으로 난이도 우선 배정하여,
-              특정 이미지 몇 장이 여러 슬롯을 독점하는 것을 방지한다.
-            - 2단계: 1단계에서 못 채운 나머지 슬롯은 기존처럼 pool 전체에서 최고점 이미지를
-              배정한다 (여기서부터는 중복 재사용 불가피).
-
-        Note:
-            marketing_acceptable 필터링은 크롤링 단계에서 이미 완료되므로 여기서는 재필터링하지 않는다.
-            taged_image_list를 그대로 pool로 사용한다.
-        """
+        duplicate : bool = False
+    ) -> list:
         source_elements = template["source"]["elements"]
         template_component_data = self.parse_template_component_name(source_elements)
 
-        pool = taged_image_list
-        modifications: dict = {}
-        assigned: dict = {}   # {슬롯명: image_tag} — 자막 컨텍스트용
+        taged_image_list = [img for img in taged_image_list if img.get("image_tag") is not None]
+        modifications = {}
 
-        # 이미지 슬롯과 텍스트 슬롯 분리
-        # 고정 자산(이름이 '-fixed'로 끝나는 로고 등) 및 5토큰 명명 규칙을 따르지
-        # 않는 image 요소는 콘텐츠 슬롯이 아니므로 배정 대상에서 제외 — 그렇지
-        # 않으면 파싱 실패로 0점 처리되어 "가장 까다로운 슬롯"으로 취급되고
-        # 무작위 이미지로 덮어써진다.
-        # 썸네일 슬롯(-9999)은 파싱 실패해도 배정해야 하므로 여기서 제외하고
-        # _collect_thumbnail_slots가 별도로 수집한다.
-        image_slots = [
-            name for name, t in template_component_data.items()
-            if t == "image" and not is_fixed_slot_name(name)
-            and not name.endswith(THUMBNAIL_SLOT_MARKER)
-            and self.parse_slot_name_to_tag(name) is not None
-        ]
-        text_slots  = [(name, t) for name, t in template_component_data.items() if t == "text"]
-
-        # ── 썸네일 슬롯(-9999) 우선 배정 ─────────────────────────────────
-        # 썸네일은 영상에서 가장 노출이 큰 표면이므로 씬 슬롯과 다르게 취급한다:
-        # 1) 씬 슬롯이 pool에서 좋은 컷을 pop해 가기 전에 먼저 배정 (같은 태그
-        #    계열 씬 슬롯이 여러 개면 썸네일 차례에 적합 컷이 소진되는 문제 방지)
-        # 2) "상위 3장 가중 랜덤" 없이 결정론적 최고점 선택 — 랜덤 다양화가
-        #    저점수 컷(예: space_type 불일치 ×0.1 페널티 컷)을 확률적으로
-        #    썸네일에 앉히는 사고 방지
-        # duplicate(이미지 부족) 시에는 pop하지 않아 씬 커버리지를 깎지 않는다.
-        # thumbnail_choice(비전 LLM 최종 선택)가 해당 슬롯에 있으면 그 이미지를,
-        # 없으면(선택 실패/미제공) 결정론적 최고점 컷을 사용한다 — 폴백 안전.
-        thumbnail_choice = thumbnail_choice or {}
-        thumbnail_slots = self._collect_thumbnail_slots(template_component_data)
-        for slot in thumbnail_slots:
-            if not pool:
-                logger.warning(f"[template_matching_taged_image] 이미지 풀 없음 — 썸네일 슬롯 배정 불가: {slot}")
-                break
-            scores = self._slot_scores_with_fitness(pool, slot, thumbnail_fitness_map)
-            chosen_url = thumbnail_choice.get(slot)
-            chosen_idx = next(
-                (i for i, item in enumerate(pool) if item["image_url"] == chosen_url), None
-            ) if chosen_url else None
-            if chosen_idx is not None:
-                sel_idx, sel_source = chosen_idx, "vision"
+        for slot_idx, (template_component_name, template_type) in enumerate(template_component_data.items()):
+            match template_type:
+                case "image":
+                    image_score_list = self.calculate_image_slot_score_multi(taged_image_list, template_component_name)
+                    maximum_idx = image_score_list.index(max(image_score_list))
+                    if duplicate:
+                        selected = taged_image_list[maximum_idx]
                     else:
-                sel_idx, sel_source = max(range(len(scores)), key=lambda i: scores[i]), "결정론"
-            selected = pool[sel_idx] if duplicate else pool.pop(sel_idx)
-            modifications[slot] = selected["image_url"]
-            assigned[slot] = selected["image_tag"]
-            logger.info(
-                f"[template_matching_taged_image] 썸네일 배정({sel_source}) — slot: {slot}, "
-                f"score: {scores[sel_idx]:.3f}, url: {selected['image_url']}"
-            )
-
-        if not pool:
-            logger.warning("[template_matching_taged_image] 태그된 이미지가 없음 — 이미지 슬롯 배정 불가")
-        elif duplicate:
-            # 이미지 부족(슬롯 수 > 이미지 수)
-            # Step 1: 최소 커버리지 보장 — 이미지마다 가장 잘 맞는 슬롯을 찾아 서로 다른 슬롯에 배정
-            remaining_slots = list(image_slots)
-
-            def _best_slot_for_image(image: dict, slots: list) -> tuple[str | None, float]:
-                best_slot, best_score = None, -1.0
-                for slot in slots:
-                    score = self._slot_scores_with_fitness([image], slot, thumbnail_fitness_map)[0]
-                    if score > best_score:
-                        best_slot, best_score = slot, score
-                return best_slot, best_score
-
-            # 사전 점수 계산 (최고 달성 점수가 낮을수록 배정처가 마땅찮은=까다로운 이미지)
-            prelim_best_score = [
-                _best_slot_for_image(image, remaining_slots)[1] for image in pool
-            ]
-            ordered_indices = sorted(
-                range(len(pool)),
-                key=lambda i: prelim_best_score[i]
-            )
-
-            for idx in ordered_indices:
-                if not remaining_slots:
-                    break
-                image = pool[idx]
-                # 슬롯이 이전 배정으로 줄어들었으므로 현재 remaining_slots 기준 재계산
-                best_slot, _ = _best_slot_for_image(image, remaining_slots)
-                if best_slot is None:
-                    continue
-                modifications[best_slot] = image["image_url"]
-                assigned[best_slot] = image["image_tag"]
-                remaining_slots.remove(best_slot)
-
-            # Step 2: 커버리지 배정 후 남은 슬롯은 pool 전체에서 최고점 이미지 배정 (재사용 불가피)
-            for slot in remaining_slots:
-                scores = self._slot_scores_with_fitness(pool, slot, thumbnail_fitness_map)
-                if not scores:
-                    continue
-                best_idx = scores.index(max(scores))
-                selected = pool[best_idx]
-                modifications[slot] = selected["image_url"]
-                assigned[slot] = selected["image_tag"]
-        else:
-            # 이미지 충분(슬롯 수 <= 이미지 수): 난이도 우선 greedy 배정
-            # Step 1: 정렬용 사전 점수 계산 (최고 달성 점수가 낮을수록 배정이 어려운 슬롯)
-            prelim = {slot: self._slot_scores_with_fitness(pool, slot, thumbnail_fitness_map) for slot in image_slots}
-            ordered_slots = sorted(
-                image_slots,
-                key=lambda s: max(prelim[s]) if prelim[s] else 0.0
-                # 오름차순 → 달성 최대값이 낮은(어려운) 슬롯이 앞으로
-            )
-
-            # Step 2: 난이도 순서로 배정, 배정마다 pool에서 pop + 다음 슬롯은 점수 재계산
-            for slot in ordered_slots:
-                if not pool:
-                    logger.warning(f"[template_matching_taged_image] 이미지 풀 소진 — 남은 슬롯 배정 불가: {slot}")
-                    break
-                # pop 후 인덱스 변동이 있으므로 현재 pool로 재계산 (사전 점수 재사용 금지)
-                scores = self._slot_scores_with_fitness(pool, slot, thumbnail_fitness_map)
-                if not scores:
-                    continue
-
-                # 상위 3장 중 점수 비례 확률로 선택 (영상 다양화)
-                sorted_indices = sorted(range(len(scores)), key=lambda i: scores[i], reverse=True)
-                top_indices = sorted_indices[:min(3, len(sorted_indices))]
-                weights = [scores[i] for i in top_indices]
-                if sum(weights) > 0:
-                    chosen_pool_idx = random.choices(top_indices, weights=weights, k=1)[0]
-                else:
-                    chosen_pool_idx = random.choice(top_indices)
-
-                selected = pool.pop(chosen_pool_idx)
-                modifications[slot] = selected["image_url"]
-                assigned[slot] = selected["image_tag"]
-
-        # 텍스트 슬롯 처리
-        for name, _ in text_slots:
-            if "address_input" in name:
-                modifications[name] = address
+                        selected = taged_image_list.pop(maximum_idx)
+                    image_name = selected["image_url"]
+                    modifications[template_component_name] =image_name
+                    pass
+                case "text":
+                    if "address_input" in template_component_name:
+                        modifications[template_component_name] = address
 
         modifications["audio-music"] = music_url
-        return modifications, assigned
-                
-    # 점수 계산 상수 (모듈 레벨로 빼면 더 좋지만 기존 코드 스타일 따라 클래스 내부에 위치)
-    _NARR_FLOOR = 0.25   # narrative 최솟값 modulator: base 점수가 완전히 0이 되는 것을 방지
-    _NARR_BONUS = 1.5    # narrative 독립 보너스: base=0이어도 narrative 신호가 점수에 남음
-    _NARR_MIN   = 0.0    # narrative_preference 값 clamp 하한 (무경계 스키마 방어)
-    _NARR_MAX   = 100.0  # narrative_preference 값 clamp 상한. NarrativePreference 스키마(0.0~100.0)와 스케일 일치
-    _SPACE_TYPE_MISMATCH_PENALTY = 0.1  # 슬롯이 요구하는 space_type과 다른 이미지에 적용하는 페널티 배수 (하드 필터에 가깝게)
+        return modifications
                 
     def calculate_image_slot_score_multi(self, taged_image_list : list[dict], slot_name : str):
-        """이미지 슬롯에 대한 각 이미지의 매칭 점수를 계산합니다.
-
-        점수 = (base * narr_mod + NARR_BONUS * narr) * space_type_penalty
-        - base: 태그 카테고리 매칭 합산 (최대 6.5 = space_type 2.0 + subject 3.0 + camera 1.0 + motion 0.5)
-        - narr_mod: [NARR_FLOOR, 1.0] 구간으로 완화된 narrative 계수
-        - NARR_BONUS * narr: narrative 독립 보너스 (base=0이어도 신호 유지)
-        - space_type_penalty: 슬롯이 요구하는 space_type과 이미지가 불일치하면
-          SPACE_TYPE_MISMATCH_PENALTY(0.1)를 곱해 사실상 탈락시킴. narrative_preference
-          점수가 아무리 높아도(예: bathroom 이미지가 intro narr=100) 슬롯이 지정한
-          space_type(예: exterior_front)과 다르면 우선 배정되지 않도록 하기 위함 —
-          같은 space_type 이미지가 pool에 하나도 없을 때만 상대적으로 선택됨(fallback 유지).
-        이 구조로 "base=0, narrative가 높음"과 "완전히 틀린 이미지(0,0)"를 구별할 수 있음.
-        """
         image_tag_list = [taged_image["image_tag"] for taged_image in taged_image_list]
         slot_tag_dict = self.parse_slot_name_to_tag(slot_name)
-        if slot_tag_dict is None:
-            # parse 실패 시 전부 0점 반환 (슬롯 skip)
-            return [0.0] * len(image_tag_list)
-
-        base_score_list = [0.0] * len(image_tag_list)
-        # slot_tag_narrative = NarrativePhase.accent  # 기본값 (narrative 토큰 없는 슬롯 대비)
-        slot_space_type = slot_tag_dict.get("space_type")
-        space_type_match_list = [
-            slot_space_type is not None and slot_space_type.value in image_tag.get("space_type", [])
-            for image_tag in image_tag_list
-        ]
-
-        # 썸네일 슬롯 한정: subject가 슬롯 요구와 일치하면 space_type 불일치
-        # 페널티를 면제한다. 배경: 일부 업종(예: 레스토랑 dining_hall-food_dish)은
-        # 태깅 관행상 슬롯이 요구하는 subject(음식 클로즈업)가 실제로는 다른
-        # space_type(table_setting/detail_plating 등)으로 붙는다 — space_type과
-        # subject가 한 사진에 공존하기 어려운 조합. 이런 슬롯은 space_type 하드
-        # 필터가 정작 원하는 subject 이미지를 전부 걸러내는 역효과를 낸다.
-        # 템플릿 슬롯명을 바꾸지 않고 여기서 흡수(썸네일 한정이라 일반 씬 슬롯의
-        # space_type 하드 필터는 그대로 유지).
-        slot_subject = slot_tag_dict.get("subject")
-        if slot_name.endswith(THUMBNAIL_SLOT_MARKER) and slot_subject is not None:
-            for idx, image_tag in enumerate(image_tag_list):
-                if slot_subject.value in image_tag.get("subject", []):
-                    space_type_match_list[idx] = True
+        image_score_list = [0] * len(image_tag_list)
         
         for slot_tag_cate, slot_tag_item in slot_tag_dict.items():
             if slot_tag_cate == "narrative_preference":
@@ -882,58 +497,32 @@ class CreatomateService:
 
             match slot_tag_cate:
                 case "space_type":
-                    weight = 2.0
+                    weight = 2
                 case "subject" :
-                    weight = 3.0
+                    weight = 2
                 case "camera":
-                    weight = 1.0
+                    weight = 1
                 case "motion_recommended" :
                     weight = 0.5
                 case _:
-                    raise ValueError(f"[calculate_image_slot_score_multi] unknown slot tag category: {slot_tag_cate}")
+                    raise
 
             for idx, image_tag in enumerate(image_tag_list):
                 if slot_tag_item.value in image_tag[slot_tag_cate]: #collect!
-                    base_score_list[idx] += weight
+                    image_score_list[idx] += weight
 
-        # narrative 점수 적용: 순수 곱셈 대신 "완화 modulator + 독립 보너스"
-        # - narr_mod: base를 흐릴 수 있지만 NARR_FLOOR 이하로는 안 떨어짐
-        # - NARR_BONUS * narr: base=0이어도 narrative가 높으면 양수 점수 확보
-        image_score_list = []
         for idx, image_tag in enumerate(image_tag_list):
-            raw_narr = image_tag.get("narrative_preference", {}).get(slot_tag_narrative, 0.0)
-            clamped_narr = min(self._NARR_MAX, max(self._NARR_MIN, float(raw_narr)))
-            narr = clamped_narr / self._NARR_MAX  # 0.0~1.0로 정규화
-            narr_mod = self._NARR_FLOOR + (1.0 - self._NARR_FLOOR) * narr
-            score = base_score_list[idx] * narr_mod + self._NARR_BONUS * narr
-            if not space_type_match_list[idx]:
-                score *= self._SPACE_TYPE_MISMATCH_PENALTY
-            image_score_list.append(score)
+            image_narrative_score = image_tag["narrative_preference"][slot_tag_narrative]
+            image_score_list[idx] = image_score_list[idx] * image_narrative_score
 
         return image_score_list
     
-    def parse_slot_name_to_tag(self, slot_name: str) -> dict[str, StrEnum] | None:
-        """슬롯 이름을 파싱하여 태그 딕셔너리를 반환합니다.
-
-        슬롯 이름 형식: {space_type}-{subject}-{camera}-{motion}-{narrative}
-
-        위치 기반 파싱에 실패하면 토큰 위치를 무시한 대조로 한 번 더 시도한다
-        (_parse_slot_name_loosely). 슬롯명 오타로 슬롯이 배정에서 빠지면
-        modify_element가 템플릿 원본(샘플 이미지)을 그대로 남겨 완성 영상에
-        그대로 나가기 때문이다.
-
-        둘 다 실패하면 None을 반환합니다 (호출자가 해당 슬롯을 skip+log 처리).
-        """
-        try:
+    def parse_slot_name_to_tag(self, slot_name : str) -> dict[str, StrEnum]:
         tag_list = slot_name.split("-")
-            if len(tag_list) < 5:
-                logger.warning(f"[parse_slot_name_to_tag] 슬롯명 토큰 부족 ({len(tag_list)}개): '{slot_name}' — 슬롯 skip")
-                return None
         space_type = SpaceType(tag_list[0])
         subject = Subject(tag_list[1])
         camera = Camera(tag_list[2])
-            # 모션 동의어(zoom_in, pan_left 등)는 표준 enum 값으로 정규화 후 변환
-            motion = MOTION_TOKEN_NORMALIZATION.get(tag_list[3]) or MotionRecommended(tag_list[3])
+        motion = MotionRecommended(tag_list[3])
         narrative = NarrativePhase(tag_list[4])
         tag_dict = {
             "space_type" : space_type,
@@ -943,64 +532,6 @@ class CreatomateService:
             "narrative_preference" : narrative,
         }
         return tag_dict
-        except (ValueError, IndexError) as e:
-            loose = self._parse_slot_name_loosely(tag_list)
-            if loose is not None:
-                logger.warning(
-                    f"[parse_slot_name_to_tag] 슬롯명이 명명 규칙 위반: '{slot_name}' — {e} — "
-                    f"위치 무시 대조로 복구: { {k: v.value for k, v in loose.items()} } — 템플릿 슬롯명 수정 권장"
-                )
-                return loose
-            logger.warning(f"[parse_slot_name_to_tag] 슬롯명 파싱 실패: '{slot_name}' — {e} — 슬롯 skip")
-            return None
-
-    def _parse_slot_name_loosely(self, tag_list: list[str]) -> dict[str, StrEnum] | None:
-        """토큰 위치를 무시하고 각 enum에 대조해 태그를 복구합니다.
-
-        위치 기반 파싱이 실패했을 때만 호출한다. 토큰 하나는 한 카테고리에만
-        쓰이며, 앞선 토큰부터 순서대로 소비한다(중복 후보가 있으면 앞선 것 채택
-        — 위치 기반과 같은 값을 고르게 된다).
-
-        space_type/subject/narrative는 필수다. 이 셋을 못 채우면 슬롯명이 아닌
-        것으로 보고 None을 반환한다(고정 자산·비규칙 요소가 배정 대상에 섞여
-        무작위 이미지로 덮어써지는 것을 막기 위함). camera/motion은 선택이며
-        못 찾으면 키 자체를 넣지 않는다 — 점수 계산은 태그 딕셔너리를 순회하므로
-        없는 키는 자연히 가중치에서 빠진다.
-        """
-        used: set[int] = set()
-
-        def take(converter) -> StrEnum | None:
-            for idx, token in enumerate(tag_list):
-                if idx in used:
-                    continue
-                try:
-                    value = converter(token)
-                except ValueError:
-                    continue
-                if value is not None:
-                    used.add(idx)
-                    return value
-            return None
-
-        space_type = take(SpaceType)
-        subject = take(Subject)
-        narrative = take(NarrativePhase)
-        if space_type is None or subject is None or narrative is None:
-            return None
-
-        camera = take(Camera)
-        motion = take(lambda t: MOTION_TOKEN_NORMALIZATION.get(t) or MotionRecommended(t))
-
-        tag_dict: dict[str, StrEnum] = {
-            "space_type": space_type,
-            "subject": subject,
-            "narrative_preference": narrative,
-        }
-        if camera is not None:
-            tag_dict["camera"] = camera
-        if motion is not None:
-            tag_dict["motion_recommended"] = motion
-        return tag_dict
 
     def elements_connect_resource_blackbox(
         self,
@@ -1031,26 +562,20 @@ class CreatomateService:
         return modifications
 
     def modify_element(self, elements: list, modification: dict) -> list:
-        """elements의 source를 modification에 따라 수정합니다.
-
-        modification에 없는 image/text 요소(예: '-fixed' 명명의 고정 로고·
-        연락처 문구처럼 배정/자막 생성 대상에서 제외된 고정 콘텐츠)는 템플릿에
-        이미 설정된 source/text를 그대로 보존한다 (KeyError·빈 문자열로
-        렌더가 깨지지 않도록).
-        """
+        """elements의 source를 modification에 따라 수정합니다."""
 
         def recursive_modify(element: dict) -> None:
             if "name" in element:
                 match element["type"]:
                     case "image":
-                        element["source"] = modification.get(element["name"], element.get("source"))
+                        element["source"] = modification[element["name"]]
                     case "audio":
                         element["source"] = modification.get(element["name"], "")
                     case "video":
                         element["source"] = modification[element["name"]]
                     case "text":
                         #element["source"] = modification[element["name"]]
-                        element["text"] = modification.get(element["name"], element.get("text", ""))
+                        element["text"] = modification.get(element["name"], "")
                     case "composition":
                         for minor in element["elements"]:
                             recursive_modify(minor)
@@ -1154,8 +679,6 @@ class CreatomateService:
         """
         url = f"{self.BASE_URL}/v2/renders"
 
-        source["frame_rate"] = 30
-
         last_error: Exception | None = None
 
         for attempt in range(recovery_settings.CREATOMATE_MAX_RETRIES + 1):
@@ -1232,20 +755,6 @@ class CreatomateService:
         response.raise_for_status()
         return response.json()
 
-    @staticmethod
-    def _entrance_transition_offset(elem: dict) -> float:
-        """요소의 entrance transition(transition=true, time==0) duration 합을 반환합니다.
-
-        순차 배치 시 이 값만큼 이전 요소와 겹치도록 시작점이 앞당겨집니다.
-        """
-        offset = 0.0
-        for animation in elem.get("animations", []):
-            if "reversed" in animation:
-                continue
-            if "transition" in animation and animation["transition"] and animation.get("time", 0) == 0:
-                offset += animation["duration"]
-        return offset
-
     def calc_scene_duration(self, template: dict) -> float:
         """템플릿의 전체 장면 duration을 계산합니다."""
         total_template_duration = 0.0
@@ -1259,7 +768,16 @@ class CreatomateService:
                 if elem["track"] not in track_maximum_duration:
                     continue
                 if "time" not in elem or elem["time"] == 0: # elem is auto / 만약 마지막 elem이 auto인데 그 앞에 time이 있는 elem 일 시 버그 발생 확률 있음
-                    track_maximum_duration[elem["track"]] += elem["duration"] - self._entrance_transition_offset(elem)
+                    track_maximum_duration[elem["track"]] += elem["duration"]
+
+                    if "animations" not in elem:
+                        continue
+                    for animation in elem["animations"]:
+                        if "reversed" in animation:
+                            continue
+                        assert animation.get("time",0) == 0  # 0이 아닌 경우 확인 필요
+                        if "transition" in animation and animation["transition"]:
+                            track_maximum_duration[elem["track"]] -= animation["duration"]
                 else:
                     track_maximum_duration[elem["track"]] = max(track_maximum_duration[elem["track"]], elem["time"] + elem["duration"])
 
@@ -1271,73 +789,6 @@ class CreatomateService:
 
         return total_template_duration
 
-    def calc_track_time_ranges(self, template: dict, track: int) -> list[tuple[str, float, float]]:
-        """최상위 요소 중 지정 track의 (name, start, end) 시간 범위를 계산합니다.
-
-        Creatomate 규칙에 따라 `time`이 없거나 0인 요소는 같은 트랙의 이전 요소 뒤에
-        순차 배치되며, entrance transition duration만큼 이전 요소와 겹치도록
-        시작점을 앞당깁니다(calc_scene_duration의 차감 규칙과 동치).
-        `time`이 명시된 요소는 해당 시각에서 시작하고, 커서는 그 요소의 끝으로 이동합니다.
-        """
-        ranges: list[tuple[str, float, float]] = []
-        cursor = 0.0
-        for elem in template["source"]["elements"]:
-            try:
-                if elem.get("track") != track:
-                    continue
-                duration = elem["duration"]
-
-                if "time" not in elem or elem["time"] == 0:  # 순차 배치(auto)
-                    start = max(0.0, cursor - self._entrance_transition_offset(elem))
-                else:
-                    start = elem["time"]
-
-                end = start + duration
-                cursor = end
-                ranges.append((elem.get("name", ""), start, end))
-            except Exception as e:
-                logger.debug(traceback.format_exc())
-                logger.error(f"[calc_track_time_ranges] Error processing element: {elem}, {e}")
-
-        return ranges
-
-    @staticmethod
-    def _scale_element(elem: dict, extend_rate: float) -> None:
-        """element 하나의 time/duration/animations를 extend_rate만큼 스케일링합니다.
-
-        composition의 자식 element까지 재귀적으로 처리합니다. 재귀하지 않으면
-        부모 컴포지션(씬 슬롯)만 늘어나고 내부 leaf 이미지/애니메이션은 원래
-        길이에서 끝나버려, 슬롯이 끝나기 전 컴포지션의 fill_color(회색)가
-        노출되는 버그가 생긴다 — modify_element/parse_template_component_name과
-        동일하게 composition을 재귀 순회해야 함.
-
-        오디오 판별은 track 번호가 아닌 type == "audio"로 한다. composition
-        내부의 track 번호는 그 컴포지션 안에서만 유효한 로컬 레이어 인덱스라
-        전역 AUDIO_TRACK/KEYWORD_TRACK 상수와 우연히 값이 겹칠 수 있다
-        (실제 템플릿에도 다중 레이어 씬의 2번째/3번째 이미지가 track=2, track=4인
-        경우가 존재함).
-        """
-        if elem.get("type") == "audio":
-            return
-
-        # "time"은 숫자 오프셋 대신 "end"(컴포지션 끝에 고정) 같은 특수 키워드일 수 있음 —
-        # 이런 값은 렌더 시점에 (이미 스케일링된) duration 기준으로 재계산되므로 그대로 둔다.
-        if "time" in elem and isinstance(elem["time"], (int, float)):
-            elem["time"] = elem["time"] * extend_rate
-        if "duration" in elem and isinstance(elem["duration"], (int, float)):
-            elem["duration"] = elem["duration"] * extend_rate
-
-        for animation in elem.get("animations", []):
-            anim_time = animation.get("time", 0)
-            if isinstance(anim_time, (int, float)) and anim_time != 0:
-                animation["time"] = anim_time * extend_rate
-            if isinstance(animation.get("duration"), (int, float)):
-                animation["duration"] = animation["duration"] * extend_rate
-
-        if elem.get("type") == "composition":
-            for child in elem.get("elements", []):
-                CreatomateService._scale_element(child, extend_rate)
-
     def extend_template_duration(self, template: dict, target_duration: float) -> dict:
         """템플릿의 duration을 target_duration으로 확장합니다."""
         # template["duration"] = target_duration + 0.5 # 늘린것보단 짧게
@@ -1348,10 +799,21 @@ class CreatomateService:
 
         for elem in new_template["source"]["elements"]:
             try:
-                if elem["track"] == AUDIO_TRACK : # audio track(최상위 음악 트랙)은 패스
+                # if elem["type"] == "audio":
+                #     continue
+                if elem["track"] == AUDIO_TRACK : # audio track은 패스
                     continue
                 
-                self._scale_element(elem, extend_rate)
+                if "time" in elem:
+                    elem["time"] = elem["time"] * extend_rate
+                if "duration" in elem:
+                    elem["duration"] = elem["duration"] * extend_rate
+
+                if "animations" not in elem:
+                    continue
+                for animation in elem["animations"]:
+                    assert animation["time"] == 0  # 0이 아닌 경우 확인 필요
+                    animation["duration"] = animation["duration"] * extend_rate
             except Exception as e:
                 logger.error(
                     f"[extend_template_duration] Error processing element: {elem}, {e}"
@@ -1388,38 +850,12 @@ class CreatomateService:
             case "horizontal":
                 return autotext_template_h_1
 
-    def apply_language_font(self, template: dict, language: str) -> dict:
-        """출력 언어에 맞춰 템플릿 내 모든 텍스트 요소의 폰트를 교체합니다.
-
-        템플릿 기본 폰트(GyeonggiTitleOTF/Pretendard)는 한글·라틴 전용이라
-        CJK/태국어 글리프가 없다. LANGUAGE_FONT_MAP에 있는 언어는 전체 텍스트
-        폰트를 해당 언어 지원 폰트(Google Fonts)로 교체하고, 매핑에 없는
-        언어(Korean, English 등)는 템플릿 원본 폰트를 유지한다.
-        """
-        font_family = LANGUAGE_FONT_MAP.get(language)
-        if not font_family:
-            return template
-
-        def recursive_apply(element: dict) -> None:
-            if element.get("type") == "text":
-                element["font_family"] = font_family
-            for minor in element.get("elements") or []:
-                recursive_apply(minor)
-
-        for elem in template["source"]["elements"]:
-            recursive_apply(elem)
-
-        logger.info(
-            f"[apply_language_font] 텍스트 폰트 교체 완료 - language: {language}, font: {font_family}"
-        )
-        return template
-
     def extract_text_format_from_template(self, template:dict):
         keyword_list = []
         subtitle_list = []
         for elem in template["source"]["elements"]:
             try: #최상위 내 텍스트만 검사
-                if elem["type"] == "text" and not is_fixed_slot_name(elem["name"]):
+                if elem["type"] == "text":
                     if elem["track"] == SUBTITLE_TRACK:
                         subtitle_list.append(elem["name"])
                     elif elem["track"] == KEYWORD_TRACK:
@@ -1433,41 +869,21 @@ class CreatomateService:
             assert(len(keyword_list)==len(subtitle_list))
         except Exception as E:
             logger.error("this template does not have same amount of keyword and subtitle.")
-
-        # 썸네일 텍스트(thumb-*)는 전용 트랙이 아닌 thumbnail-composition 내부에
-        # 중첩되어 있어 위 최상위 트랙 스캔에 잡히지 않는다. 다국어 자막 생성에
-        # 함께 포함되도록 재귀 파싱으로 수집한다.
-        component_data = self.parse_template_component_name(
-            template["source"]["elements"]
-        )
-        thumbnail_list = [
-            name
-            for name, elem_type in component_data.items()
-            if elem_type == "text" and name.startswith("thumb-")
-        ]
-
-        pitching_list = keyword_list + subtitle_list + thumbnail_list
+        pitching_list = keyword_list + subtitle_list
         return pitching_list
 
 
-    def make_thumbnail_modification(self, brand_name : str, region : str, category_definition : str, target_keywords : list[str], detail_region_info : str = ""):
+    def make_thumbnail_modification(self, brand_name : str, region : str, brand_concept : str, category_definition : str, target_keywords : list[str]):
         
         len_keywords = len(target_keywords) if len(target_keywords) < 3 else 3
 
-        hashtaged_target_keywords = [f"#{tk}" for tk in target_keywords[:len_keywords]]
-
-        # 지역 표기: 상세주소의 공백 기준 앞 두 마디 사용
-        # (예: "전북 군산시 절골길 18" → "전북 군산시").
-        # 상세주소가 없으면 기존 region 정규화 표기로 폴백.
-        if detail_region_info and detail_region_info.strip():
-            region_display = " ".join(detail_region_info.split()[:2])
-        else:
-            region_display = normalize_location(region)
+        hashtaged_target_keywords = [f"#{tk}" for tk in target_keywords[len_keywords]]
         
         mod_dict = {
             "thumb-hashtag-primary" : ' '.join(hashtaged_target_keywords),
-            "thumb-headline-brand_name-factual" : brand_name,
-            "thumb-subheadline-local_info-factual" : region_display,
+            "thumb-brand-wordmark" : brand_name,
+            "thumb-subheadline-selling_point" : f"{brand_name} · {normalize_location(region)}",
+            "thumb-headline-hook_claim-aspirational" : brand_concept,
             "thumb-badge-category" : category_definition,
         }
         return mod_dict

app/utils/image_filter.py

@@ -1,125 +0,0 @@
-"""크롤링 단계 이미지 마케팅 적합성 필터.
-
-마케팅 적합성(marketing_acceptable) 판정은 이 모듈이 전담한다. 크롤링 시점에
-방문자/AI View 사진(extra_photo_urls)만을 대상으로 판정하며, 업로드 이후 단계의
-태깅(app/utils/autotag.py의 autotag_images(), sheet 기반 image_autotag_prompt)은
-공간/피사체/카메라/모션/내러티브 태그만 다루고 marketing_acceptable은 포함하지 않는다
-(이미 이 단계에서 걸러진 이미지만 태깅 대상이 되기 때문). 프롬프트가 짧아
-시트(Prompt) 대신 코드에 하드코딩한다.
-
-업체 등록 사진(owner_images)은 이 필터의 대상이 아니며, 호출측(라우터)에서
-owner_images 개수가 NvMapScraper.SUPPLEMENT_THRESHOLD(30) 이상이면 이 모듈을
-아예 호출하지 않는 것이 원칙이다.
-"""
-
-import asyncio
-
-from app.utils.logger import get_logger
-from app.utils.prompts.chatgpt_prompt import ChatgptService
-from app.utils.prompts.schemas import MarketingFilterOutput
-
-logger = get_logger("image_filter")
-
-# 크롤링 단계 필터링에 사용할 Gemini 모델. 시트(prompts.py)와 달리 코드에 고정한다.
-MARKETING_FILTER_MODEL = "gpt-5-mini"
-
-MAX_RETRY = 2
-
-MARKETING_FILTER_PROMPT_TEMPLATE = """\
-당신은 광고 영상 제작을 위한 이미지 심사자입니다. 아래 업종의 광고 영상에 이 이미지를 \
-사용해도 되는지 판정하세요.
-
-업종(industry): {industry}
-
-## MARKETING SUITABILITY CHECK (industry-aware)
-- marketing_acceptable: true | false
-- reject_reason: short reason if false (e.g., 저화질, 인물 신원 노출, 업종 부적합, 민감/의료 장면, 미성년자 식별 노출). Empty if acceptable.
-- Person identity protection: 식별 가능한 얼굴이 주피사체이고 동의 여부가 불확실하면 보수적으로 처리.
-
-주어진 스키마에 맞춰 marketing_acceptable과 reject_reason만 반환하세요.\
-"""
-
-
-def _build_prompt(industry: str) -> str:
-    return MARKETING_FILTER_PROMPT_TEMPLATE.format(industry=industry or "미상")
-
-
-async def filter_marketing_images(image_url_list: list[str], industry: str = "") -> list[bool]:
-    """이미지 URL마다 마케팅 적합성(marketing_acceptable)만 판정해 통과 여부 리스트를 반환한다.
-
-    이미지 1장당 API 호출 1회를 asyncio.gather로 병렬 실행한다(배치 호출 아님).
-    실패한 이미지는 최대 MAX_RETRY회 재시도하며, 그래도 실패하면 보수적으로
-    False(제외)로 처리한다.
-
-    Args:
-        image_url_list: 판정할 이미지 URL 목록 (extra_photo_urls의 original만 전달할 것)
-        industry: 업종 분류값 (_resolve_industry 결과). 필터 프롬프트 앞에서 먼저 계산되어야 함.
-
-    Returns:
-        image_url_list와 같은 순서의 통과 여부(bool) 리스트.
-    """
-    if not image_url_list:
-        return []
-
-    chatgpt = ChatgptService(model_type="gpt")
-    prompt_text = _build_prompt(industry)
-
-    async def _call(url: str):
-        return await chatgpt._call_pydantic_output_chat_completion(
-            prompt=prompt_text,
-            output_format=MarketingFilterOutput,
-            model=MARKETING_FILTER_MODEL,
-            img_url=url,
-            image_detail_high=True,
-        )
-
-    results: list[MarketingFilterOutput | BaseException] = await asyncio.gather(
-        *[_call(url) for url in image_url_list], return_exceptions=True
-    )
-
-    for _ in range(MAX_RETRY):
-        failed_idx = [i for i, r in enumerate(results) if isinstance(r, Exception)]
-        if not failed_idx:
-            break
-        # logger.warning(f"[image_filter] 재시도 대상 인덱스: {failed_idx}")
-        retried = await asyncio.gather(
-            *[_call(image_url_list[i]) for i in failed_idx], return_exceptions=True
-        )
-        for i, result in zip(failed_idx, retried):
-            results[i] = result
-
-    final_failed = [i for i, r in enumerate(results) if isinstance(r, Exception)]
-    # if final_failed:
-    #     logger.warning(
-    #         f"[image_filter] {len(final_failed)}건 최종 실패 → 보수적으로 제외 처리: {final_failed}"
-    #     )
-
-    return [
-        (not isinstance(r, Exception)) and r.marketing_acceptable
-        for r in results
-    ]
-
-
-def assemble_images(
-    owner_images: list[dict],
-    extra_images: list[dict],
-    extra_pass_flags: list[bool],
-    max_images: int,
-) -> list[dict]:
-    """owner_images 전량 + 필터 통과한 extra_images를 합쳐 최대 max_images장을 만든다.
-
-    owner_images는 무조건 포함(필터링 대상 아님). extra_images는 extra_pass_flags와
-    같은 순서로 매칭되며, 통과분만 순서대로 이어붙인다. original URL 기준으로 중복을
-    제거한다(nvMapScraper._extract_origins의 dedup 방식과 동일).
-    """
-    passed_extra = [img for img, ok in zip(extra_images, extra_pass_flags) if ok]
-
-    seen: set[str] = set()
-    combined: list[dict] = []
-    for img in owner_images + passed_extra:
-        original = img.get("original")
-        if original and original not in seen:
-            seen.add(original)
-            combined.append(img)
-
-    return combined[:max_images]

app/utils/meta_capi.py

@@ -1,156 +0,0 @@
-"""
-Meta Conversions API (CAPI) 클라이언트
-
-Meta 픽셀과 병행하여 서버 사이드 전환 이벤트를 전송합니다.
-브라우저 픽셀(fbq)과 동일한 event_id를 사용하여 Meta가 중복 이벤트를
-제거(deduplication)할 수 있도록 합니다.
-
-전송 규칙 (Meta 요구사항):
-    - external_id 등 개인 식별 정보: SHA-256 해시 후 전송
-    - fbc/fbp 쿠키, client_ip_address, client_user_agent: 원문 그대로 전송
-    - event_time: 유닉스 타임스탬프 (7일 이내)
-    - action_source: "website" 고정
-
-참고: https://developers.facebook.com/docs/marketing-api/conversions-api
-"""
-
-import hashlib
-import time
-
-import httpx
-
-from app.utils.logger import get_logger
-from config import meta_conversion_settings
-
-logger = get_logger("meta_capi")
-
-# Meta Graph API 버전 및 요청 타임아웃
-GRAPH_API_VERSION = "v21.0"
-REQUEST_TIMEOUT = 10.0
-
-
-def sha256_hash(value: str) -> str:
-    """개인 식별 정보를 Meta 매칭 규격에 맞게 SHA-256 해시합니다.
-
-    Meta는 소문자 변환 + 공백 제거 후 해싱을 요구합니다.
-
-    Args:
-        value: 해시할 원문 문자열 (예: user_uuid, 이메일)
-
-    Returns:
-        str: SHA-256 해시 (16진수 소문자)
-    """
-    normalized = value.strip().lower()
-    return hashlib.sha256(normalized.encode("utf-8")).hexdigest()
-
-
-async def send_capi_event(
-    event_name: str,
-    event_id: str,
-    external_id: str,
-    client_ip: str | None = None,
-    client_user_agent: str | None = None,
-    fbc: str | None = None,
-    fbp: str | None = None,
-    event_source_url: str | None = None,
-    custom_data: dict | None = None,
-    test_event_code: str | None = None,
-) -> bool:
-    """Meta Conversions API로 서버 이벤트를 전송합니다.
-
-    전송 실패는 로깅만 하고 예외를 전파하지 않습니다 (전환 추적 실패가
-    서비스 기능에 영향을 주지 않도록 fire-and-forget 처리).
-
-    Args:
-        event_name: 이벤트 이름 (브라우저 fbq와 철자/대소문자 일치 필수)
-        event_id: 중복제거용 이벤트 ID (브라우저 fbq의 eventID와 동일해야 함)
-        external_id: 사용자 식별자 원문 (user_uuid). 내부에서 SHA-256 해시됨
-        client_ip: 클라이언트 IP 주소 (원문)
-        client_user_agent: 클라이언트 User-Agent (원문)
-        fbc: Meta 클릭 ID 쿠키(_fbc) 원문
-        fbp: Meta 브라우저 ID 쿠키(_fbp) 원문
-        event_source_url: 이벤트가 발생한 페이지 URL
-        custom_data: 추가 데이터 (예: Purchase의 value/currency)
-        test_event_code: 이벤트 관리자 "테스트 이벤트" 검증용 코드.
-            미지정 시 FACEBOOK_TEST_EVENT_CODE 환경변수 값을 사용 (운영 시 빈 값 유지)
-
-    Returns:
-        bool: 전송 성공 여부
-    """
-    pixel_id = meta_conversion_settings.FACEBOOK_PIXEL_ID
-    access_token = meta_conversion_settings.FACEBOOK_ACCESS_TOKEN
-
-    if not pixel_id or not access_token:
-        logger.warning(
-            "[MetaCAPI] SKIP - FACEBOOK_PIXEL_ID/FACEBOOK_ACCESS_TOKEN 미설정 "
-            f"(event_name: {event_name}, event_id: {event_id})"
-        )
-        return False
-
-    user_data: dict = {
-        "external_id": [sha256_hash(external_id)],
-    }
-    if client_ip:
-        user_data["client_ip_address"] = client_ip
-    if client_user_agent:
-        user_data["client_user_agent"] = client_user_agent
-    if fbc:
-        user_data["fbc"] = fbc
-    if fbp:
-        user_data["fbp"] = fbp
-
-    event: dict = {
-        "event_name": event_name,
-        "event_time": int(time.time()),
-        "event_id": event_id,
-        "action_source": "website",
-        "user_data": user_data,
-    }
-    if event_source_url:
-        event["event_source_url"] = event_source_url
-    if custom_data:
-        event["custom_data"] = custom_data
-
-    payload: dict = {"data": [event]}
-    effective_test_code = test_event_code or meta_conversion_settings.FACEBOOK_TEST_EVENT_CODE
-    if effective_test_code:
-        payload["test_event_code"] = effective_test_code
-        logger.info(f"[MetaCAPI] TEST MODE - test_event_code: {effective_test_code}")
-
-    url = f"https://graph.facebook.com/{GRAPH_API_VERSION}/{pixel_id}/events"
-
-    try:
-        async with httpx.AsyncClient() as client:
-            response = await client.post(
-                url,
-                json=payload,
-                params={"access_token": access_token},
-                timeout=REQUEST_TIMEOUT,
-            )
-
-        if response.status_code == 200:
-            logger.info(
-                f"[MetaCAPI] SUCCESS - event_name: {event_name}, "
-                f"event_id: {event_id}, response: {response.json()}"
-            )
-            return True
-
-        logger.error(
-            f"[MetaCAPI] FAILED - event_name: {event_name}, event_id: {event_id}, "
-            f"status: {response.status_code}, body: {response.text}"
-        )
-        return False
-
-    except httpx.HTTPError as e:
-        logger.error(
-            f"[MetaCAPI] HTTP ERROR - event_name: {event_name}, "
-            f"event_id: {event_id}, error: {e}"
-        )
-        return False
-    except Exception as e:
-        logger.error(
-            f"[MetaCAPI] UNEXPECTED ERROR - event_name: {event_name}, "
-            f"event_id: {event_id}, error: {e}",
-            exc_info=True,
-        )
-        return False

app/utils/nvMapPwScraper.py

@@ -1,5 +1,4 @@
 import asyncio
-import random
 import re
 from html import unescape
 from difflib import SequenceMatcher
@@ -20,76 +19,23 @@ class NvMapPwScraper():
     _win_width = 1280
     _win_height = 720
     _max_retry = 3 
-    _timeout = 30 # place id timeout threshold seconds
-    _retry_delay_ms = 1500 # 검색 실패 후 재시도 전 대기시간 (네이버 요청 밀도 완화)
-
-    # UA·뷰포트·sec-ch-ua를 한 세트로 묶은 브라우저 프로필 후보군 (안티봇 핑거프린트 회피용)
-    _UA_PROFILES = [
-        {
-            "user_agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36",
-            "sec_ch_ua": '"Not?A_Brand";v="99", "Chromium";v="130", "Google Chrome";v="130"',
-            "viewport": {"width": 1280, "height": 720},
-        },
-        {
-            "user_agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36",
-            "sec_ch_ua": '"Not?A_Brand";v="99", "Chromium";v="129", "Google Chrome";v="129"',
-            "viewport": {"width": 1366, "height": 768},
-        },
-        {
-            "user_agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36",
-            "sec_ch_ua": '"Not?A_Brand";v="99", "Chromium";v="130", "Google Chrome";v="130"',
-            "viewport": {"width": 1440, "height": 900},
-        },
-        {
-            "user_agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36",
-            "sec_ch_ua": '"Not?A_Brand";v="99", "Chromium";v="131", "Google Chrome";v="131"',
-            "viewport": {"width": 1536, "height": 864},
-        },
-    ]
-    _current_profile = None
-
-    # 헤드리스 자동화 탐지 신호(navigator.webdriver, 빈 plugins/languages, window.chrome 부재,
-    # permissions.query 이상 동작)를 정상 브라우저처럼 위장하는 스텔스 패치.
-    # create_page()와 fetch_graphql() 양쪽에서 생성하는 모든 page에 반드시 적용해야 한다 —
-    # 한쪽이라도 빠지면 그 경로만 헤드리스로 노출되어 안티봇 캡차 트리거 확률이 올라간다.
-    _STEALTH_INIT_SCRIPT = '''
-Object.defineProperty(Navigator.prototype, "webdriver", {
-    set: undefined,
-    enumerable: true,
-    configurable: true,
-    get: () => false,
-});
-Object.defineProperty(navigator, "plugins", { get: () => [1, 2, 3, 4, 5] });
-Object.defineProperty(navigator, "languages", { get: () => ["ko-KR", "ko"] });
-window.chrome = window.chrome || { runtime: {} };
-const originalQuery = window.navigator.permissions && window.navigator.permissions.query;
-if (originalQuery) {
-    window.navigator.permissions.query = (parameters) => (
-        parameters.name === "notifications"
-            ? Promise.resolve({ state: Notification.permission })
-            : originalQuery(parameters)
-    );
-}
-'''
+    _timeout = 60 # place id timeout threshold seconds
     
     # instance var
     page = None
 
-    @classmethod
-    def _pick_profile(cls):
-        """현재 프로필과 다른 프로필을 무작위로 선택한다 (후보가 1개뿐이면 그대로 반환)."""
-        candidates = [p for p in cls._UA_PROFILES if p is not cls._current_profile]
-        return random.choice(candidates or cls._UA_PROFILES)
-
     @classmethod
     def default_context_builder(cls):
-        cls._current_profile = cls._pick_profile()
-        profile = cls._current_profile
-
         context_builder_dict = {}
-        context_builder_dict['viewport'] = dict(profile['viewport'])
-        context_builder_dict['screen'] = dict(profile['viewport'])
-        context_builder_dict['user_agent'] = profile['user_agent']
+        context_builder_dict['viewport'] = {
+                'width' : cls._win_width,
+                'height' : cls._win_height
+        }
+        context_builder_dict['screen'] = {
+                'width' : cls._win_width,
+                'height' : cls._win_height
+        }
+        context_builder_dict['user_agent'] = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36"
         context_builder_dict['locale'] = 'ko-KR'
         context_builder_dict['timezone_id']='Asia/Seoul'
 
@@ -105,147 +51,6 @@ if (originalQuery) {
             cls._context = await cls._browser.new_context(**cls.default_context_builder())
         cls.is_ready = True
     
-    @classmethod
-    async def _recreate_context(cls):
-        """네이버 안티봇 차단이 의심될 때 브라우저 컨텍스트를 새로 생성해 세션/핑거프린트를 초기화한다."""
-        old_context = cls._context
-        cls._context = await cls._browser.new_context(**cls.default_context_builder())
-        if old_context:
-            await old_context.close()
-
-    @classmethod
-    async def _new_stealth_page(cls):
-        """스텔스 패치(webdriver 위장 등)와 sec-ch-ua 헤더가 적용된 새 page를 생성한다."""
-        page = await cls._context.new_page()
-        await page.add_init_script(cls._STEALTH_INIT_SCRIPT)
-        if cls._current_profile:
-            await page.set_extra_http_headers({
-                'sec-ch-ua': cls._current_profile['sec_ch_ua']
-            })
-        return page
-
-    GRAPHQL_URL = "https://pcmap-api.place.naver.com/graphql"
-
-    @classmethod
-    async def fetch_graphql(
-        cls,
-        place_id: str,
-        payloads: list[dict],
-        capture_apollo: bool = False,
-    ) -> list[dict | None] | None | tuple[list[dict | None] | None, str | None]:
-        """실제 브라우저로 네이버 WTM 안티봇 캡차를 통과해 GraphQL 쿼리를 실행한다.
-
-        네이버 pcmap GraphQL은 두 헤더를 검사한다:
-          - x-wtm-graphql        : base64({"arg": place_id, "type": ..., "source": "place"})
-          - x-wtm-ncaptcha-token : 캡차 JS가 생성 (요청마다 발급, 직접 생성 불가)
-        둘 다 없으면 405(캡차)로 막힌다. 따라서 place 페이지를 실제로 로드해
-        페이지가 자연 발생시키는 GraphQL 요청에서 두 헤더를 캡처한 뒤,
-        같은 토큰으로 우리 쿼리들을 in-page fetch로 실행한다.
-
-        Args:
-            place_id: 네이버 place ID
-            payloads: GraphQL POST 본문 목록
-            capture_apollo: True면 place 페이지에 인라인된 __APOLLO_STATE__
-                JSON 문자열도 함께 캡처해 (results, apollo_json) 튜플로 반환.
-                (GraphQL base가 노출하지 않는 homepages 등 SSR 캐시 전용 필드용)
-        Returns:
-            payload별 파싱 JSON 목록(실패 항목은 None). 토큰 캡처 실패 시 None.
-            capture_apollo=True면 (위 결과, apollo_json 또는 None) 튜플.
-        """
-        def _ret(results, apollo=None):
-            return (results, apollo) if capture_apollo else results
-
-        if not cls.is_ready:
-            logger.warning("[NvMapPwScraper] fetch_graphql: scraper가 초기화되지 않았습니다")
-            return _ret(None)
-
-        page = await cls._new_stealth_page()
-        captured: dict = {}
-
-        def on_request(req):
-            if "/graphql" in req.url and req.method == "POST" and "tok" not in captured:
-                tok = req.headers.get("x-wtm-ncaptcha-token")
-                if tok:
-                    captured["tok"] = tok
-                    captured["wtm"] = req.headers.get("x-wtm-graphql")
-
-        page.on("request", on_request)
-
-        try:
-            for t in ("place", "restaurant", "accommodation"):
-                try:
-                    await page.goto(
-                        f"https://pcmap.place.naver.com/{t}/{place_id}/home",
-                        wait_until="domcontentloaded",
-                        timeout=30000,
-                    )
-                except Exception as e:
-                    logger.debug(f"[NvMapPwScraper] goto {t} 실패: {e}")
-                    continue
-                # 페이지가 GraphQL 요청을 보내며 토큰이 헤더에 실릴 때까지 대기 (최대 ~9초)
-                for _ in range(30):
-                    if captured.get("tok"):
-                        break
-                    await page.wait_for_timeout(300)
-                if captured.get("tok"):
-                    logger.info(f"[NvMapPwScraper] WTM 토큰 캡처 성공 (type={t})")
-                    break
-
-            if not captured.get("tok"):
-                logger.warning("[NvMapPwScraper] WTM 토큰 캡처 실패")
-                return _ret(None)
-
-            apollo_json: str | None = None
-            if capture_apollo:
-                try:
-                    apollo_json = await page.evaluate(
-                        "() => { try { return JSON.stringify(window.__APOLLO_STATE__ || null); }"
-                        " catch (e) { return null; } }"
-                    )
-                except Exception as e:
-                    logger.warning(f"[NvMapPwScraper] __APOLLO_STATE__ 캡처 실패: {e}")
-
-            headers = {
-                "Content-Type": "application/json",
-                "x-wtm-graphql": captured["wtm"],
-                "x-wtm-ncaptcha-token": captured["tok"],
-            }
-
-            results: list[dict | None] = []
-            for idx, payload in enumerate(payloads, start=1):
-                r = await page.evaluate(
-                    """async (a) => {
-                        const [url, body, hdr] = a;
-                        try {
-                            const r = await fetch(url, {
-                                method: 'POST',
-                                headers: hdr,
-                                body: JSON.stringify(body),
-                                credentials: 'include',
-                            });
-                            if (r.status !== 200) return {__err: r.status};
-                            return await r.json();
-                        } catch (e) { return {__err: String(e)}; }
-                    }""",
-                    [cls.GRAPHQL_URL, payload, headers],
-                )
-                if isinstance(r, dict) and "__err" in r:
-                    op = payload.get("operationName", "?")
-                    logger.warning(
-                        f"[NvMapPwScraper] graphql fetch 실패 "
-                        f"({idx}/{len(payloads)} {op}): {r['__err']}"
-                    )
-                    results.append(None)
-                else:
-                    results.append(r)
-            return _ret(results, apollo_json)
-
-        except Exception as e:
-            logger.error(f"[NvMapPwScraper] fetch_graphql 오류: {e}")
-            return _ret(None)
-        finally:
-            await page.close()
-    
     def __init__(self):
         if not self.is_ready:
             raise Exception("nvMapScraper is not initiated")
@@ -258,7 +63,35 @@ if (originalQuery) {
         await self.page.close()
         
     async def create_page(self):
-        self.page = await self._new_stealth_page()
+        self.page = await self._context.new_page()
+        await self.page.add_init_script(
+'''const defaultGetter = Object.getOwnPropertyDescriptor(
+    Navigator.prototype,
+    "webdriver"
+).get;
+defaultGetter.apply(navigator);
+defaultGetter.toString();
+Object.defineProperty(Navigator.prototype, "webdriver", {
+    set: undefined,
+    enumerable: true,
+    configurable: true,
+    get: new Proxy(defaultGetter, {
+    apply: (target, thisArg, args) => {
+        Reflect.apply(target, thisArg, args);
+        return false;
+    },
+    }),
+});
+const patchedGetter = Object.getOwnPropertyDescriptor(
+    Navigator.prototype,
+    "webdriver"
+).get;
+patchedGetter.apply(navigator);
+patchedGetter.toString();''')
+
+        await self.page.set_extra_http_headers({
+            'sec-ch-ua': '\"Not?A_Brand\";v=\"99\", \"Chromium\";v=\"130\"'
+        })
         await self.page.goto("http://google.com")
         
     async def goto_url(self, url, wait_until="domcontentloaded", timeout=20000):
@@ -351,114 +184,33 @@ if (originalQuery) {
         logger.debug(f"[DEBUG] 목록 후보 {len(candidates)}개 추출")
         return candidates
 
-    @staticmethod
-    def _parse_allsearch_candidates(body: dict) -> list[dict]:
-        """allSearch 응답 JSON에서 후보 목록을 추출한다."""
-        place_list = (((body.get("result") or {}).get("place") or {}).get("list")) or []
-        return [
-            {
-                "title": p.get("name") or "",
-                "place_url": f"https://map.naver.com/p/entry/place/{p['id']}",
-                "roadAddress": p.get("roadAddress") or "",
-                "address": p.get("address") or "",
-            }
-            for p in place_list
-            if p.get("id")
-        ]
-
-    def _select_best_candidate(self, candidates: list[dict], title: str, address: str) -> dict | None:
-        """이름 유사도(70%)와 주소 유사도(30%)를 함께 고려해 최적 후보를 선택한다.
-
-        주소 없이 업체명만으로 검색한 경우(3차 폴백)는 이름 유사도만 사용한다.
-        """
-        if not candidates:
-            return None
-
-        for c in candidates:
-            name_score = self._similarity(title, self._clean_title(c["title"]))
-            cand_addr = c.get("roadAddress") or c.get("address") or ""
-            addr_score = self._similarity(address, cand_addr) if address and cand_addr else 0.0
-            c["_name_score"] = name_score
-            c["_addr_score"] = addr_score
-            c["_total_score"] = name_score * 0.7 + addr_score * 0.3 if address else name_score
-
-        return max(candidates, key=lambda c: c["_total_score"])
-
-    async def _capture_allsearch(self, url: str, timeout_s: float = 5.0) -> list[dict]:
-        """검색 페이지가 자연 발생시키는 allSearch API 응답을 캡처해 후보 목록으로 변환한다.
-
-        pcmap iframe 렌더링을 기다릴 필요가 없어 경쟁 조건이 없고, 업체명 단독
-        검색처럼 iframe 자체가 생성되지 않는 케이스에서도 동작한다.
-        """
-        captured: list[dict] = []
-
-        def on_response(resp):
-            # GET 요청의 실제 응답만 캡처 (OPTIONS preflight 등 오탐 방지)
-            if "allSearch" in resp.url and resp.request.method == "GET":
-                async def _consume():
-                    try:
-                        captured.append(await resp.json())
-                    except Exception:
-                        pass
-                asyncio.create_task(_consume())
-
-        self.page.on("response", on_response)
-        try:
-            try:
-                await self.goto_url(url, wait_until="domcontentloaded", timeout=self._timeout * 1000)
-            except Exception:
-                logger.error("[ERROR] Can't Finish domcontentloaded")
-
-            deadline = time.monotonic() + timeout_s
-            while time.monotonic() < deadline:
-                if "/place/" in self.page.url or captured:
-                    break
-                await self.page.wait_for_timeout(200)
-        finally:
-            self.page.remove_listener("response", on_response)
-
-        if not captured:
-            return []
-        return self._parse_allsearch_candidates(captured[0])
-
     async def _try_search(self, address: str, title: str) -> str | None:
         """주어진 주소+업체명으로 검색해서 place URL을 반환한다. 실패 시 None."""
         encoded_query = parse.quote(f"{address} {title}".strip())
         url = f"https://map.naver.com/p/search/{encoded_query}"
 
-        # 1순위: allSearch API 응답 캡처 (iframe 렌더링 대기 불필요, 업체명 단독 검색도 지원)
-        candidates = await self._capture_allsearch(url)
+        try:
+            await self.goto_url(url, wait_until="networkidle", timeout=self._timeout * 1000)
+        except:
+            if "/place/" in self.page.url:
+                return self.page.url
+            logger.error("[ERROR] Can't Finish networkidle")
+
         if "/place/" in self.page.url:
             return self.page.url
 
+        candidates = await self._extract_candidates_from_list_page()
         if candidates:
-            best = self._select_best_candidate(candidates, title, address)
+            best = max(
+                candidates,
+                key=lambda c: self._similarity(title, self._clean_title(c['title']))
+            )
+            best_score = self._similarity(title, self._clean_title(best['title']))
             logger.info(
-                f"[AUTO-SELECT] '{title}' → '{best['title']}' "
-                f"(name={best['_name_score']:.2f}, addr={best['_addr_score']:.2f}) {best['place_url']}"
+                f"[AUTO-SELECT] '{title}' → '{best['title']}' (score={best_score:.2f}) {best['place_url']}"
             )
             return best['place_url']
 
-        # 2순위(안전망): allSearch 캡처 실패 시 기존 iframe HTML 파싱 방식으로 폴백
-        # ── 잠시 비활성화 ──
-        # logger.warning("[FALLBACK] allSearch 캡처 실패 → iframe 파싱 방식 시도")
-        # iframe_candidates = []
-        # for _ in range(3):  # 500ms × 3 = 최대 1.5초
-        #     if "/place/" in self.page.url:
-        #         return self.page.url
-        #     iframe_candidates = await self._extract_candidates_from_list_page()
-        #     if iframe_candidates:
-        #         break
-        #     await self.page.wait_for_timeout(500)
-        #
-        # if iframe_candidates:
-        #     best = self._select_best_candidate(iframe_candidates, title, address)
-        #     logger.info(
-        #         f"[AUTO-SELECT-IFRAME] '{title}' → '{best['title']}' "
-        #         f"(name={best['_name_score']:.2f}, addr={best['_addr_score']:.2f}) {best['place_url']}"
-        #     )
-        #     return best['place_url']
-
         # isCorrectAnswer=true 로 강제 단일결과 재시도 (원본 로직 유지)
         correct_url = self.page.url.replace("?", "?isCorrectAnswer=true&")
         try:
@@ -486,27 +238,16 @@ if (originalQuery) {
         # 2차 시도: 정제 주소 + 업체명
         refined = self._refine_address(address)
         if refined != address:
-            await self.page.wait_for_timeout(self._retry_delay_ms)
             logger.info(f"[REFINE] 주소 정제: '{address}' → '{refined}'")
             result = await self._try_search(refined, title)
             if result:
                 return result
 
         # 3차 시도: 업체명만으로 검색
-        await self.page.wait_for_timeout(self._retry_delay_ms)
         logger.info(f"[RETRY] 업체명만으로 재시도: '{title}'")
         result = await self._try_search("", title)
         if result:
             return result
 
-        # 1~3차 모두 실패 → 네이버 안티봇 차단 의심, 컨텍스트 재생성 후 원본 조건으로 1회 재시도
-        logger.warning(f"[BLOCK-SUSPECTED] 3회 시도 모두 실패 → 컨텍스트 재생성 후 재시도: '{title}'")
-        await self.page.close()
-        await self._recreate_context()
-        await self.create_page()
-        result = await self._try_search(address, title)
-        if result:
-            return result
-
         logger.error(f"[ERROR] Not found url for {selected}")
         return None

app/utils/nvMapScraper.py

@@ -35,13 +35,6 @@ class NvMapScraper:
     GRAPHQL_URL: str = "https://pcmap-api.place.naver.com/graphql"
     REQUEST_TIMEOUT = 120  # 초
     data_source_identifier = "nv"
-    SUPPLEMENT_THRESHOLD = 30  # 업체 사진이 이 수 미만일 때 방문자 사진으로 보충
-    # 방문자 사진 보충 시의 합산 상한 (필터링·정책상 제한).
-    # 업체 제공 사진은 필터링 면제 대상이므로 이 상한과 무관하게 수집분을 전부 사용한다
-    # (수집 자체는 BIZ_MAX_PAGES가 상한 — 초과 시 warning 로그 발생).
-    MAX_IMAGES = 50
-    BIZ_PAGE_SIZE = 20          # getPhotoViewerItems 'biz' 커서의 페이지당 사진 수
-    BIZ_MAX_PAGES = 5          # 업체 사진 수집 상한 (5×20=100장, 도달 시 warning)
     OVERVIEW_QUERY: str = """
 query getAccommodation($id: String!, $deviceType: String) {
     business: placeDetail(input: {id: $id, isNx: true, deviceType: $deviceType}) {
@@ -57,37 +50,8 @@ query getAccommodation($id: String!, $deviceType: String) {
             conveniences
             visitorReviewsTotal
         }
-        menus {
-            name
-            price
-            description
-            recommend
-        }
         images { images { origin url } }
-    }
-}"""
-
-    PHOTO_VIEWER_QUERY: str = """
-query getPhotoViewerItems($input: PhotoViewerInput) {
-    photoViewer(input: $input) {
-        photos {
-            originalUrl
-        }
-    }
-}"""
-
-    REVIEW_STATS_QUERY: str = """
-query getVisitorReviewStats($id: String!) {
-    visitorReviewStats(input: {businessId: $id}) {
-        analysis {
-            votedKeyword {
-                details {
-                    code
-                    displayName
-                    count
-                }
-            }
-        }
+        cpImages(source: [ugcImage]) { images { origin url } }
     }
 }"""
 
@@ -105,14 +69,9 @@ query getVisitorReviewStats($id: String!) {
         )
         self.scrap_type: str | None = None
         self.rawdata: dict | None = None
-        self.image_link_list: list[dict] | None = None  # [{"preview": str, "original": str}]
-        self.owner_images: list[dict] | None = None  # 업체 등록 사진 (마케팅 필터 제외 대상)
-        self.extra_photo_urls: list[dict] | None = None  # 방문자/AI View 보충 사진 (마케팅 필터 대상)
+        self.image_link_list: list[str] | None = None
         self.base_info: dict | None = None
         self.facility_info: str | None = None
-        self.voted_keyword_stats: list[dict] | None = None  # 키워드 투표 집계 (displayName, count)
-        self.menu_info: list[dict] | None = None  # 메뉴 목록 (name, price, description, recommend)
-        self.official_site_url: str | None = None  # 업체 공식 링크 (base.homepages 대표 URL)
 
     def _get_request_headers(self) -> dict:
         headers = self.DEFAULT_HEADERS.copy()
@@ -120,98 +79,6 @@ query getVisitorReviewStats($id: String!) {
             headers["Cookie"] = self.cookies
         return headers
 
-    _GIF_PATTERN = re.compile(r"\.gif(?:/|$)", re.IGNORECASE)
-
-    @classmethod
-    def _is_gif_url(cls, url: str) -> bool:
-        """URL의 확장자가 gif인지 확인한다.
-
-        네이버 CDN은 리사이즈 파라미터를 확장자 뒤에 경로 세그먼트로 붙인다
-        (예: ".../3982000924.gif/500x500") — endswith(".gif")로는 잡히지 않으므로
-        경로 세그먼트 단위로 ".gif" 뒤에 "/" 또는 문자열 끝이 오는지 검사한다.
-        """
-        return bool(cls._GIF_PATTERN.search(url))
-
-    @staticmethod
-    def _extract_origins(image_node: dict) -> list[dict]:
-        """GraphQL 이미지 노드({ images: [{origin, url}, ...] })에서 {preview, original} 목록을 추출한다.
-        origin = 원본(업로드용), url = CDN 리사이즈(미리보기용)
-        """
-        items = image_node.get("images") or []
-        return [
-            {"preview": item.get("url") or item["origin"], "original": item["origin"]}
-            for item in items
-            if item.get("origin") and not NvMapScraper._is_gif_url(item["origin"])
-        ]
-
-    @staticmethod
-    def _extract_photo_viewer_urls(photo_viewer_raw: dict | None) -> list[dict]:
-        """getPhotoViewerItems 응답에서 {preview, original} 목록을 추출한다.
-        photoViewer는 썸네일 필드가 없으므로 preview = original 동일하게 사용.
-        """
-        photos = ((photo_viewer_raw or {}).get("data") or {}).get("photoViewer") or {}
-        items = photos.get("photos") or []
-        return [
-            {"preview": p["originalUrl"], "original": p["originalUrl"]}
-            for p in items
-            if p.get("originalUrl") and not NvMapScraper._is_gif_url(p["originalUrl"])
-        ]
-
-    @classmethod
-    def _build_biz_payload(cls, place_id: str, page: int) -> dict:
-        """'biz' 커서(업체 등록 사진)의 page번째(0-base) 페이지 요청 payload를 만든다."""
-        start_index = page * cls.BIZ_PAGE_SIZE
-        cursor: dict = {"id": "biz"}
-        if start_index > 0:
-            cursor.update({
-                "startIndex": start_index,
-                "hasNext": True,
-                "lastCursor": str(start_index),
-            })
-        return {
-            "operationName": "getPhotoViewerItems",
-            "variables": {
-                "input": {
-                    "businessId": place_id,
-                    "cursors": [cursor],
-                    "dateRange": "",
-                    "excludeAuthorIds": [],
-                    "excludeClipIds": [],
-                    "excludeSection": [],
-                }
-            },
-            "query": cls.PHOTO_VIEWER_QUERY,
-        }
-
-    @staticmethod
-    def _raw_photo_count(photo_viewer_raw: dict | None) -> int:
-        """getPhotoViewerItems 응답의 사진 수(gif 필터링 전 원본 기준)를 반환한다.
-
-        페이지네이션 계속 여부 판단용 — gif가 걸러진 뒤의 수로 판단하면
-        마지막 페이지가 아닌데도 조기 종료할 수 있어 원본 개수를 사용한다.
-        """
-        photos = ((photo_viewer_raw or {}).get("data") or {}).get("photoViewer") or {}
-        return len(photos.get("photos") or [])
-
-    @staticmethod
-    def _dedup_by_original(images: list[dict]) -> list[dict]:
-        """{"preview","original"} dict 리스트를 original URL 기준으로 순서를 유지한 채 중복 제거한다."""
-        seen: set[str] = set()
-        result = []
-        for img in images:
-            original = img.get("original")
-            if original and original not in seen:
-                seen.add(original)
-                result.append(img)
-        return result
-
-    @staticmethod
-    def _interleave(a: list, b: list) -> list:
-        """두 리스트를 1:1 교차 병합한다. 남은 항목은 뒤에 붙인다."""
-        result = [x for pair in zip(a, b) for x in pair]
-        longer = a[len(b):] if len(a) > len(b) else b[len(a):]
-        return result + longer
-
     async def parse_url(self) -> str:
         """URL에서 place ID를 추출합니다. 단축 URL인 경우 실제 URL로 변환합니다."""
         place_pattern = r"/place/(\d+)"
@@ -226,267 +93,28 @@ query getVisitorReviewStats($id: String!) {
                 raise URLNotFoundException("This URL does not contain a place ID")
 
         match = re.search(place_pattern, self.url)
-        if not match:
-            # place.naver.com/{type}/{id} 형식 (예: m.place.naver.com/restaurant/11667161)
-            type_match = re.search(r"place\.naver\.com/([a-zA-Z]+)/(\d+)", self.url)
-            if type_match:
-                return type_match.group(2)
         if not match:
             raise URLNotFoundException("Failed to parse place ID from URL")
         return match[1]
 
     async def scrap(self):
         place_id = await self.parse_url()
-
-        # ── 빠른 경로: 직접 aiohttp 호출 (현재 비활성화) ──
-        # 데이터센터 IP에서는 네이버 WTM 안티봇이 대부분 405(캡차)로 차단해
-        # 시간만 버리므로 비활성화하고 곧바로 브라우저 경로를 탄다.
-        # 네이버가 차단을 완화하거나 다른 IP에서 운영해 직접 호출 성공률이
-        # 높아지면 아래 try 블록을 되살려 빠른 경로를 우선 시도하면 된다.
-        # try:
-        #     data, fac_data, stats_data = await asyncio.gather(
-        #         self._call_get_accommodation(place_id),
-        #         self._get_facility_string(place_id),
-        #         self._call_get_review_stats(place_id),
-        #     )
-        #     self.scrap_type = "GraphQL"
-        # except (GraphQLException, CrawlingTimeoutException) as e:
-        #     logger.info(f"[NvMapScraper] 직접 호출 실패({e}) → 브라우저 폴백 시도")
-        #     data, stats_data = await self._scrap_via_browser(place_id)
-        #     fac_data = None  # 편의시설(HTML)은 폴백 경로에서 생략 (best-effort)
-        #     self.scrap_type = "GraphQL-Browser"
-
-        # ── 실제 브라우저로 WTM 캡차 우회 ──
-        data, stats_data, extra_photo_urls, biz_photo_urls, homepage_url = await self._scrap_via_browser(place_id)
-        # 편의시설은 HTML 페이지 파싱이라 GraphQL(WTM) 차단과 별개로 직접 시도 (best-effort, 실패 시 None)
-        # 홈페이지 링크는 브라우저 캡처가 실패한 경우에만 HTML 경로로 보충한다.
-        fac_data, html_homepage = await self._get_facility_and_homepage(place_id)
-        homepage_url = homepage_url or html_homepage
-        self.scrap_type = "GraphQL-Browser"
-
+        data = await self._call_get_accommodation(place_id)
         self.rawdata = data
+        fac_data = await self._get_facility_string(place_id)
         # Naver 기준임, 구글 등 다른 데이터 소스의 경우 고유 Identifier 사용할 것.
         self.place_id = self.data_source_identifier + place_id
         self.rawdata["facilities"] = fac_data
-        business = data["data"]["business"]
-
-        # 업체 등록 이미지 (마케팅 적합성 필터 제외 대상 — 자체 dedup).
-        # placeDetail.images가 대표 사진 일부만 반환하는 경우가 있어 biz 커서 결과를 병합한다.
-        self.owner_images = self._dedup_by_original(
-            self._extract_origins(business.get("images") or {}) + biz_photo_urls
-        )
-
-        # 방문자/AI View 보충 사진 (마케팅 적합성 필터 대상). owner에 이미 있는 원본은 제외.
-        owner_originals = {img["original"] for img in self.owner_images}
-        self.extra_photo_urls = self._dedup_by_original(
-            [img for img in extra_photo_urls if img["original"] not in owner_originals]
-        )
-
-        # 업체 사진이 임계값 미만이면 내부/외부/리뷰 사진으로 보충
-        # (필터링 없는 기본 조립. 마케팅 적합성 필터를 적용하려면 호출측에서
-        #  owner_images / extra_photo_urls를 직접 사용해 image_filter.assemble_images로 재조립할 것.)
-        # MAX_IMAGES 상한은 방문자 사진이 섞이는 보충 경로에만 적용하며(필터링·정책상 제한),
-        # 업체 제공 사진만으로 구성되는 경우는 수집분(최대 BIZ_MAX_PAGES 페이지)을 전부 사용한다.
-        if len(self.owner_images) < self.SUPPLEMENT_THRESHOLD:
-            combined = self._dedup_by_original(self.owner_images + self.extra_photo_urls)
-            logger.info(
-                f"[NvMapScraper] 업체 사진 {len(self.owner_images)}장 < {self.SUPPLEMENT_THRESHOLD}장 "
-                f"→ 보충 사진 {len(self.extra_photo_urls)}장 추가 (합산 {len(combined)}장, 상한 {self.MAX_IMAGES}장)"
-            )
-            self.image_link_list = combined[: self.MAX_IMAGES]
-        else:
-            self.image_link_list = list(self.owner_images)
+        self.image_link_list = [
+            nv_image["origin"]
+            for nv_image in data["data"]["business"]["images"]["images"]
+        ]
         self.base_info = data["data"]["business"]["base"]
         self.facility_info = fac_data
-        self.voted_keyword_stats = stats_data
-        self.menu_info = business.get("menus") or None
-        self.official_site_url = homepage_url
+        self.scrap_type = "GraphQL"
 
         return
 
-    @staticmethod
-    def _extract_homepage_from_html(html: str) -> str | None:
-        """플레이스 페이지 HTML의 __APOLLO_STATE__에서 홈페이지 링크를 추출한다.
-
-        GraphQL placeDetail(base)는 homepages 필드를 노출하지 않으므로(400),
-        SSR 페이지에 인라인된 Apollo 캐시의 "homepages" 객체를 직접 파싱한다.
-        대표(repr) 링크 우선, 죽은 링크(isDeadUrl)는 제외. 홈페이지 항목은
-        자체 홈페이지 외에 인스타그램/블로그 등일 수도 있다 — 업체가 대표로
-        등록한 링크를 그대로 신뢰한다.
-        """
-        decoder = json.JSONDecoder()
-        search_from = 0
-        while True:
-            idx = html.find('"homepages":', search_from)
-            if idx == -1:
-                return None
-            search_from = idx + 1
-            try:
-                homepages, _ = decoder.raw_decode(html, idx + len('"homepages":'))
-            except ValueError:
-                continue
-            if not isinstance(homepages, dict):
-                continue
-            candidates = [homepages.get("repr"), *(homepages.get("etc") or [])]
-            for item in candidates:
-                if isinstance(item, dict) and item.get("url") and not item.get("isDeadUrl"):
-                    return item["url"]
-
-    async def _scrap_via_browser(self, place_id: str) -> tuple[dict, list[dict] | None, list[dict], list[dict], str | None]:
-        """직접 호출이 WTM 캡차에 막힌 경우, 실제 브라우저로 GraphQL을 호출한다.
-
-        Returns:
-            (overview_data, review_stats_details, extra_photo_urls, biz_photo_urls, homepage_url)
-
-        Raises:
-            GraphQLException: 브라우저 폴백마저 실패한 경우
-        """
-        from app.utils.nvMapPwScraper import NvMapPwScraper
-
-        overview_payload = {
-            "operationName": "getAccommodation",
-            "variables": {"id": place_id, "deviceType": "pc"},
-            "query": self.OVERVIEW_QUERY,
-        }
-        stats_payload = {
-            "operationName": "getVisitorReviewStats",
-            "variables": {"id": place_id},
-            "query": self.REVIEW_STATS_QUERY,
-        }
-        interior_payload = {
-            "operationName": "getPhotoViewerItems",
-            "variables": {
-                "input": {
-                    "businessId": place_id,
-                    "cursors": [{"id": "aiView"}],
-                    "filter": "AI View",
-                    "subFilter": "INTERIOR",
-                    "dateRange": "",
-                    "excludeAuthorIds": [],
-                    "excludeClipIds": [],
-                    "excludeSection": [],
-                }
-            },
-            "query": self.PHOTO_VIEWER_QUERY,
-        }
-        exterior_payload = {
-            "operationName": "getPhotoViewerItems",
-            "variables": {
-                "input": {
-                    "businessId": place_id,
-                    "cursors": [{"id": "aiView"}],
-                    "filter": "AI View",
-                    "subFilter": "EXTERIOR",
-                    "dateRange": "",
-                    "excludeAuthorIds": [],
-                    "excludeClipIds": [],
-                    "excludeSection": [],
-                }
-            },
-            "query": self.PHOTO_VIEWER_QUERY,
-        }
-        review_payload = {
-            "operationName": "getPhotoViewerItems",
-            "variables": {
-                "input": {
-                    "businessId": place_id,
-                    "cursors": [{"id": "placeReview"}],
-                    "dateRange": "",
-                    "excludeAuthorIds": [],
-                    "excludeClipIds": [],
-                    "excludeSection": [],
-                }
-            },
-            "query": self.PHOTO_VIEWER_QUERY,
-        }
-        # 업체 등록 사진. placeDetail.images는 대표 사진 일부(1~수 장)만 반환하는
-        # 경우가 있어, 사진 탭이 실제 사용하는 'biz' 커서로 별도 조회해 보강한다.
-        # biz 커서는 페이지당 BIZ_PAGE_SIZE(20)장이며 lastCursor가 단순 인덱스 문자열
-        # ("20", "40")이라 이전 응답 없이도 모든 페이지를 미리 만들 수 있고, 범위를
-        # 벗어난 페이지는 빈 목록을 반환하므로 블라인드 요청해도 안전하다.
-        # 따라서 상한(BIZ_MAX_PAGES)까지의 전 페이지를 첫 배치에 한꺼번에 실어 보낸다
-        # — 추가 왕복(페이지 재탐색 + WTM 토큰 재캡처)이 없고, 개별 페이지 실패가
-        # 이후 페이지 수집을 막지 못한다.
-        biz_payloads = [
-            self._build_biz_payload(place_id, page) for page in range(self.BIZ_MAX_PAGES)
-        ]
-
-        payloads = [overview_payload, stats_payload, interior_payload, exterior_payload, review_payload, *biz_payloads]
-        MAX_RETRY = 3
-        results = None
-        apollo_json: str | None = None
-        last_error: Exception | None = None
-        for attempt in range(1, MAX_RETRY + 1):
-            try:
-                results, captured_apollo = await NvMapPwScraper.fetch_graphql(
-                    place_id, payloads, capture_apollo=True
-                )
-                apollo_json = apollo_json or captured_apollo
-            except Exception as e:
-                last_error = e
-                logger.warning(f"[NvMapScraper] 브라우저 폴백 시도 {attempt}/{MAX_RETRY} 오류: {e}")
-                if attempt < MAX_RETRY:
-                    await asyncio.sleep(1)
-                continue
-            if results and results[0] is not None and "data" in results[0]:
-                break
-            logger.warning(f"[NvMapScraper] 브라우저 폴백 시도 {attempt}/{MAX_RETRY} 실패(405 등), 재시도")
-            results = None
-            if attempt < MAX_RETRY:
-                await asyncio.sleep(1)
-
-        if not results or results[0] is None or "data" not in results[0]:
-            if last_error:
-                raise GraphQLException(f"브라우저 폴백 실패: {last_error}")
-            raise GraphQLException("브라우저 폴백 크롤링 실패 (WTM 토큰 또는 응답 없음)")
-
-        data = results[0]
-        stats_data = None
-        stats_raw = results[1] if len(results) > 1 else None
-        if stats_raw:
-            _vrs = (stats_raw.get("data") or {}).get("visitorReviewStats") or {}
-            _analysis = _vrs.get("analysis") or {}
-            _voted = _analysis.get("votedKeyword") or {}
-            stats_data = _voted.get("details") or None
-
-        interior_urls = self._extract_photo_viewer_urls(results[2] if len(results) > 2 else None)
-        exterior_urls = self._extract_photo_viewer_urls(results[3] if len(results) > 3 else None)
-        review_urls   = self._extract_photo_viewer_urls(results[4] if len(results) > 4 else None)
-
-        biz_pages = results[5:]
-        biz_urls = [url for page_result in biz_pages for url in self._extract_photo_viewer_urls(page_result)]
-        # 개별 페이지 실패(None)는 해당 20장만 누락되고 나머지 페이지는 영향 없다 (best-effort).
-        failed_biz_pages = sum(1 for r in biz_pages if r is None)
-        if failed_biz_pages:
-            logger.warning(
-                f"[NvMapScraper] 업체 사진 {failed_biz_pages}개 페이지 응답 실패 "
-                f"— 페이지당 최대 {self.BIZ_PAGE_SIZE}장 누락 가능 (수집분으로 진행)"
-            )
-        # 마지막 페이지까지 가득 차 있으면 상한 밖에 사진이 더 있을 수 있다.
-        if biz_pages and self._raw_photo_count(biz_pages[-1]) >= self.BIZ_PAGE_SIZE:
-            logger.warning(
-                f"[NvMapScraper] 업체 사진이 수집 상한(BIZ_MAX_PAGES={self.BIZ_MAX_PAGES}, "
-                f"{self.BIZ_MAX_PAGES * self.BIZ_PAGE_SIZE}장)까지 가득 참 — 초과분은 수집되지 않음"
-            )
-
-        extra_photo_urls = self._interleave(interior_urls, exterior_urls) + review_urls
-        logger.info(
-            f"[NvMapScraper] 보충 이미지 - 내부:{len(interior_urls)} 외부:{len(exterior_urls)} "
-            f"리뷰:{len(review_urls)} / 업체(biz):{len(biz_urls)}"
-        )
-
-        # 홈페이지 링크: GraphQL base는 homepages를 노출하지 않으므로(400),
-        # 브라우저가 로드한 place 페이지의 __APOLLO_STATE__ JSON에서 추출한다.
-        homepage_url = (
-            self._extract_homepage_from_html(apollo_json) if apollo_json else None
-        )
-
-        logger.info(
-            f"[NvMapScraper] 브라우저 폴백 SUCCESS - place_id: {place_id}, "
-            f"homepage: {homepage_url or '없음'}"
-        )
-        return data, stats_data, extra_photo_urls, biz_urls, homepage_url
-
     async def _call_get_accommodation(self, place_id: str) -> dict:
         """GraphQL API를 호출하여 숙소 정보를 가져옵니다.
 
@@ -515,14 +143,13 @@ query getVisitorReviewStats($id: String!) {
                 async with session.post(
                     self.GRAPHQL_URL,
                     data=json_payload,
-                    headers=self._get_request_headers(),
+                    headers=self._get_request_headers()
                 ) as response:
                     if response.status == 200:
                         logger.info(f"[NvMapScraper] SUCCESS - place_id: {place_id}")
                         return await response.json()
 
-                    # 405/429 등 실패: 네이버 WTM 안티봇 캡차 차단 (데이터센터 IP/지문 기반).
-                    # 직접 호출로는 통과 불가 → scrap()에서 브라우저 폴백으로 전환.
+                    # 실패 상태 코드
                     logger.error(f"[NvMapScraper] Failed with status {response.status} - place_id: {place_id}")
                     raise GraphQLException(
                         f"Request failed with status {response.status}"
@@ -531,74 +158,33 @@ query getVisitorReviewStats($id: String!) {
         except (TimeoutError, asyncio.TimeoutError):
             logger.error(f"[NvMapScraper] Timeout - place_id: {place_id}")
             raise CrawlingTimeoutException(f"Request timed out after {self.REQUEST_TIMEOUT}s")
+
         except aiohttp.ClientError as e:
             logger.error(f"[NvMapScraper] Client error: {e}")
             raise GraphQLException(f"Client error: {e}")
 
-    async def _call_get_review_stats(self, place_id: str) -> list[dict] | None:
-        """방문자 키워드 투표 집계를 가져옵니다.
-
-        Returns:
-            [{"code": ..., "displayName": ..., "count": ...}, ...] 또는 None
-        """
-        payload = {
-            "operationName": "getVisitorReviewStats",
-            "variables": {"id": place_id},
-            "query": self.REVIEW_STATS_QUERY,
-        }
-        timeout = aiohttp.ClientTimeout(total=self.REQUEST_TIMEOUT)
-        try:
-            async with aiohttp.ClientSession(timeout=timeout) as session:
-                async with session.post(
-                    self.GRAPHQL_URL,
-                    json=payload,
-                    headers=self._get_request_headers(),
-                ) as response:
-                    if response.status != 200:
-                        logger.warning(f"[NvMapScraper] review stats failed: {response.status}")
-                        return None
-                    result = await response.json()
-                    _vrs = (result.get("data") or {}).get("visitorReviewStats") or {}
-                    _analysis = _vrs.get("analysis") or {}
-                    _voted = _analysis.get("votedKeyword") or {}
-                    return _voted.get("details") or None
-        except Exception as e:
-            logger.warning(f"[NvMapScraper] Failed to get review stats: {e}")
-            return None
-
-    async def _get_facility_and_homepage(self, place_id: str) -> tuple[str | None, str | None]:
-        """장소 페이지에서 편의시설 정보와 홈페이지 링크를 크롤링합니다. 숙소, 음식점 순으로 시도합니다.
+    async def _get_facility_string(self, place_id: str) -> str | None:
+        """숙소 페이지에서 편의시설 정보를 크롤링합니다.
 
         Args:
             place_id: 네이버 지도 장소 ID
 
         Returns:
-            (편의시설 정보 문자열 또는 None, 홈페이지 링크 또는 None)
+            편의시설 정보 문자열 또는 None
         """
-        facility: str | None = None
-        homepage: str | None = None
-        place_types = ["place", "accommodation", "restaurant"]
+        url = f"https://pcmap.place.naver.com/accommodation/{place_id}/home"
         try:
             async with aiohttp.ClientSession() as session:
-                for place_type in place_types:
-                    url = f"https://pcmap.place.naver.com/{place_type}/{place_id}/home"
                 async with session.get(url, headers=self._get_request_headers()) as response:
-                        raw = await response.read()
-                    if homepage is None:
-                        homepage = self._extract_homepage_from_html(
-                            raw.decode("utf-8", errors="ignore")
-                        )
-                    if facility is None:
-                        soup = bs4.BeautifulSoup(raw, "html.parser")
+                    soup = bs4.BeautifulSoup(await response.read(), "html.parser")
                     c_elem = soup.find("span", "place_blind", string="편의")
                     if c_elem:
-                            facility = c_elem.parent.parent.find("div").string
-                    if facility is not None and homepage is not None:
-                        break
-            return facility, homepage
+                        facilities = c_elem.parent.parent.find("div").string
+                        return facilities
+                    return None
         except Exception as e:
-            logger.warning(f"[NvMapScraper] Failed to get facility/homepage info: {e}")
-            return facility, homepage
+            logger.warning(f"[NvMapScraper] Failed to get facility info: {e}")
+            return None
 
 
 # if __name__ == "__main__":

app/utils/prompts/chatgpt_prompt.py

@@ -1,6 +1,6 @@
 import json
 import re
-from pydantic import BaseModel, ValidationError
+from pydantic import BaseModel
 from typing import List, Optional
 from openai import AsyncOpenAI
 
@@ -47,19 +47,6 @@ class ChatgptService:
             case _:
                 raise NotImplementedError(f"Unknown Provider : {model_type}")
     
-    def _log_usage(self, response, model: str, output_format: type[BaseModel]) -> None:
-        usage = getattr(response, "usage", None)
-        if usage is None:
-            return
-        # 토큰 소모량 로깅 (필요 시 주석 해제)
-        # cached = getattr(getattr(usage, "prompt_tokens_details", None), "cached_tokens", None) or 0
-        # reasoning = getattr(getattr(usage, "completion_tokens_details", None), "reasoning_tokens", None) or 0
-        # logger.info(
-        #     f"[ChatgptService({self.model_type})] usage model={model} output={output_format.__name__} "
-        #     f"prompt={usage.prompt_tokens} cached={cached} "
-        #     f"completion={usage.completion_tokens} reasoning={reasoning} total={usage.total_tokens}"
-        # )
-
     async def _call_pydantic_output(
             self, 
             prompt : str, 
@@ -128,8 +115,7 @@ class ChatgptService:
             output_format : BaseModel,  #입력 output_format의 경우 Pydantic BaseModel Class를 상속한 Class 자체임에 유의할 것
             model : str, 
             img_url : str,
-            image_detail_high : bool,
-            reasoning_effort : Optional[str] = None) -> BaseModel:
+            image_detail_high : bool) -> BaseModel: 
         content = []
         if img_url:
             content.append({
@@ -143,41 +129,25 @@ class ChatgptService:
             "type": "text",
             "text": prompt
         })
-        # gpt-5.4 계열/Gemini 호환 엔드포인트는 허용 값이 다르거나 파라미터를 거부하므로 지정된 경우에만 전달
-        extra_kwargs = {"reasoning_effort": reasoning_effort} if reasoning_effort else {}
         last_error = None
         for attempt in range(self.max_retries + 1):
-            try:
             response = await self.client.beta.chat.completions.parse(
                 model=model,
                 messages=[{"role": "user", "content": content}],
-                    response_format=output_format,
-                    **extra_kwargs,
+                response_format=output_format
             )
-            except (ValidationError, json.JSONDecodeError) as e:
-                # 모델이 스키마에 맞지 않는 JSON을 반환한 경우 (예: trailing characters).
-                # 확률적 출력 문제일 수 있으므로 재시도 대상에 포함한다.
-                logger.warning(
-                    f"[ChatgptService({self.model_type})] Structured output parse failed "
-                    f"(attempt {attempt + 1}/{self.max_retries + 1}): {e}"
-                )
-                last_error = ChatGPTResponseError("parse_error", type(e).__name__, str(e))
-                if attempt < self.max_retries:
-                    logger.info(f"[ChatgptService({self.model_type})] Retrying request...")
-                continue
-            self._log_usage(response, model, output_format)
             # Response 디버그 로깅
-            # logger.debug(f"[ChatgptService({self.model_type})] attempt: {attempt}")
-            # logger.debug(f"[ChatgptService({self.model_type})] Response ID: {response.id}")
-            # logger.debug(f"[ChatgptService({self.model_type})] Response finish_reason: {response.id}")
-            # logger.debug(f"[ChatgptService({self.model_type})] Response model: {response.model}")
+            logger.debug(f"[ChatgptService({self.model_type})] attempt: {attempt}")
+            logger.debug(f"[ChatgptService({self.model_type})] Response ID: {response.id}")
+            logger.debug(f"[ChatgptService({self.model_type})] Response finish_reason: {response.id}")
+            logger.debug(f"[ChatgptService({self.model_type})] Response model: {response.model}")
 
             choice = response.choices[0]
             finish_reason = choice.finish_reason
 
             if finish_reason == "stop":
-                # output_text = choice.message.content or ""
-                # logger.debug(f"[ChatgptService({self.model_type})] Response output_text: {output_text[:200]}..." if len(output_text) > 200 else f"[ChatgptService] Response output_text: {output_text}")
+                output_text = choice.message.content or ""
+                logger.debug(f"[ChatgptService({self.model_type})] Response output_text: {output_text[:200]}..." if len(output_text) > 200 else f"[ChatgptService] Response output_text: {output_text}")
                 return choice.message.parsed
 
             elif finish_reason == "length":
@@ -200,69 +170,13 @@ class ChatgptService:
         logger.error(f"[ChatgptService({self.model_type})] All retries exhausted. Last error: {last_error}")
         raise last_error
     
-    async def generate_structured_output_multi_image(
-        self,
-        prompt_text: str,
-        output_format: BaseModel,
-        model: str,
-        img_urls: List[str],
-        image_detail_high: bool = True,
-    ) -> BaseModel:
-        """여러 이미지를 한 번에 보고 구조화 출력을 생성합니다 (썸네일 비전 선택용).
-
-        sheet 기반 Prompt를 거치지 않고 코드에서 조립한 프롬프트 텍스트와
-        이미지 URL 리스트를 직접 받는다. 이미지들은 프롬프트에 나열된 순서와
-        동일하게 첨부되므로, 프롬프트에서 "N번째 이미지"로 지칭할 수 있다.
-        """
-        content = []
-        for url in img_urls:
-            content.append({
-                "type": "image_url",
-                "image_url": {
-                    "url": url,
-                    "detail": "high" if image_detail_high else "low",
-                },
-            })
-        content.append({"type": "text", "text": prompt_text})
-
-        last_error = None
-        for attempt in range(self.max_retries + 1):
-            try:
-                response = await self.client.beta.chat.completions.parse(
-                    model=model,
-                    messages=[{"role": "user", "content": content}],
-                    response_format=output_format,
-                )
-            except (ValidationError, json.JSONDecodeError) as e:
-                logger.warning(
-                    f"[ChatgptService({self.model_type})] multi-image parse failed "
-                    f"(attempt {attempt + 1}/{self.max_retries + 1}): {e}"
-                )
-                last_error = ChatGPTResponseError("parse_error", type(e).__name__, str(e))
-                if attempt < self.max_retries:
-                    continue
-                raise last_error
-
-            self._log_usage(response, model, output_format)
-            choice = response.choices[0]
-            if choice.finish_reason == "stop":
-                return choice.message.parsed
-            logger.warning(
-                f"[ChatgptService({self.model_type})] multi-image unexpected finish_reason "
-                f"(attempt {attempt + 1}/{self.max_retries + 1}): {choice.finish_reason}"
-            )
-            last_error = ChatGPTResponseError("failed", choice.finish_reason, "multi-image call failed")
-
-        raise last_error
-
     async def generate_structured_output(
         self,
         prompt : Prompt,
         input_data : dict,
         img_url : Optional[str] = None,
         img_detail_high : bool = False,
-        silent : bool = True,
-        reasoning_effort : Optional[str] = None,
+        silent : bool = False
     ) -> BaseModel:
         prompt_text = prompt.build_prompt(input_data, silent)
     
@@ -273,5 +187,5 @@ class ChatgptService:
         # GPT API 호출
         #parsed = await self._call_structured_output_with_response_gpt_api(prompt_text, prompt.prompt_output, prompt.prompt_model) 
         # parsed = await self._call_pydantic_output(prompt_text, prompt.prompt_output_class, prompt.prompt_model, img_url, img_detail_high) 
-        parsed = await self._call_pydantic_output_chat_completion(prompt_text, prompt.prompt_output_class, prompt.prompt_model, img_url, img_detail_high, reasoning_effort)
+        parsed = await self._call_pydantic_output_chat_completion(prompt_text, prompt.prompt_output_class, prompt.prompt_model, img_url, img_detail_high) 
         return parsed

app/utils/prompts/prompts.py

@@ -1,5 +1,3 @@
-import re
-
 import gspread
 from pydantic import BaseModel
 from google.oauth2.service_account import Credentials
@@ -8,48 +6,12 @@ from app.utils.logger import get_logger
 from app.utils.prompts.schemas import *
 from functools import lru_cache
 
-# {known_field} 형태만 치환하기 위한 패턴. JSON 예시 등 리터럴 중괄호는 보존된다.
-_PLACEHOLDER_RE = re.compile(r"\{(\w+)\}")
-
 logger = get_logger("prompt")
 
 _SCOPES = [
     "https://www.googleapis.com/auth/spreadsheets.readonly"
 ]
 
-_sheet_cache: dict[str, tuple[str, str]] = {}
-
-
-def _get_spreadsheet():
-    creds = Credentials.from_service_account_file(
-        prompt_settings.GOOGLE_SERVICE_ACCOUNT_JSON, scopes=_SCOPES
-    )
-    return gspread.authorize(creds).open_by_key(prompt_settings.PROMPT_SPREADSHEET)
-
-
-def _preload_all_sheets(sheet_names: list[str]):
-    ranges = [f"{name}!B2:B3" for name in sheet_names]
-    response = _get_spreadsheet().values_batch_get(ranges)
-    for value_range in response["valueRanges"]:
-        range_name = value_range.get("range", "")
-        name = range_name.split("!")[0].strip("'")
-        if name not in sheet_names:
-            continue
-        values = value_range.get("values", [])
-        if len(values) < 2 or not values[0] or not values[1]:
-            logger.warning(f"Sheet '{name}' has missing data, skipping preload")
-            continue
-        _sheet_cache[name] = (values[1][0], values[0][0])  # (B3=template, B2=model)
-
-
-def _read_sheet_data(sheet_name: str) -> tuple[str, str]:
-    if sheet_name not in _sheet_cache:
-        ws = _get_spreadsheet().worksheet(sheet_name)
-        values = ws.batch_get(["B2:B3"])[0]
-        _sheet_cache[sheet_name] = (values[1][0], values[0][0])
-    return _sheet_cache[sheet_name]
-
-
 class Prompt():
     sheet_name: str
     prompt_template: str
@@ -62,33 +24,30 @@ class Prompt():
         self.sheet_name = sheet_name
         self.prompt_input_class = prompt_input_class
         self.prompt_output_class = prompt_output_class
-        self.prompt_template, self.prompt_model = _read_sheet_data(sheet_name)
+        self.prompt_template, self.prompt_model = self._read_from_sheets()
+
+    def _read_from_sheets(self) -> tuple[str, str]:
+        creds = Credentials.from_service_account_file(
+            prompt_settings.GOOGLE_SERVICE_ACCOUNT_JSON, scopes=_SCOPES
+        )
+        gc = gspread.authorize(creds)
+        ws = gc.open_by_key(prompt_settings.PROMPT_SPREADSHEET).worksheet(self.sheet_name)
+        model = ws.cell(2, 2).value
+        input_text = ws.cell(3, 2).value
+        return input_text, model
+
+    def _reload_prompt(self):
+        self.prompt_template, self.prompt_model = self._read_from_sheets()
 
     def build_prompt(self, input_data:dict, silent:bool = False) -> str:
         verified_input = self.prompt_input_class(**input_data)
-        values = verified_input.model_dump()
-        # 알려진 {필드}만 치환하고, 프롬프트 내 JSON 예시 등 리터럴 중괄호는 그대로 둔다.
-        # (str.format은 모든 {..}를 필드로 해석해 리터럴 중괄호에서 깨지므로 사용하지 않음)
-        build_template = _PLACEHOLDER_RE.sub(
-            lambda m: str(values[m.group(1)]) if m.group(1) in values else m.group(0),
-            self.prompt_template,
-        )
+        build_template = self.prompt_template
+        build_template = build_template.format(**verified_input.model_dump())
         if not silent:
             logger.debug(f"build_template: {build_template}")
             logger.debug(f"input_data: {input_data}")
         return build_template
 
-# 업종 분기는 각 프롬프트 내부에서 {industry} 변수로 처리하므로 시트는 타입별 1개로 통합.
-_preload_all_sheets([
-    "marketing",
-    "lyric",
-    "subtitle",
-    "yt_upload",
-    "image_tag",
-])
-
-
-# 업종 분기는 프롬프트 내부 {industry} 변수로 처리하므로 타입별 단일 프롬프트만 둔다.
 marketing_prompt = Prompt(
     sheet_name="marketing",
     prompt_input_class=MarketingPromptInput,
@@ -114,10 +73,16 @@ image_autotag_prompt = Prompt(
 )
 
 @lru_cache()
-def create_dynamic_subtitle_prompt(length: int, industry: str = "") -> Prompt:
-    # industry 인자는 캐시 구분/하위 호환용. 시트는 단일 'subtitle'로 통합됨.
+def create_dynamic_subtitle_prompt(length: int) -> Prompt:
     return Prompt(
         sheet_name="subtitle",
         prompt_input_class=SubtitlePromptInput,
         prompt_output_class=SubtitlePromptOutput[length],
     )
+
+
+def reload_all_prompt():
+    marketing_prompt._reload_prompt()
+    lyric_prompt._reload_prompt()
+    yt_upload_prompt._reload_prompt()
+    image_autotag_prompt._reload_prompt()

app/utils/prompts/schemas/image.py

@@ -3,7 +3,6 @@ from typing import List, Optional
 from enum import StrEnum, auto
 
 class SpaceType(StrEnum):
-    """이미지가 촬영된 공간·장소 유형. LLM이 이미지를 보고 해당하는 공간 태그를 선택하는 데 사용."""
     exterior_front = auto()
     exterior_night = auto()
     exterior_aerial = auto()
@@ -42,64 +41,8 @@ class SpaceType(StrEnum):
     detail_lighting  = auto()
     detail_decor = auto()
     detail_tableware = auto()
-    # 레스토랑(DVRT0001) 템플릿 어휘
-    dining_hall = auto()
-    table_setting = auto()
-    private_room = auto()
-    detail_cooking = auto()
-    detail_plating = auto()
-    detail_menu = auto()
-    detail_dish_main = auto()
-    detail_dish_side = auto()
-    brand_summary = auto()
-    # 카페(DVCF0001) 템플릿 어휘
-    hall = auto()
-    counter_bar = auto()
-    seating_window = auto()
-    seating_lounge = auto()
-    signage = auto()
-    detail_dessert = auto()
-    detail_signature_drink = auto()
-    # 관광지(DVAT0001) 템플릿 어휘
-    entrance_gate = auto()
-    exhibition_hall = auto()
-    landmark_main = auto()
-    landmark_detail = auto()
-    night_view = auto()
-    panorama_view = auto()
-    photo_spot = auto()
-    seasonal_scene = auto()
-    walking_path = auto()
-    # 미용실(DVSL0001) 템플릿 어휘
-    mirror_detail = auto()
-    styling_zone = auto()
-    waiting_lounge = auto()
-    # 병원(DVCL0001) 템플릿 어휘
-    consultation_room = auto()
-    detail_amenity = auto()
-    equipment_zone = auto()
-    recovery_room = auto()
-    treatment_room = auto()
-    waiting_area = auto()
-    # 피트니스(DVFT0001) 템플릿 어휘
-    apparatus_zone = auto()
-    brand_sign = auto()
-    detail_equipment = auto()
-    locker_room = auto()
-    powder_room = auto()
-    pt_zone = auto()
-    reformer_zone = auto()
-    # 학원(DVAC0001) 템플릿 어휘
-    classroom = auto()
-    counseling_room = auto()
-    detail_facility = auto()
-    detail_interior_prop = auto()
-    detail_materials = auto()
-    library_corner = auto()
-    study_room = auto()
 
 class Subject(StrEnum):
-    """이미지 내 주요 피사체 유형. 화면에 무엇이 담겨 있는지를 분류하는 태그."""
     empty_space = auto()
     exterior_building = auto()
     architecture_detail = auto()
@@ -110,31 +53,8 @@ class Subject(StrEnum):
     signage = auto()
     amenity_item = auto()
     person = auto()
-    # 레스토랑(DVRT0001) 템플릿 어휘
-    cooking_action = auto()
-    menu_board = auto()
-    triptych = auto()
-    # 카페(DVCF0001) 템플릿 어휘
-    beverage = auto()
-    brewing_action = auto()
-    dessert = auto()
-    # 관광지(DVAT0001) 템플릿 어휘
-    scenery = auto()
-    structure = auto()
-    # 병원(DVCL0001) 템플릿 어휘
-    interior_clean = auto()
-    medical_equipment = auto()
-    # 피트니스(DVFT0001) 템플릿 어휘
-    interior_scale = auto()
-    pilates_apparatus = auto()
-    training_action = auto()
-    # 학원(DVAC0001) 템플릿 어휘
-    facility_equipment = auto()
-    learning_material = auto()
-    study_scene = auto()
 
 class Camera(StrEnum):
-    """이미지의 촬영 기법·구도·조명 특성. 영상 편집 시 컷의 시각적 스타일을 구분하는 태그."""
     wide_angle = auto()
     tight_crop = auto()
     panoramic = auto()
@@ -148,7 +68,6 @@ class Camera(StrEnum):
     has_face = auto()
 
 class MotionRecommended(StrEnum):
-    """해당 이미지에 적용 가능한 카메라 모션 유형. 영상 제작 시 각 컷에 어울리는 움직임을 추천하는 데 사용."""
     static = auto()
     slow_pan = auto()
     slow_zoom_in = auto()
@@ -157,60 +76,32 @@ class MotionRecommended(StrEnum):
     dolly = auto()
 
 class NarrativePhase(StrEnum):
-    """광고 영상 내러티브 단계. 이미지가 스토리 흐름에서 어느 위치에 배치되어야 하는지를 나타냄."""
     intro = auto()
     welcome = auto()
     core = auto()
     highlight = auto()
     support = auto()
     accent = auto()
-    cta = auto()
-
-NARRATIVE_PHASE_LABEL: dict[NarrativePhase, str] = {
-    NarrativePhase.intro: "첫인상(intro)",
-    NarrativePhase.welcome: "진입(welcome)",
-    NarrativePhase.core: "핵심(core)",
-    NarrativePhase.highlight: "차별화(highlight)",
-    NarrativePhase.support: "보조(support)",
-    NarrativePhase.accent: "감성(accent)",
-    NarrativePhase.cta: "행동유도(cta)",
-}
 
 class NarrativePreference(BaseModel):
-    """이미지가 각 내러티브 단계에 얼마나 적합한지를 나타내는 점수 모델 (0.0 ~ 100.0).
-    LLM이 이미지를 분석한 뒤 각 단계별 적합도를 수치로 반환하며,
-    영상 편집기가 이 점수를 기반으로 컷 배치 순서를 자동 결정하는 데 사용."""
     intro: float = Field(..., description="첫인상 — 여기가 어디인가 | 장소의 정체성과 위치를 전달하는 이미지. 영상 첫 1~2초에 어떤 곳인지 즉시 인지시키는 역할. 건물 외관, 간판, 정원 등 **장소 자체를 보여주는** 컷")
     welcome: float = Field(..., description="진입/환영 — 어떻게 들어가나 | 도착 후 내부로 들어가는 경험을 전달하는 이미지. 공간의 첫 분위기와 동선을 보여줘 들어가고 싶다는 기대감을 만드는 역할. **문을 열고 들어갔을 때 보이는** 컷.")
     core: float = Field(..., description="핵심 가치 — 무엇을 경험하나 | **고객이 이 장소를 찾는 본질적 이유.** 이 이미지가 없으면 영상 자체가 성립하지 않음. 질문: 이 비즈니스에서 돈을 지불하는 대상이 뭔가? → 그 답이 core.")
     highlight: float = Field(..., description="차별화 — 뭐가 특별한가 | **같은 카테고리의 경쟁사 대비 이곳을 선택하게 만드는 이유.** core가 왜 왔는가라면, highlight는 왜 **여기**인가에 대한 답.")
     support: float = Field(..., description="보조/부대 — 그 외에 뭐가 있나 | 핵심은 아니지만 전체 경험을 풍성하게 하는 부가 요소. 없어도 영상은 성립하지만, 있으면 설득력이 올라감. **이것도 있어요** 라고 말하는 컷.")
     accent: float = Field(..., description="감성/마무리 — 어떤 느낌인가 | 공간의 분위기와 톤을 전달하는 감성 디테일 컷. 직접적 정보 전달보다 **느낌과 무드**를 제공. 영상 사이사이에 삽입되어 완성도를 높이는 역할.")
-    cta: float = Field(..., description="행동 유도 — 지금 예약/방문하고 싶게 만드는 컷 | 가격·혜택·한정 오퍼 등 직접적 행동을 촉구하거나, 마지막 장면에서 강한 인상을 남기는 이미지.")
 
 # Input 정의
 class ImageTagPromptInput(BaseModel):
-    """이미지 태깅 프롬프트에 전달되는 입력 스키마.
-    분석할 이미지 URL과 업종 정보, LLM이 선택 가능한 태그 후보 리스트를 포함."""
     img_url : str = Field(..., description="이미지 URL")
-    industry : str = Field(default="", description = "업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general). 통합 프롬프트가 이 값으로 내부 분기")
     space_type: list[str] = Field(list(SpaceType), description="공간적 정보를 가지는 태그 리스트")
     subject: list[str] = Field(list(Subject), description="피사체 정보를 가지는 태그 리스트")
     camera: list[str] = Field(list(Camera), description="카메라 정보를 가지는 태그 리스트")
     motion_recommended: list[str] = Field(list(MotionRecommended), description="가능한 카메라 모션 리스트")
 
-class MarketingFilterOutput(BaseModel):
-    """크롤링 단계에서 이미지의 마케팅(광고 영상) 사용 가능 여부만 판정하는 프롬프트의 출력 스키마.
-    ImageTagPromptOutput과 달리 태깅(공간/피사체/카메라/모션/내러티브)은 포함하지 않는다."""
-    marketing_acceptable: bool = Field(..., description="광고 영상 사용 가능 여부")
-    reject_reason: str = Field(default="", description="거부 사유 (marketing_acceptable=false 시). 예: 저화질, 인물 신원 노출, 업종 부적합, 민감/의료 장면, 미성년자 식별 노출")
-
-
 # Output 정의
 class ImageTagPromptOutput(BaseModel):
-    """이미지 태깅 프롬프트의 LLM 출력 스키마.
-    공간·피사체·카메라·모션 태그와 내러티브 적합도 점수를 담아 반환.
-    마케팅 사용 가능 여부는 크롤링 단계(MarketingFilterOutput)에서 이미 판정되므로 포함하지 않는다."""
+    #ad_avaliable : bool = Field(..., description="광고 영상 사용 가능 이미지 여부")
     space_type: list[SpaceType] = Field(..., description="공간적 정보를 가지는 태그 리스트")
     subject: list[Subject] = Field(..., description="피사체 정보를 가지는 태그 리스트")
     camera: list[Camera] = Field(..., description="카메라 정보를 가지는 태그 리스트")

app/utils/prompts/schemas/lyric.py

@@ -1,7 +1,5 @@
 from pydantic import BaseModel, Field
-from typing import List, Literal, Optional
-
-GENRE_VALUES = Literal["kpop", "pop", "ballad", "hip-hop", "rnb", "edm", "jazz", "rock"]
+from typing import List, Optional
 
 # Input 정의
 class LyricPromptInput(BaseModel):
@@ -10,16 +8,10 @@ class LyricPromptInput(BaseModel):
     detail_region_info : str = Field(..., description = "마케팅 대상 지역 상세")
     marketing_intelligence_summary : Optional[str] = Field(None, description = "마케팅 분석 정보 보고서")
     language : str= Field(..., description = "가사 언어")
-    genre : str = Field(default="", description = "지정된 음악 장르 (kpop|pop|ballad|hip-hop|rnb|edm|jazz|rock). 비어있으면 GPT가 무드에 맞는 장르를 자유롭게 추천")
-    exclude_genre : str = Field(default="", description = "재생성 시 직전에 사용된 장르. genre가 비어있는 경우(자동 선택) 이 장르는 추천에서 제외")
-    industry : str = Field(default="", description = "업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general). 통합 프롬프트가 이 값으로 내부 분기")
+    promotional_expression_example : str = Field(..., description = "판촉 가사 표현 예시")
+    timing_rules : str = Field(..., description = "시간 제어문")
 
 # Output 정의
 class LyricPromptOutput(BaseModel):
     lyric: str = Field(..., description="생성된 가사")
     suno_prompt: str = Field(..., description="Suno AI용 프롬프트")
-    recommended_genre: GENRE_VALUES = Field(
-        ...,
-        description="가사에 사용된(또는 가장 잘 맞는) 음악 장르. genre 입력이 주어졌다면 그 값을 그대로 반환하고, "
-        "비어있었다면 exclude_genre를 제외한 나머지 중 가사 무드에 가장 잘 맞는 장르를 직접 선택해 반환",
-    )

app/utils/prompts/schemas/marketing.py

@@ -6,12 +6,6 @@ class MarketingPromptInput(BaseModel):
     customer_name : str = Field(..., description = "마케팅 대상 사업체 이름")
     region : str = Field(..., description = "마케팅 대상 지역")
     detail_region_info : str = Field(..., description = "마케팅 대상 지역 상세")
-    industry : str = Field(default="", description = "업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general). 통합 프롬프트가 이 값으로 내부 분기")
-    category : str = Field(default="", description = "네이버 지도 원본 카테고리 텍스트 (예: 펜션, 한식). industry 모듈 선택에는 관여하지 않고 세부 묘사의 참고 정보로만 사용")
-    facility_info : str = Field(default="", description = "편의시설 정보 (네이버 지도 크롤링, 없으면 빈 문자열)")
-    voted_keywords : str = Field(default="", description = "방문자 키워드 투표 상위 5개 (쉼표 구분, 없으면 빈 문자열)")
-    # 메뉴 전달은 잠정 보류 (사이드 메뉴가 분석에 과도한 영향을 주는 문제). 재도입 시 주석 해제.
-    # menu_info : str = Field(default="", description = "메뉴/상품 목록 (네이버 지도 크롤링, 쉼표 구분, 없으면 빈 문자열). 실제 판매 품목 기반 셀링포인트 작성에 사용")
 
 # Output 정의
 class BrandIdentity(BaseModel):

app/utils/prompts/schemas/subtitle.py

@@ -1,5 +1,5 @@
 from pydantic import BaseModel, create_model, Field
-from typing import List
+from typing import List, Optional
 from functools import lru_cache
 
 # Input 정의
@@ -9,9 +9,8 @@ class SubtitlePromptInput(BaseModel):
     pitching_tag_list_string : str = Field(..., description="필요한 피칭 레이블 리스트 stringify")
     customer_name : str = Field(..., description = "마케팅 대상 사업체 이름")
     detail_region_info : str = Field(..., description = "마케팅 대상 지역 상세")
-    language : str = Field(default="Korean", description="자막 출력 언어 (Korean, English, Chinese, Japanese, Thai, Vietnamese)")
-    industry : str = Field(default="", description = "업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general). 통합 프롬프트가 이 값으로 내부 분기")
     
+    #subtillecars : 
 # Output 정의
 class PitchingOutput(BaseModel):
     pitching_tag: str =  Field(..., description="피칭 레이블")

app/utils/prompts/schemas/youtube.py

@@ -8,7 +8,6 @@ class YTUploadPromptInput(BaseModel):
     marketing_intelligence_summary : Optional[str] = Field(None, description = "마케팅 분석 정보 보고서")
     language : str= Field(..., description = "영상 언어")
     target_keywords: List[str] = Field(..., description="태그 키워드 리스트")
-    industry : str = Field(default="", description = "업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general). 통합 프롬프트가 이 값으로 내부 분기")
 
 # Output 정의
 class YTUploadPromptOutput(BaseModel):

app/utils/prompts/templates/subtitle_prompt.txt

@@ -0,0 +1,233 @@
+# System Prompt: 숙박 숏폼 자막 생성 (OpenAI Optimized)
+
+You are a subtitle copywriter for hospitality short-form videos. You generate subtitle text AND layer names from marketing JSON data.
+
+---
+
+### RULES
+
+1. NEVER copy JSON verbatim. ALWAYS rewrite into video-optimized copy.
+2. NEVER invent facts not in the data. You MAY freely transform expressions.
+3. Each scene = 1 subtitle + 1 keyword (a "Pair"). Same pair_id for both.
+
+---
+
+### LAYER NAME FORMAT (5-criteria)
+
+```
+(track_role)-(narrative_phase)-(content_type)-(tone)-(pair_id)
+```
+
+- Criteria separator: hyphen `-`
+- Multi-word value: underscore `_`
+- pair_id: 3-digit zero-padded (`001`~`999`)
+
+Example: `subtitle-intro-hook_claim-aspirational-001`
+
+---
+
+### TAG VALUES
+
+**track_role**: `subtitle` | `keyword`
+
+**narrative_phase** (= emotion goal):
+- `intro` → Curiosity (stop the scroll)
+- `welcome` → Warmth
+- `core` → Trust
+- `highlight` → Desire (peak moment)
+- `support` → Discovery
+- `accent` → Belonging
+- `cta` → Action
+
+**content_type** → source mapping:
+- `hook_claim` ← selling_points[0] or core_value
+- `space_feature` ← selling_points[].description
+- `emotion_cue` ← same source, sensory rewrite
+- `brand_name` ← store_name (verbatim OK)
+- `brand_address` ← detail_region_info (verbatim OK)
+- `lifestyle_fit` ← target_persona[].favor_target
+- `local_info` ← location_feature_analysis
+- `target_tag` ← target_keywords[] as hashtags
+- `availability` ← fixed: "지금 예약 가능"
+- `cta_action` ← fixed: "예약하러 가기"
+
+**tone**: `sensory` | `factual` | `empathic` | `aspirational` | `social_proof` | `urgent`
+
+---
+
+### SCENE STRUCTURE
+
+**Anchors (FIXED — never remove):**
+
+| Position | Phase | subtitle | keyword |
+|---|---|---|---|
+| First | intro | hook_claim | brand_name |
+| Last-3 | support | brand_address | brand_name |
+| Last-2 | accent | target_tag | lifestyle_fit |
+| Last | cta | availability | cta_action |
+
+**Middle (FLEXIBLE — fill by selling_points score desc):**
+
+| Phase | subtitle | keyword |
+|---|---|---|
+| welcome | emotion_cue | space_feature |
+| core | space_feature | emotion_cue |
+| highlight | space_feature | emotion_cue |
+| support(mid) | local_info | lifestyle_fit |
+
+Default: 7 scenes. Fewer scenes → remove flexible slots only.
+
+---
+
+### TEXT SPECS
+
+**subtitle**: 8~18 chars. Sentence fragment, conversational.
+**keyword**: 2~6 chars. MUST follow Korean word-formation rules below.
+
+---
+
+### KEYWORD RULES (한국어 조어법 기반)
+
+Keywords MUST follow one of these **permitted Korean patterns**. Any keyword that does not match a pattern below is INVALID.
+
+#### Pattern 1: 관형형 + 명사 (Attributive + Noun) — 가장 자연스러운 패턴
+한국어는 수식어가 앞, 피수식어가 뒤. 형용사의 관형형(~ㄴ/~한/~는/~운)을 명사 앞에 붙인다.
+
+| Structure | GOOD | BAD (역순/비문) |
+|---|---|---|
+| 형용사 관형형 + 명사 | 고요한 숲, 깊은 쉼, 온전한 쉼 | ~~숲고요~~, ~~쉼깊은~~ |
+| 형용사 관형형 + 명사 | 따뜻한 독채, 느린 하루 | ~~독채따뜻~~, ~~하루느린~~ |
+| 동사 관형형 + 명사 | 쉬어가는 숲, 머무는 시간 | ~~숲쉬어가는~~ |
+
+#### Pattern 2: 기존 대중화 합성어 ONLY (Established Trending Compound)
+이미 SNS·미디어에서 대중화된 합성어만 허용. 임의 신조어 생성 금지.
+
+| GOOD (대중화 확인됨) | Origin | BAD (임의 생성) |
+|---|---|---|
+| 숲멍 | 숲+멍때리기 (불멍, 물멍 시리즈) | ~~숲고요~~, ~~숲힐~~ |
+| 댕캉스 | 댕댕이+바캉스 (여행업계 통용) | ~~댕쉼~~, ~~댕여행~~ |
+| 꿀잠 / 꿀쉼 | 꿀+잠/쉼 (일상어 정착) | ~~꿀독채~~, ~~꿀숲~~ |
+| 집콕 / 숲콕 | 집+콕 → 숲+콕 (변형 허용) | ~~계곡콕~~ |
+| 주말러 | 주말+~러 (~러 접미사 정착) | ~~평일러~~ |
+
+> **판별 기준**: "이 단어를 네이버/인스타에서 검색하면 결과가 나오는가?" YES → 허용, NO → 금지
+
+#### Pattern 3: 명사 + 명사 (Natural Compound Noun)
+한국어 복합명사 규칙을 따르는 결합만 허용. 앞 명사가 뒷 명사를 수식하는 관계여야 한다.
+
+| Structure | GOOD | BAD (부자연스러운 결합) |
+|---|---|---|
+| 장소 + 유형 | 숲속독채, 계곡펜션 | ~~햇살독채~~ (햇살은 장소가 아님) |
+| 대상 + 활동 | 반려견산책, 가족피크닉 | ~~견주피크닉~~ (견주가 피크닉하는 건 어색) |
+| 시간 + 활동 | 주말탈출, 새벽산책 | ~~자연독채~~ (자연은 시간/방식이 아님) |
+
+#### Pattern 4: 해시태그형 (#키워드)
+accent(target_tag) 씬에서만 사용. 기존 검색 키워드를 # 붙여서 사용.
+
+| GOOD | BAD |
+|---|---|
+| #프라이빗독채, #홍천여행 | #숲고요, #감성쩌는 (검색량 없음) |
+
+#### Pattern 5: 감각/상태 명사 (단독 사용 가능한 것만)
+그 자체로 의미가 완결되는 감각·상태 명사만 단독 사용 허용.
+
+| GOOD (단독 의미 완결) | BAD (단독으로 의미 불완전) |
+|---|---|
+| 고요, 여유, 쉼, 온기 | ~~감성~~, ~~자연~~, ~~힐링~~ (너무 모호) |
+| 숲멍, 꿀쉼 | ~~좋은쉼~~, ~~편안함~~ (형용사 포함 시 Pattern 1 사용) |
+
+---
+
+### KEYWORD VALIDATION CHECKLIST (생성 후 자가 검증)
+
+Every keyword MUST pass ALL of these:
+
+- [ ] 한국어 어순이 자연스러운가? (수식어→피수식어 순서)
+- [ ] 소리 내어 읽었을 때 어색하지 않은가?
+- [ ] 네이버/인스타에서 검색하면 실제 결과가 나올 법한 표현인가?
+- [ ] 허용된 5개 Pattern 중 하나에 해당하는가?
+- [ ] 이전 씬 keyword와 동일한 Pattern을 연속 사용하지 않았는가?
+- [ ] 금지 표현 사전에 해당하지 않는가?
+
+---
+
+### EXPRESSION DICTIONARY
+
+**SCAN BEFORE WRITING.** If JSON contains these → MUST replace:
+
+| Forbidden | → Use Instead |
+|---|---|
+| 눈치 없는/없이 | 눈치 안 보는 · 프라이빗한 · 온전한 · 마음 편히 |
+| 감성 쩌는/쩌이 | 감성 가득한 · 감성이 머무는 |
+| 가성비 | 합리적인 · 가치 있는 |
+| 힐링되는 | 회복되는 · 쉬어가는 · 숨 쉬는 |
+| 인스타감성 | 감성 스팟 · 기록하고 싶은 |
+| 혜자 | 풍성한 · 넉넉한 |
+
+**ALWAYS FORBIDDEN**: 저렴한, 싼, 그냥, 보통, 무난한, 평범한, 쩌는, 쩔어, 개(접두사), 존맛, 핵, 인스타, 유튜브, 틱톡
+
+**SYNONYM ROTATION**: Same Korean word max 2 scenes. Rotate:
+- 프라이빗 계열: 온전한 · 오롯한 · 나만의 · 독채 · 단독
+- 자연 계열: 숲속 · 초록 · 산림 · 계곡
+- 쉼 계열: 쉼 · 여유 · 느린 하루 · 머무름 · 숨고르기
+- 반려견: 댕댕이(max 1회, intro/accent만) · 반려견 · 우리 강아지
+
+---
+
+### TRANSFORM RULES BY CONTENT_TYPE
+
+**hook_claim** (intro only):
+- Format: question OR exclamation OR provocation. Pick ONE.
+- FORBIDDEN: brand name, generic greetings
+- `"반려견과 눈치 없는 힐링"` → BAD: 그대로 복사 → GOOD: "댕댕이가 먼저 뛰어간 숲"
+
+**space_feature** (core/highlight):
+- ONE selling point per scene
+- NEVER use korean_category directly
+- Viewer must imagine themselves there
+- `"홍천 자연 속 조용한 쉼"` → BAD: "입지 환경이 좋은 곳" → GOOD: "계곡 소리만 들리는 독채"
+
+**emotion_cue** (welcome/core/highlight):
+- Senses: smell, sound, touch, temperature, light
+- Poetic fragments, not full sentences
+- `"감성 쩌이 완성되는 공간"` → GOOD: "햇살이 내려앉는 테라스"
+
+**lifestyle_fit** (accent/support):
+- Address target directly in their language
+- `persona: "서울·경기 주말러"` → GOOD: "이번 주말, 댕댕이랑 어디 가지?"
+
+**local_info** (support):
+- Accessibility or charm, NOT administrative address
+- GOOD: "서울에서 1시간 반, 홍천 숲속" / BAD: "강원 홍천군 화촌면"
+
+---
+
+### PACING
+
+```
+intro(8~12) → welcome(12~18) → core(alternate 8~12 ↔ 12~18) → highlight(8~14) → support(12~18) → accent(variable) → cta(12~16)
+```
+
+**RULE: No 3+ consecutive scenes in same char-count range.**
+
+---
+
+Keyword pattern analysis:
+- "스테이펫" → brand_name verbatim (허용)
+- "고요한 숲" → Pattern 1: 관형형+명사 (형용사 관형형 "고요한" + 명사 "숲")
+- "깊은 쉼" → Pattern 1: 관형형+명사 (형용사 관형형 "깊은" + 명사 "쉼")
+- "숲멍" → Pattern 2: 기존 대중화 합성어 (불멍·물멍·숲멍 시리즈)
+- "댕캉스" → Pattern 2: 기존 대중화 합성어 (댕댕이+바캉스, 여행업계 통용)
+- "예약하기" → Pattern 5: 의미 완결 동사 명사형
+
+
+# 입력
+**입력 1: 레이어 이름 리스트**
+{pitching_tag_list_string}
+
+**입력 2: 마케팅 인텔리전스 JSON**
+{marketing_intelligence}
+
+**입력 3: 비즈니스 정보 **
+Business Name: {customer_name}
+Region Details: {detail_region_info}

app/utils/subtitles.py

@@ -1,5 +1,4 @@
 import copy
-import re
 import time
 import json
 from typing import Literal, Any
@@ -13,42 +12,19 @@ from app.utils.prompts.prompts import *
 
 logger = get_logger("subtitle")
 
-# 비한국어 출력에서 번역 누락(한글 잔존)을 탐지하기 위한 패턴
-_HANGUL_RE = re.compile(r"[가-힣]")
-
-# 한글 잔존 시 GPT 재호출 최대 횟수 (최초 호출 포함)
-_MAX_LANGUAGE_ATTEMPTS = 3
-
-
 class SubtitleContentsGenerator():
     def __init__(self):
         self.chatgpt_service = ChatgptService(timeout=60.0)
 
-    @staticmethod
-    def _find_hangul_leftovers(output_data: SubtitlePromptOutput) -> list[str]:
-        """비한국어 출력에서 한글이 남아 있는 pitching_tag 목록을 반환합니다.
-
-        프롬프트가 '한국어로 생성 후 {language}로 번역'하는 2단계 구조라서,
-        항목 수가 많으면 일부가 번역되지 않은 채(한국어/혼합 문장) 돌아오는
-        사례가 있어 코드 레벨에서 검증한다.
-        """
-        return [
-            result.pitching_tag
-            for result in output_data.pitching_results
-            if _HANGUL_RE.search(result.pitching_data)
-        ]
-
-    async def generate_subtitle_contents(self, marketing_intelligence : dict[str, Any], pitching_label_list : list[Any], customer_name : str, detail_region_info : str, language : str = "Korean", industry: str = "") -> SubtitlePromptOutput:
+    async def generate_subtitle_contents(self, marketing_intelligence : dict[str, Any], pitching_label_list : list[Any], customer_name : str, detail_region_info : str) -> SubtitlePromptOutput:
         start = time.perf_counter()
         logger.info(
             f"[SubtitleContentsGenerator] START - customer: {customer_name}, "
             f"pitching_count: {len(pitching_label_list)}, "
-            f"labels: {pitching_label_list}, "
-            f"language: {language}, "
-            f"industry: {industry}"
+            f"labels: {pitching_label_list}"
         )
 
-        dynamic_subtitle_prompt = create_dynamic_subtitle_prompt(len(pitching_label_list), industry)
+        dynamic_subtitle_prompt = create_dynamic_subtitle_prompt(len(pitching_label_list))
         pitching_label_string = "\n".join(pitching_label_list)
         marketing_intel_string = json.dumps(marketing_intelligence, ensure_ascii=False)
         input_data = {
@@ -56,46 +32,12 @@ class SubtitleContentsGenerator():
             "pitching_tag_list_string" : pitching_label_string,
             "customer_name" : customer_name,
             "detail_region_info" : detail_region_info,
-            "language" : language,
-            "industry": industry,  # 가사/영상 파이프라인에서 전달된 업종 enum
             }
 
         logger.info(
             f"[SubtitleContentsGenerator] GPT 호출 시작 - model: {dynamic_subtitle_prompt.prompt_model}"
         )
-
-        # 비한국어 언어는 번역 누락(한글 잔존) 검증 후 필요 시 재호출.
-        # 전부 실패하면 잔존 건수가 가장 적은 시도를 채택한다 (영상 생성 자체는 진행).
-        output_data = None
-        best_output = None
-        best_leftover_count: int | None = None
-        for lang_attempt in range(1, _MAX_LANGUAGE_ATTEMPTS + 1):
-            candidate = await self.chatgpt_service.generate_structured_output(dynamic_subtitle_prompt, input_data)
-
-            if language == "Korean":
-                output_data = candidate
-                break
-
-            leftovers = self._find_hangul_leftovers(candidate)
-            if not leftovers:
-                output_data = candidate
-                break
-
-            logger.warning(
-                f"[SubtitleContentsGenerator] 번역 누락(한글 잔존) {len(leftovers)}건 "
-                f"(attempt {lang_attempt}/{_MAX_LANGUAGE_ATTEMPTS}) - language: {language}, "
-                f"tags: {leftovers}"
-            )
-            if best_leftover_count is None or len(leftovers) < best_leftover_count:
-                best_output = candidate
-                best_leftover_count = len(leftovers)
-
-        if output_data is None:
-            logger.error(
-                f"[SubtitleContentsGenerator] 모든 시도에서 한글 잔존 - "
-                f"최소 잔존 {best_leftover_count}건 결과 채택 - language: {language}"
-            )
-            output_data = best_output
+        output_data = await self.chatgpt_service.generate_structured_output(dynamic_subtitle_prompt, input_data)
 
         elapsed = (time.perf_counter() - start) * 1000
         logger.info(

app/utils/suno.py

@@ -60,7 +60,7 @@ from typing import Any
 import httpx
 
 from app.song.schemas.song_schema import PollingSongResponse, SongClipData
-from app.utils.bgm_lyrics import get_bgm_lyrics, normalize_genre as _normalize_genre
+from app.utils.bgm_lyrics import get_random_bgm_lyrics
 from app.utils.logger import get_logger
 from config import apikey_settings, recovery_settings
 
@@ -113,11 +113,11 @@ class SunoService:
 
         Args:
             prompt: 가사 (customMode=true일 때 가사로 사용)
-                    40초 이내 길이의 노래에 적합한 가사여야 함
-            genre: 음악 장르 (예: "K-Pop", "Pop", "R&B", "Hip-Hop", "Ballad", "EDM", "Rock", "Jazz")
+                    1분 이내 길이의 노래에 적합한 가사여야 함
+            genre: 음악 장르 (예: "K-Pop", "Pop", "R&B", "Hip-Hop", "Ballad", "EDM")
                    None일 경우 style 파라미터를 전송하지 않음
             callback_url: 생성 완료 시 알림 받을 URL (None일 경우 config에서 기본값 사용)
-            instrumental: True이면 BGM 전용 — 더미 가사로 40초 길이를 유도하고 보컬 없이 생성
+            instrumental: True이면 BGM 전용 — 더미 가사로 60초 길이를 유도하고 보컬 없이 생성
 
         Returns:
             task_id: 작업 추적용 ID
@@ -125,19 +125,17 @@ class SunoService:
         Note:
             - 스트림 URL: 30-40초 내 생성
             - 다운로드 URL: 2-3분 내 생성
-            - 생성되는 노래는 약 40초 이내의 길이
+            - 생성되는 노래는 약 1분 이내의 길이
         """
         actual_callback_url = callback_url or apikey_settings.SUNO_CALLBACK_URL
 
-        normalized_genre = _normalize_genre(genre) if genre else None
-
         if instrumental:
-            bgm_lyrics = get_bgm_lyrics(genre)
-            formatted_prompt = f"[Song Duration: Around 40 seconds]\n{bgm_lyrics}"
-            logger.info(f"[Suno] BGM 더미 가사 장르 {normalized_genre} 선택됨")
+            bgm_lyrics, bgm_version = get_random_bgm_lyrics()
+            formatted_prompt = f"[Song Duration: Around 1 minute - Must be around 60 seconds]\n{bgm_lyrics}"
+            logger.info(f"[Suno] BGM 더미 가사 버전 {bgm_version} 선택됨")
         else:
             formatted_prompt = (
-                f"[Song Duration: Around 40 seconds]\n{prompt}"
+                f"[Song Duration: Exactly 1 minute - Must be precisely 60 seconds]\n{prompt}"
             )
 
         payload: dict[str, Any] = {
@@ -147,8 +145,8 @@ class SunoService:
             "prompt": formatted_prompt,
             "callBackUrl": actual_callback_url,
         }
-        if normalized_genre:
-            payload["style"] = f"{normalized_genre}, around 40 seconds" if instrumental else normalized_genre
+        if genre:
+            payload["style"] = f"{genre}, around 60 seconds" if instrumental else genre
 
         last_error: Exception | None = None
 
@@ -249,7 +247,7 @@ class SunoService:
 
             return data
 
-    async def get_lyric_timestamp(self, task_id: str, audio_id: str) -> dict[str, Any] | None:
+    async def get_lyric_timestamp(self, task_id: str, audio_id: str) -> dict[str, Any]:
         """
         음악 타임스탬프 정보 추출
 
@@ -272,10 +270,8 @@ class SunoService:
             response.raise_for_status()
             data = response.json()
 
-            # Suno는 오디오 생성 완료 후에도 타임스탬프 정렬을 별도로 처리하므로,
-            # 빈 응답은 아직 준비되지 않은 상태를 의미한다. None을 반환해 호출부에서 폴링을 유지하게 한다.
             if not data or not data["data"]:
-                return None
+                raise ValueError("Suno API returned empty response for task status")
 
             return data["data"]["alignedWords"]
 

app/utils/thumbnail_fitness.py

@@ -1,231 +0,0 @@
-# -*- coding: utf-8 -*-
-"""
-썸네일 슬롯 한정 픽셀(헤더) 룰 스코어러 — Pillow/numpy 의존성 없이 구현.
-
-배경 (zzz/ado2-thumbnail-selection 파일럿 대비 축소 이식):
-  기존 태그 매칭(calculate_image_slot_score_multi)은 의미 태그 교집합만 보고
-  실제 화질·프레이밍을 보지 않는다. 파일럿(수원화성, 2026-07-20)에서 검증된
-  6축 스코어러 중 "실질 가치는 최고 컷 찾기보다 명백히 나쁜 컷의 자동 배제"
-  (참고: references/scoring-logic.md)라는 결론에 따라, 하드 리젝트에 직결되는
-  두 축(해상도 업스케일 배율, 종횡비)만 이식한다.
-
-  이 두 축은 실제 픽셀 색상이 필요 없고 원본 가로/세로 픽셀 수만 알면 되므로,
-  이미지를 전체 디코드하지 않고 파일 헤더 몇십 KB만 읽어(HTTP Range) 포맷별
-  고정 위치에서 크기를 파싱한다(JPEG는 SOF 마커 스캔). Pillow의 픽셀 디코드가
-  없으므로 서버(Standard_B2als_v2, 2 vCPU 버스터블) CPU 부담이 사실상 0에
-  가깝다.
-
-  텍스트 안전영역 밀도·명암 대비(원 스코어러의 safe_area/contrast 축)는 실제
-  픽셀 값이 있어야 계산되는 축이라 이 방식으로는 커버하지 못한다 — 의도적으로
-  범위 밖으로 남겨둔 트레이드오프.
-"""
-from __future__ import annotations
-
-import asyncio
-import struct
-
-import httpx
-
-from app.utils.logger import get_logger
-
-logger = get_logger("thumbnail_fitness")
-
-# ── 커버 스펙 (thumbnail-composition 렌더 기준) ──────────────────────────
-TARGET_H = 1920          # 9:16 출력 캔버스 기준 세로 px
-_CROP_RATIO = 9 / 16      # tight_crop(fit=cover) 목표 종횡비
-
-REJECT_UPSCALE = 2.5      # 9:16 크롭 후 업스케일 배율 초과 → 배제 (OG 1200×630 ≈ 3.05배)
-REJECT_ASPECT = 2.2       # 원본 종횡비(w/h) 초과 극단 가로형 → 배제
-
-_RANGE_BYTES = 131072     # 헤더만 읽기 위한 최대 다운로드 크기 (128KB, SOF 스캔 여유분)
-_DOWNLOAD_TIMEOUT = 8.0
-_DEFAULT_CONCURRENCY = 4  # 헤더만 받으므로 CPU 부담 없음 — I/O 대기 기준으로 넉넉히
-
-
-# ── 포맷별 헤더 파싱 (순수 struct, 전체 디코드 없음) ──────────────────────
-def parse_image_size(data: bytes) -> tuple[int, int] | None:
-    """이미지 바이트(파일 앞부분)에서 원본 (width, height)를 추출합니다.
-
-    지원: JPEG(SOF 마커 스캔), PNG(IHDR), GIF(고정 오프셋), WebP(VP8X/VP8L).
-    단순 손실 WebP(VP8)는 비트 단위 파싱이 필요해 범위 밖 — 실패 시 None
-    (호출자가 중립 처리, 배제하지 않음).
-    """
-    if len(data) < 12:
-        return None
-    if data[:2] == b"\xff\xd8":
-        return _parse_jpeg_size(data)
-    if data[:8] == b"\x89PNG\r\n\x1a\n":
-        return _parse_png_size(data)
-    if data[:6] in (b"GIF87a", b"GIF89a"):
-        return _parse_gif_size(data)
-    if data[:4] == b"RIFF" and data[8:12] == b"WEBP":
-        return _parse_webp_size(data)
-    return None
-
-
-def _parse_png_size(data: bytes) -> tuple[int, int] | None:
-    if len(data) < 24:
-        return None
-    width, height = struct.unpack(">II", data[16:24])
-    return width, height
-
-
-def _parse_gif_size(data: bytes) -> tuple[int, int] | None:
-    if len(data) < 10:
-        return None
-    width, height = struct.unpack("<HH", data[6:10])
-    return width, height
-
-
-_JPEG_SOF_MARKERS = {
-    0xC0, 0xC1, 0xC2, 0xC3, 0xC5, 0xC6, 0xC7,
-    0xC9, 0xCA, 0xCB, 0xCD, 0xCE, 0xCF,
-}
-_JPEG_NO_LENGTH_MARKERS = {0xD8, 0xD9, 0x01} | set(range(0xD0, 0xD8))  # SOI/EOI/RST0-7/TEM
-
-
-def _parse_jpeg_size(data: bytes) -> tuple[int, int] | None:
-    n = len(data)
-    pos = 2  # SOI(0xFFD8) 이후부터 마커 스캔
-    while pos < n:
-        if data[pos] != 0xFF:
-            pos += 1
-            continue
-        # 0xFF 뒤 연속된 fill byte(0xFF) 스킵 후 실제 마커 바이트 탐색
-        marker_pos = pos
-        while marker_pos < n and data[marker_pos] == 0xFF:
-            marker_pos += 1
-        if marker_pos >= n:
-            return None
-        marker = data[marker_pos]
-        pos = marker_pos + 1
-        if marker in _JPEG_NO_LENGTH_MARKERS:
-            continue
-        if pos + 2 > n:
-            return None
-        seg_len = struct.unpack(">H", data[pos:pos + 2])[0]
-        if marker in _JPEG_SOF_MARKERS:
-            if pos + 7 > n:
-                return None  # SOF가 헤더 범위 밖에 있음 — 파싱 실패(중립 처리)
-            height, width = struct.unpack(">HH", data[pos + 3:pos + 7])
-            return width, height
-        pos += seg_len
-    return None
-
-
-def _parse_webp_size(data: bytes) -> tuple[int, int] | None:
-    if len(data) < 30:
-        return None
-    fourcc = data[12:16]
-    if fourcc == b"VP8X":
-        width = 1 + (data[24] | (data[25] << 8) | (data[26] << 16))
-        height = 1 + (data[27] | (data[28] << 8) | (data[29] << 16))
-        return width, height
-    if fourcc == b"VP8L":
-        if len(data) < 25 or data[20] != 0x2F:
-            return None
-        b0, b1, b2, b3 = data[21:25]
-        bits = b0 | (b1 << 8) | (b2 << 16) | (b3 << 24)
-        width = (bits & 0x3FFF) + 1
-        height = ((bits >> 14) & 0x3FFF) + 1
-        return width, height
-    # 단순 손실 WebP(VP8) — 비트 단위 파싱 범위 밖, 중립 처리
-    return None
-
-
-# ── 점수화 (실제 픽셀 없이 w,h만으로 산출) ─────────────────────────────
-def score_pixel_fitness(width: int, height: int) -> dict:
-    """해상도(업스케일 배율)·종횡비만으로 썸네일 적합도를 판정합니다.
-
-    Returns:
-        {"score": 0.0~1.0 (배율, 태그 점수에 곱해 쓴다), "reject": str}
-        reject가 비어있지 않으면 하드 배제 대상.
-    """
-    if width <= 0 or height <= 0:
-        return {"score": 0.0, "reject": "invalid_dimensions"}
-
-    ratio = width / height
-    if ratio > REJECT_ASPECT:
-        return {"score": 0.0, "reject": f"극단 가로형({ratio:.2f}:1)"}
-
-    cropped_h = height if ratio > _CROP_RATIO else int(width / _CROP_RATIO)
-    if cropped_h <= 0:
-        return {"score": 0.0, "reject": "invalid_dimensions"}
-
-    upscale = TARGET_H / cropped_h
-    if upscale > REJECT_UPSCALE:
-        return {"score": 0.0, "reject": f"저해상도(업스케일 {upscale:.2f}x)"}
-
-    soft_score = 1.0 if upscale <= 1.0 else max(0.0, 1.0 - (upscale - 1.0) / 2.0)
-    return {"score": round(soft_score, 4), "reject": ""}
-
-
-# ── 네트워크: 헤더 바이트만 받기 (HTTP Range, 미지원 서버도 조기 종료로 방어) ──
-async def _fetch_header_bytes(
-    client: httpx.AsyncClient, url: str, max_bytes: int = _RANGE_BYTES, timeout: float = _DOWNLOAD_TIMEOUT
-) -> bytes | None:
-    """이미지 URL에서 앞부분 max_bytes만 받아옵니다.
-
-    Range 헤더를 무시하고 전체를 돌려주는 서버가 있어도, 스트리밍을 max_bytes
-    수신 즉시 중단해 실제 다운로드량을 상한선 이내로 강제한다.
-    """
-    try:
-        async with client.stream(
-            "GET", url, headers={"Range": f"bytes=0-{max_bytes - 1}"}, timeout=timeout
-        ) as response:
-            if response.status_code not in (200, 206):
-                return None
-            buf = bytearray()
-            async for chunk in response.aiter_bytes():
-                buf.extend(chunk)
-                if len(buf) >= max_bytes:
-                    break
-            return bytes(buf[:max_bytes])
-    except Exception as e:
-        logger.warning(f"[thumbnail_fitness] 헤더 다운로드 실패: {url} - {e}")
-        return None
-
-
-async def score_pool_thumbnail_fitness(
-    pool: list[dict],
-    client: httpx.AsyncClient,
-    concurrency: int = _DEFAULT_CONCURRENCY,
-    total_timeout: float = 20.0,
-) -> dict[str, dict]:
-    """이미지 풀(URL 중복 제거)의 썸네일 픽셀 적합도를 병렬로 계산합니다.
-
-    다운로드/파싱 실패 항목은 결과 dict에서 아예 빠진다 — 호출자가 "데이터
-    없음 = 판정 보류(중립)"로 처리하도록 유도(하드 배제로 오판하지 않기 위함).
-    전체 배치에 total_timeout 상한을 걸어, 네트워크 불량 시 이 부가 기능이
-    영상 생성 사전 준비 전체를 지연시키지 않도록 한다(초과 시 빈 dict).
-
-    Returns:
-        {image_url: {"score": float, "reject": str}} — 성공한 URL만 포함.
-    """
-    semaphore = asyncio.Semaphore(concurrency)
-    urls = list({item["image_url"] for item in pool if item.get("image_url")})
-
-    async def _score_one(url: str) -> tuple[str, dict | None]:
-        async with semaphore:
-            header = await _fetch_header_bytes(client, url)
-        if header is None:
-            return url, None
-        size = parse_image_size(header)
-        if size is None:
-            logger.warning(f"[thumbnail_fitness] 이미지 크기 파싱 실패(포맷 미지원/헤더 부족): {url}")
-            return url, None
-        width, height = size
-        return url, score_pixel_fitness(width, height)
-
-    try:
-        results = await asyncio.wait_for(
-            asyncio.gather(*[_score_one(u) for u in urls]),
-            timeout=total_timeout,
-        )
-    except asyncio.TimeoutError:
-        logger.warning(
-            f"[thumbnail_fitness] 전체 스코어링 타임아웃({total_timeout}s, urls={len(urls)}) — "
-            "픽셀 적합도 없이(태그 점수만) 진행"
-        )
-        return {}
-    return {url: fitness for url, fitness in results if fitness is not None}

app/utils/thumbnail_vision.py

@@ -1,110 +0,0 @@
-# -*- coding: utf-8 -*-
-"""
-썸네일 최종 선택 — 규칙/픽셀로 압축한 top-N 후보 중 비전 LLM이 1개 선택 (Phase 2).
-
-배경 (하이브리드 설계):
-  규칙(태그 매칭) + 픽셀 헤더 필터로 썸네일 후보를 소수(top-3)로 압축한 뒤,
-  그 소수 중 최종 1컷만 비전 LLM이 이미지를 실제로 보고 고른다. 선택지가
-  "1슬롯 × 3후보"로 갇혀 있어 전면 LLM 배정의 위험(제약 위반·중복 배정·큰
-  블라스트 반경)이 없고, 실패 시 규칙 1위로 폴백한다.
-
-  이 단계의 실질 가치: Pillow를 쓰지 않아 포기했던 지각적 축을 비전으로 되찾음.
-  - 이미지 속 글자/간판/워터마크가 커버 텍스트 4슬롯과 겹치는지
-  - 중앙 9:16 크롭 후 주제가 잘리거나 어중간해지는지
-  - 업종 대표성·클릭 유인
-"""
-from __future__ import annotations
-
-import asyncio
-
-from pydantic import BaseModel, Field
-
-from app.utils.logger import get_logger
-from app.utils.prompts.chatgpt_prompt import ChatgptService
-
-logger = get_logger("thumbnail_vision")
-
-# 비전 판정 모델·타임아웃 — 부가 기능이므로 실패해도 규칙 폴백, 파이프라인은 진행
-_VISION_MODEL = "gpt-5-mini"
-_VISION_TIMEOUT = 20.0
-
-
-class ThumbnailPickOutput(BaseModel):
-    """비전 LLM의 썸네일 선택 출력."""
-    choice_index: int = Field(..., description="선택한 이미지의 0-기반 인덱스 (첨부 이미지 순서와 동일)")
-    reason: str = Field(..., description="선택 근거 한 줄 (텍스트 충돌/크롭 구도/대표성 관점)")
-
-
-def _build_prompt(candidate_count: int, industry: str, business_name: str) -> str:
-    return f"""당신은 숏폼 광고 영상의 **썸네일(커버) 배경 이미지**를 고르는 전문가입니다.
-
-첨부된 {candidate_count}장의 이미지는 이미 태그·화질 필터를 통과한 후보들입니다.
-이 중 커버로 가장 적합한 **1장**을 골라 0-기반 인덱스로 반환하세요.
-(첫 번째 이미지 = 0, 두 번째 = 1, ...)
-
-업체 정보: {business_name} ({industry} 업종)
-
-썸네일 위에는 아래 4개의 텍스트가 흰 글자로 얹힙니다:
-- 상단(약 8% 높이): 카테고리 뱃지
-- 중앙(약 50%): 업체명 (큰 글자)
-- 중앙 하단(약 62%): 지역
-- 최하단(약 94%): 해시태그
-
-선택 기준 (중요도 순):
-0. **업종 대표성·클릭 유인**: 한눈에 어떤 곳인지 전달되고 매력적일 것
-1. **텍스트 충돌 회피**: 이미지 속 간판·안내판 글자·워터마크가 위 텍스트 영역과 겹치지 않을 것
-2. **크롭 후 구도**: 세로 9:16 중앙 크롭 시 핵심 주제가 잘리지 않고 살아있을 것
-3. **가독성**: 텍스트가 얹히는 영역(상/중/하단)이 너무 밝거나 복잡하지 않아 흰 글자가 잘 보일 것
-"""
-
-
-async def pick_thumbnail_by_vision(
-    candidates: list[dict],
-    industry: str,
-    business_name: str,
-) -> dict | None:
-    """후보 이미지 중 비전 LLM이 최종 1컷을 선택합니다.
-
-    Args:
-        candidates: [{"image_url": str, "image_tag": dict}, ...] — 규칙/픽셀로
-            압축한 top-N 후보 (점수 내림차순, 즉 index 0이 규칙 1위).
-
-    Returns:
-        선택된 candidate dict. 후보가 1개 이하이거나 호출 실패/타임아웃/무효
-        인덱스면 None (호출자가 규칙 1위 폴백).
-    """
-    if len(candidates) < 2:
-        # 선택할 게 없음 — 규칙 1위(있으면)로 폴백
-        return None
-
-    urls = [c["image_url"] for c in candidates]
-    prompt = _build_prompt(len(candidates), industry, business_name)
-    chatgpt = ChatgptService(model_type="gpt", timeout=_VISION_TIMEOUT)
-
-    try:
-        result: ThumbnailPickOutput = await asyncio.wait_for(
-            chatgpt.generate_structured_output_multi_image(
-                prompt_text=prompt,
-                output_format=ThumbnailPickOutput,
-                model=_VISION_MODEL,
-                img_urls=urls,
-            ),
-            timeout=_VISION_TIMEOUT,
-        )
-    except Exception as e:
-        logger.warning(f"[thumbnail_vision] 비전 선택 실패 — 규칙 폴백: {e}")
-        return None
-
-    idx = result.choice_index
-    if not (0 <= idx < len(candidates)):
-        logger.warning(
-            f"[thumbnail_vision] 무효 인덱스({idx}, 후보 {len(candidates)}개) — 규칙 폴백"
-        )
-        return None
-
-    logger.info(
-        f"[thumbnail_vision] 비전 선택 — index={idx}"
-        f"{' (규칙 1위와 동일)' if idx == 0 else ' (규칙 1위 아님)'}, "
-        f"url={candidates[idx]['image_url']}, reason={result.reason}"
-    )
-    return candidates[idx]

app/utils/upload_blob_as_request.py

@@ -32,17 +32,12 @@ URL 경로 형식:
 """
 
 import asyncio
-import base64
-import os
 import re
 import time
-from collections.abc import AsyncIterator
 from pathlib import Path
-from urllib.parse import urlencode
 
 import aiofiles
 import httpx
-from fastapi import UploadFile
 
 from app.utils.logger import get_logger
 from config import azure_blob_settings
@@ -50,15 +45,6 @@ from config import azure_blob_settings
 # 로거 설정
 logger = get_logger("blob")
 
-
-class BlobUploadTooLargeError(ValueError):
-    """스트리밍 중 파일 크기 상한을 초과했을 때 발생합니다."""
-
-    def __init__(self, max_size_bytes: int):
-        self.max_size_bytes = max_size_bytes
-        super().__init__(f"업로드 파일은 {max_size_bytes} bytes를 초과할 수 없습니다.")
-
-
 # =============================================================================
 # 모듈 레벨 공유 HTTP 클라이언트 (싱글톤 패턴)
 # =============================================================================
@@ -90,23 +76,6 @@ async def close_shared_blob_client() -> None:
         logger.info("[AzureBlobUploader] Shared HTTP client closed")
 
 
-def to_playback_url(blob_url: str | None) -> str | None:
-    """DB에 저장된 SAS 미포함 공개 URL에 읽기용 SAS 토큰을 붙여 반환합니다.
-
-    Azure Blob 익명(공개) 접근은 x-ms-version 헤더가 없어 Range 요청을 지원하지
-    않는 구버전 API로 처리되어 브라우저에서 영상/오디오 seek이 동작하지 않는다.
-    SAS 토큰(sv= 포함)을 붙이면 최신 API 버전으로 처리되어 Range/Accept-Ranges가
-    정상 동작한다. DB에는 SAS 없는 URL을 그대로 저장하고, 응답 시점에만 붙인다.
-    """
-    if not blob_url:
-        return blob_url
-    sas_token = azure_blob_settings.AZURE_BLOB_SAS_TOKEN.strip("?'\"")
-    if not sas_token:
-        return blob_url
-    separator = "&" if "?" in blob_url else "?"
-    return f"{blob_url}{separator}{sas_token}"
-
-
 class AzureBlobUploader:
     """Azure Blob Storage 업로드 클래스
 
@@ -131,8 +100,6 @@ class AzureBlobUploader:
         ".gif": "image/gif",
         ".webp": "image/webp",
         ".bmp": "image/bmp",
-        ".heic": "image/heic",
-        ".heif": "image/heif",
     }
 
     def __init__(self, user_uuid: str, task_id: str):
@@ -144,7 +111,7 @@ class AzureBlobUploader:
         """
         self._user_uuid = user_uuid
         self._task_id = task_id
-        self._base_url = azure_blob_settings.AZURE_BLOB_BASE_URL.rstrip("/")
+        self._base_url = azure_blob_settings.AZURE_BLOB_BASE_URL
         self._sas_token = azure_blob_settings.AZURE_BLOB_SAS_TOKEN
         self._last_public_url: str = ""
 
@@ -237,12 +204,8 @@ class AzureBlobUploader:
             logger.debug(f"[{log_prefix}] Starting upload... "
                          f"(size: {size} bytes, timeout: {timeout}s)")
 
-            request_headers = {
-                **headers,
-                "x-ms-version": azure_blob_settings.AZURE_BLOB_API_VERSION,
-            }
             response = await asyncio.wait_for(
-                client.put(upload_url, content=file_content, headers=request_headers),
+                client.put(upload_url, content=file_content, headers=headers),
                 timeout=timeout,
             )
             upload_time = time.perf_counter()
@@ -283,170 +246,6 @@ class AzureBlobUploader:
                          f"{type(e).__name__}: {e}")
             return False
 
-    @staticmethod
-    def _append_query(upload_url: str, **params: str) -> str:
-        """SAS 쿼리를 유지하며 Azure REST API 쿼리를 추가합니다."""
-        separator = "&" if "?" in upload_url else "?"
-        return f"{upload_url}{separator}{urlencode(params)}"
-
-    async def _delete_upload_url(self, upload_url: str, log_prefix: str) -> bool:
-        """실패한 업로드의 커밋/미커밋 Blob을 정리합니다."""
-        try:
-            client = await get_shared_blob_client()
-            response = await client.delete(
-                upload_url,
-                headers={"x-ms-version": azure_blob_settings.AZURE_BLOB_API_VERSION},
-            )
-            if response.status_code in {202, 404}:
-                return True
-            logger.warning(
-                f"[{log_prefix}] Blob cleanup failed - Status: "
-                f"{response.status_code}, Response: {response.text[:500]}"
-            )
-        except Exception as exc:
-            logger.warning(
-                f"[{log_prefix}] Blob cleanup error - {type(exc).__name__}: {exc}"
-            )
-        return False
-
-    async def _upload_stream(
-        self,
-        chunks: AsyncIterator[bytes],
-        upload_url: str,
-        content_type: str,
-        timeout: float,
-        log_prefix: str,
-        *,
-        max_size_bytes: int | None = None,
-        expected_size_bytes: int | None = None,
-        cleanup_blob_on_failure: bool = False,
-    ) -> bool:
-        """Azure Block Blob API로 비동기 청크 스트림을 업로드합니다.
-
-        각 블록만 메모리에 유지하므로 파일 전체 크기와 무관하게 메모리 사용량이
-        일정합니다. 커밋 전 오류가 발생하면 업로드 대상 Blob 삭제를 시도합니다.
-        """
-        block_ids: list[str] = []
-        block_id_nonce = os.urandom(16)
-        uploaded_size = 0
-        start_time = time.perf_counter()
-
-        async def cleanup_failed_stream() -> None:
-            # 기존 deterministic key는 미커밋 블록만 TTL 정리되게 두어 정상 Blob을 보존합니다.
-            if cleanup_blob_on_failure:
-                await self._delete_upload_url(upload_url, log_prefix)
-
-        try:
-            client = await get_shared_blob_client()
-            async with asyncio.timeout(timeout):
-                async for chunk in chunks:
-                    if not chunk:
-                        continue
-
-                    uploaded_size += len(chunk)
-                    if max_size_bytes is not None and uploaded_size > max_size_bytes:
-                        raise BlobUploadTooLargeError(max_size_bytes)
-
-                    raw_block_id = block_id_nonce + len(block_ids).to_bytes(4, "big")
-                    block_id = base64.b64encode(raw_block_id).decode("ascii")
-                    block_url = self._append_query(
-                        upload_url,
-                        comp="block",
-                        blockid=block_id,
-                    )
-                    response = await client.put(
-                        block_url,
-                        content=chunk,
-                        headers={
-                            "Content-Type": "application/octet-stream",
-                            "x-ms-version": (
-                                azure_blob_settings.AZURE_BLOB_API_VERSION
-                            ),
-                        },
-                    )
-                    if response.status_code != 201:
-                        logger.error(
-                            f"[{log_prefix}] Block upload failed - Status: "
-                            f"{response.status_code}, Response: {response.text[:500]}"
-                        )
-                        await cleanup_failed_stream()
-                        return False
-                    block_ids.append(block_id)
-
-                if uploaded_size == 0:
-                    logger.warning(f"[{log_prefix}] Empty upload stream")
-                    await cleanup_failed_stream()
-                    return False
-
-                if (
-                    expected_size_bytes is not None
-                    and uploaded_size != expected_size_bytes
-                ):
-                    logger.error(
-                        f"[{log_prefix}] Stream size changed - expected: "
-                        f"{expected_size_bytes}, actual: {uploaded_size}"
-                    )
-                    await cleanup_failed_stream()
-                    return False
-
-                block_list = "".join(
-                    f"<Latest>{block_id}</Latest>" for block_id in block_ids
-                )
-                commit_body = (
-                    f'<?xml version="1.0" encoding="utf-8"?>'
-                    f"<BlockList>{block_list}</BlockList>"
-                ).encode("utf-8")
-                commit_url = self._append_query(upload_url, comp="blocklist")
-                response = await client.put(
-                    commit_url,
-                    content=commit_body,
-                    headers={
-                        "Content-Type": "application/xml; charset=utf-8",
-                        "x-ms-blob-content-type": content_type,
-                        "x-ms-version": azure_blob_settings.AZURE_BLOB_API_VERSION,
-                    },
-                )
-                if response.status_code not in {200, 201}:
-                    logger.error(
-                        f"[{log_prefix}] Block list commit failed - Status: "
-                        f"{response.status_code}, Response: {response.text[:500]}"
-                    )
-                    await cleanup_failed_stream()
-                    return False
-
-            duration_ms = (time.perf_counter() - start_time) * 1000
-            logger.info(
-                f"[{log_prefix}] SUCCESS - blocks: {len(block_ids)}, "
-                f"size: {uploaded_size} bytes, Duration: {duration_ms:.1f}ms"
-            )
-            return True
-
-        except BlobUploadTooLargeError:
-            await cleanup_failed_stream()
-            raise
-        except asyncio.CancelledError:
-            # 클라이언트 연결 종료 중에도 가능한 범위에서 staged block을 정리합니다.
-            await asyncio.shield(cleanup_failed_stream())
-            raise
-        except TimeoutError:
-            elapsed = time.perf_counter() - start_time
-            logger.error(f"[{log_prefix}] TIMEOUT after {elapsed:.1f}s")
-        except httpx.HTTPError as exc:
-            elapsed = time.perf_counter() - start_time
-            logger.error(
-                f"[{log_prefix}] HTTP_ERROR after {elapsed:.1f}s - "
-                f"{type(exc).__name__}: {exc}"
-            )
-        except Exception as exc:
-            elapsed = time.perf_counter() - start_time
-            logger.error(
-                f"[{log_prefix}] ERROR after {elapsed:.1f}s - "
-                f"{type(exc).__name__}: {exc}"
-            )
-
-        await cleanup_failed_stream()
-        return False
-
     async def _upload_file(
         self,
         file_path: str,
@@ -474,20 +273,17 @@ class AzureBlobUploader:
         self._last_public_url = self._build_public_url(category, file_name)
         logger.debug(f"[{log_prefix}] URL (without SAS): {self._last_public_url}")
 
-        async def iter_file() -> AsyncIterator[bytes]:
-            async with aiofiles.open(file_path, "rb") as file:
-                while chunk := await file.read(
-                    azure_blob_settings.AZURE_BLOB_UPLOAD_BLOCK_SIZE_BYTES
-                ):
-                    yield chunk
+        headers = {"Content-Type": content_type, "x-ms-blob-type": "BlockBlob"}
 
-        return await self._upload_stream(
-            chunks=iter_file(),
+        async with aiofiles.open(file_path, "rb") as file:
+            file_content = await file.read()
+
+        return await self._upload_bytes(
+            file_content=file_content,
             upload_url=upload_url,
-            content_type=content_type,
+            headers=headers,
             timeout=timeout,
             log_prefix=log_prefix,
-            expected_size_bytes=Path(file_path).stat().st_size,
         )
 
     async def upload_music(self, file_path: str) -> bool:
@@ -686,51 +482,6 @@ class AzureBlobUploader:
             log_prefix=log_prefix,
         )
 
-    async def upload_image_stream(
-        self,
-        file: UploadFile,
-        file_name: str,
-        *,
-        expected_size_bytes: int | None = None,
-        max_size_bytes: int | None = None,
-    ) -> bool:
-        """FastAPI UploadFile을 Azure Block Blob으로 청크 업로드합니다."""
-        extension = Path(file_name).suffix.lower()
-        content_type = self.IMAGE_CONTENT_TYPES.get(extension, "image/jpeg")
-        file_name = self._sanitize_filename(file_name)
-
-        upload_url = self._build_upload_url("image", file_name)
-        self._last_public_url = self._build_public_url("image", file_name)
-        log_prefix = "upload_image_stream"
-        chunk_size = azure_blob_settings.AZURE_BLOB_UPLOAD_BLOCK_SIZE_BYTES
-        max_size = (
-            max_size_bytes
-            if max_size_bytes is not None
-            else azure_blob_settings.IMAGE_UPLOAD_MAX_FILE_SIZE_BYTES
-        )
-
-        async def iter_upload() -> AsyncIterator[bytes]:
-            await file.seek(0)
-            while chunk := await file.read(chunk_size):
-                yield chunk
-
-        return await self._upload_stream(
-            chunks=iter_upload(),
-            upload_url=upload_url,
-            content_type=content_type,
-            timeout=60.0,
-            log_prefix=log_prefix,
-            max_size_bytes=max_size,
-            expected_size_bytes=expected_size_bytes,
-            cleanup_blob_on_failure=True,
-        )
-
-    async def delete_image(self, file_name: str) -> bool:
-        """이미지 Blob을 삭제합니다. DB 저장 실패 보상 처리용입니다."""
-        sanitized_name = self._sanitize_filename(file_name)
-        upload_url = self._build_upload_url("image", sanitized_name)
-        return await self._delete_upload_url(upload_url, "delete_image")
-
 
 # 사용 예시:
 # import asyncio

app/utils/video_poster.py

@@ -1,173 +0,0 @@
-"""영상 파일에서 SNS 공유용 포스터 이미지를 생성하고 저장합니다."""
-
-import asyncio
-from pathlib import Path
-
-from app.utils.logger import get_logger
-from app.utils.upload_blob_as_request import AzureBlobUploader
-
-logger = get_logger("video_poster")
-
-FFMPEG_TIMEOUT_SECONDS = 30.0
-FFMPEG_CLEANUP_TIMEOUT_SECONDS = 5.0
-_STDERR_LOG_LIMIT = 500
-
-
-async def _kill_and_wait(process: asyncio.subprocess.Process) -> None:
-    """실행 중인 ffmpeg 프로세스를 종료하고 자원을 회수합니다."""
-    try:
-        process.kill()
-    except ProcessLookupError:
-        pass
-    except Exception as exc:
-        logger.warning(
-            "[video_poster] ffmpeg 프로세스 종료에 실패했습니다: %s",
-            exc,
-        )
-
-    try:
-        await asyncio.wait_for(
-            process.wait(),
-            timeout=FFMPEG_CLEANUP_TIMEOUT_SECONDS,
-        )
-    except TimeoutError:
-        logger.warning(
-            "[video_poster] 종료한 ffmpeg 프로세스 회수 시간이 초과되었습니다 "
-            "(timeout=%ss)",
-            FFMPEG_CLEANUP_TIMEOUT_SECONDS,
-        )
-    except Exception as exc:
-        logger.warning(
-            "[video_poster] ffmpeg 프로세스 회수에 실패했습니다: %s",
-            exc,
-        )
-
-
-def _format_stderr(stderr: bytes) -> str:
-    """ffmpeg 표준 오류를 로그에 안전한 길이의 문자열로 변환합니다."""
-    return stderr.decode("utf-8", errors="replace").strip()[-_STDERR_LOG_LIMIT:]
-
-
-async def extract_first_frame(video_path: str | Path) -> bytes | None:
-    """로컬 영상의 첫 프레임을 JPEG 바이트로 추출하고 실패 시 ``None``을 반환합니다."""
-    process: asyncio.subprocess.Process | None = None
-
-    try:
-        process = await asyncio.create_subprocess_exec(
-            "ffmpeg",
-            "-nostdin",
-            "-hide_banner",
-            "-loglevel",
-            "error",
-            "-i",
-            str(video_path),
-            "-frames:v",
-            "1",
-            "-f",
-            "image2pipe",
-            "-c:v",
-            "mjpeg",
-            "pipe:1",
-            stdout=asyncio.subprocess.PIPE,
-            stderr=asyncio.subprocess.PIPE,
-        )
-
-        try:
-            stdout, stderr = await asyncio.wait_for(
-                process.communicate(),
-                timeout=FFMPEG_TIMEOUT_SECONDS,
-            )
-        except TimeoutError:
-            await _kill_and_wait(process)
-            logger.warning(
-                "[video_poster] ffmpeg 첫 프레임 추출 시간이 초과되었습니다 "
-                "(path=%s, timeout=%ss)",
-                video_path,
-                FFMPEG_TIMEOUT_SECONDS,
-            )
-            return None
-
-        if process.returncode != 0:
-            logger.warning(
-                "[video_poster] ffmpeg 첫 프레임 추출에 실패했습니다 "
-                "(path=%s, returncode=%s, stderr=%s)",
-                video_path,
-                process.returncode,
-                _format_stderr(stderr),
-            )
-            return None
-
-        if not stdout:
-            logger.warning(
-                "[video_poster] ffmpeg가 빈 이미지를 반환했습니다 (path=%s)",
-                video_path,
-            )
-            return None
-
-        return stdout
-
-    except asyncio.CancelledError:
-        if process is not None:
-            await _kill_and_wait(process)
-        raise
-    except Exception as exc:
-        if process is not None:
-            await _kill_and_wait(process)
-        logger.warning(
-            "[video_poster] 첫 프레임 추출 중 오류가 발생했습니다 "
-            "(path=%s, error=%s: %s)",
-            video_path,
-            type(exc).__name__,
-            exc,
-        )
-        return None
-
-
-async def generate_and_store_poster(
-    *,
-    video_path: str | Path,
-    user_uuid: str,
-    task_id: str,
-    file_stem: str,
-) -> str | None:
-    """첫 프레임을 Blob에 저장하고 공개 URL을 반환하며, 실패 시 ``None``을 반환합니다."""
-    try:
-        image_bytes = await extract_first_frame(video_path)
-        if image_bytes is None:
-            return None
-
-        uploader = AzureBlobUploader(user_uuid=user_uuid, task_id=task_id)
-        uploaded = await uploader.upload_image_bytes(
-            image_bytes,
-            f"{file_stem}.jpg",
-        )
-        if not uploaded:
-            logger.warning(
-                "[video_poster] 포스터 Blob 업로드에 실패했습니다 "
-                "(path=%s, task_id=%s)",
-                video_path,
-                task_id,
-            )
-            return None
-
-        if not uploader.public_url:
-            logger.warning(
-                "[video_poster] 포스터 업로드 후 공개 URL이 비어 있습니다 "
-                "(path=%s, task_id=%s)",
-                video_path,
-                task_id,
-            )
-            return None
-
-        return uploader.public_url
-
-    except Exception as exc:
-        logger.warning(
-            "[video_poster] 포스터 생성 또는 저장 중 오류가 발생했습니다 "
-            "(path=%s, task_id=%s, error=%s: %s)",
-            video_path,
-            task_id,
-            type(exc).__name__,
-            exc,
-        )
-        return None

app/video/api/routers/v1/tracking.py

@@ -1,322 +0,0 @@
-"""
-Meta 전환 추적(Conversion Tracking) API Router
-
-Meta 픽셀/Conversions API 전환 이벤트 발화를 위한 엔드포인트를 정의합니다.
-
-엔드포인트 목록:
-    - POST /tracking/meta/first-video-created: 첫 영상 생성 완료(FirstVideoCreated) 이벤트 발화
-
-동작 원리 (event_id 중복제거):
-    1. 프론트가 영상 생성 완료(서버 성공 응답)를 확인한 뒤 이 엔드포인트를 호출
-    2. 서버는 completed 상태의 영상 존재를 검증하고,
-       first_video_created_at IS NULL 조건의 원자적 UPDATE로 "계정당 최초 1회"를 판정
-    3. 최초 1회로 판정되면 event_id(UUID)를 생성하여 Conversions API로 서버 이벤트 전송
-    4. 프론트는 응답의 fired=true일 때만 동일한 event_id로 fbq('trackCustom', ...)를 발화
-       → Meta가 (event_name, event_id) 기준으로 브라우저/서버 이벤트를 중복제거
-
-사용 예시:
-    from app.video.api.routers.v1.tracking import router
-    app.include_router(router)
-"""
-
-import ipaddress
-import uuid
-from datetime import datetime, timedelta
-
-from fastapi import APIRouter, Depends, Request
-from pydantic import BaseModel, Field
-from sqlalchemy import exists, select, update
-from sqlalchemy.ext.asyncio import AsyncSession
-from sqlalchemy.sql import func
-
-from app.database.session import get_session
-from app.home.models import Project
-from app.user.dependencies.auth import get_current_user
-from app.user.models import User
-from app.utils.logger import get_logger
-from app.utils.meta_capi import send_capi_event
-from app.video.models import Video
-
-logger = get_logger("tracking")
-
-router = APIRouter(prefix="/tracking", tags=["Tracking"])
-
-# 브라우저 fbq('trackCustom', ...)와 철자/대소문자가 완전히 일치해야 중복제거가 동작함
-FIRST_VIDEO_CREATED_EVENT = "FirstVideoCreated"
-
-# Meta 표준 이벤트명 (브라우저 fbq('track', ...)와 동일해야 중복제거가 동작함)
-COMPLETE_REGISTRATION_EVENT = "CompleteRegistration"
-
-# 배포 이전에 가입한 기존 계정의 오발화 방지용 윈도우
-# (가입 직후 프론트가 호출하므로 실제로는 수 분 내 도달함)
-REGISTRATION_TRACK_WINDOW = timedelta(hours=24)
-
-
-class FirstVideoCreatedRequest(BaseModel):
-    """FirstVideoCreated 이벤트 발화 요청 스키마
-
-    fbc/fbp는 Meta 픽셀이 서비스 도메인에 심는 1st-party 쿠키로,
-    API 서버 도메인이 달라 요청에 자동 포함되지 않으므로 프론트가
-    document.cookie에서 읽어 body로 전달합니다. (해싱 금지, 원문 그대로)
-    """
-
-    fbc: str | None = Field(default=None, description="Meta 클릭 ID 쿠키(_fbc) 원문")
-    fbp: str | None = Field(default=None, description="Meta 브라우저 ID 쿠키(_fbp) 원문")
-    event_source_url: str | None = Field(
-        default=None, description="이벤트가 발생한 페이지 URL"
-    )
-
-
-class FirstVideoCreatedResponse(BaseModel):
-    """FirstVideoCreated 이벤트 발화 응답 스키마"""
-
-    fired: bool = Field(description="이번 요청으로 이벤트가 최초 발화되었는지 여부")
-    event_id: str | None = Field(
-        default=None,
-        description="브라우저 fbq 발화 시 사용할 event_id (fired=true일 때만 제공)",
-    )
-
-
-def _is_public_ip(value: str) -> bool:
-    """Meta 매칭에 사용 가능한 공인 IP인지 검사합니다.
-
-    사설/루프백 대역(Docker 내부 172.x, 로컬 127.0.0.1 등)을 보내면
-    Meta가 유효하지 않은 값으로 폐기하면서 매개변수 전송률만 깎이므로,
-    공인 IP가 아니면 아예 전송하지 않기 위해 사용합니다.
-    """
-    try:
-        ip = ipaddress.ip_address(value)
-    except ValueError:
-        return False
-
-    return not (
-        ip.is_private
-        or ip.is_loopback
-        or ip.is_link_local
-        or ip.is_reserved
-        or ip.is_multicast
-        or ip.is_unspecified
-    )
-
-
-def _extract_client_ip(request: Request) -> str | None:
-    """리버스 프록시 환경을 고려하여 클라이언트 공인 IP를 추출합니다.
-
-    후보를 순서대로 검사하여 처음 발견된 공인 IP를 반환합니다.
-        1. X-Real-IP: nginx가 $remote_addr로 덮어쓰므로 위조 불가 (최우선)
-        2. X-Forwarded-For: 클라이언트가 보낸 값 뒤에 nginx가 덧붙이는 구조라
-           맨 앞 항목이 위조될 수 있으므로, 항목을 순회하며 공인 IP를 찾음
-        3. 소켓 peer 주소: 프록시가 없는 환경 대비
-
-    공인 IP를 하나도 찾지 못하면 None을 반환합니다 (전송 생략).
-    """
-    candidates: list[str] = []
-
-    real_ip = request.headers.get("x-real-ip")
-    if real_ip:
-        candidates.append(real_ip.strip())
-
-    forwarded_for = request.headers.get("x-forwarded-for")
-    if forwarded_for:
-        candidates.extend(part.strip() for part in forwarded_for.split(","))
-
-    if request.client:
-        candidates.append(request.client.host)
-
-    for candidate in candidates:
-        if _is_public_ip(candidate):
-            return candidate
-
-    return None
-
-
-@router.post("/meta/first-video-created", response_model=FirstVideoCreatedResponse)
-async def track_first_video_created(
-    body: FirstVideoCreatedRequest,
-    request: Request,
-    current_user: User = Depends(get_current_user),
-    session: AsyncSession = Depends(get_session),
-) -> FirstVideoCreatedResponse:
-    """첫 영상 생성 완료(FirstVideoCreated) 전환 이벤트를 발화합니다.
-
-    계정당 최초 1회만 발화됩니다. 판정은 프론트 상태가 아니라
-    User.first_video_created_at 컬럼(null 여부)으로 서버에서 수행하므로
-    새로고침/재호출에도 중복 발화되지 않습니다.
-
-    Args:
-        body: fbc/fbp 쿠키 및 이벤트 소스 URL
-        request: IP/User-Agent 추출용 요청 객체
-        current_user: 인증된 사용자
-        session: DB 세션
-
-    Returns:
-        FirstVideoCreatedResponse: 발화 여부 및 event_id
-    """
-    # 1. 이미 발화된 계정이면 즉시 종료 (원자적 UPDATE 전 빠른 경로)
-    if current_user.first_video_created_at is not None:
-        return FirstVideoCreatedResponse(fired=False)
-
-    # 2. 서버 기준 "영상 생성 성공" 검증: completed 상태 영상이 실제로 존재해야 함
-    #    (Video는 user_uuid를 직접 갖지 않으므로 Project(소유자)를 경유하여 조회)
-    completed_exists = await session.scalar(
-        select(
-            exists().where(
-                Video.project_id == Project.id,
-                Project.user_uuid == current_user.user_uuid,
-                Video.status == "completed",
-            )
-        )
-    )
-    if not completed_exists:
-        logger.warning(
-            f"[FirstVideoCreated] completed 영상 없음 - user_uuid: {current_user.user_uuid}"
-        )
-        return FirstVideoCreatedResponse(fired=False)
-
-    # 3. 원자적 최초 1회 판정: first_video_created_at IS NULL인 경우에만 기록
-    #    (동시 요청이 와도 rowcount=1은 단 한 요청만 가져감)
-    result = await session.execute(
-        update(User)
-        .where(
-            User.id == current_user.id,
-            User.first_video_created_at.is_(None),
-        )
-        .values(first_video_created_at=func.now())
-    )
-    await session.commit()
-
-    if result.rowcount != 1:
-        # 동시 요청 등으로 다른 요청이 먼저 발화한 경우
-        return FirstVideoCreatedResponse(fired=False)
-
-    # 4. CAPI 서버 이벤트 전송 (실패해도 first_video_created_at은 유지 —
-    #    브라우저 픽셀 발화가 백업 경로가 됨)
-    event_id = str(uuid.uuid4())
-    await send_capi_event(
-        event_name=FIRST_VIDEO_CREATED_EVENT,
-        event_id=event_id,
-        external_id=current_user.user_uuid,
-        client_ip=_extract_client_ip(request),
-        client_user_agent=request.headers.get("user-agent"),
-        fbc=body.fbc,
-        fbp=body.fbp,
-        event_source_url=body.event_source_url,
-    )
-
-    logger.info(
-        f"[FirstVideoCreated] FIRED - user_uuid: {current_user.user_uuid}, "
-        f"event_id: {event_id}"
-    )
-    return FirstVideoCreatedResponse(fired=True, event_id=event_id)
-
-
-class CompleteRegistrationRequest(BaseModel):
-    """CompleteRegistration 이벤트 발화 요청 스키마
-
-    fbc/fbp는 FirstVideoCreatedRequest와 동일하게 프론트가 쿠키 원문을 전달합니다.
-    UTM 5종은 프론트가 랜딩 최초 진입 시 URL에서 캡처해 localStorage에
-    보관하다가 가입 완료 시점에 함께 전달합니다 (first-touch 보존).
-    """
-
-    fbc: str | None = Field(default=None, description="Meta 클릭 ID 쿠키(_fbc) 원문")
-    fbp: str | None = Field(default=None, description="Meta 브라우저 ID 쿠키(_fbp) 원문")
-    event_source_url: str | None = Field(
-        default=None, description="이벤트가 발생한 페이지 URL"
-    )
-    utm_source: str | None = Field(default=None, description="유입 매체", max_length=255)
-    utm_medium: str | None = Field(default=None, description="유입 방식", max_length=255)
-    utm_campaign: str | None = Field(default=None, description="캠페인 이름", max_length=255)
-    utm_content: str | None = Field(default=None, description="광고 소재 구분", max_length=255)
-    utm_term: str | None = Field(default=None, description="검색 키워드", max_length=255)
-
-
-class CompleteRegistrationResponse(BaseModel):
-    """CompleteRegistration 이벤트 발화 응답 스키마"""
-
-    fired: bool = Field(description="이번 요청으로 이벤트가 최초 발화되었는지 여부")
-    event_id: str | None = Field(
-        default=None,
-        description="브라우저 fbq 발화 시 사용할 event_id (fired=true일 때만 제공)",
-    )
-
-
-@router.post("/meta/complete-registration", response_model=CompleteRegistrationResponse)
-async def track_complete_registration(
-    body: CompleteRegistrationRequest,
-    request: Request,
-    current_user: User = Depends(get_current_user),
-    session: AsyncSession = Depends(get_session),
-) -> CompleteRegistrationResponse:
-    """회원가입 완료(CompleteRegistration) 전환 이벤트를 발화하고 UTM을 기록합니다.
-
-    계정당 최초 1회만 발화됩니다. 판정은 registration_tracked_at 컬럼(null 여부)의
-    원자적 UPDATE로 수행하며, 같은 UPDATE에서 UTM 5종(first-touch)을 함께 저장합니다.
-
-    가입 완료 판정: JWT 인증된 유저의 존재 자체가 서버 기준 가입 성공이며,
-    배포 이전 기존 계정의 오발화를 막기 위해 생성 24시간 이내 계정만 허용합니다.
-
-    Args:
-        body: fbc/fbp 쿠키, UTM 5종, 이벤트 소스 URL
-        request: IP/User-Agent 추출용 요청 객체
-        current_user: 인증된 사용자
-        session: DB 세션
-
-    Returns:
-        CompleteRegistrationResponse: 발화 여부 및 event_id
-    """
-    # 1. 이미 발화된 계정이면 즉시 종료 (원자적 UPDATE 전 빠른 경로)
-    if current_user.registration_tracked_at is not None:
-        return CompleteRegistrationResponse(fired=False)
-
-    # 2. 배포 이전 가입한 기존 계정 오발화 방지 (신규 가입 직후 호출만 허용)
-    cutoff = datetime.now() - REGISTRATION_TRACK_WINDOW
-    if current_user.created_at < cutoff:
-        logger.warning(
-            f"[CompleteRegistration] 가입 24시간 경과 계정 - "
-            f"user_uuid: {current_user.user_uuid}, created_at: {current_user.created_at}"
-        )
-        return CompleteRegistrationResponse(fired=False)
-
-    # 3. 원자적 최초 1회 판정 + UTM first-touch 동시 기록
-    #    (동시 요청이 와도 rowcount=1은 단 한 요청만 가져감)
-    result = await session.execute(
-        update(User)
-        .where(
-            User.id == current_user.id,
-            User.registration_tracked_at.is_(None),
-        )
-        .values(
-            registration_tracked_at=func.now(),
-            utm_source=body.utm_source,
-            utm_medium=body.utm_medium,
-            utm_campaign=body.utm_campaign,
-            utm_content=body.utm_content,
-            utm_term=body.utm_term,
-        )
-    )
-    await session.commit()
-
-    if result.rowcount != 1:
-        # 동시 요청 등으로 다른 요청이 먼저 발화한 경우
-        return CompleteRegistrationResponse(fired=False)
-
-    # 4. CAPI 서버 이벤트 전송 (실패해도 registration_tracked_at은 유지 —
-    #    브라우저 픽셀 발화가 백업 경로가 됨)
-    event_id = str(uuid.uuid4())
-    await send_capi_event(
-        event_name=COMPLETE_REGISTRATION_EVENT,
-        event_id=event_id,
-        external_id=current_user.user_uuid,
-        client_ip=_extract_client_ip(request),
-        client_user_agent=request.headers.get("user-agent"),
-        fbc=body.fbc,
-        fbp=body.fbp,
-        event_source_url=body.event_source_url,
-    )
-
-    logger.info(
-        f"[CompleteRegistration] FIRED - user_uuid: {current_user.user_uuid}, "
-        f"event_id: {event_id}, utm_source: {body.utm_source}, "
-        f"utm_campaign: {body.utm_campaign}"
-    )
-    return CompleteRegistrationResponse(fired=True, event_id=event_id)

app/video/api/routers/v1/video.py

@@ -17,8 +17,7 @@ import json
 from collections import defaultdict
 from typing import Literal
 
-from fastapi import APIRouter, BackgroundTasks, Depends, HTTPException, Query, Request
-from fastapi.responses import HTMLResponse
+from fastapi import APIRouter, BackgroundTasks, Depends, HTTPException, Query
 from sqlalchemy import func, or_, select
 from sqlalchemy.ext.asyncio import AsyncSession
 
@@ -27,13 +26,12 @@ from app.dependencies.pagination import PaginationParams, get_pagination_params
 from app.user.dependencies.auth import get_current_user, get_current_user_optional
 from app.user.models import User
 from app.utils.pagination import PaginatedResponse
-from app.home.models import Image, Project, MarketingIntel
+from app.home.models import Image, Project, MarketingIntel, ImageTag
 from app.home.api.routers.v1.home import _extract_region_from_address
-from app.utils.address_parser import SIDO_CITIES, SIDO_SEARCH_ALIASES
-from app.utils.upload_blob_as_request import to_playback_url
 from app.lyric.models import Lyric
 from app.song.models import Song, SongTimestamp
-from app.utils.creatomate import CreatomateService, LANGUAGE_FONT_MAP
+from app.utils.creatomate import CreatomateService
+from app.utils.subtitles import SubtitleContentsGenerator
 
 from app.comment.models import Comment
 from app.database.like_cache import (
@@ -59,70 +57,16 @@ from app.video.schemas.video_schema import (
     VideoRenderData,
     VideoThumbnailItem,
 )
-from app.video.services.share_page import (
-    build_video_share_html,
-    get_video_share_data,
-    resolve_frontend_base_url,
-    resolve_share_url,
-)
 from app.video.worker.video_task import download_and_upload_video_to_blob
+from app.video.services.video import get_image_tags_by_task_id
 
-
-from config import creatomate_settings, prj_settings
+from config import creatomate_settings
 
 logger = get_logger("video")
 
 router = APIRouter(prefix="/video", tags=["Video"])
 
 
-def _place_id_to_site_url(place_id: str | None) -> str | None:
-    """MarketingIntel.place_id("nv{네이버 place ID}")를 네이버 플레이스 URL로 변환한다.
-
-    크롤링 없이 직접 입력된 업체는 place_id가 없으므로 None을 반환한다.
-    """
-    if place_id and place_id.startswith("nv") and place_id[2:].isdigit():
-        return f"https://map.naver.com/p/entry/place/{place_id[2:]}"
-    return None
-
-
-async def _get_official_site_urls(
-    session: AsyncSession, projects: list[Project]
-) -> dict[int, str | None]:
-    """프로젝트 목록에 대해 {project_id: 공식 페이지 URL(or None)}을 일괄 조회한다.
-
-    Project.marketing_intelligence(문자열로 저장된 MarketingIntel.id)를 경유해
-    저장된 official_site_url을 우선 사용하고, 컬럼 도입 전 기존 행은
-    place_id 기반 네이버 플레이스 URL로 폴백한다.
-    """
-    m_id_by_project: dict[int, int] = {}
-    for p in projects:
-        try:
-            if p.marketing_intelligence is not None:
-                m_id_by_project[p.id] = int(p.marketing_intelligence)
-        except (TypeError, ValueError):
-            continue
-
-    url_by_project: dict[int, str | None] = {p.id: None for p in projects}
-    if not m_id_by_project:
-        return url_by_project
-
-    rows = (
-        await session.execute(
-            select(
-                MarketingIntel.id,
-                MarketingIntel.place_id,
-                MarketingIntel.official_site_url,
-            ).where(MarketingIntel.id.in_(set(m_id_by_project.values())))
-        )
-    ).all()
-    intel_by_m_id = {m_id: (place_id, site_url) for m_id, place_id, site_url in rows}
-
-    for project_id, m_id in m_id_by_project.items():
-        place_id, site_url = intel_by_m_id.get(m_id, (None, None))
-        url_by_project[project_id] = site_url or _place_id_to_site_url(place_id)
-    return url_by_project
-
-
 @router.get(
     "/generate/{task_id}",
     summary="영상 생성 요청",
@@ -246,8 +190,6 @@ async def generate_video(
             store_address = project.detail_region_info
             brand_name = project.store_name
             region = project.region
-            industry = project.industry
-            output_language = project.language or "Korean"
 
             # MarketingIntel 조회
             marketing_result = await session.execute(
@@ -255,28 +197,27 @@ async def generate_video(
             )
             marketing_intelligence: MarketingIntel = marketing_result.scalar_one_or_none()
 
-            # 자막 + 이미지 배정 미완료 시 즉시 반환 — Lyric/Song/Image 쿼리 전에 체크하여 불필요한 조회 방지
+            # subtitle 미완료 시 즉시 반환 — Lyric/Song/Image 쿼리 전에 체크하여 불필요한 조회 방지
             # 클라이언트가 /lyric/subtitle/status/{task_id} 폴링 후 재시도
-            if not marketing_intelligence.subtitle or not marketing_intelligence.image_match:
-                pending_what = []
             if not marketing_intelligence.subtitle:
-                    pending_what.append("자막")
-                if not marketing_intelligence.image_match:
-                    pending_what.append("이미지 배정")
-                pending_msg = ", ".join(pending_what)
-                logger.info(f"[generate_video] 사전 준비 미완료 ({pending_msg}) - task_id: {task_id}")
+                logger.info(f"[generate_video] subtitle pending - task_id: {task_id}")
                 return GenerateVideoResponse(
                     success=False,
                     status="subtitle_pending",
                     task_id=task_id,
                     creatomate_render_id=None,
-                    message=f"{pending_msg} 생성이 아직 완료되지 않았습니다. /lyric/subtitle/status/{{task_id}}로 완료 확인 후 재요청하세요.",
+                    message="자막 생성이 아직 완료되지 않았습니다. /lyric/subtitle/status/{task_id}로 완료 확인 후 재요청하세요.",
                     error_message=None,
                 )
 
             category_definition = marketing_intelligence.intel_result["market_positioning"]["category_definition"]
             target_keywords = marketing_intelligence.intel_result["target_keywords"]
 
+            brand_concept = ""
+            for sp in marketing_intelligence.intel_result["selling_points"]:
+                if "concept" in sp["english_category"].lower():
+                    brand_concept = sp["description"]
+
             # Lyric 조회
             lyric_result = await session.execute(
                 select(Lyric)
@@ -409,11 +350,7 @@ async def generate_video(
             f"[generate_video] Stage 2 START - Creatomate API - task_id: {task_id}"
         )
         creatomate_service = CreatomateService(
-            orientation=orientation,
-            industry=industry,
-            # 미매핑 업종(general 등)은 project_id % len(VST_LIST)로 템플릿을 분배하므로,
-            # 사전 이미지 배정 단계(creative_assets_task)와 동일 템플릿을 받으려면 필수
-            project_id=project_id,
+            orientation=orientation
         )
         logger.debug(
             f"[generate_video] Using template_id: {creatomate_service.template_id}, (song duration: {song_duration})"
@@ -426,37 +363,40 @@ async def generate_video(
         logger.debug(f"[generate_video] Template fetched - task_id: {task_id}")
 
         # 6-2. elements에서 리소스 매핑 생성
-        # 이미지 배정은 /lyric/generate 사전 단계에서 이미 수행되어 marketing_intelligence.image_match에 저장됨.
-        # 여기서는 사전 산출물을 읽어 음악 URL과 주소만 보완한다.
-        modifications: dict = dict(marketing_intelligence.image_match)  # 슬롯→image_url 사전 배정 결과
-        modifications["audio-music"] = music_url
-        # address_input 슬롯은 사전 단계에서도 채워지지만 영상 시점에 재확인
-        for key in list(modifications.keys()):
-            if "address_input" in key:
-                modifications[key] = store_address
-        logger.info(f"[generate_video] image_match loaded from DB (slots: {len(modifications)}) - task_id: {task_id}")
+        # modifications = creatomate_service.elements_connect_resource_blackbox(
+        #     elements=template["source"]["elements"],
+        #     image_url_list=image_urls,
+        #     music_url=music_url,
+        #     address=store_address
+        taged_image_list = await get_image_tags_by_task_id(task_id)
+        min_image_num = creatomate_service.counting_component(
+            template = template,
+            target_template_type = "image"
+        )
+        duplicate = bool(len(taged_image_list) < min_image_num)
+        logger.info(f"[generate_video] Duplicate : {duplicate} | length of taged_image {len(taged_image_list)}, min_len {min_image_num},- task_id: {task_id}")
+        modifications = creatomate_service.template_matching_taged_image(
+            template = template,
+            taged_image_list = taged_image_list,
+            music_url = music_url, 
+            address = store_address,
+            duplicate = duplicate,
+        )
         logger.debug(f"[generate_video] Modifications created - task_id: {task_id}")
 
         subtitle_modifications = marketing_intelligence.subtitle
 
         modifications.update(subtitle_modifications)
 
-        # 썸네일 텍스트: 사전 자막 생성(LLM, 다국어) 결과에 thumb-* 슬롯이 포함되면
-        # 그대로 사용한다. 과거 파이프라인 산출물(subtitle에 thumb-* 없음)은
-        # 기존 팩트값 조립(한국어)으로 폴백.
-        thumbnail_fallback = creatomate_service.make_thumbnail_modification(
-            brand_name =brand_name,
-            region = region,
-            category_definition= category_definition,
-            target_keywords=target_keywords,
-            detail_region_info=store_address)
+        # revert thumbnail scene
+        # thumbnail_modifications = creatomate_service.make_thumbnail_modification(
+        #     brand_name =brand_name,
+        #     region = region,
+        #     brand_concept = brand_concept,
+        #     category_definition= category_definition,
+        #     target_keywords=target_keywords)
         
-        for slot_name, fallback_value in thumbnail_fallback.items():
-            if not modifications.get(slot_name):
-                modifications[slot_name] = fallback_value
-                logger.info(
-                    f"[generate_video] thumbnail slot fallback(factual) 적용: {slot_name} - task_id: {task_id}"
-                )
+        # modifications.update(thumbnail_modifications)
 
         # 6-3. elements 수정
         new_elements = creatomate_service.modify_element(
@@ -481,8 +421,12 @@ async def generate_video(
         for i, ts in enumerate(song_timestamp_list):
             logger.debug(f"[generate_video] timestamp[{i}]: lyric_line={ts.lyric_line}, start_time={ts.start_time}, end_time={ts.end_time}")
 
-        # 가사 자막 폰트: CJK/태국어는 글리프 지원 폰트로, 그 외는 Noto Sans
-        lyric_font = LANGUAGE_FONT_MAP.get(lyric_language, "Noto Sans")
+        match lyric_language:
+            case "English" : 
+                lyric_font = "Noto Sans"
+                # lyric_font = "Pretendard" # 없어요
+            case _ : 
+                lyric_font = "Noto Sans"
 
         # LYRIC AUTO 결정부
         if (creatomate_settings.LYRIC_SUBTITLE):
@@ -502,14 +446,6 @@ async def generate_video(
                     )
                     final_template["source"]["elements"].append(caption)
         # END - LYRIC AUTO 결정부
-
-        # 언어별 폰트 교체: 템플릿 기본 폰트는 한글·라틴 전용이라 CJK/태국어는
-        # 지원 폰트로 전체 텍스트(자막·키워드·썸네일·가사 캡션 포함)를 교체한다.
-        # 가사 캡션 append 이후에 실행해야 캡션까지 커버된다.
-        final_template = creatomate_service.apply_language_font(
-            final_template, output_language
-        )
-
         # logger.debug(
         #     f"[generate_video] final_template: {json.dumps(final_template, indent=2, ensure_ascii=False)}"
         # )
@@ -861,7 +797,7 @@ async def download_video(
             store_name=project.store_name if project else None,
             region=project.region or _extract_region_from_address(project.detail_region_info) if project else None,
             task_id=task_id,
-            result_movie_url=to_playback_url(video.result_movie_url),
+            result_movie_url=video.result_movie_url,
             created_at=video.created_at,
         )
 
@@ -923,16 +859,6 @@ async def get_all_videos(
         if store_name:
             where_clauses.append(Project.store_name.ilike(f"%{store_name}%"))
         if region:
-            cities = SIDO_CITIES.get(region)
-            if cities:
-                aliases = SIDO_SEARCH_ALIASES.get(region, [region])
-                where_clauses.append(
-                    or_(
-                        Project.region.in_(cities),
-                        *[Project.detail_region_info.ilike(f"%{a}%") for a in aliases],
-                    )
-                )
-            else:
             where_clauses.append(
                 or_(
                     Project.region.ilike(f"%{region}%"),
@@ -1037,21 +963,15 @@ async def get_all_videos(
 
             liked_map = {vid: bool(liked) for vid, liked in raw_liked.items()}
 
-        official_site_url_map = await _get_official_site_urls(
-            session, [p for _, p, _ in rows]
-        )
-
         items = [
             VideoThumbnailItem(
                 video_id=v.id,
                 store_name=p.store_name,
-                result_movie_url=to_playback_url(v.result_movie_url),
-                poster_url=v.poster_url,
+                result_movie_url=v.result_movie_url,
                 created_at=v.created_at,
                 like_count=like_count_map.get(v.id) or 0,
                 is_liked_by_me=liked_map.get(v.id, False),
                 comment_count=comment_count or 0,
-                official_site_url=official_site_url_map.get(p.id),
             )
             for v, p, comment_count in rows
         ]
@@ -1151,50 +1071,6 @@ async def toggle_like(
         raise HTTPException(status_code=500, detail=f"좋아요 처리에 실패했습니다: {str(e)}")
 
 
-@router.get(
-    "/share/{video_id}",
-    response_class=HTMLResponse,
-    summary="영상 공유용 Open Graph 페이지",
-    description="영상별 제목, 설명, 포스터 메타데이터가 포함된 공개 HTML을 반환합니다.",
-    responses={
-        200: {"description": "공유 메타데이터 HTML 반환"},
-        404: {"description": "공유 가능한 완료 영상을 찾을 수 없음"},
-    },
-)
-async def get_video_share_page(
-    video_id: int,
-    request: Request,
-    session: AsyncSession = Depends(get_session),
-) -> HTMLResponse:
-    """공개 공유 페이지를 반환하고 일반 브라우저는 영상 상세로 이동시킵니다."""
-    share_data = await get_video_share_data(session, video_id)
-    if share_data is None:
-        raise HTTPException(status_code=404, detail="공유 가능한 영상을 찾을 수 없습니다.")
-
-    share_url = resolve_share_url(
-        request.headers,
-        str(request.url).split("?", maxsplit=1)[0],
-        prj_settings.SHARE_API_BASE_URL,
-    )
-    html = build_video_share_html(
-        share_data,
-        share_url=share_url,
-        frontend_base_url=resolve_frontend_base_url(
-            request.headers,
-            prj_settings.SHARE_FRONTEND_URL,
-        ),
-        configured_default_image_url=prj_settings.SHARE_DEFAULT_IMAGE_URL,
-    )
-    return HTMLResponse(
-        content=html,
-        headers={
-            "Cache-Control": "public, max-age=300",
-            "Referrer-Policy": "no-referrer",
-            "X-Content-Type-Options": "nosniff",
-        },
-    )
-
-
 @router.get(
     "/{video_id}",
     summary="단일 영상 상세 조회",
@@ -1267,21 +1143,15 @@ async def get_video_detail(
                     liked = False
             is_liked_by_me = liked
 
-        official_site_url_map = await _get_official_site_urls(session, [project])
-
         logger.info(f"[get_video_detail] SUCCESS - video_id: {video_id}")
         return VideoDetailResponse(
             video_id=video.id,
-            result_movie_url=to_playback_url(video.result_movie_url),
-            poster_url=video.poster_url,
+            result_movie_url=video.result_movie_url,
             store_name=project.store_name,
             region=project.region or _extract_region_from_address(project.detail_region_info),
-            title=video.title,
-            description=video.description,
             created_at=video.created_at,
             like_count=like_count,
             is_liked_by_me=is_liked_by_me,
-            official_site_url=official_site_url_map.get(project.id),
         )
 
     except HTTPException:

app/video/models.py

@@ -1,8 +1,7 @@
 from datetime import datetime
 from typing import TYPE_CHECKING, List, Optional
 
-from sqlalchemy import Boolean, DateTime, ForeignKey, Index, Integer, String, Text, UniqueConstraint, func
-from sqlalchemy.dialects.mysql import JSON
+from sqlalchemy import Boolean, DateTime, ForeignKey, Index, Integer, String, UniqueConstraint, func
 from sqlalchemy.orm import Mapped, mapped_column, relationship
 
 from app.database.session import Base
@@ -30,10 +29,6 @@ class Video(Base):
         task_id: 영상 생성 작업의 고유 식별자 (UUID7 형식)
         status: 처리 상태 (pending, processing, completed, failed 등)
         result_movie_url: 생성된 영상 URL (S3, CDN 경로)
-        poster_url: 영상 첫 프레임 포스터 이미지 URL (SNS 공유 og:image용)
-        title: SNS 업로드 제목
-        description: SNS 업로드 설명
-        hashtags: SNS 해시태그 목록
         created_at: 생성 일시 (자동 설정)
 
     Relationships:
@@ -111,30 +106,6 @@ class Video(Base):
         comment="생성된 영상 URL",
     )
 
-    poster_url: Mapped[Optional[str]] = mapped_column(
-        String(2048),
-        nullable=True,
-        comment="영상 첫 프레임 포스터 이미지 URL (SNS 공유용)",
-    )
-
-    title: Mapped[Optional[str]] = mapped_column(
-        String(100),
-        nullable=True,
-        comment="SNS 업로드 제목",
-    )
-
-    description: Mapped[Optional[str]] = mapped_column(
-        Text,
-        nullable=True,
-        comment="SNS 업로드 설명",
-    )
-
-    hashtags: Mapped[Optional[list]] = mapped_column(
-        JSON,
-        nullable=True,
-        comment="SNS 해시태그 목록",
-    )
-
     is_deleted: Mapped[bool] = mapped_column(
         Boolean,
         nullable=False,

app/video/schemas/video_schema.py

@@ -5,7 +5,7 @@ Video API Schemas
 """
 
 from datetime import datetime
-from typing import Any, Dict, List, Optional
+from typing import Any, Dict, Optional
 
 from pydantic import BaseModel, ConfigDict, Field
 
@@ -148,7 +148,6 @@ class VideoListItem(BaseModel):
             "region": "군산",
             "task_id": "019123ab-cdef-7890-abcd-ef1234567890",
             "result_movie_url": "http://localhost:8000/media/2025-01-15/video.mp4",
-            "poster_url": "http://localhost:8000/media/2025-01-15/video.jpg",
             "created_at": "2025-01-15T12:00:00"
         }
     """
@@ -158,17 +157,9 @@ class VideoListItem(BaseModel):
     region: Optional[str] = Field(None, description="지역명")
     task_id: str = Field(..., description="작업 고유 식별자")
     result_movie_url: Optional[str] = Field(None, description="영상 결과 URL")
-    poster_url: Optional[str] = Field(None, description="영상 첫 프레임 포스터 이미지 URL")
-    title: Optional[str] = Field(None, description="SNS 업로드 제목")
-    description: Optional[str] = Field(None, description="SNS 업로드 설명")
-    hashtags: Optional[List[str]] = Field(None, description="SNS 해시태그 목록")
     created_at: Optional[datetime] = Field(None, description="생성 일시")
     like_count: int = Field(0, description="좋아요 수")
     comment_count: int = Field(0, description="댓글 수 (대댓글 포함)")
-    is_liked_by_me: bool = Field(
-        False,
-        description="현재 로그인 사용자가 좋아요를 눌렀는지",
-    )
 
 
 class VideoThumbnailItem(BaseModel):
@@ -180,16 +171,11 @@ class VideoThumbnailItem(BaseModel):
 
     video_id: int = Field(..., description="영상 고유 ID (상세 페이지 라우팅 키)")
     store_name: str = Field(..., description="업체명")
-    result_movie_url: str = Field(..., description="영상 URL")
-    poster_url: Optional[str] = Field(None, description="영상 첫 프레임 포스터 이미지 URL (썸네일 표시용)")
+    result_movie_url: str = Field(..., description="영상 URL — 프론트에서 <video> 태그 첫 프레임을 썸네일로 사용")
     created_at: datetime = Field(..., description="생성 일시")
     like_count: int = Field(..., description="좋아요 수")
     is_liked_by_me: bool = Field(..., description="현재 로그인 사용자가 좋아요를 눌렀는지 (비로그인은 항상 false)")
     comment_count: int = Field(..., description="댓글 수 (대댓글 포함)")
-    official_site_url: Optional[str] = Field(
-        None,
-        description="업체 공식 링크 (플레이스 홈페이지 항목 우선, 없으면 크롤링 소스 URL; 직접 입력 생성 영상만 null)",
-    )
 
 
 class VideoDetailResponse(BaseModel):
@@ -201,18 +187,11 @@ class VideoDetailResponse(BaseModel):
 
     video_id: int = Field(..., description="영상 고유 ID")
     result_movie_url: str = Field(..., description="영상 URL")
-    poster_url: Optional[str] = Field(None, description="영상 첫 프레임 포스터 이미지 URL")
     store_name: Optional[str] = Field(None, description="업체명")
     region: Optional[str] = Field(None, description="지역명")
-    title: Optional[str] = Field(None, description="SNS 업로드 제목 (공유 시 og:title 및 공유 제목으로 사용)")
-    description: Optional[str] = Field(None, description="SNS 업로드 설명")
     created_at: datetime = Field(..., description="생성 일시")
     like_count: int = Field(..., description="좋아요 수")
     is_liked_by_me: bool = Field(..., description="현재 로그인 사용자가 좋아요를 눌렀는지 (비로그인은 항상 false)")
-    official_site_url: Optional[str] = Field(
-        None,
-        description="업체 공식 링크 (플레이스 홈페이지 항목 우선, 없으면 크롤링 소스 URL; 직접 입력 생성 영상만 null)",
-    )
 
 
 class LikeToggleResponse(BaseModel):

app/video/services/share_page.py

@@ -1,321 +0,0 @@
-"""영상 공유 링크용 Open Graph HTML 생성 서비스."""
-
-from collections.abc import Mapping
-from dataclasses import dataclass
-from html import escape
-from urllib.parse import urlsplit, urlunsplit
-
-from sqlalchemy import select
-from sqlalchemy.ext.asyncio import AsyncSession
-
-from app.home.models import Project
-from app.video.models import Video
-
-FALLBACK_FRONTEND_URL = "https://ado2.o2osolution.ai"
-DEFAULT_SHARE_IMAGE_PATH = "/assets/images/ado2_image.png"
-DEFAULT_SHARE_IMAGE_STATIC_PATH = "/static/images/ado2_image.png"
-
-@dataclass(frozen=True, slots=True)
-class VideoShareData:
-    """공유 페이지에 필요한 영상 및 프로젝트 정보."""
-
-    video_id: int
-    poster_url: str | None
-    store_name: str
-    region: str
-    title: str | None = None
-    description: str | None = None
-
-
-async def get_video_share_data(
-    session: AsyncSession,
-    video_id: int,
-) -> VideoShareData | None:
-    """공유 가능한 완료 영상을 프로젝트 정보와 함께 조회합니다."""
-    result = await session.execute(
-        select(
-            Video.id,
-            Video.poster_url,
-            Video.title,
-            Video.description,
-            Project.store_name,
-            Project.region,
-        )
-        .join(Project, Video.project_id == Project.id)
-        .where(
-            Video.id == video_id,
-            Video.status == "completed",
-            Video.is_deleted.is_(False),
-            Project.is_deleted.is_(False),
-        )
-    )
-    row = result.one_or_none()
-    if row is None:
-        return None
-
-    return VideoShareData(
-        video_id=row.id,
-        poster_url=row.poster_url,
-        store_name=row.store_name,
-        region=row.region,
-        title=row.title,
-        description=row.description,
-    )
-
-
-def build_video_share_html(
-    data: VideoShareData,
-    *,
-    share_url: str,
-    frontend_base_url: str,
-    configured_default_image_url: str = "",
-) -> str:
-    """영상별 OG 메타데이터와 상세 화면 이동 기능을 포함한 HTML을 생성합니다."""
-    frontend_base = _normalise_frontend_base_url(frontend_base_url)
-    detail_url = f"{frontend_base}/video/{data.video_id}"
-    fallback_image_url = _resolve_default_image_url(
-        configured_default_image_url,
-        frontend_base,
-        share_url=share_url,
-    )
-    image_url = _absolute_http_url(data.poster_url) or fallback_image_url
-
-    title = _share_title(data.title, data.store_name)
-    description = _share_description(data.description)
-    canonical_tags = _canonical_tags(_absolute_http_url(share_url))
-    image_size_tags = _og_image_size_tags(image_url, fallback_image_url)
-
-    escaped_title = escape(title, quote=True)
-    escaped_description = escape(description, quote=True)
-    escaped_image_url = escape(image_url, quote=True)
-    escaped_detail_url = escape(detail_url, quote=True)
-
-    return f"""<!doctype html>
-<html lang="ko">
-<head>
-  <meta charset="utf-8">
-  <meta name="viewport" content="width=device-width, initial-scale=1">
-  <title>{escaped_title}</title>
-  <meta name="description" content="{escaped_description}">
-{canonical_tags}
-  <meta property="og:title" content="{escaped_title}">
-  <meta property="og:description" content="{escaped_description}">
-  <meta property="og:image" content="{escaped_image_url}">
-  <meta property="og:image:alt" content="{escaped_title}">
-{image_size_tags}  <meta property="og:type" content="website">
-
-  <meta name="twitter:card" content="summary_large_image">
-  <meta name="twitter:title" content="{escaped_title}">
-  <meta name="twitter:description" content="{escaped_description}">
-  <meta name="twitter:image" content="{escaped_image_url}">
-
-</head>
-<body>
-  <main>
-    <h1>{escaped_title}</h1>
-    <p>{escaped_description}</p>
-    <a id="continue-link" href="{escaped_detail_url}">영상 보기</a>
-  </main>
-  <script>
-    (function () {{
-      var ua = navigator.userAgent || "";
-      // 앱 이름만으로 판별하면 인앱 브라우저(예: KAKAOTALK)까지 크롤러로 잡혀
-      // 사용자가 중간 페이지에 멈춘다. 봇 전용 토큰만 쓴다.
-      if (/bot|crawl|spider|slurp|facebookexternalhit|Facebot|Twitterbot|LinkedInBot|Pinterestbot|Slackbot|TelegramBot|WhatsApp|Discordbot|kakaotalk-scrap|Embedly|redditbot|Applebot/i.test(ua)) {{
-        return;
-      }}
-      window.location.replace(document.getElementById("continue-link").href);
-    }})();
-  </script>
-</body>
-</html>
-"""
-
-
-def _normalise_text(value: str | None, fallback: str) -> str:
-    """메타데이터용 텍스트에서 불필요한 공백을 제거합니다."""
-    normalised = " ".join((value or "").split())
-    return normalised or fallback
-
-
-_OG_DESCRIPTION_MAX_LEN = 300
-
-
-def _share_title(title: str | None, store_name: str) -> str:
-    """저장된 SNS 제목을 쓰고, 없으면 가게명 폴백을 사용합니다."""
-    stored = _normalise_text(title, "")
-    if stored:
-        return stored
-    name = _normalise_text(store_name, "ADO2 영상")
-    return f"{name} | ADO2"
-
-
-def _share_description(description: str | None) -> str:
-    """저장된 SNS 설명을 쓰고, 없으면 기본 문구를 사용합니다."""
-    stored = _normalise_text(description, "")
-    if stored:
-        if len(stored) > _OG_DESCRIPTION_MAX_LEN:
-            return stored[: _OG_DESCRIPTION_MAX_LEN - 1].rstrip() + "…"
-        return stored
-    return "ADO2 AI 마케팅 영상"
-
-
-def resolve_frontend_base_url(headers: Mapping[str, str], fallback: str) -> str:
-    """프록시가 넘긴 프론트 호스트를 우선해 canonical 기준 URL을 정합니다."""
-    forwarded_host = (headers.get("x-forwarded-host") or "").split(",")[0].strip()
-    if not forwarded_host:
-        return _normalise_frontend_base_url(fallback)
-
-    forwarded_proto = (headers.get("x-forwarded-proto") or "https").split(",")[0].strip().lower()
-    if forwarded_proto not in {"http", "https"}:
-        forwarded_proto = "https"
-    return _normalise_frontend_base_url(f"{forwarded_proto}://{forwarded_host}")
-
-
-def resolve_share_url(
-    headers: Mapping[str, str],
-    request_url: str,
-    configured_api_base_url: str = "",
-) -> str:
-    """크롤러가 다시 읽어도 같은 OG 페이지가 나오는 공유 URL을 만듭니다.
-
-    nginx가 ``/api`` prefix를 떼고 넘기면 ``request.url``에는 그 prefix가 없어,
-    그대로 쓰면 프론트 SPA 주소가 된다. 복원할 근거가 없으면 빈 문자열을 돌려
-    호출부가 canonical/og:url을 생략하도록 한다.
-    """
-    path = urlsplit(request_url).path
-
-    configured_base = _absolute_http_url(configured_api_base_url)
-    if configured_base:
-        return f"{configured_base.rstrip('/')}{path}"
-
-    origin = _forwarded_origin(headers) or _origin_from_url(request_url)
-    if not origin:
-        return ""
-
-    forwarded_prefix = (headers.get("x-forwarded-prefix") or "").strip().rstrip("/")
-    if forwarded_prefix:
-        return f"{origin}{forwarded_prefix}{path}"
-
-    if headers.get("x-forwarded-host"):
-        # 프록시 뒤인데 prefix 를 못 받았다. 잘못된 URL 을 내보내지 않는다.
-        return ""
-
-    return f"{origin}{path}"
-
-
-def _forwarded_origin(headers: Mapping[str, str]) -> str | None:
-    """프록시가 넘긴 외부 호스트 기준 origin을 만듭니다."""
-    forwarded_host = (headers.get("x-forwarded-host") or "").split(",")[0].strip()
-    if not forwarded_host:
-        return None
-
-    forwarded_proto = (headers.get("x-forwarded-proto") or "https").split(",")[0].strip().lower()
-    if forwarded_proto not in {"http", "https"}:
-        forwarded_proto = "https"
-    return f"{forwarded_proto}://{forwarded_host}"
-
-
-def _canonical_tags(canonical_url: str | None) -> str:
-    """공유 URL을 확신할 때만 canonical/og:url을 붙입니다.
-
-    잘못된 og:url을 내보내면 크롤러가 그 주소를 다시 읽어, OG 메타가 없는
-    프론트 SPA 문서를 미리보기로 쓴다. 확신이 없으면 크롤러가 실제로 받은
-    URL을 쓰도록 태그 자체를 생략한다.
-    """
-    if not canonical_url:
-        return ""
-    escaped = escape(canonical_url, quote=True)
-    return (
-        f'  <link rel="canonical" href="{escaped}">\n'
-        f'  <meta property="og:url" content="{escaped}">\n'
-    )
-
-
-_DEFAULT_OG_IMAGE_SIZE = (385, 385)
-
-
-def _og_image_size_tags(image_url: str, fallback_image_url: str) -> str:
-    """폴백 로고처럼 크기를 아는 이미지에만 width/height 메타를 붙입니다."""
-    if image_url != fallback_image_url:
-        return ""
-    width, height = _DEFAULT_OG_IMAGE_SIZE
-    return (
-        f'  <meta property="og:image:width" content="{width}">\n'
-        f'  <meta property="og:image:height" content="{height}">\n'
-    )
-
-
-def _normalise_frontend_base_url(value: str) -> str:
-    """프론트엔드 기준 URL을 안전한 절대 HTTP(S) URL로 정규화합니다."""
-    absolute_url = _absolute_http_url(value) or FALLBACK_FRONTEND_URL
-    parts = urlsplit(absolute_url)
-    path = parts.path.rstrip("/")
-    return urlunsplit((parts.scheme, parts.netloc, path, "", ""))
-
-
-def _resolve_default_image_url(
-    configured_url: str,
-    frontend_base: str,
-    *,
-    share_url: str = "",
-) -> str:
-    """포스터가 없을 때 사용할 기본 OG 이미지 URL을 반환합니다.
-
-    우선순위:
-    1. ``SHARE_DEFAULT_IMAGE_URL`` (.env)
-    2. 공유 URL과 같은 API 베이스 ``.../static/images/ado2_image.png``
-       (``/api/video/share/1`` 이면 ``/api/static/...``)
-    3. ``SHARE_FRONTEND_URL`` + ``/assets/images/ado2_image.png``
-    """
-    configured_absolute_url = _absolute_http_url(configured_url)
-    if configured_absolute_url:
-        return configured_absolute_url
-
-    share_api_base = _api_base_from_share_url(share_url)
-    if share_api_base:
-        return f"{share_api_base}{DEFAULT_SHARE_IMAGE_STATIC_PATH}"
-
-    return f"{frontend_base}{DEFAULT_SHARE_IMAGE_PATH}"
-
-
-def _api_base_from_share_url(share_url: str) -> str | None:
-    """공유 URL에서 API 베이스를 만듭니다. ``/api/video/share/1`` → ``https://host/api``."""
-    absolute_url = _absolute_http_url(share_url)
-    if not absolute_url:
-        return None
-
-    parts = urlsplit(absolute_url)
-    origin = urlunsplit((parts.scheme, parts.netloc, "", "", ""))
-    idx = (parts.path or "").find("/video/share/")
-    if idx < 0:
-        return origin
-
-    prefix = parts.path[:idx].rstrip("/")
-    return f"{origin}{prefix}" if prefix else origin
-
-
-def _origin_from_url(value: str) -> str | None:
-    """URL에서 scheme + host(+port) origin만 추출합니다."""
-    absolute_url = _absolute_http_url(value)
-    if not absolute_url:
-        return None
-
-    parts = urlsplit(absolute_url)
-    return urlunsplit((parts.scheme, parts.netloc, "", "", ""))
-
-
-def _absolute_http_url(value: str | None) -> str | None:
-    """값이 절대 HTTP(S) URL인 경우에만 정리된 문자열을 반환합니다."""
-    candidate = (value or "").strip()
-    if not candidate:
-        return None
-
-    try:
-        parts = urlsplit(candidate)
-    except ValueError:
-        return None
-
-    if parts.scheme.lower() not in {"http", "https"} or not parts.hostname:
-        return None
-    return candidate

app/video/services/video.py

@@ -839,7 +839,7 @@ logger = get_logger("video")
 #         )
 from sqlalchemy.dialects import mysql
 async def get_image_tags_by_task_id(task_id: str) -> list[dict]:
-    # print("taskid", task_id)
+    print("taskid", task_id)
     async with AsyncSessionLocal() as session:
         stmt = (
             select(Image.img_url, ImageTag.img_tag)
@@ -854,19 +854,9 @@ async def get_image_tags_by_task_id(task_id: str) -> list[dict]:
                 ImageTag.img_tag.is_not(None),
             )
         )
-        # print(stmt.compile(dialect=mysql.dialect(), compile_kwargs={"literal_binds": True}))
+        print(stmt.compile(dialect=mysql.dialect(), compile_kwargs={"literal_binds": True}))
         rows = (await session.execute(stmt)).all()
-        # print("rows", rows)
-    # img_tag가 JSON 리터럴 null로 저장된 행(태깅 실패 잔재)은 SQL IS NOT NULL 필터를
-    # 통과하므로 파이썬 레벨에서 한 번 더 걸러낸다.
-    null_tag_urls = [row.img_url for row in rows if row.img_tag is None]
-    if null_tag_urls:
-        logger.warning(
-            f"[get_image_tags_by_task_id] img_tag가 null인 이미지 {len(null_tag_urls)}개 제외 "
-            f"- task_id: {task_id}, urls: {null_tag_urls}"
-        )
-    return [
-        {"image_url": row.img_url, "image_tag": row.img_tag}
-        for row in rows
-        if row.img_tag is not None
-    ]
+        print("rows", rows)
+    print(rows)
+    print("image" , [{"image_url": row.img_url, "image_tag": row.img_tag} for row in rows])
+    return [{"image_url": row.img_url, "image_tag": row.img_tag} for row in rows]

app/video/worker/creative_assets_task.py

@@ -1,348 +0,0 @@
-"""
-Creative Assets Background Tasks
-
-영상 생성 전 사전 준비(이미지 배정 + 자막 생성)를 수행하는 백그라운드 태스크를 정의합니다.
-"""
-
-from sqlalchemy import select
-
-from app.database.session import BackgroundSessionLocal
-from app.home.models import Project, MarketingIntel
-from app.utils.subtitles import SubtitleContentsGenerator
-from app.utils import thumbnail_fitness
-from app.utils.thumbnail_vision import pick_thumbnail_by_vision
-from app.utils.creatomate import (
-    CreatomateService,
-    SCENE_TRACK,
-    SUBTITLE_TRACK,
-    KEYWORD_TRACK,
-    THUMBNAIL_SLOT_MARKER,
-    get_shared_client,
-)
-from app.utils.logger import get_logger
-from app.video.services.video import get_image_tags_by_task_id
-from app.utils.prompts.schemas.image import NARRATIVE_PHASE_LABEL
-
-# 로거 설정
-logger = get_logger("video")
-
-
-async def generate_subtitle_background(
-    orientation: str,
-    task_id: str,
-    max_retries: int = 3,
-) -> None:
-    """자막 + 이미지 배정을 사전에 수행하는 백그라운드 태스크.
-
-    내부적으로 `generate_creative_assets_background`를 호출한다.
-    """
-    await generate_creative_assets_background(
-        orientation=orientation,
-        task_id=task_id,
-        max_retries=max_retries,
-    )
-
-
-async def generate_creative_assets_background(
-    orientation: str,
-    task_id: str,
-    max_retries: int = 3,
-) -> None:
-    """이미지 배정 + 자막 생성을 사전에 수행하는 백그라운드 태스크.
-
-    실행 순서:
-      1. 템플릿 조회 (읽기 전용, 렌더 없음)
-      2. 이미지 매칭 — get_image_tags_by_task_id → template_matching_taged_image
-         → MarketingIntel.image_match 저장
-      3. 자막 생성 — 배정된 이미지 컨텍스트(슬롯별 공간/단계 정보)를 pitching 리스트에 포함
-         → MarketingIntel.subtitle 저장
-    """
-    logger.info(f"[generate_creative_assets_background] START - task_id: {task_id}, orientation: {orientation}")
-
-    for attempt in range(1, max_retries + 1):
-        try:
-            # ── 프로젝트 / 마케팅 인텔 로드 ──────────────────────────────────
-            # 템플릿 선택에 project.industry가 필요하므로 서비스 생성보다 먼저 로드
-            async with BackgroundSessionLocal() as session:
-                project_result = await session.execute(
-                    select(Project)
-                    .where(Project.task_id == task_id)
-                    .order_by(Project.created_at.desc())
-                    .limit(1)
-                )
-                project = project_result.scalar_one_or_none()
-                marketing_result = await session.execute(
-                    select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
-                )
-                marketing_intelligence = marketing_result.scalar_one_or_none()
-
-            creatomate_service = CreatomateService(orientation=orientation, industry=project.industry, project_id=project.id)
-            template = await creatomate_service.get_one_template_data(creatomate_service.template_id)
-
-            store_address = project.detail_region_info
-            customer_name = project.store_name
-            language = project.language or "Korean"
-            logger.info(
-                f"[generate_creative_assets_background] customer: {customer_name}, "
-                f"address: {store_address}, language: {language} - task_id: {task_id}"
-            )
-
-            # ── Step 1: 이미지 매칭 ─────────────────────────────────────────
-            # marketing_acceptable 필터링은 크롤링 단계에서 이미 완료되었으므로 재필터링하지 않는다.
-            taged_image_list = await get_image_tags_by_task_id(task_id)
-            min_image_num = creatomate_service.counting_component(
-                template=template,
-                target_template_type="image",
-            )
-            duplicate = len(taged_image_list) < min_image_num
-            logger.info(
-                f"[generate_creative_assets_background] image matching — "
-                f"pool={len(taged_image_list)}, slots={min_image_num}, "
-                f"duplicate={duplicate} - task_id: {task_id}"
-            )
-
-            # 썸네일 슬롯(-9999)이 있는 템플릿이면 픽셀(헤더) 적합도 사전 계산.
-            # 헤더 바이트만 받아 크기를 파싱하므로 CPU 부담 없음 — 실패/타임아웃 시
-            # 빈 dict로 진행(태그 점수만 사용, 배정 자체는 막지 않음).
-            thumbnail_fitness_map: dict = {}
-            has_thumbnail_slot = any(
-                elem_type == "image" and name.endswith(THUMBNAIL_SLOT_MARKER)
-                for name, elem_type in creatomate_service.parse_template_component_name(
-                    template["source"]["elements"]
-                ).items()
-            )
-            if has_thumbnail_slot and taged_image_list:
-                client = await get_shared_client()
-                thumbnail_fitness_map = await thumbnail_fitness.score_pool_thumbnail_fitness(
-                    taged_image_list, client
-                )
-                rejected = {
-                    url: fit["reject"]
-                    for url, fit in thumbnail_fitness_map.items()
-                    if fit["reject"]
-                }
-                logger.info(
-                    f"[generate_creative_assets_background] thumbnail fitness — "
-                    f"scored={len(thumbnail_fitness_map)}/{len(taged_image_list)}, "
-                    f"rejected={len(rejected)} {rejected if rejected else ''} - task_id: {task_id}"
-                )
-
-            # ── Step 1-b: 썸네일 최종 선택 (비전 LLM, Phase 2) ──────────────
-            # 규칙+픽셀로 압축한 top-3 후보를 비전 LLM이 실제로 보고 1컷 선택.
-            # 실패/후보 부족 시 thumbnail_choice가 비어 규칙 1위로 자동 폴백.
-            thumbnail_choice: dict = {}
-            if has_thumbnail_slot and taged_image_list:
-                candidates_by_slot = creatomate_service.rank_thumbnail_candidates(
-                    template=template,
-                    taged_image_list=taged_image_list,
-                    thumbnail_fitness_map=thumbnail_fitness_map,
-                    top_n=3,
-                )
-                for slot, candidates in candidates_by_slot.items():
-                    chosen = await pick_thumbnail_by_vision(
-                        candidates=candidates,
-                        industry=project.industry,
-                        business_name=customer_name,
-                    )
-                    if chosen is not None:
-                        thumbnail_choice[slot] = chosen["image_url"]
-                logger.info(
-                    f"[generate_creative_assets_background] thumbnail vision pick — "
-                    f"{ {s: u.rsplit('/', 1)[-1] for s, u in thumbnail_choice.items()} } "
-                    f"- task_id: {task_id}"
-                )
-
-            image_modifications, assigned_image_tags = creatomate_service.template_matching_taged_image(
-                template=template,
-                taged_image_list=taged_image_list,
-                music_url="",       # 음악 URL은 영상 생성 시점에 결정 — 사전 단계에서는 빈 값
-                address=store_address,
-                duplicate=duplicate,
-                thumbnail_fitness_map=thumbnail_fitness_map,
-                thumbnail_choice=thumbnail_choice,
-            )
-            # audio-music은 영상 생성 시점에 덮어씌워지므로 image_match에서 제거
-            image_match = {k: v for k, v in image_modifications.items() if k != "audio-music"}
-
-            logger.info(f"[generate_creative_assets_background] image_match: {list(image_match.keys())} - task_id: {task_id}")
-
-            # image_match 저장
-            async with BackgroundSessionLocal() as session:
-                marketing_result = await session.execute(
-                    select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
-                )
-                mi = marketing_result.scalar_one_or_none()
-                mi.image_match = image_match
-                await session.commit()
-
-            logger.info(f"[generate_creative_assets_background] image_match saved - task_id: {task_id}")
-
-            # ── Step 2: 자막 생성 (이미지 컨텍스트 포함) ──────────────────────
-            # 슬롯별 배정된 이미지의 공간/내러티브 정보를 pitching 레이블에 포함하여
-            # LLM이 "이 자막이 나올 때 화면에 보이는 이미지"를 인지하고 자막을 작성할 수 있게 함.
-            pitchings_raw = creatomate_service.extract_text_format_from_template(template)
-            pitchings_with_context = _build_pitching_list_with_image_context(
-                pitching_label_list=pitchings_raw,
-                assigned_image_tags=assigned_image_tags,
-                template=template,
-                creatomate_service=creatomate_service,
-            )
-
-            subtitle_generator = SubtitleContentsGenerator()
-            generated_subtitles = await subtitle_generator.generate_subtitle_contents(
-                marketing_intelligence=marketing_intelligence.intel_result,
-                pitching_label_list=pitchings_with_context,
-                customer_name=customer_name,
-                detail_region_info=store_address,
-                language=language,
-                industry=project.industry,
-            )
-            pitching_output_list = generated_subtitles.pitching_results
-
-            # LLM이 pitching_tag에 " | 화면: ..." 컨텍스트 접미를 그대로 되돌려줄 수 있으므로 제거
-            subtitle_modifications = {
-                pitching_output.pitching_tag.split(IMAGE_CONTEXT_SEP)[0].strip(): pitching_output.pitching_data
-                for pitching_output in pitching_output_list
-            }
-            logger.info(f"[generate_creative_assets_background] subtitle_modifications: {subtitle_modifications}")
-
-            # subtitle 저장
-            async with BackgroundSessionLocal() as session:
-                marketing_result = await session.execute(
-                    select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
-                )
-                mi = marketing_result.scalar_one_or_none()
-                mi.subtitle = subtitle_modifications
-                await session.commit()
-
-            logger.info(
-                f"[generate_creative_assets_background] DONE - task_id: {task_id} "
-                f"(attempt {attempt}/{max_retries})"
-            )
-            return
-
-        except Exception as e:
-            logger.error(
-                f"[generate_creative_assets_background] FAILED (attempt {attempt}/{max_retries}) "
-                f"- task_id: {task_id}, error: {e}",
-                exc_info=True,
-            )
-            if attempt < max_retries:
-                logger.info(
-                    f"[generate_creative_assets_background] 재시도 중... "
-                    f"({attempt + 1}/{max_retries}) - task_id: {task_id}"
-                )
-
-    logger.error(f"[generate_creative_assets_background] 모든 재시도 실패 - task_id: {task_id}")
-
-
-# 이미지 컨텍스트 접미 구분자 — 생성(_context_for_label)과 제거(subtitle_modifications) 양쪽에서 사용
-IMAGE_CONTEXT_SEP = " | "
-
-
-def _merge_unique(tags: list[dict], key: str) -> list:
-    """태그들의 key 리스트를 순서 유지하며 중복 제거해 병합합니다."""
-    return list(dict.fromkeys(item for tag in tags for item in tag.get(key, [])))
-
-
-def _aggregate_tags_by_composition(
-    template: dict,
-    assigned_image_tags: dict[str, dict],
-    creatomate_service: CreatomateService,
-) -> dict[str, dict]:
-    """SCENE_TRACK 최상위 컴포지션별로 배정된 이미지 태그를 집계합니다.
-
-    컴포지션 하위 leaf image가 여러 개면(다중 이미지 씬) space_type/subject를
-    순서 유지 중복 제거로 병합합니다. 배정된 태그가 없는 컴포지션(CTA 등)은
-    결과에 포함하지 않습니다.
-    """
-    comp_tags: dict[str, dict] = {}
-    for elem in template["source"]["elements"]:
-        if elem.get("track") != SCENE_TRACK or not elem.get("name"):
-            continue
-        name_to_type = creatomate_service.parse_template_component_name([elem])
-        leaf_tags = [
-            assigned_image_tags[name]
-            for name, elem_type in name_to_type.items()
-            if elem_type == "image" and name in assigned_image_tags
-        ]
-        if not leaf_tags:
-            continue
-        comp_tags[elem["name"]] = {
-            "space_type": _merge_unique(leaf_tags, "space_type"),
-            "subject": _merge_unique(leaf_tags, "subject"),
-        }
-    return comp_tags
-
-
-def _context_for_label(
-    text_range: tuple[float, float],
-    scene_ranges: list[tuple[str, float, float]],
-    comp_tags: dict[str, dict],
-) -> str:
-    """텍스트 재생 구간과 시간 겹침이 최대인 씬의 이미지 컨텍스트 접미를 만듭니다.
-
-    태그가 배정된 컴포지션 중 겹침이 최대인 씬을 선택하며(동률 시 이른 시작 우선),
-    겹치는 씬이 없으면 빈 문자열을 반환합니다.
-    """
-    text_start, text_end = text_range
-    candidates = [
-        (min(text_end, comp_end) - max(text_start, comp_start), -comp_start, comp_name)
-        for comp_name, comp_start, comp_end in scene_ranges
-        if comp_name in comp_tags
-    ]
-    candidates = [c for c in candidates if c[0] > 0]
-    if not candidates:
-        return ""
-
-    best_comp = max(candidates)[2]
-    tag = comp_tags[best_comp]
-    space_types = tag.get("space_type", [])
-    subjects = tag.get("subject", [])
-    space_str = "/".join(space_types[:2]) if space_types else "?"
-    subject_str = subjects[0] if subjects else "?"
-    # 컴포지션명 형식: {space_type}-{subject}-{camera}-{motion}-{narrative_phase}
-    comp_tokens = best_comp.split("-")
-    phase = comp_tokens[4] if len(comp_tokens) >= 5 else ""
-    phase_str = NARRATIVE_PHASE_LABEL.get(phase, phase)
-    return f"{IMAGE_CONTEXT_SEP}화면: {space_str} / {subject_str} / {phase_str} 단계"
-
-
-def _build_pitching_list_with_image_context(
-    pitching_label_list: list[str],
-    assigned_image_tags: dict[str, dict],
-    template: dict,
-    creatomate_service: CreatomateService,
-) -> list[str]:
-    """pitching 레이블 리스트에 배정 이미지 컨텍스트를 포함하여 반환합니다.
-
-    텍스트 레이어(SUBTITLE/KEYWORD_TRACK)와 이미지 컴포지션(SCENE_TRACK)의
-    시간 범위를 계산해, 각 텍스트가 재생되는 동안 화면에 가장 오래 보이는
-    (시간 겹침이 최대인) 컴포지션의 이미지 태그를 컨텍스트로 붙입니다.
-    narrative_phase 토큰 매칭과 달리 phase 이름이 어긋나거나(자막 outro vs
-    이미지 accent) 같은 phase에 씬이 여러 개여도 올바른 짝을 찾습니다.
-
-    겹치는 씬이 없거나 해당 씬에 배정된 이미지가 없으면(CTA 등) 컨텍스트를
-    생략합니다. 렌더 시 extend_template_duration은 전 트랙 균등 배율이므로
-    원본 템플릿 기준 겹침 관계는 스케일 후에도 유지됩니다.
-
-    출력 예시:
-        "subtitle-welcome-emotion_cue-empathic-001 | 화면: lobby / furniture / 진입(welcome) 단계"
-    """
-    comp_tags = _aggregate_tags_by_composition(template, assigned_image_tags, creatomate_service)
-    if not comp_tags:
-        return pitching_label_list
-
-    scene_ranges = creatomate_service.calc_track_time_ranges(template, SCENE_TRACK)
-    text_ranges: dict[str, tuple[float, float]] = {}
-    for track in (SUBTITLE_TRACK, KEYWORD_TRACK):
-        for name, start, end in creatomate_service.calc_track_time_ranges(template, track):
-            text_ranges[name] = (start, end)
-
-    result = []
-    for label in pitching_label_list:
-        text_range = text_ranges.get(label)
-        context_str = _context_for_label(text_range, scene_ranges, comp_tags) if text_range else ""
-        result.append(label + context_str)
-
-    return result

app/video/worker/video_task.py

@@ -4,6 +4,7 @@ Video Background Tasks
 영상 생성 관련 백그라운드 태스크를 정의합니다.
 """
 
+import traceback
 from pathlib import Path
 
 import aiofiles
@@ -16,7 +17,6 @@ from app.user.services.credit import consume_credit
 from app.video.models import Video
 from app.utils.upload_blob_as_request import AzureBlobUploader
 from app.utils.logger import get_logger
-from app.utils.video_poster import generate_and_store_poster
 
 # 로거 설정
 logger = get_logger("video")
@@ -30,8 +30,7 @@ async def _update_video_status(
     status: str,
     video_url: str | None = None,
     creatomate_render_id: str | None = None,
-    poster_url: str | None = None,
-) -> int | None:
+) -> bool:
     """Video 테이블의 상태를 업데이트합니다.
 
     Args:
@@ -39,10 +38,9 @@ async def _update_video_status(
         status: 변경할 상태 ("processing", "completed", "failed")
         video_url: 영상 URL
         creatomate_render_id: Creatomate render ID (선택)
-        poster_url: 영상 첫 프레임 포스터 URL (선택)
 
     Returns:
-        int | None: 업데이트된 Video id. 대상이 없거나 실패하면 None.
+        bool: 업데이트 성공 여부
     """
     try:
         async with BackgroundSessionLocal() as session:
@@ -67,58 +65,19 @@ async def _update_video_status(
                 video.status = status
                 if video_url is not None:
                     video.result_movie_url = video_url
-                if poster_url is not None:
-                    video.poster_url = poster_url
                 await session.commit()
                 logger.info(f"[Video] Status updated - task_id: {task_id}, status: {status}")
-                return video.id
+                return True
             else:
                 logger.warning(f"[Video] NOT FOUND in DB - task_id: {task_id}")
-                return None
+                return False
 
     except SQLAlchemyError as e:
         logger.error(f"[Video] DB Error while updating status - task_id: {task_id}, error: {e}")
-        return None
+        return False
     except Exception as e:
         logger.error(f"[Video] Unexpected error while updating status - task_id: {task_id}, error: {e}")
-        return None
-
-
-async def _try_generate_sns_metadata(video_id: int) -> None:
-    """SEO 생성 실패가 영상 완료 처리에 영향을 주지 않도록 격리합니다."""
-    from app.social.services.seo_service import seo_service
-
-    try:
-        async with BackgroundSessionLocal() as session:
-            await seo_service.generate_and_save_for_video(video_id, session)
-            await session.commit()
-    except Exception as e:
-        logger.warning(
-            f"[VideoSEO] Failed to generate SNS metadata - video_id: {video_id}, error: {e}",
-            exc_info=True,
-        )
-
-
-async def _try_generate_poster(
-    temp_file_path: Path,
-    user_uuid: str,
-    task_id: str,
-    render_id: str,
-) -> str | None:
-    """포스터 생성 실패가 영상 생성 완료 처리에 영향을 주지 않도록 격리합니다."""
-    try:
-        return await generate_and_store_poster(
-            video_path=temp_file_path,
-            user_uuid=user_uuid,
-            task_id=task_id,
-            file_stem=render_id,
-        )
-    except Exception as e:
-        logger.warning(
-            f"[VideoPoster] Failed to generate poster - task_id: {task_id}, render_id: {render_id}, error: {e}",
-            exc_info=True,
-        )
-        return None
+        return False
 
 
 async def _download_video(url: str, task_id: str) -> bytes:
@@ -194,20 +153,8 @@ async def download_and_upload_video_to_blob(
         blob_url = uploader.public_url
         logger.info(f"[download_and_upload_video_to_blob] Uploaded to Blob - task_id: {task_id}, url: {blob_url}")
 
-        poster_url = await _try_generate_poster(
-            temp_file_path, user_uuid, task_id, creatomate_render_id
-        )
-
         # Video 테이블 업데이트 (creatomate_render_id로 특정 Video 식별)
-        video_id = await _update_video_status(
-            task_id,
-            "completed",
-            blob_url,
-            creatomate_render_id,
-            poster_url=poster_url,
-        )
-        if video_id is not None:
-            await _try_generate_sns_metadata(video_id)
+        await _update_video_status(task_id, "completed", blob_url, creatomate_render_id)
 
         # 영상 생성 완료 시 크레딧 1 차감 (credits > 0 조건으로 음수 방지)
         async with BackgroundSessionLocal() as session:
@@ -312,20 +259,13 @@ async def download_and_upload_video_by_creatomate_render_id(
         blob_url = uploader.public_url
         logger.info(f"[download_and_upload_video_by_creatomate_render_id] Uploaded to Blob - creatomate_render_id: {creatomate_render_id}, url: {blob_url}")
 
-        poster_url = await _try_generate_poster(
-            temp_file_path, user_uuid, task_id, creatomate_render_id
-        )
-
         # Video 테이블 업데이트
-        video_id = await _update_video_status(
+        await _update_video_status(
             task_id=task_id,
             status="completed",
             video_url=blob_url,
             creatomate_render_id=creatomate_render_id,
-            poster_url=poster_url,
         )
-        if video_id is not None:
-            await _try_generate_sns_metadata(video_id)
         logger.info(f"[download_and_upload_video_by_creatomate_render_id] SUCCESS - creatomate_render_id: {creatomate_render_id}")
 
     except httpx.HTTPError as e:

config.py

@@ -33,25 +33,6 @@ class ProjectSettings(BaseSettings):
     ADMIN_BASE_URL: str = Field(default="/admin")
     ADMIN_SESSION_SECRET: str = Field(default="dev-secret-change-me-in-production")
     ADMIN_SESSION_MAX_AGE: int = Field(default=60 * 60 * 8)
-    SHARE_FRONTEND_URL: str = Field(
-        default="https://ado2.o2osolution.ai",
-        description="공유 페이지에서 영상 상세로 이동할 프론트엔드 공개 기준 URL (.env: SHARE_FRONTEND_URL)",
-    )
-    SHARE_API_BASE_URL: str = Field(
-        default="",
-        description=(
-            "공유 OG 페이지가 외부에 노출되는 API 기준 URL (.env: SHARE_API_BASE_URL). "
-            "예: https://dev-ssul.castad.net/api. 프록시가 /api prefix 를 떼고 넘기면 "
-            "request.url 로는 복원할 수 없으므로 이 값이 필요하다"
-        ),
-    )
-    SHARE_DEFAULT_IMAGE_URL: str = Field(
-        default="",
-        description=(
-            "포스터가 없는 영상 공유 시 사용할 절대 이미지 URL (.env: SHARE_DEFAULT_IMAGE_URL). "
-            "비우면 공유 API /static/images/ado2_image.png, 없으면 SHARE_FRONTEND_URL/assets 경로 사용"
-        ),
-    )
     DEBUG: bool = Field(default=True)
     TIMEZONE: str = Field(
         default="Asia/Seoul",
@@ -164,40 +145,6 @@ class AzureBlobSettings(BaseSettings):
         default="https://ado2mediastoragepublic.blob.core.windows.net/ado2-media-public-access/ado2-media-original",
         description="Azure Blob Storage 기본 URL",
     )
-    AZURE_BLOB_UPLOAD_BLOCK_SIZE_BYTES: int = Field(
-        default=4 * 1024 * 1024,
-        gt=0,
-        description="Azure Block Blob 업로드 블록 크기 (bytes)",
-    )
-    AZURE_BLOB_API_VERSION: str = Field(
-        default="2023-11-03",
-        description="Azure Blob Storage REST API x-ms-version",
-    )
-    IMAGE_UPLOAD_MAX_FILE_SIZE_BYTES: int = Field(
-        default=15 * 1024 * 1024,
-        gt=0,
-        description="이미지 업로드 파일 1개당 최대 크기 (bytes)",
-    )
-    IMAGE_UPLOAD_MAX_REQUEST_SIZE_BYTES: int = Field(
-        default=20 * 1024 * 1024,
-        gt=0,
-        description="한 이미지 업로드 요청에 포함할 수 있는 파일 합계 최대 크기 (bytes)",
-    )
-    IMAGE_UPLOAD_LOCK_TIMEOUT_SECONDS: int = Field(
-        default=15,
-        ge=1,
-        description="동일 task 이미지 append 직렬화 락 대기 시간 (초)",
-    )
-    IMAGE_UPLOAD_MAX_CONCURRENT_LOCKS: int = Field(
-        default=10,
-        ge=1,
-        description="worker별 이미지 upload named lock 동시 점유 상한",
-    )
-    IMAGE_UPLOAD_MAX_TASK_IMAGES: int = Field(
-        default=100,
-        ge=1,
-        description="한 task에 누적할 수 있는 활성 이미지 최대 개수",
-    )
 
     model_config = _base_config
 
@@ -228,7 +175,10 @@ class CreatomateSettings(BaseSettings):
         default=False,
         description="Creatomate 자체 자동 가사 생성 기능 사용 여부",
     )
-    LYRIC_SUBTITLE: bool = Field(default=False, description="영상 가사 표기 여부")
+    LYRIC_SUBTITLE: bool = Field(
+        default=False,
+        description="영상 가사 표기 여부"
+    )
 
     model_config = _base_config
 
@@ -623,30 +573,6 @@ class SocialOAuthSettings(BaseSettings):
     model_config = _base_config
 
 
-class MetaConversionSettings(BaseSettings):
-    """Meta 픽셀 / Conversions API 설정
-
-    광고 전환 추적(픽셀 + 서버사이드 CAPI)을 위한 설정입니다.
-    Meta 이벤트 관리자 > 데이터 세트에서 Pixel ID와 액세스 토큰을 발급받습니다.
-    """
-
-    FACEBOOK_PIXEL_ID: str = Field(
-        default="",
-        description="Meta 픽셀(데이터 세트) ID",
-    )
-    FACEBOOK_ACCESS_TOKEN: str = Field(
-        default="",
-        description="Conversions API 시스템 생성 액세스 토큰",
-    )
-    FACEBOOK_TEST_EVENT_CODE: str = Field(
-        default="",
-        description="이벤트 관리자 '테스트 이벤트' 검증용 코드 (예: TEST12345). "
-        "설정 시 CAPI 이벤트가 테스트 이벤트 탭으로 격리됨. 운영 시 빈 값 유지",
-    )
-
-    model_config = _base_config
-
-
 class InternalSettings(BaseSettings):
     """내부 서버 간 통신 설정"""
 
@@ -705,6 +631,5 @@ kakao_settings = KakaoSettings()
 jwt_settings = JWTSettings()
 recovery_settings = RecoverySettings()
 social_oauth_settings = SocialOAuthSettings()
-meta_conversion_settings = MetaConversionSettings()
 internal_settings = InternalSettings()
 social_upload_settings = SocialUploadSettings()

docs/database-schema/migration_2026_05_28_marketing_place_id_nullable.sql

@@ -1,8 +0,0 @@
--- ============================================================
--- Migration: marketing.place_id NULL 허용
--- Date: 2026-05-28
--- Description: 업체명+주소 직접 입력으로 마케팅 분석 생성 시
---              네이버 place_id가 없으므로 NULL 허용으로 변경
--- ============================================================
-
-ALTER TABLE marketing MODIFY place_id VARCHAR(36) NULL COMMENT '매장 소스별 고유 식별자 (네이버 크롤링 시 nv{id} 형식; 직접 입력 시 NULL)';

docs/database-schema/migration_2026_06_17_biz_type.sql

@@ -1,12 +0,0 @@
--- ============================================================
--- Migration: project 테이블에 biz_type 컬럼 추가
--- Date: 2026-06-17
--- Description: 업종 구분 컬럼명 biz_type
--- ============================================================
-
-ALTER TABLE project
-    ADD COLUMN biz_type VARCHAR(50) NULL DEFAULT 'place' 
-    COMMENT '업종 분류 (place: 기본, accommodation: 숙박, restaurant: 음식점)' AFTER id;
-
-ALTER TABLE project CHANGE biz_type industry VARCHAR(50) DEFAULT '' 
-    COMMENT '업종 분류' AFTER id;

docs/database-schema/migration_2026_07_02_add_lyric_genre.sql

@@ -1,12 +0,0 @@
--- ============================================================
--- Migration: lyric 테이블에 genre 컬럼 추가
--- Date: 2026-07-02
--- Description: 가사 생성 시점에 확정된 음악 장르 저장
---   - 수동 선택: 사용자가 고른 장르
---   - 자동 선택: GPT가 가사 무드에 맞춰 추천한 장르
---   장르-BPM 불일치로 인한 곡 길이 편차 문제 해결을 위해 도입
--- ============================================================
-
-ALTER TABLE lyric
-    ADD COLUMN genre VARCHAR(20) NULL
-    COMMENT '음악 장르 (kpop, pop, ballad, hip-hop, rnb, edm, jazz, rock). 수동 선택 시 요청값, 자동 선택 시 GPT 추천값' AFTER language;

docs/database-schema/migration_2026_07_03_add_image_match.sql

@@ -1,12 +0,0 @@
--- ============================================================
--- Migration: marketing 테이블에 image_match 컬럼 추가
--- Date: 2026-07-03
--- Description: 이미지 슬롯 배정 결과물 저장
---   - lyric 생성 사전 단계(get_image_tags_by_task_id → template_matching_taged_image)에서
---     산출된 슬롯별 이미지 배정 결과를 저장
---   - 영상 생성 시점에는 저장된 결과를 읽어 음악 URL/주소만 보완하여 재사용
--- ============================================================
-
-ALTER TABLE marketing
-    ADD COLUMN image_match JSON NULL
-    COMMENT '이미지 슬롯 배정 결과물' AFTER subtitle;

docs/database-schema/migration_2026_07_23_add_user_first_video_created_at.sql

@@ -1,15 +0,0 @@
--- ============================================================
--- Migration: user 테이블에 first_video_created_at 컬럼 추가
--- Date: 2026-07-23
--- Description: Meta 픽셀/Conversions API 전환 이벤트 FirstVideoCreated의
---   "계정당 최초 1회 발화" 판정용 컬럼
---   - NULL: 아직 첫 영상 생성 완료 이벤트가 발화되지 않은 계정
---   - NOT NULL: 발화 완료 (값 = 첫 영상 생성 완료 일시)
---   서버가 first_video_created_at IS NULL 조건의 원자적 UPDATE로
---   최초 1회를 판정하므로 새로고침/동시 요청에도 중복 발화되지 않음
---   관련 코드: app/video/api/routers/v1/tracking.py, app/utils/meta_capi.py
--- ============================================================
-
-ALTER TABLE `user`
-    ADD COLUMN `first_video_created_at` DATETIME NULL
-    COMMENT '첫 영상 생성 완료 일시 (Meta FirstVideoCreated 전환 이벤트 1회 발화 판정용)' AFTER `last_login_at`;

docs/database-schema/migration_2026_07_23_add_user_utm_registration.sql

@@ -1,27 +0,0 @@
--- ============================================================
--- Migration: user 테이블에 UTM 5컬럼 + registration_tracked_at 추가
--- Date: 2026-07-23
--- Description: Meta 픽셀/Conversions API 전환 추적 확장
---   1) registration_tracked_at: CompleteRegistration 전환 이벤트의
---      "계정당 최초 1회 발화" 판정용 (first_video_created_at과 동일 패턴)
---      - NULL: 아직 가입 전환 이벤트가 발화되지 않은 계정
---      - NOT NULL: 발화 완료 (값 = 추적 시점)
---   2) utm_source/medium/campaign/content/term: 광고 유입 경로 보존
---      가입 시점 first-touch UTM을 기록 (Meta 리포트와 내부 DB 대조용)
---      registration_tracked_at 기록과 같은 원자적 UPDATE에서 함께 저장됨
---   관련 코드: app/video/api/routers/v1/tracking.py, app/utils/meta_capi.py
--- ============================================================
-
-ALTER TABLE `user`
-    ADD COLUMN `registration_tracked_at` DATETIME NULL
-    COMMENT '가입 전환 추적 일시 (Meta CompleteRegistration 전환 이벤트 1회 발화 판정용)' AFTER `first_video_created_at`,
-    ADD COLUMN `utm_source` VARCHAR(255) NULL
-    COMMENT '유입 매체 (예: meta, google, naver)' AFTER `registration_tracked_at`,
-    ADD COLUMN `utm_medium` VARCHAR(255) NULL
-    COMMENT '유입 방식 (예: paid_social, cpc)' AFTER `utm_source`,
-    ADD COLUMN `utm_campaign` VARCHAR(255) NULL
-    COMMENT '캠페인 이름' AFTER `utm_medium`,
-    ADD COLUMN `utm_content` VARCHAR(255) NULL
-    COMMENT '광고 소재 구분 (A/B 테스트용)' AFTER `utm_campaign`,
-    ADD COLUMN `utm_term` VARCHAR(255) NULL
-    COMMENT '검색 키워드' AFTER `utm_content`;

docs/database-schema/migration_2026_07_27_backfill_first_video_created_at.sql

@@ -1,48 +0,0 @@
--- ============================================================
--- Migration: 기존 회원의 first_video_created_at 백필
--- Date: 2026-07-27
--- Description: Meta FirstVideoCreated 전환 이벤트 오발화 방지
---
---   [문제]
---   first_video_created_at은 신규 컬럼이라 기존 회원 전원이 NULL이다.
---   FirstVideoCreated 발화 조건은 "completed 영상 존재 + 컬럼이 NULL"이므로,
---   배포 후 기존 회원이 영상을 하나 더 만들면 그것이 51번째 영상이어도
---   "첫 영상 생성"으로 발화되어 핵심 전환 이벤트가 오염된다.
---   (CompleteRegistration은 is_new_user 게이트 + 24시간 가드가 있어 해당 없음)
---
---   [조치]
---   이미 completed 영상을 보유한 회원은 그 최초 영상의 생성 시각으로
---   컬럼을 채워 "이미 발화 완료" 상태로 만든다.
---
---   [실행 시점]
---   반드시 백엔드 배포 전에 실행할 것.
---   (ALTER TABLE 마이그레이션 2건을 먼저 적용한 뒤 실행)
---
---   관련 코드: app/video/api/routers/v1/tracking.py
--- ============================================================
-
--- 백필 대상 건수 사전 확인 (실행 전 참고용)
--- SELECT COUNT(*) FROM `user` u
--- WHERE u.first_video_created_at IS NULL
---   AND EXISTS (
---       SELECT 1 FROM video v
---       JOIN project p ON v.project_id = p.id
---       WHERE p.user_uuid = u.user_uuid AND v.status = 'completed'
---   );
-
-UPDATE `user` u
-SET u.first_video_created_at = (
-    SELECT MIN(v.created_at)
-    FROM video v
-    JOIN project p ON v.project_id = p.id
-    WHERE p.user_uuid = u.user_uuid
-      AND v.status = 'completed'
-)
-WHERE u.first_video_created_at IS NULL
-  AND EXISTS (
-      SELECT 1
-      FROM video v
-      JOIN project p ON v.project_id = p.id
-      WHERE p.user_uuid = u.user_uuid
-        AND v.status = 'completed'
-  );

docs/database-schema/migration_2026_08_13_add_video_poster_url.sql

@@ -1,10 +0,0 @@
--- ============================================================
--- Migration: video 테이블에 poster_url 컬럼 추가
--- Date: 2026-08-13
--- Description: 영상 첫 프레임 포스터 이미지 URL. SNS 공유 og:image 용도.
---              관련 코드: app/utils/video_poster.py, app/video/worker/video_task.py
--- ============================================================
-
-ALTER TABLE `video`
-    ADD COLUMN `poster_url` VARCHAR(2048) NULL
-    COMMENT '영상 첫 프레임 포스터 이미지 URL (SNS 공유 og:image용)' AFTER `result_movie_url`;

docs/database-schema/migration_2026_08_19_add_video_sns_metadata.sql

@@ -1,15 +0,0 @@
--- ============================================================
--- Migration: video 테이블에 SNS 메타데이터 컬럼 추가
--- Date: 2026-08-19
--- Description: 영상 생성 완료 시 저장하는 제목/설명/해시태그.
---              관련 코드: app/social/services/seo_service.py,
---              app/video/worker/video_task.py
--- ============================================================
-
-ALTER TABLE `video`
-    ADD COLUMN `title` VARCHAR(100) NULL
-    COMMENT 'SNS 업로드 제목' AFTER `poster_url`,
-    ADD COLUMN `description` TEXT NULL
-    COMMENT 'SNS 업로드 설명' AFTER `title`,
-    ADD COLUMN `hashtags` JSON NULL
-    COMMENT 'SNS 해시태그 목록' AFTER `description`;

main.py

@@ -20,7 +20,6 @@ from app.lyric.api.routers.v1.lyric import router as lyric_router
 from app.song.api.routers.v1.song import router as song_router
 from app.sns.api.routers.v1.sns import router as sns_router
 from app.video.api.routers.v1.video import router as video_router
-from app.video.api.routers.v1.tracking import router as tracking_router
 from app.social.api.routers.v1.oauth import router as social_oauth_router
 from app.social.api.routers.v1.upload import router as social_upload_router
 from app.social.api.routers.v1.seo import router as social_seo_router
@@ -411,7 +410,6 @@ app.include_router(social_account_router, prefix="/user")  # Social Account API
 app.include_router(lyric_router)
 app.include_router(song_router)
 app.include_router(video_router)
-app.include_router(tracking_router)  # Meta 전환 추적 라우터
 app.include_router(archive_router)  # Archive API 라우터 추가
 app.include_router(comment_router)  # Comment API 라우터 추가
 app.include_router(social_oauth_router, prefix="/social")  # Social OAuth 라우터 추가