.gitignore

@@ -52,5 +52,4 @@ Dockerfile
 .dockerignore
 
 zzz/
-credentials/service_account.json
-o2o-castad-scheduler/
+credentials/service_account.json

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

@@ -16,9 +16,7 @@ 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.comment.models import Comment
-from app.database.like_cache import get_like_counts, mset_like_counts
-from app.video.models import Video, VideoReaction
+from app.video.models import Video
 from app.video.schemas.video_schema import VideoListItem
 
 logger = get_logger(__name__)
@@ -101,22 +99,9 @@ async def get_videos(
         total_result = await session.execute(count_query)
         total = total_result.scalar() or 0
 
-        # 쿼리 2: Video + Project + comment_count 조회 (like_count는 Redis에서)
-        comment_count_subq = (
-            select(func.count(Comment.id))
-            .where(
-                Comment.video_id == Video.id,
-                Comment.is_deleted == False,  # noqa: E712
-            )
-            .correlate(Video)
-            .scalar_subquery()
-        )
+        # 쿼리 2: Video + Project 데이터 조회 (task_id별 최신 영상만)
         data_query = (
-            select(
-                Video,
-                Project,
-                comment_count_subq.label("comment_count"),
-            )
+            select(Video, Project)
             .join(Project, Video.project_id == Project.id)
             .where(Video.id.in_(select(latest_video_ids.c.latest_id)))
             .order_by(Video.created_at.desc())
@@ -126,29 +111,6 @@ async def get_videos(
         result = await session.execute(data_query)
         rows = result.all()
 
-        # Redis mget으로 like_count 일괄 조회
-        video_ids = [video.id for video, project, _ in rows]
-        like_count_map = await get_like_counts(video_ids)
-
-        # 캐시 미스(None)인 video_id만 DB에서 보정
-        missing_ids = [vid for vid, cnt in like_count_map.items() if cnt is None]
-        if missing_ids:
-            db_counts = (await session.execute(
-                select(VideoReaction.video_id, func.count(VideoReaction.id))
-                .where(VideoReaction.video_id.in_(missing_ids))
-                .group_by(VideoReaction.video_id)
-            )).all()
-            db_found_ids = set()
-            batch = {}
-            for vid, cnt in db_counts:
-                batch[vid] = cnt
-                like_count_map[vid] = cnt
-                db_found_ids.add(vid)
-            await mset_like_counts(batch)
-            for vid in missing_ids:
-                if vid not in db_found_ids:
-                    like_count_map[vid] = 0
-
         # VideoListItem으로 변환
         items = [
             VideoListItem(
@@ -158,10 +120,8 @@ async def get_videos(
                 task_id=video.task_id,
                 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,
             )
-            for video, project, comment_count in rows
+            for video, project in rows
         ]
 
         response = PaginatedResponse.create(

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

@@ -1,176 +0,0 @@
-"""
-Comment API Router
-
-영상 댓글 관련 엔드포인트를 제공합니다.
-
-엔드포인트 목록:
-    - POST /comment/video/{video_id}: 댓글/대댓글 작성 (로그인 필수)
-    - GET  /comment/video/{video_id}: 댓글 목록 조회 (비로그인 허용)
-    - DELETE /comment/{comment_id}: 본인 댓글 소프트 삭제 (로그인 필수)
-"""
-
-from fastapi import APIRouter, Depends
-from sqlalchemy.ext.asyncio import AsyncSession
-
-from app.comment.schemas.comment_schema import (
-    CommentCreateRequest,
-    CommentCreateResponse,
-    CommentItem,
-    DeleteCommentResponse,
-)
-from app.comment.services.comment import create_comment, delete_comment, list_comments
-from app.database.session import get_session
-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.logger import get_logger
-from app.utils.pagination import PaginatedResponse
-
-logger = get_logger("comment")
-
-router = APIRouter(prefix="/comment", tags=["Comment"])
-
-
-@router.post(
-    "/video/{video_id}",
-    summary="댓글/대댓글 작성",
-    description="""
-## 개요
-영상에 댓글 또는 대댓글을 작성합니다. 로그인 필수.
-
-## 경로 파라미터
-- **video_id**: 댓글을 달 영상의 ID
-
-## 요청 본문
-- **content**: 댓글 본문 (1~100자)
-- **parent_id**: 대댓글일 때만 부모 댓글 id (생략 시 최상위 댓글)
-
-## 참고
-- 작성자 정보는 응답에 포함되지 않습니다 (익명 정책).
-- 대댓글에 또 대댓글을 다는 것은 불가합니다 (최대 2-depth).
-    """,
-    response_model=CommentCreateResponse,
-    responses={
-        200: {"description": "댓글 작성 성공"},
-        400: {"description": "잘못된 parent_id (2-depth 초과, 다른 영상의 댓글 등)"},
-        401: {"description": "인증 실패"},
-        404: {"description": "영상을 찾을 수 없음"},
-    },
-)
-async def post_comment(
-    video_id: int,
-    body: CommentCreateRequest,
-    current_user: User = Depends(get_current_user),
-    session: AsyncSession = Depends(get_session),
-) -> CommentCreateResponse:
-    logger.info(
-        f"[post_comment] START - video_id: {video_id}, user: {current_user.user_uuid}, "
-        f"parent_id: {body.parent_id}"
-    )
-    comment = await create_comment(
-        session=session,
-        video_id=video_id,
-        user_uuid=current_user.user_uuid,
-        nickname=body.nickname,
-        content=body.content,
-        parent_id=body.parent_id,
-    )
-    logger.info(f"[post_comment] SUCCESS - comment_id: {comment.id}")
-    return CommentCreateResponse(
-        id=comment.id,
-        nickname=comment.nickname or "익명",
-        parent_id=comment.parent_id,
-        content=comment.content,
-        created_at=comment.created_at,
-    )
-
-
-@router.get(
-    "/video/{video_id}",
-    summary="댓글 목록 조회",
-    description="""
-## 개요
-영상의 댓글 목록을 페이지네이션하여 반환합니다. 비로그인도 접근 가능.
-
-## 경로 파라미터
-- **video_id**: 댓글을 조회할 영상의 ID
-
-## 쿼리 파라미터
-- **page**: 페이지 번호 (기본값: 1)
-- **page_size**: 페이지당 댓글 수 (기본값: 10, 최대: 100)
-
-## 참고
-- 최상위 댓글만 페이지네이션됩니다. 각 댓글의 대댓글은 전부 포함됩니다.
-- 작성자 정보는 노출되지 않으며, is_mine으로 본인 댓글 여부만 확인 가능합니다.
-- 삭제된 댓글은 content=null로 노출됩니다 (대댓글이 있는 경우).
-    """,
-    response_model=PaginatedResponse[CommentItem],
-    responses={
-        200: {"description": "댓글 목록 조회 성공"},
-        500: {"description": "조회 실패"},
-    },
-)
-async def get_comments(
-    video_id: int,
-    current_user: User | None = Depends(get_current_user_optional),
-    session: AsyncSession = Depends(get_session),
-    pagination: PaginationParams = Depends(get_pagination_params),
-) -> PaginatedResponse[CommentItem]:
-    logger.info(
-        f"[get_comments] START - video_id: {video_id}, "
-        f"page: {pagination.page}, page_size: {pagination.page_size}"
-    )
-    current_user_uuid = current_user.user_uuid if current_user else None
-    result = await list_comments(
-        session=session,
-        video_id=video_id,
-        page=pagination.page,
-        page_size=pagination.page_size,
-        current_user_uuid=current_user_uuid,
-    )
-    logger.info(f"[get_comments] SUCCESS - total: {result.total}, items: {len(result.items)}")
-    return result
-
-
-@router.delete(
-    "/{comment_id}",
-    summary="댓글 소프트 삭제",
-    description="""
-## 개요
-본인이 작성한 댓글을 소프트 삭제합니다. 로그인 필수.
-
-## 경로 파라미터
-- **comment_id**: 삭제할 댓글의 ID
-
-## 참고
-- 본인 댓글만 삭제 가능합니다.
-- 소프트 삭제 방식으로 DB에 데이터는 유지됩니다.
-- 부모 댓글 삭제 시 대댓글은 유지되며, 목록 조회 시 content=null로 표시됩니다.
-    """,
-    response_model=DeleteCommentResponse,
-    responses={
-        200: {"description": "삭제 성공"},
-        401: {"description": "인증 실패"},
-        403: {"description": "삭제 권한 없음"},
-        404: {"description": "댓글을 찾을 수 없음"},
-    },
-)
-async def remove_comment(
-    comment_id: int,
-    current_user: User = Depends(get_current_user),
-    session: AsyncSession = Depends(get_session),
-) -> DeleteCommentResponse:
-    logger.info(
-        f"[remove_comment] START - comment_id: {comment_id}, user: {current_user.user_uuid}"
-    )
-    await delete_comment(
-        session=session,
-        comment_id=comment_id,
-        current_user_uuid=current_user.user_uuid,
-    )
-    logger.info(f"[remove_comment] SUCCESS - comment_id: {comment_id}")
-    return DeleteCommentResponse(
-        success=True,
-        comment_id=comment_id,
-        message="댓글이 삭제되었습니다.",
-    )

app/comment/models.py

@@ -1,81 +0,0 @@
-from datetime import datetime
-from typing import TYPE_CHECKING, List, Optional
-
-from sqlalchemy import Boolean, DateTime, ForeignKey, Index, Integer, String, func
-from sqlalchemy.orm import Mapped, mapped_column, relationship
-
-from app.database.session import Base
-
-if TYPE_CHECKING:
-    from app.user.models import User
-    from app.video.models import Video
-
-
-class Comment(Base):
-    """
-    영상 댓글 테이블
-
-    2-depth 구조 (최상위 댓글 + 대댓글 1단계).
-    parent_id가 NULL이면 최상위 댓글, 값이 있으면 대댓글.
-    작성자(user_uuid)는 DB에 저장하지만 API 응답에는 미노출 (익명 정책).
-    """
-
-    __tablename__ = "comment"
-    __table_args__ = (
-        Index("idx_comment_video_id", "video_id"),
-        Index("idx_comment_user_uuid", "user_uuid"),
-        Index("idx_comment_parent_id", "parent_id"),
-        Index("idx_comment_is_deleted", "is_deleted"),
-        {
-            "mysql_engine": "InnoDB",
-            "mysql_charset": "utf8mb4",
-            "mysql_collate": "utf8mb4_unicode_ci",
-        },
-    )
-
-    id: Mapped[int] = mapped_column(
-        Integer, primary_key=True, autoincrement=True, comment="고유 식별자"
-    )
-    video_id: Mapped[int] = mapped_column(
-        Integer,
-        ForeignKey("video.id", ondelete="CASCADE"),
-        nullable=False,
-        comment="연결된 Video의 id",
-    )
-    user_uuid: Mapped[str] = mapped_column(
-        ForeignKey("user.user_uuid", ondelete="CASCADE"),
-        nullable=False,
-        comment="작성자 UUID (응답 미노출, 권한 검증용)",
-    )
-    parent_id: Mapped[Optional[int]] = mapped_column(
-        Integer,
-        ForeignKey("comment.id", ondelete="CASCADE"),
-        nullable=True,
-        comment="NULL=최상위 댓글, 값=대댓글의 부모 id",
-    )
-    nickname: Mapped[Optional[str]] = mapped_column(
-        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)"
-    )
-    is_deleted: Mapped[bool] = mapped_column(
-        Boolean, nullable=False, default=False, comment="소프트 삭제 여부"
-    )
-    created_at: Mapped[datetime] = mapped_column(
-        DateTime,
-        nullable=False,
-        server_default=func.now(),
-        comment="작성 일시",
-    )
-
-    video: Mapped["Video"] = relationship("Video", back_populates="comments")
-    user: Mapped["User"] = relationship("User", back_populates="comments")
-    parent: Mapped[Optional["Comment"]] = relationship(
-        "Comment", remote_side=[id], back_populates="replies"
-    )
-    replies: Mapped[List["Comment"]] = relationship(
-        "Comment",
-        back_populates="parent",
-        cascade="all, delete-orphan",
-    )

app/comment/schemas/comment_schema.py

@@ -1,47 +0,0 @@
-from datetime import datetime
-from typing import List, Optional
-
-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")
-
-
-class ReplyItem(BaseModel):
-    """대댓글 응답"""
-
-    id: int = Field(..., description="댓글 고유 ID")
-    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")
-    created_at: datetime = Field(..., description="작성 일시")
-
-
-class CommentItem(BaseModel):
-    """최상위 댓글 응답 — replies 포함"""
-
-    id: int = Field(..., description="댓글 고유 ID")
-    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")
-    created_at: datetime = Field(..., description="작성 일시")
-    replies: List[ReplyItem] = Field(default_factory=list, description="대댓글 목록")
-
-
-class CommentCreateResponse(BaseModel):
-    id: int = Field(..., description="생성된 댓글 고유 ID")
-    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")
-
-
-class DeleteCommentResponse(BaseModel):
-    success: bool = Field(..., description="삭제 성공 여부")
-    comment_id: int = Field(..., description="삭제된 댓글 ID")
-    message: str = Field(..., description="결과 메시지")

app/comment/services/comment.py

@@ -1,189 +0,0 @@
-from collections import defaultdict
-from typing import List, Optional
-
-from fastapi import HTTPException
-from sqlalchemy import exists, select
-from sqlalchemy.ext.asyncio import AsyncSession
-
-from app.comment.models import Comment
-from app.comment.schemas.comment_schema import CommentItem, ReplyItem
-from app.utils.pagination import PaginatedResponse
-from app.video.models import Video
-
-
-async def _validate_parent(
-    session: AsyncSession,
-    parent_id: int,
-    video_id: int,
-) -> None:
-    """2-depth 제한 + 동일 video 검증."""
-    result = await session.execute(
-        select(Comment).where(
-            Comment.id == parent_id,
-            Comment.is_deleted == False,  # noqa: E712
-        )
-    )
-    parent = result.scalar_one_or_none()
-
-    if parent is None:
-        raise HTTPException(status_code=400, detail="부모 댓글을 찾을 수 없습니다.")
-    if parent.video_id != video_id:
-        raise HTTPException(status_code=400, detail="다른 영상의 댓글에는 대댓글을 달 수 없습니다.")
-    if parent.parent_id is not None:
-        raise HTTPException(status_code=400, detail="대댓글에는 대댓글을 달 수 없습니다. (최대 2-depth)")
-
-
-def _build_comment_items(
-    parents: list,
-    replies_map: dict,
-    current_user_uuid: Optional[str],
-) -> List[CommentItem]:
-    items = []
-    for c in parents:
-        raw_replies = replies_map.get(c.id, [])
-        replies = [
-            ReplyItem(
-                id=r.id,
-                nickname=r.nickname or "익명",
-                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,
-                created_at=r.created_at,
-            )
-            for r in raw_replies
-        ]
-        items.append(
-            CommentItem(
-                id=c.id,
-                nickname=c.nickname or "익명",
-                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,
-                created_at=c.created_at,
-                replies=replies,
-            )
-        )
-    return items
-
-
-async def create_comment(
-    session: AsyncSession,
-    video_id: int,
-    user_uuid: str,
-    nickname: str,
-    content: str,
-    parent_id: Optional[int],
-) -> Comment:
-    # Video 존재 확인
-    video_result = await session.execute(
-        select(Video).where(
-            Video.id == video_id,
-            Video.status == "completed",
-            Video.is_deleted == False,  # noqa: E712
-        )
-    )
-    if video_result.scalar_one_or_none() is None:
-        raise HTTPException(status_code=404, detail="영상을 찾을 수 없습니다.")
-
-    # parent_id 검증
-    if parent_id is not None:
-        await _validate_parent(session, parent_id, video_id)
-
-    comment = Comment(
-        video_id=video_id,
-        user_uuid=user_uuid,
-        nickname=nickname,
-        parent_id=parent_id,
-        content=content,
-    )
-    session.add(comment)
-    await session.commit()
-    await session.refresh(comment)
-    return comment
-
-
-async def list_comments(
-    session: AsyncSession,
-    video_id: int,
-    page: int,
-    page_size: int,
-    current_user_uuid: Optional[str],
-) -> PaginatedResponse[CommentItem]:
-    offset = (page - 1) * page_size
-
-    # 살아있는 자식이 있는지 확인하는 서브쿼리
-    has_live_reply = (
-        exists()
-        .where(
-            Comment.parent_id == Comment.id,
-            Comment.is_deleted == False,  # noqa: E712
-        )
-        .correlate(Comment)
-    )
-
-    # 최상위 댓글 필터: 삭제 안 됐거나 살아있는 대댓글이 있는 것
-    parent_where = [
-        Comment.video_id == video_id,
-        Comment.parent_id.is_(None),
-        (Comment.is_deleted == False) | has_live_reply,  # noqa: E712
-    ]
-
-    from sqlalchemy import func
-
-    count_q = select(func.count(Comment.id)).where(*parent_where)
-    total = (await session.execute(count_q)).scalar() or 0
-
-    parents_q = (
-        select(Comment)
-        .where(*parent_where)
-        .order_by(Comment.created_at.desc())
-        .offset(offset)
-        .limit(page_size)
-    )
-    parents = (await session.execute(parents_q)).scalars().all()
-
-    replies_map: dict = defaultdict(list)
-    if parents:
-        parent_ids = [c.id for c in parents]
-        replies_q = (
-            select(Comment)
-            .where(
-                Comment.parent_id.in_(parent_ids),
-                Comment.is_deleted == False,  # noqa: E712
-            )
-            .order_by(Comment.created_at.asc())
-        )
-        replies = (await session.execute(replies_q)).scalars().all()
-        for r in replies:
-            replies_map[r.parent_id].append(r)
-
-    items = _build_comment_items(list(parents), replies_map, current_user_uuid)
-
-    return PaginatedResponse.create(
-        items=items,
-        total=total,
-        page=page,
-        page_size=page_size,
-    )
-
-
-async def delete_comment(
-    session: AsyncSession,
-    comment_id: int,
-    current_user_uuid: str,
-) -> None:
-    result = await session.execute(
-        select(Comment).where(
-            Comment.id == comment_id,
-            Comment.is_deleted == False,  # noqa: E712
-        )
-    )
-    comment = result.scalar_one_or_none()
-
-    if comment is None:
-        raise HTTPException(status_code=404, detail="댓글을 찾을 수 없습니다.")
-    if comment.user_uuid != current_user_uuid:
-        raise HTTPException(status_code=403, detail="삭제 권한이 없습니다.")
-
-    comment.is_deleted = True
-    await session.commit()

app/core/common.py

@@ -51,9 +51,6 @@ async def lifespan(app: FastAPI):
     await close_shared_client()
     await close_shared_blob_client()
 
-    from app.database.like_cache import close_like_cache
-    await close_like_cache()
-
     # 데이터베이스 엔진 종료
     from app.database.session import dispose_engine
 

app/database/like_cache.py

@@ -1,235 +0,0 @@
-"""
-좋아요 Redis 캐시 클라이언트
-
-Write-Behind 패턴 적용:
-- 토글 시 Redis를 즉시 업데이트하고 dirty SET에 표시
-- 스케줄러가 1분마다 dirty 항목을 MySQL에 bulk write
-
-Key 패턴:
-- video:like:count:{video_id}       INT    — 좋아요 카운트
-- video:like:users:{video_id}       SET    — 좋아요 누른 user_uuid 목록
-- video:reaction:dirty              SET    — DB 동기화 대기 "{video_id}:{user_uuid}"
-- video:reaction:dirty:processing   SET    — 플러시 중 임시 (크래시 복구용)
-
-캐시 미스(Redis 재시작 등) 시 호출부에서 DB 조회 후 backfill_user_set() / set_like_count()로 복구합니다.
-"""
-
-import redis.asyncio as aioredis
-
-from config import db_settings
-
-_client: aioredis.Redis | None = None
-
-# 원자적 토글 Lua 스크립트 — 동시 더블클릭 race condition 방지
-_TOGGLE_LIKE_SCRIPT = """
-local user_key = KEYS[1]
-local count_key = KEYS[2]
-local user_uuid = ARGV[1]
-
-if redis.call('SISMEMBER', user_key, user_uuid) == 1 then
-    redis.call('SREM', user_key, user_uuid)
-    local c = tonumber(redis.call('DECR', count_key))
-    if c < 0 then
-        redis.call('SET', count_key, 0)
-        c = 0
-    end
-    return {0, c}
-else
-    redis.call('SADD', user_key, user_uuid)
-    local c = tonumber(redis.call('INCR', count_key))
-    return {1, c}
-end
-"""
-
-_DIRTY_KEY = "video:reaction:dirty"
-_DIRTY_PROCESSING_KEY = "video:reaction:dirty:processing"
-
-
-def get_like_cache() -> aioredis.Redis:
-    global _client
-    if _client is None:
-        _client = aioredis.Redis(
-            host=db_settings.REDIS_HOST,
-            port=db_settings.REDIS_PORT,
-            db=2,
-            decode_responses=True,
-        )
-    return _client
-
-
-async def close_like_cache() -> None:
-    global _client
-    if _client:
-        await _client.aclose()
-        _client = None
-
-
-# ──────────────────────────────────────────────
-# Key 헬퍼
-# ──────────────────────────────────────────────
-
-def _key(video_id: int) -> str:
-    return f"video:like:count:{video_id}"
-
-
-def _user_key(video_id: int) -> str:
-    return f"video:like:users:{video_id}"
-
-
-# ──────────────────────────────────────────────
-# 카운트 (기존 API 유지)
-# ──────────────────────────────────────────────
-
-async def get_like_count(video_id: int) -> int | None:
-    """Redis에서 like_count 조회. 캐시 미스 시 None 반환."""
-    val = await get_like_cache().get(_key(video_id))
-    if val is None:
-        return None
-    return max(int(val), 0)
-
-
-async def get_like_counts(video_ids: list[int]) -> dict[int, int | None]:
-    """여러 영상의 like_count를 한 번에 조회 (mget).
-    캐시 미스인 video_id는 None으로 반환."""
-    if not video_ids:
-        return {}
-    keys = [_key(vid) for vid in video_ids]
-    values = await get_like_cache().mget(*keys)
-    return {
-        vid: max(int(v), 0) if v is not None else None
-        for vid, v in zip(video_ids, values)
-    }
-
-
-async def set_like_count(video_id: int, count: int) -> None:
-    """like_count를 Redis에 저장 (음수 방지)."""
-    await get_like_cache().set(_key(video_id), max(count, 0))
-
-
-async def mset_like_counts(counts: dict[int, int]) -> None:
-    """여러 영상의 like_count를 한 번에 저장 (mset)."""
-    if not counts:
-        return
-    await get_like_cache().mset({_key(vid): max(cnt, 0) for vid, cnt in counts.items()})
-
-
-async def incr_like_count(video_id: int) -> int:
-    """like_count를 1 증가 후 반환."""
-    return max(int(await get_like_cache().incr(_key(video_id))), 0)
-
-
-async def decr_like_count(video_id: int) -> int:
-    """like_count를 1 감소 후 반환 (음수 방지)."""
-    count = int(await get_like_cache().decr(_key(video_id)))
-    if count < 0:
-        await get_like_cache().set(_key(video_id), 0)
-        return 0
-    return count
-
-
-# ──────────────────────────────────────────────
-# 유저 SET (is_liked_by_me source of truth)
-# ──────────────────────────────────────────────
-
-async def toggle_like_atomic(video_id: int, user_uuid: str) -> tuple[bool, int]:
-    """Lua 스크립트로 원자적 좋아요 토글.
-
-    Returns:
-        (is_liked, new_count) 튜플
-    """
-    result = await get_like_cache().eval(
-        _TOGGLE_LIKE_SCRIPT,
-        2,
-        _user_key(video_id),
-        _key(video_id),
-        user_uuid,
-    )
-    return bool(result[0]), int(result[1])
-
-
-async def is_user_liked(video_id: int, user_uuid: str) -> bool | None:
-    """Redis user-set에서 좋아요 여부 조회.
-
-    Returns:
-        True/False: 조회 성공
-        None: user-set 키가 없음 (cold-start backfill 필요 신호)
-    """
-    client = get_like_cache()
-    key = _user_key(video_id)
-    if not await client.exists(key):
-        return None
-    return bool(await client.sismember(key, user_uuid))
-
-
-async def is_user_set_exists(video_id: int) -> bool:
-    """Redis user-set 키 존재 여부 확인."""
-    return bool(await get_like_cache().exists(_user_key(video_id)))
-
-
-async def bulk_is_user_liked(
-    video_ids: list[int], user_uuid: str
-) -> dict[int, bool | None]:
-    """여러 영상의 is_liked 여부를 한 번에 조회 (pipeline).
-
-    Returns:
-        {video_id: True/False} — user-set 키가 없는 영상은 None
-    """
-    if not video_ids:
-        return {}
-    client = get_like_cache()
-    async with client.pipeline(transaction=False) as pipe:
-        for vid in video_ids:
-            pipe.exists(_user_key(vid))
-            pipe.sismember(_user_key(vid), user_uuid)
-        responses = await pipe.execute()
-
-    return {
-        vid: (bool(responses[i * 2 + 1]) if responses[i * 2] else None)
-        for i, vid in enumerate(video_ids)
-    }
-
-
-async def backfill_user_set(video_id: int, user_uuids: list[str]) -> None:
-    """DB에서 가져온 유저 목록을 Redis SET에 일괄 적재."""
-    if user_uuids:
-        await get_like_cache().sadd(_user_key(video_id), *user_uuids)
-
-
-# ──────────────────────────────────────────────
-# Dirty SET (Write-Behind 큐)
-# ──────────────────────────────────────────────
-
-async def mark_dirty(video_id: int, user_uuid: str) -> None:
-    """DB 동기화 대기 목록에 추가."""
-    await get_like_cache().sadd(_DIRTY_KEY, f"{video_id}:{user_uuid}")
-
-
-async def drain_dirty() -> list[tuple[int, str]]:
-    """dirty SET을 processing으로 RENAME 후 전체 반환.
-
-    이전 실행 중 크래시로 남은 processing 항목은 먼저 병합하여 유실 방지.
-    """
-    client = get_like_cache()
-
-    # 이전 크래시 잔여 항목 병합
-    if await client.exists(_DIRTY_PROCESSING_KEY):
-        await client.sunionstore(_DIRTY_KEY, _DIRTY_KEY, _DIRTY_PROCESSING_KEY)
-        await client.delete(_DIRTY_PROCESSING_KEY)
-
-    if not await client.exists(_DIRTY_KEY):
-        return []
-
-    # RENAME으로 플러시 중 새로 들어오는 토글과 분리
-    await client.rename(_DIRTY_KEY, _DIRTY_PROCESSING_KEY)
-    members = await client.smembers(_DIRTY_PROCESSING_KEY)
-
-    result = []
-    for member in members:
-        vid_str, user_uuid = member.split(":", 1)
-        result.append((int(vid_str), user_uuid))
-    return result
-
-
-async def commit_dirty_processing() -> None:
-    """DB 반영 완료 후 processing SET 삭제."""
-    await get_like_cache().delete(_DIRTY_PROCESSING_KEY)

app/database/session.py

@@ -1,13 +1,12 @@
 import time
-import traceback
 from typing import AsyncGenerator
 
-from fastapi import HTTPException
 from sqlalchemy.ext.asyncio import AsyncSession, async_sessionmaker, create_async_engine
 from sqlalchemy.orm import DeclarativeBase
 
 from app.utils.logger import get_logger
 from config import db_settings
+import traceback
 
 logger = get_logger("database")
 
@@ -135,23 +134,15 @@ async def get_session() -> AsyncGenerator[AsyncSession, None]:
         # )
         try:
             yield session
-        except HTTPException:
-            raise
         except Exception as e:
+            import traceback
             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}, "
-                    f"duration: {(time.perf_counter() - start_time)*1000:.1f}ms"
-                )
-            raise
+            logger.error(traceback.format_exc())
+            logger.error(
+                f"[get_session] ROLLBACK - error: {type(e).__name__}: {e}, "
+                f"duration: {(time.perf_counter() - start_time)*1000:.1f}ms"
+            )
+            raise e
         finally:
             total_time = time.perf_counter() - start_time
             # logger.debug(
@@ -179,8 +170,6 @@ async def get_background_session() -> AsyncGenerator[AsyncSession, None]:
         # )
         try:
             yield session
-        except HTTPException:
-            raise
         except Exception as e:
             await session.rollback()
             logger.error(
@@ -189,7 +178,7 @@ async def get_background_session() -> AsyncGenerator[AsyncSession, None]:
                 f"duration: {(time.perf_counter() - start_time)*1000:.1f}ms"
             )
             logger.debug(traceback.format_exc())
-            raise
+            raise e
         finally:
             total_time = time.perf_counter() - start_time
             # logger.debug(

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,
@@ -296,10 +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)",
+        nullable=False,
+        comment="매장 소스별 고유 식별자",
     )
 
     intel_result : Mapped[dict[str, Any]] = mapped_column(
@@ -314,12 +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,
@@ -370,10 +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

@@ -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)"
     )
@@ -249,25 +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",
-            }
-        }
-    )
-
-    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")
 
 
 class ErrorResponse(BaseModel):

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

@@ -40,10 +40,8 @@ from app.lyric.schemas.lyric import (
     LyricDetailResponse,
     LyricListItem,
     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 +159,6 @@ 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,
     )
 
@@ -271,36 +268,35 @@ 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,
             "region" : request_body.region,
             "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 +322,7 @@ 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 +336,7 @@ 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 +344,6 @@ 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()
@@ -362,26 +356,18 @@ async def generate_lyric(
         step4_start = time.perf_counter()
         logger.debug(f"[generate_lyric] Step 4: 백그라운드 태스크 스케줄링...")
         orientation = request_body.orientation
-
-        if request_body.instrumental:
-            # BGM 모드: ChatGPT 가사 생성 없이 Lyric을 즉시 completed로 마무리
-            lyric.status = "completed"
-            lyric.lyric_result = ""
-            await session.commit()
-            logger.info(f"[generate_lyric] BGM 모드 - 가사 생성 스킵, lyric_id: {lyric.id}")
-        else:
-            background_tasks.add_task(
-                generate_lyric_background,
-                task_id=task_id,
-                prompt=selected_lyric_prompt,
-                lyric_input_data=lyric_input_data,
-                lyric_id=lyric.id,
-            )
-
+        background_tasks.add_task(
+            generate_lyric_background,
+            task_id=task_id,
+            prompt=lyric_prompt,
+            lyric_input_data=lyric_input_data,
+            lyric_id=lyric.id,
+        )
+        
         background_tasks.add_task(
             generate_subtitle_background,
-            orientation=orientation,
-            task_id=task_id,
+            orientation = orientation,
+            task_id=task_id
         )
 
         step4_elapsed = (time.perf_counter() - step4_start) * 1000
@@ -521,96 +507,6 @@ async def list_lyrics(
     )
 
 
-@router.get(
-    "/subtitle/status/{task_id}",
-    summary="자막 생성 상태 조회",
-    description="""
-자막(subtitle) 생성 완료 여부를 조회합니다.
-
-## 인증
-**Bearer 토큰 필수** - `Authorization: Bearer {access_token}` 헤더를 포함해야 합니다.
-
-## 경로 파라미터
-- **task_id**: 프로젝트 task_id (필수)
-
-## 상태 값
-- **pending**: 자막 생성 진행 중 — 잠시 후 재요청
-- **completed**: 자막 생성 완료 — `/video/generate/{task_id}` 호출 가능
-
-## 사용 예시 (cURL)
-```bash
-curl -X GET "http://localhost:8000/lyric/subtitle/status/019123ab-cdef-7890-abcd-ef1234567890" \\
-  -H "Authorization: Bearer {access_token}"
-```
-
-## 참고
-- 자막은 `/lyric/generate` 호출 시 백그라운드에서 자동 생성됩니다.
-- 클라이언트는 `completed` 상태 확인 후 `/video/generate`를 호출해야 합니다.
-    """,
-    response_model=SubtitleStatusResponse,
-    responses={
-        200: {"description": "상태 조회 성공"},
-        401: {"description": "인증 실패 (토큰 없음/만료)"},
-        404: {"description": "해당 task_id에 해당하는 프로젝트를 찾을 수 없음"},
-    },
-)
-async def get_subtitle_status(
-    task_id: str,
-    current_user: User = Depends(get_current_user),
-    session: AsyncSession = Depends(get_session),
-) -> SubtitleStatusResponse:
-    """task_id로 자막 생성 상태를 조회합니다."""
-    logger.info(f"[get_subtitle_status] START - task_id: {task_id}")
-
-    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()
-    if not project:
-        raise HTTPException(
-            status_code=404,
-            detail=f"task_id '{task_id}'에 해당하는 프로젝트를 찾을 수 없습니다.",
-        )
-
-    marketing_result = await session.execute(
-        select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
-    )
-    intel = marketing_result.scalar_one_or_none()
-    if not intel:
-        raise HTTPException(
-            status_code=404,
-            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}")
-        return SubtitleStatusResponse(
-            task_id=task_id,
-            status="completed",
-            message="자막 생성 및 이미지 배정이 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}")
-    return SubtitleStatusResponse(
-        task_id=task_id,
-        status="pending",
-        message=f"{pending_msg} 처리가 진행 중입니다. 잠시 후 다시 확인해주세요.",
-    )
-
-
 @router.get(
     "/{task_id}",
     summary="가사 상세 조회",

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 +70,12 @@ 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):
@@ -205,62 +198,9 @@ 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")
 
 
-class SubtitleStatusResponse(BaseModel):
-    """자막 생성 상태 조회 응답 스키마
-
-    Usage:
-        GET /subtitle/status/{task_id}
-        클라이언트가 subtitle 완료 여부를 polling할 때 사용합니다.
-
-    Status Values:
-        - pending: 자막 생성 진행 중 (재시도 필요)
-        - completed: 자막 생성 완료 (/video/generate 호출 가능)
-        - failed: 자막 생성 실패 (/lyric/generate 재호출 필요)
-    """
-
-    model_config = ConfigDict(
-        json_schema_extra={
-            "examples": [
-                {
-                    "summary": "생성 중",
-                    "value": {
-                        "task_id": "0694b716-dbff-7219-8000-d08cb5fce431",
-                        "status": "pending",
-                        "message": "자막 생성이 진행 중입니다. 잠시 후 다시 확인해주세요.",
-                    },
-                },
-                {
-                    "summary": "완료",
-                    "value": {
-                        "task_id": "0694b716-dbff-7219-8000-d08cb5fce431",
-                        "status": "completed",
-                        "message": "자막 생성이 완료되었습니다.",
-                    },
-                },
-                {
-                    "summary": "실패",
-                    "value": {
-                        "task_id": "0694b716-dbff-7219-8000-d08cb5fce431",
-                        "status": "failed",
-                        "message": "자막 생성에 실패했습니다. 다시 시도해주세요.",
-                    },
-                },
-            ]
-        }
-    )
-
-    task_id: str = Field(..., description="작업 고유 식별자")
-    status: Literal["pending", "completed", "failed"] = Field(..., description="자막 생성 상태")
-    message: str = Field(..., description="상태 메시지")
-
-
 class LyricListItem(BaseModel):
     """가사 목록 아이템 스키마
 

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 +155,55 @@ 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
+) -> None:
+    logger.info(f"[generate_subtitle_background] task_id: {task_id}, {orientation}")
+    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}")
+
+    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] task_id: {task_id} DONE")
+    
+
+        
+    return 

app/social/oauth/youtube.py

@@ -59,7 +59,7 @@ class YouTubeOAuthClient(BaseOAuthClient):
             "response_type": "code",
             "scope": " ".join(YOUTUBE_SCOPES),
             "access_type": "offline",  # refresh_token 받기 위해 필요
-            "prompt": "consent",  # 항상 동의 화면 표시하여 refresh_token 발급 보장
+            "prompt": "select_account",  # 계정 선택만 표시 (동의 화면은 최초 1회만)
             "state": state,
         }
         url = f"{self.AUTHORIZATION_URL}?{urlencode(params)}"

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/account_service.py

@@ -306,7 +306,7 @@ class SocialAccountService:
         else:
             # DB datetime은 naive, now()는 aware이므로 naive로 통일하여 비교
             current_time = now().replace(tzinfo=None)
-            buffer_time = current_time + timedelta(minutes=20)
+            buffer_time = current_time + timedelta(hours=1)
             if account.token_expires_at <= buffer_time:
                 should_refresh = True
 

app/social/services/seo_service.py

@@ -94,10 +94,8 @@ class SeoService:
                 ),
                 "language": project.language,
                 "target_keywords": hashtags,
-                "industry": project.industry or "",  # 크롤 시 분류해 Project에 저장한 업종 enum
             }
 
-            # 업종 분기는 프롬프트 내부 {industry}로 처리하므로 단일 프롬프트 사용
             chatgpt = ChatgptService(timeout=180)
             yt_seo_output = await chatgpt.generate_structured_output(yt_upload_prompt, yt_seo_input_data)
 

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
@@ -90,19 +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()
@@ -119,32 +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(
@@ -186,6 +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.
     """,
@@ -212,10 +185,9 @@ async def generate_song(
             )
 
             # Song 테이블에 초기 데이터 저장
-            if request_body.instrumental:
-                song_prompt = f"[Instrumental]\n[Genre]\n{request_body.genre}"
-            else:
-                song_prompt = f"[Lyrics]\n{request_body.lyrics}\n\n[Genre]\n{request_body.genre}"
+            song_prompt = (
+                f"[Lyrics]\n{request_body.lyrics}\n\n[Genre]\n{request_body.genre}"
+            )
             logger.debug(
                 f"[generate_song] Lyrics comparison - task_id: {task_id}\n"
                 f"{'=' * 60}\n"
@@ -277,7 +249,6 @@ async def generate_song(
         suno_task_id = await suno_service.generate(
             prompt=request_body.lyrics,
             genre=request_body.genre,
-            instrumental=request_body.instrumental,
         )
 
         stage2_time = time.perf_counter()
@@ -440,14 +411,12 @@ 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:
@@ -483,8 +452,14 @@ async def get_song_status(
                         )
 
                         suno_audio_id = first_clip.get("id")
-
-                        # BGM 모드(lyric_result가 비어 있음)에서는 타임스탬프 생성 스킵
+                        word_data = await suno_service.get_lyric_timestamp(
+                            suno_task_id, suno_audio_id
+                        )
+                        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}, "
+                            f"word_data: {word_data}"
+                        )
                         lyric_result = await session.execute(
                             select(Lyric)
                             .where(Lyric.task_id == song.task_id)
@@ -492,74 +467,51 @@ async def get_song_status(
                             .limit(1)
                         )
                         lyric = lyric_result.scalar_one_or_none()
-                        gt_lyric = lyric.lyric_result if lyric else None
+                        gt_lyric = lyric.lyric_result
+                        lyric_line_list = gt_lyric.split("\n")
+                        sentences = [
+                            lyric_line.strip(",. ")
+                            for lyric_line in lyric_line_list
+                            if lyric_line and lyric_line != "---"
+                        ]
+                        logger.debug(
+                            f"[get_song_status] sentences from lyric - "
+                            f"sentences: {sentences}"
+                        )
 
-                        if gt_lyric:
-                            word_data = await suno_service.get_lyric_timestamp(
-                                suno_task_id, suno_audio_id
-                            )
+                        timestamped_lyrics = suno_service.align_lyrics(
+                            word_data, sentences
+                        )
+                        logger.debug(
+                            f"[get_song_status] sentences from lyric - "
+                            f"sentences: {sentences}"
+                        )
 
-                            # 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}, "
-                                f"word_data: {word_data}"
-                            )
-                            lyric_line_list = gt_lyric.split("\n")
-                            sentences = [
-                                lyric_line.strip(",. ")
-                                for lyric_line in lyric_line_list
-                                if lyric_line and lyric_line != "---"
-                            ]
-                            logger.debug(
-                                f"[get_song_status] sentences from lyric - "
-                                f"sentences: {sentences}"
-                            )
-
-                            timestamped_lyrics = suno_service.align_lyrics(
-                                word_data, sentences
-                            )
-
-                            for order_idx, timestamped_lyric in enumerate(
-                                timestamped_lyrics
+                        # TODO : DB upload timestamped_lyrics
+                        for order_idx, timestamped_lyric in enumerate(
+                            timestamped_lyrics
+                        ):
+                            # start_sec 또는 end_sec가 None인 경우 건너뛰기
+                            if (
+                                timestamped_lyric["start_sec"] is None
+                                or timestamped_lyric["end_sec"] is None
                             ):
-                                if (
-                                    timestamped_lyric["start_sec"] is None
-                                    or timestamped_lyric["end_sec"] is None
-                                ):
-                                    logger.warning(
-                                        f"[get_song_status] Skipping timestamp - "
-                                        f"lyric_line: {timestamped_lyric['text']}, "
-                                        f"start_sec: {timestamped_lyric['start_sec']}, "
-                                        f"end_sec: {timestamped_lyric['end_sec']}"
-                                    )
-                                    continue
-
-                                song_timestamp = SongTimestamp(
-                                    suno_audio_id=suno_audio_id,
-                                    order_idx=order_idx,
-                                    lyric_line=timestamped_lyric["text"],
-                                    start_time=timestamped_lyric["start_sec"],
-                                    end_time=timestamped_lyric["end_sec"],
+                                logger.warning(
+                                    f"[get_song_status] Skipping timestamp - "
+                                    f"lyric_line: {timestamped_lyric['text']}, "
+                                    f"start_sec: {timestamped_lyric['start_sec']}, "
+                                    f"end_sec: {timestamped_lyric['end_sec']}"
                                 )
-                                session.add(song_timestamp)
-                        else:
-                            logger.info(
-                                f"[get_song_status] BGM 모드 - 타임스탬프 생성 스킵, "
-                                f"suno_task_id: {suno_task_id}"
+                                continue
+
+                            song_timestamp = SongTimestamp(
+                                suno_audio_id=suno_audio_id,
+                                order_idx=order_idx,
+                                lyric_line=timestamped_lyric["text"],
+                                start_time=timestamped_lyric["start_sec"],
+                                end_time=timestamped_lyric["end_sec"],
                             )
+                            session.add(song_timestamp)
 
                         await session.commit()
                         parsed_response.status = "processing"

app/song/schemas/song_schema.py

@@ -1,6 +1,6 @@
 from typing import Optional
 
-from pydantic import BaseModel, Field, model_validator
+from pydantic import BaseModel, Field
 
 
 # =============================================================================
@@ -33,7 +33,7 @@ class GenerateSongRequest(BaseModel):
         }
     }
 
-    lyrics: Optional[str] = Field(None, description="노래에 사용할 가사 (instrumental=True이면 생략 가능)")
+    lyrics: str = Field(..., description="노래에 사용할 가사")
     genre: str = Field(
         ...,
         description="음악 장르 (K-Pop, Pop, R&B, Hip-Hop, Ballad, EDM, Rock, Jazz 등)",
@@ -42,15 +42,6 @@ class GenerateSongRequest(BaseModel):
         default="Korean",
         description="노래 언어 (Korean, English, Chinese, Japanese, Thai, Vietnamese)",
     )
-    instrumental: bool = Field(default=False, description="BGM 전용 모드 (가사 없이 음악만 생성)")
-
-    @model_validator(mode="after")
-    def validate_lyrics_required(self) -> "GenerateSongRequest":
-        if not self.instrumental and not self.lyrics:
-            raise ValueError("instrumental=False일 때 lyrics는 필수입니다.")
-        if self.instrumental:
-            self.lyrics = None
-        return self
 
 
 class GenerateSongResponse(BaseModel):

app/user/dependencies/auth.py

@@ -18,11 +18,10 @@ from app.user.services.auth import (
     AdminRequiredError,
     InvalidTokenError,
     MissingTokenError,
-    TokenExpiredError,
     UserInactiveError,
     UserNotFoundError,
 )
-from app.user.services.jwt import decode_token, is_token_expired
+from app.user.services.jwt import decode_token
 
 logger = logging.getLogger(__name__)
 
@@ -59,9 +58,6 @@ async def get_current_user(
 
     payload = decode_token(token)
     if payload is None:
-        if is_token_expired(token):
-            logger.info(f"[AUTH-DEP] Access Token 만료 - token: ...{token[-20:]}")
-            raise TokenExpiredError()
         logger.warning(f"[AUTH-DEP] Access Token 디코딩 실패 - token: ...{token[-20:]}")
         raise InvalidTokenError()
 

app/user/models.py

@@ -16,10 +16,8 @@ from app.database.session import Base
 
 
 if TYPE_CHECKING:
-    from app.comment.models import Comment
     from app.credit.models import CreditChargeRequest, CreditTransaction
     from app.home.models import Project
-    from app.video.models import VideoReaction
 
 
 class User(Base):
@@ -297,20 +295,6 @@ class User(Base):
         lazy="noload",
     )
 
-    comments: Mapped[List["Comment"]] = relationship(
-        "Comment",
-        back_populates="user",
-        cascade="all, delete-orphan",
-        lazy="noload",
-    )
-
-    video_reactions: Mapped[List["VideoReaction"]] = relationship(
-        "VideoReaction",
-        back_populates="user",
-        cascade="all, delete-orphan",
-        lazy="noload",
-    )
-
     def __repr__(self) -> str:
         return (
             f"<User("

app/user/services/auth.py

@@ -92,7 +92,6 @@ from app.user.services.jwt import (
     get_access_token_expire_seconds,
     get_refresh_token_expires_at,
     get_token_hash,
-    is_token_expired,
 )
 from app.user.services.kakao import kakao_client
 
@@ -213,9 +212,6 @@ class AuthService:
         # 1. 토큰 디코딩 및 검증
         payload = decode_token(refresh_token)
         if payload is None:
-            if is_token_expired(refresh_token):
-                logger.info(f"[AUTH] 토큰 갱신 실패 [1/8 만료] - token: ...{refresh_token[-20:]}")
-                raise TokenExpiredError()
             logger.warning(f"[AUTH] 토큰 갱신 실패 [1/8 디코딩] - token: ...{refresh_token[-20:]}")
             raise InvalidTokenError()
 

app/user/services/jwt.py

@@ -116,28 +116,6 @@ def decode_token(token: str) -> Optional[dict]:
         return None
 
 
-def is_token_expired(token: str) -> bool:
-    """
-    토큰이 만료됐는지 확인 (서명/형식은 유효하지만 exp 초과인 경우)
-
-    Returns:
-        True: 서명은 유효하나 만료된 토큰, False: 형식/서명 자체가 잘못된 토큰
-    """
-    try:
-        payload = jwt.decode(
-            token,
-            jwt_settings.JWT_SECRET,
-            algorithms=[jwt_settings.JWT_ALGORITHM],
-            options={"verify_exp": False},
-        )
-        exp = payload.get("exp")
-        if exp is None:
-            return False
-        return datetime.fromtimestamp(exp) < datetime.now()
-    except JWTError:
-        return False
-
-
 def get_token_hash(token: str) -> str:
     """
     토큰의 SHA-256 해시값 생성

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

@@ -6,11 +6,10 @@ from app.utils.prompts.schemas import SpaceType, Subject, Camera, MotionRecommen
 
 import asyncio
 
-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),
@@ -20,11 +19,10 @@ async def autotag_image(image_url : str, industry: str = "") -> list[str]: #tag_
     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")
-    image_input_data_list = [{
+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),
@@ -33,10 +31,10 @@ async def autotag_images(image_url_list : list[str], industry: str = "") -> 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 = 3 # 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(
@@ -46,5 +44,5 @@ async def autotag_images(image_url_list : list[str], industry: str = "") -> list
         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

@@ -1,143 +0,0 @@
-"""
-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.
-"""
-
-_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": (
-        "햇살 가득한 아침이 시작되고\n"
-        "따스한 바람이 살며시 불어와\n"
-        "거리마다 웃음꽃이 피어나고\n"
-        "오늘도 설레는 하루가 열려\n"
-        "가볍게 발걸음을 내딛으며\n"
-        "환한 빛 속으로 걸어가는 길\n"
-        "두근두근 설레는 이 순간을\n"
-        "온 마음 가득 담아 느껴봐\n"
-        "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": (
-        "저녁 노을이 물드는 창가에서\n"
-        "조용히 흘러가는 시간 속에\n"
-        "잔잔한 바람이 마음을 적시고\n"
-        "기억 속 풍경이 스쳐 지나가\n"
-        "부드럽게 감기는 이 느낌처럼\n"
-        "천천히 숨을 고르며 머물러\n"
-        "마음 깊은 곳에 스며드는 온기\n"
-        "조용히 눈을 감고 느껴봐\n"
-        "이 순간 여기 머무는 것만으로도 충분해\n"
-        "고요한 밤이 나를 감싸 안아줘\n"
-    ),
-    "EDM": (
-        "밤거리에 불빛이 타오르고\n"
-        "심장이 두근두근 뛰기 시작해\n"
-        "온몸에 퍼지는 뜨거운 열기\n"
-        "멈출 수 없는 이 흐름 속으로\n"
-        "있는 힘껏 달려가는 이 순간\n"
-        "모든 걸 내려놓고 느껴봐\n"
-        "짜릿하게 타오르는 지금 이 밤\n"
-        "온 세상이 하나로 움직여\n"
-        "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.
-
-    Returns:
-        선택된 장르의 가사 텍스트
-    """
-    return _BGM_DUMMY_LYRICS[normalize_genre(genre)]

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}",
@@ -540,310 +443,53 @@ 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
-            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.
-        """
-        scores = self.calculate_image_slot_score_multi(pool_subset, slot)
-        if not thumbnail_fitness_map or not slot.endswith(THUMBNAIL_SLOT_MARKER):
-            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 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 = [
-            name for name, t in component.items()
-            if t == "image" and name.endswith(THUMBNAIL_SLOT_MARKER)
-            and not is_fixed_slot_name(name) and self.parse_slot_name_to_tag(name) is not None
-        ]
-        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
-
+        for _, (_, template_type) in enumerate(template_component_data.items()):
+            if template_type == target_template_type:
+                count += 1
+        return count  
+        
     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
+        template : dict,
+        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.
-        """
+        address : str,
+        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.
-        image_slots = [
-            name for name, t in template_component_data.items()
-            if t == "image" and not is_fixed_slot_name(name) 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 = [s for s in image_slots if s.endswith(THUMBNAIL_SLOT_MARKER)]
-        image_slots = [s for s in image_slots if not s.endswith(THUMBNAIL_SLOT_MARKER)]
-        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"
-            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
+        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:
+                        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
+        return modifications
                 
-    # 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)
-
     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":
                 slot_tag_narrative = slot_tag_item
@@ -851,64 +497,41 @@ class CreatomateService:
 
             match slot_tag_cate:
                 case "space_type":
-                    weight = 2.0
-                case "subject":
-                    weight = 3.0
+                    weight = 2
+                case "subject" :
+                    weight = 2
                 case "camera":
-                    weight = 1.0
-                case "motion_recommended":
+                    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
+                if slot_tag_item.value in image_tag[slot_tag_cate]: #collect!
+                    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}
-        파싱 실패 시 None을 반환합니다 (호출자가 해당 슬롯을 skip+log 처리).
-        """
-        try:
-            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])
-            narrative = NarrativePhase(tag_list[4])
-            tag_dict = {
-                "space_type": space_type,
-                "subject": subject,
-                "camera": camera,
-                "motion_recommended": motion,
-                "narrative_preference": narrative,
-            }
-            return tag_dict
-        except (ValueError, IndexError) as e:
-            logger.warning(f"[parse_slot_name_to_tag] 슬롯명 파싱 실패: '{slot_name}' — {e} — 슬롯 skip")
-            return None
+    def parse_slot_name_to_tag(self, slot_name : str) -> dict[str, StrEnum]:
+        tag_list = slot_name.split("-")
+        space_type = SpaceType(tag_list[0])
+        subject = Subject(tag_list[1])
+        camera = Camera(tag_list[2])
+        motion = MotionRecommended(tag_list[3])
+        narrative = NarrativePhase(tag_list[4])
+        tag_dict = {
+            "space_type" : space_type,
+            "subject" : subject,
+            "camera" : camera,
+            "motion_recommended" : motion,
+            "narrative_preference" : narrative,
+        }
+        return tag_dict
 
     def elements_connect_resource_blackbox(
         self,
@@ -939,26 +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)
@@ -1062,8 +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):
@@ -1140,20 +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
@@ -1167,7 +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"])
 
@@ -1179,73 +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
@@ -1256,10 +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
+                
+                if "time" in elem:
+                    elem["time"] = elem["time"] * extend_rate
+                if "duration" in elem:
+                    elem["duration"] = elem["duration"] * extend_rate
 
-                self._scale_element(elem, 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}"
@@ -1296,38 +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:
@@ -1341,41 +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/nvMapPwScraper.py

@@ -1,7 +1,5 @@
 import asyncio
-import random
 import re
-from html import unescape
 from difflib import SequenceMatcher
 from playwright.async_api import async_playwright
 from urllib import parse
@@ -19,82 +17,29 @@ class NvMapPwScraper():
     _context = None
     _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)
-    );
-}
-'''
-
+    _max_retry = 3 
+    _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'
 
         return context_builder_dict
-
+       
     @classmethod
     async def initiate_scraper(cls):
         if not cls._playwright:
@@ -104,129 +49,6 @@ if (originalQuery) {
         if not cls._context:
             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],
-    ) -> list[dict | None] | 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
-        Returns:
-            payload별 파싱 JSON 목록(실패 항목은 None). 토큰 캡처 실패 시 None.
-        """
-        if not cls.is_ready:
-            logger.warning("[NvMapPwScraper] fetch_graphql: scraper가 초기화되지 않았습니다")
-            return 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 None
-
-            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 results
-
-        except Exception as e:
-            logger.error(f"[NvMapPwScraper] fetch_graphql 오류: {e}")
-            return None
-        finally:
-            await page.close()
     
     def __init__(self):
         if not self.is_ready:
@@ -240,7 +62,35 @@ 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):
@@ -249,9 +99,7 @@ if (originalQuery) {
 
     @staticmethod
     def _clean_title(text: str) -> str:
-        text = unescape(text)                    # HTML 엔티티 디코딩 (& → &)
-        text = re.sub(r"<.*?>", "", text)        # HTML 태그 제거
-        return text.strip()
+        return re.sub(r"<.*?>", "", text).strip()
 
     @staticmethod
     def _similarity(a: str, b: str) -> float:
@@ -333,114 +181,33 @@ 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:
@@ -468,27 +235,16 @@ 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 } }
     }
 }"""
 
@@ -105,13 +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)
 
     def _get_request_headers(self) -> dict:
         headers = self.DEFAULT_HEADERS.copy()
@@ -119,98 +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+)"
@@ -225,223 +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 = await self._scrap_via_browser(place_id)
-        # 편의시설은 HTML 페이지 파싱이라 GraphQL(WTM) 차단과 별개로 직접 시도 (best-effort, 실패 시 None)
-        fac_data = await self._get_facility_string(place_id)
-        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.scrap_type = "GraphQL"
 
         return
 
-    async def _scrap_via_browser(self, place_id: str) -> tuple[dict, list[dict] | None, list[dict], list[dict]]:
-        """직접 호출이 WTM 캡차에 막힌 경우, 실제 브라우저로 GraphQL을 호출한다.
-
-        Returns:
-            (overview_data, review_stats_details, extra_photo_urls, biz_photo_urls)
-
-        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
-        last_error: Exception | None = None
-        for attempt in range(1, MAX_RETRY + 1):
-            try:
-                results = await NvMapPwScraper.fetch_graphql(place_id, payloads)
-            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)}"
-        )
-
-        logger.info(f"[NvMapScraper] 브라우저 폴백 SUCCESS - place_id: {place_id}")
-        return data, stats_data, extra_photo_urls, biz_urls
-
     async def _call_get_accommodation(self, place_id: str) -> dict:
         """GraphQL API를 호출하여 숙소 정보를 가져옵니다.
 
@@ -470,14 +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}"
@@ -486,43 +158,13 @@ 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_string(self, place_id: str) -> str | None:
-        """장소 페이지에서 편의시설 정보를 크롤링합니다. 숙소, 음식점 순으로 시도합니다.
+        """숙소 페이지에서 편의시설 정보를 크롤링합니다.
 
         Args:
             place_id: 네이버 지도 장소 ID
@@ -530,17 +172,16 @@ query getVisitorReviewStats($id: String!) {
         Returns:
             편의시설 정보 문자열 또는 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:
-                        soup = bs4.BeautifulSoup(await response.read(), "html.parser")
-                        c_elem = soup.find("span", "place_blind", string="편의")
-                        if c_elem:
-                            return c_elem.parent.parent.find("div").string
-            return None
+                async with session.get(url, headers=self._get_request_headers()) as response:
+                    soup = bs4.BeautifulSoup(await response.read(), "html.parser")
+                    c_elem = soup.find("span", "place_blind", string="편의")
+                    if c_elem:
+                        facilities = c_elem.parent.parent.find("div").string
+                        return facilities
+                    return None
         except Exception as e:
             logger.warning(f"[NvMapScraper] Failed to get facility info: {e}")
             return None

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
 
@@ -131,35 +131,23 @@ class ChatgptService:
         })
         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:
-                # 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
+            response = await self.client.beta.chat.completions.parse(
+                model=model,
+                messages=[{"role": "user", "content": content}],
+                response_format=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":
@@ -182,67 +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
-
-            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
+        silent : bool = False
     ) -> BaseModel:
         prompt_text = prompt.build_prompt(input_data, silent)
     

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 +6,13 @@ 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"
+    "https://www.googleapis.com/auth/spreadsheets.readonly", 
+    "https://www.googleapis.com/auth/drive.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 +25,30 @@ 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 +74,16 @@ 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",
-    )
+    suno_prompt: str = Field(..., description="Suno AI용 프롬프트")

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

@@ -1,17 +1,16 @@
 from pydantic import BaseModel, create_model, Field
-from typing import List
+from typing import List, Optional
 from functools import lru_cache
 
 # Input 정의
 
 class SubtitlePromptInput(BaseModel):
-    marketing_intelligence : str = Field(..., description="마케팅 인텔리전스 정보")
+    marketing_intelligence : str = Field(..., description="마케팅 인텔리전스 정보") 
     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
@@ -11,97 +10,21 @@ from app.utils.prompts.chatgpt_prompt import ChatgptService
 from app.utils.prompts.schemas import *
 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)
+        self.chatgpt_service = ChatgptService()
 
-    @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:
-        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}"
-        )
-
-        dynamic_subtitle_prompt = create_dynamic_subtitle_prompt(len(pitching_label_list), industry)
+    async def generate_subtitle_contents(self, marketing_intelligence : dict[str, Any], pitching_label_list : list[Any], customer_name : str, detail_region_info : str) -> SubtitlePromptOutput:
+        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 = {
-            "marketing_intelligence" : marketing_intel_string,
+            "marketing_intelligence" : marketing_intel_string ,
             "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
-
-        elapsed = (time.perf_counter() - start) * 1000
-        logger.info(
-            f"[SubtitleContentsGenerator] DONE - 소요시간: {elapsed:.0f}ms, "
-            f"결과: {[r.pitching_tag for r in output_data.pitching_results]}"
-        )
+        output_data = await self.chatgpt_service.generate_structured_output(dynamic_subtitle_prompt, input_data)
         return output_data
     
 

app/utils/suno.py

@@ -55,12 +55,11 @@ generate() 호출 시 callback_url 파라미터를 전달하면 생성 완료
 - 동일 task_id에 대해 여러 콜백 수신 가능 (멱등성 처리 필요)
 """
 
-from typing import Any
+from typing import Any, List, Optional
 
 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.logger import get_logger
 from config import apikey_settings, recovery_settings
 
@@ -103,21 +102,19 @@ class SunoService:
 
     async def generate(
         self,
-        prompt: str | None = None,
+        prompt: str,
         genre: str | None = None,
         callback_url: str | None = None,
-        instrumental: bool = False,
     ) -> str:
         """
         음악 생성 요청
 
         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
 
         Returns:
             task_id: 작업 추적용 ID
@@ -125,30 +122,25 @@ 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
         """
+        # 정확히 1분 길이의 노래 생성을 위한 프롬프트 조건 추가
+        formatted_prompt = f"[Song Duration: Exactly 1 minute - Must be precisely 60 seconds]\n{prompt}"
+
+        # callback_url이 없으면 config에서 기본값 사용 (Suno API 필수 파라미터)
         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")
-        else:
-            formatted_prompt = (
-                f"[Song Duration: Around 40 seconds]\n{prompt}"
-            )
-
         payload: dict[str, Any] = {
             "model": "V5",
             "customMode": True,
-            "instrumental": instrumental,
+            "instrumental": False,
             "prompt": formatted_prompt,
             "callBackUrl": actual_callback_url,
         }
-        if normalized_genre:
-            payload["style"] = f"{normalized_genre}, around 40 seconds" if instrumental else normalized_genre
+
+        # genre가 있을 때만 style 추가
+        if genre:
+            payload["style"] = genre
 
         last_error: Exception | None = None
 
@@ -249,7 +241,7 @@ 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 +264,8 @@ 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/video/api/routers/internal/reactions.py

@@ -1,98 +0,0 @@
-"""
-내부 전용 좋아요 반응 플러시 API
-
-스케줄러가 1분마다 호출하여 Redis dirty SET의 좋아요 토글을 MySQL에 bulk write합니다.
-X-Internal-Secret 헤더로 인증합니다.
-"""
-
-import logging
-
-from fastapi import APIRouter, Depends, Header, HTTPException, status
-from sqlalchemy import delete, insert, tuple_
-from sqlalchemy.ext.asyncio import AsyncSession
-
-from app.database.like_cache import (
-    commit_dirty_processing,
-    drain_dirty,
-    is_user_liked,
-)
-from app.database.session import get_session
-from app.video.models import VideoReaction
-from config import internal_settings
-
-logger = logging.getLogger(__name__)
-
-router = APIRouter(prefix="/internal/video", tags=["Internal"])
-
-
-@router.post(
-    "/reactions/flush",
-    summary="[내부] 좋아요 반응 DB 플러시",
-    description="스케줄러 서버에서 1분마다 호출하는 내부 전용 엔드포인트입니다. "
-                "Redis dirty SET의 항목을 MySQL video_reaction 테이블에 bulk write합니다.",
-)
-async def flush_reactions(
-    session: AsyncSession = Depends(get_session),
-    x_internal_secret: str = Header(...),
-) -> dict:
-    """Redis dirty SET → MySQL bulk write.
-
-    1. drain_dirty(): dirty SET을 processing으로 RENAME 후 항목 조회
-    2. 각 항목의 현재 Redis 상태(is_liked) 확인
-    3. is_liked=True → INSERT IGNORE, is_liked=False → DELETE
-    4. commit_dirty_processing(): processing SET 삭제
-    """
-    if x_internal_secret != internal_settings.INTERNAL_SECRET_KEY:
-        raise HTTPException(
-            status_code=status.HTTP_403_FORBIDDEN,
-            detail="Invalid internal secret",
-        )
-
-    pairs = await drain_dirty()
-    if not pairs:
-        logger.info("[REACTION_FLUSH] dirty 항목 없음, 종료")
-        return {"flushed": 0, "adds": 0, "dels": 0}
-
-    logger.info(f"[REACTION_FLUSH] START - dirty 항목 {len(pairs)}건")
-
-    adds: list[dict] = []
-    dels: list[tuple[int, str]] = []
-
-    # Redis 현재 상태 기준으로 add / delete 분류
-    for video_id, user_uuid in pairs:
-        liked = await is_user_liked(video_id, user_uuid)
-        if liked:
-            adds.append({"video_id": video_id, "user_uuid": user_uuid})
-        else:
-            dels.append((video_id, user_uuid))
-
-    try:
-        # Bulk INSERT IGNORE — UniqueConstraint 보장으로 멱등 처리
-        if adds:
-            await session.execute(
-                insert(VideoReaction).prefix_with("IGNORE").values(adds)
-            )
-
-        # Bulk DELETE
-        if dels:
-            await session.execute(
-                delete(VideoReaction).where(
-                    tuple_(
-                        VideoReaction.video_id,
-                        VideoReaction.user_uuid,
-                    ).in_(dels)
-                )
-            )
-
-        await session.commit()
-        await commit_dirty_processing()
-
-        logger.info(
-            f"[REACTION_FLUSH] SUCCESS - adds: {len(adds)}, dels: {len(dels)}"
-        )
-        return {"flushed": len(pairs), "adds": len(adds), "dels": len(dels)}
-
-    except Exception as e:
-        await session.rollback()
-        logger.error(f"[REACTION_FLUSH] EXCEPTION - error: {e}")
-        raise HTTPException(status_code=500, detail=f"플러시 실패: {str(e)}")

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

@@ -14,51 +14,32 @@ Video API Router
 """
 
 import json
-from collections import defaultdict
+import asyncio
+
 from typing import Literal
 
 from fastapi import APIRouter, BackgroundTasks, Depends, HTTPException, Query
-from sqlalchemy import func, or_, select
+from sqlalchemy import select
 from sqlalchemy.ext.asyncio import AsyncSession
 
 from app.database.session import get_session
-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.dependencies.auth import get_current_user
 from app.user.models import User
-from app.utils.pagination import PaginatedResponse
-from app.home.models import Image, Project, MarketingIntel
-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.home.models import Image, Project, MarketingIntel, ImageTag
 from app.lyric.models import Lyric
 from app.song.models import Song, SongTimestamp
-from app.utils.creatomate import CreatomateService, LANGUAGE_FONT_MAP
-
-from app.comment.models import Comment
-from app.database.like_cache import (
-    backfill_user_set,
-    bulk_is_user_liked,
-    get_like_count,
-    get_like_counts,
-    is_user_liked,
-    is_user_set_exists,
-    mark_dirty,
-    mset_like_counts,
-    set_like_count,
-    toggle_like_atomic,
-)
+from app.utils.creatomate import CreatomateService
+from app.utils.subtitles import SubtitleContentsGenerator
 from app.utils.logger import get_logger
-from app.video.models import Video, VideoReaction
+from app.video.models import Video
 from app.video.schemas.video_schema import (
     DownloadVideoResponse,
     GenerateVideoResponse,
-    LikeToggleResponse,
     PollingVideoResponse,
-    VideoDetailResponse,
     VideoRenderData,
-    VideoThumbnailItem,
 )
 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
 
@@ -67,7 +48,6 @@ logger = get_logger("video")
 router = APIRouter(prefix="/video", tags=["Video"])
 
 
-
 @router.get(
     "/generate/{task_id}",
     summary="영상 생성 요청",
@@ -168,9 +148,37 @@ async def generate_video(
     image_urls: list[str] = []
 
     try:
+        subtitle_done = False
+        count = 0
+        async with AsyncSessionLocal() 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()
+
+        while not subtitle_done:
+            async with AsyncSessionLocal() as session:
+                logger.info(f"[generate_video] Checking subtitle- task_id: {task_id}, count : {count}")
+                marketing_result = await session.execute(
+                    select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
+                )
+                marketing_intelligence = marketing_result.scalar_one_or_none()
+                subtitle_done = bool(marketing_intelligence.subtitle)
+            if subtitle_done:
+                logger.info(f"[generate_video] Check subtitle done task_id: {task_id}")
+                break
+            await asyncio.sleep(5)
+            if count > 60 :
+                raise Exception("subtitle 결과 생성 실패")
+            count += 1
+            
+
         # 세션을 명시적으로 열고 DB 작업 후 바로 닫음
         async with AsyncSessionLocal() as session:
-            # ===== 순차 쿼리 실행: Project, MarketingIntel, Lyric, Song, Image =====
+            # ===== 순차 쿼리 실행: Project, Lyric, Song, Image =====
             # Note: AsyncSession은 동일 세션에서 병렬 쿼리를 지원하지 않음
 
             # Project 조회
@@ -180,47 +188,6 @@ async def generate_video(
                 .order_by(Project.created_at.desc())
                 .limit(1)
             )
-            project = project_result.scalar_one_or_none()
-            if not project:
-                logger.warning(f"[generate_video] Project NOT FOUND - task_id: {task_id}")
-                raise HTTPException(
-                    status_code=404,
-                    detail=f"task_id '{task_id}'에 해당하는 Project를 찾을 수 없습니다.",
-                )
-            project_id = project.id
-            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(
-                select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
-            )
-            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
-            # 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}")
-                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.",
-                    error_message=None,
-                )
-
-            category_definition = marketing_intelligence.intel_result["market_positioning"]["category_definition"]
-            target_keywords = marketing_intelligence.intel_result["target_keywords"]
 
             # Lyric 조회
             lyric_result = await session.execute(
@@ -251,6 +218,34 @@ async def generate_video(
                 f"elapsed: {(query_time - request_start) * 1000:.1f}ms"
             )
 
+            # ===== 결과 처리: Project =====
+            project = project_result.scalar_one_or_none()
+            if not project:
+                logger.warning(
+                    f"[generate_video] Project NOT FOUND - task_id: {task_id}"
+                )
+                raise HTTPException(
+                    status_code=404,
+                    detail=f"task_id '{task_id}'에 해당하는 Project를 찾을 수 없습니다.",
+                )
+            project_id = project.id
+            store_address = project.detail_region_info
+            brand_name = project.store_name
+            region = project.region
+
+            marketing_result = await session.execute(
+                select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
+            )
+            marketing_intelligence : MarketingIntel = marketing_result.scalar_one_or_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"]
+
             # ===== 결과 처리: Lyric =====
             lyric = lyric_result.scalar_one_or_none()
             if not lyric:
@@ -298,19 +293,10 @@ async def generate_video(
                 )
             image_urls = [img.img_url for img in images]
 
-            # SongTimestamp 조회 (외부 API 호출 전 필요한 데이터이므로 1단계에서 수집)
-            song_timestamp_result = await session.execute(
-                select(SongTimestamp).where(
-                    SongTimestamp.suno_audio_id == song.suno_audio_id
-                )
-            )
-            song_timestamp_list = song_timestamp_result.scalars().all()
-
             logger.info(
                 f"[generate_video] Data loaded - task_id: {task_id}, "
                 f"project_id: {project_id}, lyric_id: {lyric_id}, "
-                f"song_id: {song_id}, images: {len(image_urls)}, "
-                f"timestamps: {len(song_timestamp_list)}"
+                f"song_id: {song_id}, images: {len(image_urls)}"
             )
 
             # ===== Video 테이블에 초기 데이터 저장 및 커밋 =====
@@ -354,8 +340,7 @@ async def generate_video(
             f"[generate_video] Stage 2 START - Creatomate API - task_id: {task_id}"
         )
         creatomate_service = CreatomateService(
-            orientation=orientation,
-            industry=industry,
+            orientation=orientation
         )
         logger.debug(
             f"[generate_video] Using template_id: {creatomate_service.template_id}, (song duration: {song_duration})"
@@ -368,37 +353,40 @@ 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)
-
-        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}"
-                )
+        # 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)
+        
+        # modifications.update(thumbnail_modifications)
 
         # 6-3. elements 수정
         new_elements = creatomate_service.modify_element(
@@ -418,13 +406,24 @@ async def generate_video(
 
         logger.debug(f"[generate_video] Duration extended - task_id: {task_id}")
 
+        song_timestamp_result = await session.execute(
+            select(SongTimestamp).where(
+                SongTimestamp.suno_audio_id == song.suno_audio_id
+            )
+        )
+        song_timestamp_list = song_timestamp_result.scalars().all()
+
         logger.debug(f"[generate_video] song_timestamp_list count: {len(song_timestamp_list)}")
 
         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):
@@ -444,14 +443,6 @@ 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)}"
         # )
@@ -683,7 +674,7 @@ async def get_video_status(
         import traceback
 
         logger.error(
-            f"[get_video_status] EXCEPTION - creatomate_render_id: {creatomate_render_id}, error: {e}\n{traceback.format_exc()}"
+            f"[get_video_status] EXCEPTION - creatomate_render_id: {creatomate_render_id}, error: {e}"
         )
         return PollingVideoResponse(
             success=False,
@@ -691,7 +682,7 @@ async def get_video_status(
             message="상태 조회에 실패했습니다.",
             render_data=None,
             raw_response=None,
-            error_message=f"{type(e).__name__}: {e}",
+            error_message=f"{type(e).__name__}: {e}\n{traceback.format_exc()}",
         )
 
 
@@ -801,7 +792,7 @@ async def download_video(
             status="completed",
             message="영상 다운로드가 완료되었습니다.",
             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,
+            region=project.region if project else None,
             task_id=task_id,
             result_movie_url=video.result_movie_url,
             created_at=video.created_at,
@@ -815,363 +806,3 @@ async def download_video(
             message="영상 다운로드 조회에 실패했습니다.",
             error_message=str(e),
         )
-
-
-@router.get(
-    "/all",
-    summary="ADO2 콘텐츠 - 전체 사용자 영상 갤러리",
-    description="""
-## 개요
-모든 사용자가 생성 완료한 영상을 페이지네이션하여 반환합니다.
-
-## 쿼리 파라미터
-- **page**: 페이지 번호 (1부터 시작, 기본값: 1)
-- **page_size**: 페이지당 데이터 수 (기본값: 10, 최대: 100)
-- **sort_by**: 정렬 기준 (created_at: 최신순, like_count: 좋아요순, comment_count: 댓글순, 기본값: created_at)
-- **order**: 정렬 방향 (desc: 내림차순, asc: 오름차순, 기본값: desc)
-- **store_name**: 업체명 검색 (부분 일치, 값이 있을 때만 전송)
-- **region**: 지역명 검색 (부분 일치, 값이 있을 때만 전송)
-    """,
-    response_model=PaginatedResponse[VideoThumbnailItem],
-    responses={
-        200: {"description": "갤러리 조회 성공"},
-        500: {"description": "조회 실패"},
-    },
-)
-async def get_all_videos(
-    current_user: User | None = Depends(get_current_user_optional),
-    session: AsyncSession = Depends(get_session),
-    pagination: PaginationParams = Depends(get_pagination_params),
-    sort_by: str = Query(default="created_at", description="정렬 기준 (created_at, like_count, comment_count)"),
-    order: str = Query(default="desc", description="정렬 방향 (desc, asc)"),
-    store_name: str | None = Query(default=None, description="업체명 검색 (부분 일치)"),
-    region: str | None = Query(default=None, description="지역명 검색 (부분 일치)"),
-) -> PaginatedResponse[VideoThumbnailItem]:
-    """전체 사용자의 완료된 영상 갤러리를 반환합니다."""
-    logger.info(
-        f"[get_all_videos] START - page: {pagination.page}, page_size: {pagination.page_size}, "
-        f"sort_by: {sort_by}, order: {order}, store_name: {store_name}, region: {region}"
-    )
-
-    try:
-        offset = (pagination.page - 1) * pagination.page_size
-
-        where_clauses = [
-            Video.status == "completed",
-            Video.is_deleted == False,  # noqa: E712
-            Project.is_deleted == False,  # noqa: E712
-            Video.result_movie_url.is_not(None),
-        ]
-        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}%"),
-                        Project.detail_region_info.ilike(f"%{region}%"),
-                    )
-                )
-
-        count_q = (
-            select(func.count(Video.id))
-            .join(Project, Video.project_id == Project.id)
-            .where(*where_clauses)
-        )
-        total = (await session.execute(count_q)).scalar() or 0
-
-        comment_count_subq = (
-            select(func.count(Comment.id))
-            .where(
-                Comment.video_id == Video.id,
-                Comment.is_deleted == False,  # noqa: E712
-            )
-            .correlate(Video)
-            .scalar_subquery()
-        )
-
-        # like_count 정렬은 Redis 대신 서브쿼리로 처리 (ORDER BY에만 사용)
-        like_count_subq_for_sort = (
-            select(func.count(VideoReaction.id))
-            .where(VideoReaction.video_id == Video.id)
-            .correlate(Video)
-            .scalar_subquery()
-        )
-        sort_col_map = {
-            "like_count": like_count_subq_for_sort,
-            "comment_count": comment_count_subq,
-            "created_at": Video.created_at,
-        }
-        sort_col = sort_col_map.get(sort_by, Video.created_at)
-        order_clause = sort_col.asc() if order == "asc" else sort_col.desc()
-
-        list_q = (
-            select(
-                Video,
-                Project,
-                comment_count_subq.label("comment_count"),
-            )
-            .join(Project, Video.project_id == Project.id)
-            .where(*where_clauses)
-            .order_by(order_clause)
-            .offset(offset)
-            .limit(pagination.page_size)
-        )
-        rows = (await session.execute(list_q)).all()
-
-        video_ids = [v.id for v, p, _ in rows]
-
-        # Redis mget으로 like_count 일괄 조회
-        like_count_map = await get_like_counts(video_ids)
-
-        # 카운트 캐시 미스 보정
-        missing_ids = [vid for vid, cnt in like_count_map.items() if cnt is None]
-        if missing_ids:
-            db_counts = (await session.execute(
-                select(VideoReaction.video_id, func.count(VideoReaction.id))
-                .where(VideoReaction.video_id.in_(missing_ids))
-                .group_by(VideoReaction.video_id)
-            )).all()
-            db_found_ids = set()
-            batch = {}
-            for vid, cnt in db_counts:
-                batch[vid] = cnt
-                like_count_map[vid] = cnt
-                db_found_ids.add(vid)
-            await mset_like_counts(batch)
-            for vid in missing_ids:
-                if vid not in db_found_ids:
-                    like_count_map[vid] = 0
-
-        # is_liked_by_me: Redis user-set 기준, cold-start 시 DB backfill
-        liked_map: dict[int, bool] = {}
-        if current_user:
-            raw_liked = await bulk_is_user_liked(video_ids, current_user.user_uuid)
-
-            # user-set이 없는(None) 영상 중 count > 0인 것만 backfill 필요
-            needs_backfill = [
-                vid for vid, liked in raw_liked.items()
-                if liked is None and like_count_map.get(vid, 0) > 0
-            ]
-            if needs_backfill:
-                reaction_rows = (await session.execute(
-                    select(VideoReaction.video_id, VideoReaction.user_uuid)
-                    .where(VideoReaction.video_id.in_(needs_backfill))
-                )).all()
-                user_map: dict[int, list[str]] = defaultdict(list)
-                for vid, uuid in reaction_rows:
-                    user_map[vid].append(uuid)
-                for vid in needs_backfill:
-                    await backfill_user_set(vid, user_map.get(vid, []))
-
-                # backfill 후 재조회
-                updated = await bulk_is_user_liked(needs_backfill, current_user.user_uuid)
-                raw_liked.update(updated)
-
-            liked_map = {vid: bool(liked) for vid, liked in raw_liked.items()}
-
-        items = [
-            VideoThumbnailItem(
-                video_id=v.id,
-                store_name=p.store_name,
-                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,
-            )
-            for v, p, comment_count in rows
-        ]
-
-        response = PaginatedResponse.create(
-            items=items,
-            total=total,
-            page=pagination.page,
-            page_size=pagination.page_size,
-        )
-        logger.info(f"[get_all_videos] SUCCESS - total: {total}, items: {len(items)}")
-        return response
-
-    except Exception as e:
-        logger.error(f"[get_all_videos] EXCEPTION - error: {e}")
-        raise HTTPException(status_code=500, detail=f"갤러리 조회에 실패했습니다: {str(e)}")
-
-
-@router.post(
-    "/{video_id}/like",
-    summary="영상 좋아요 토글",
-    description="""
-## 개요
-영상에 좋아요를 토글합니다. 로그인 필수.
-
-- 처음 호출: 좋아요 추가 (is_liked=true)
-- 다시 호출: 좋아요 취소 (is_liked=false)
-    """,
-    response_model=LikeToggleResponse,
-    responses={
-        200: {"description": "토글 성공"},
-        401: {"description": "인증 실패"},
-        404: {"description": "영상을 찾을 수 없음"},
-    },
-)
-async def toggle_like(
-    video_id: int,
-    current_user: User = Depends(get_current_user),
-    session: AsyncSession = Depends(get_session),
-) -> LikeToggleResponse:
-    """영상 좋아요를 토글합니다.
-
-    Write-Behind 패턴:
-    1. Redis user-set / count를 즉시 원자적으로 업데이트 (Lua script)
-    2. dirty SET에 표시 → 스케줄러가 1분마다 MySQL에 반영
-    DB write가 없으므로 고트래픽에서도 응답 지연 없음.
-    """
-    logger.info(f"[toggle_like] START - video_id: {video_id}, user: {current_user.user_uuid}")
-
-    try:
-        # 영상 존재 확인 (DB read는 유지 — 404 처리 필수)
-        video_result = await session.execute(
-            select(Video).where(
-                Video.id == video_id,
-                Video.status == "completed",
-                Video.is_deleted == False,  # noqa: E712
-            )
-        )
-        if video_result.scalar_one_or_none() is None:
-            raise HTTPException(status_code=404, detail="영상을 찾을 수 없습니다.")
-
-        # Cold-start 보정: Redis에 데이터가 없으면 DB에서 backfill
-        count = await get_like_count(video_id)
-        if count is None:
-            # 카운트와 user-set 모두 없음 → DB에서 전체 복구
-            user_uuids = (await session.execute(
-                select(VideoReaction.user_uuid)
-                .where(VideoReaction.video_id == video_id)
-            )).scalars().all()
-            await backfill_user_set(video_id, list(user_uuids))
-            await set_like_count(video_id, len(user_uuids))
-        elif count > 0:
-            if not await is_user_set_exists(video_id):
-                # 카운트는 있지만 user-set이 증발한 경우 (부분 캐시 미스)
-                user_uuids = (await session.execute(
-                    select(VideoReaction.user_uuid)
-                    .where(VideoReaction.video_id == video_id)
-                )).scalars().all()
-                await backfill_user_set(video_id, list(user_uuids))
-
-        # Lua 스크립트로 원자적 토글 (race condition 방지)
-        is_liked, like_count = await toggle_like_atomic(video_id, current_user.user_uuid)
-
-        # dirty SET에 표시 → 스케줄러가 DB에 반영
-        await mark_dirty(video_id, current_user.user_uuid)
-
-        logger.info(
-            f"[toggle_like] SUCCESS - video_id: {video_id}, "
-            f"is_liked: {is_liked}, count: {like_count}"
-        )
-        return LikeToggleResponse(video_id=video_id, is_liked=is_liked, like_count=like_count)
-
-    except HTTPException:
-        raise
-    except Exception as e:
-        logger.error(f"[toggle_like] EXCEPTION - video_id: {video_id}, error: {e}")
-        raise HTTPException(status_code=500, detail=f"좋아요 처리에 실패했습니다: {str(e)}")
-
-
-@router.get(
-    "/{video_id}",
-    summary="단일 영상 상세 조회",
-    description="""
-## 개요
-video_id에 해당하는 완료된 영상의 상세 정보를 반환합니다.
-
-## 경로 파라미터
-- **video_id**: 조회할 영상의 ID (Video.id)
-    """,
-    response_model=VideoDetailResponse,
-    responses={
-        200: {"description": "상세 조회 성공"},
-        404: {"description": "영상을 찾을 수 없음"},
-        500: {"description": "조회 실패"},
-    },
-)
-async def get_video_detail(
-    video_id: int,
-    current_user: User | None = Depends(get_current_user_optional),
-    session: AsyncSession = Depends(get_session),
-) -> VideoDetailResponse:
-    """video_id에 해당하는 완료된 영상 상세 정보를 반환합니다."""
-    logger.info(f"[get_video_detail] START - video_id: {video_id}")
-
-    try:
-        result = await session.execute(
-            select(Video, Project)
-            .join(Project, Video.project_id == Project.id)
-            .where(
-                Video.id == video_id,
-                Video.status == "completed",
-                Video.is_deleted == False,  # noqa: E712
-                Project.is_deleted == False,  # noqa: E712
-            )
-        )
-        row = result.one_or_none()
-
-        if row is None:
-            logger.warning(f"[get_video_detail] NOT FOUND - video_id: {video_id}")
-            raise HTTPException(status_code=404, detail="영상을 찾을 수 없습니다.")
-
-        video, project = row
-
-        # like_count: Redis 조회, 캐시 미스 시 DB backfill
-        like_count = await get_like_count(video_id)
-        if like_count is None:
-            user_uuids = (await session.execute(
-                select(VideoReaction.user_uuid)
-                .where(VideoReaction.video_id == video_id)
-            )).scalars().all()
-            like_count = len(user_uuids)
-            await backfill_user_set(video_id, list(user_uuids))
-            await set_like_count(video_id, like_count)
-
-        # is_liked_by_me: Redis user-set 기준, cold-start 시 DB backfill
-        is_liked_by_me = False
-        if current_user:
-            liked = await is_user_liked(video_id, current_user.user_uuid)
-            if liked is None:
-                # user-set 없음 → count key로 cold-start 여부 판별
-                if like_count > 0:
-                    user_uuids = (await session.execute(
-                        select(VideoReaction.user_uuid)
-                        .where(VideoReaction.video_id == video_id)
-                    )).scalars().all()
-                    await backfill_user_set(video_id, list(user_uuids))
-                    liked = current_user.user_uuid in set(user_uuids)
-                else:
-                    liked = False
-            is_liked_by_me = liked
-
-        logger.info(f"[get_video_detail] SUCCESS - video_id: {video_id}")
-        return VideoDetailResponse(
-            video_id=video.id,
-            result_movie_url=video.result_movie_url,
-            store_name=project.store_name,
-            region=project.region or _extract_region_from_address(project.detail_region_info),
-            created_at=video.created_at,
-            like_count=like_count,
-            is_liked_by_me=is_liked_by_me,
-        )
-
-    except HTTPException:
-        raise
-    except Exception as e:
-        logger.error(f"[get_video_detail] EXCEPTION - video_id: {video_id}, error: {e}")
-        raise HTTPException(status_code=500, detail=f"영상 조회에 실패했습니다: {str(e)}")

app/video/models.py

@@ -1,17 +1,15 @@
 from datetime import datetime
-from typing import TYPE_CHECKING, List, Optional
+from typing import TYPE_CHECKING, Optional
 
-from sqlalchemy import Boolean, DateTime, ForeignKey, Index, Integer, String, UniqueConstraint, func
+from sqlalchemy import Boolean, DateTime, ForeignKey, Index, Integer, String, func
 from sqlalchemy.orm import Mapped, mapped_column, relationship
 
 from app.database.session import Base
 
 if TYPE_CHECKING:
-    from app.comment.models import Comment
     from app.home.models import Project
     from app.lyric.models import Lyric
     from app.song.models import Song
-    from app.user.models import User
 
 
 class Video(Base):
@@ -35,8 +33,6 @@ class Video(Base):
         project: 연결된 Project
         lyric: 연결된 Lyric
         song: 연결된 Song
-        comments: 영상 댓글 목록
-        likes: 영상 좋아요 목록
     """
 
     __tablename__ = "video"
@@ -136,20 +132,6 @@ class Video(Base):
         back_populates="videos",
     )
 
-    comments: Mapped[List["Comment"]] = relationship(
-        "Comment",
-        back_populates="video",
-        cascade="all, delete-orphan",
-        lazy="noload",
-    )
-
-    reactions: Mapped[List["VideoReaction"]] = relationship(
-        "VideoReaction",
-        back_populates="video",
-        cascade="all, delete-orphan",
-        lazy="noload",
-    )
-
     def __repr__(self) -> str:
         def truncate(value: str | None, max_len: int = 10) -> str:
             if value is None:
@@ -163,50 +145,3 @@ class Video(Base):
             f"status='{self.status}'"
             f")>"
         )
-
-
-class VideoReaction(Base):
-    """
-    영상 반응 테이블
-
-    사용자가 영상에 반응(현재는 좋아요)을 남기면 생성, 다시 누르면 삭제(토글).
-    (user_uuid, video_id) 유니크 제약으로 1인 1회 보장.
-    향후 reaction_type 컬럼 추가로 다양한 반응 종류 확장 가능.
-    """
-
-    __tablename__ = "video_reaction"
-    __table_args__ = (
-        UniqueConstraint("user_uuid", "video_id", name="uq_video_reaction_user_video"),
-        Index("idx_video_reaction_video_id", "video_id"),
-        Index("idx_video_reaction_user_uuid", "user_uuid"),
-        {
-            "mysql_engine": "InnoDB",
-            "mysql_charset": "utf8mb4",
-            "mysql_collate": "utf8mb4_unicode_ci",
-        },
-    )
-
-    id: Mapped[int] = mapped_column(
-        Integer, primary_key=True, autoincrement=True, comment="고유 식별자"
-    )
-    video_id: Mapped[int] = mapped_column(
-        Integer,
-        ForeignKey("video.id", ondelete="CASCADE"),
-        nullable=False,
-        comment="연결된 Video의 id",
-    )
-    user_uuid: Mapped[str] = mapped_column(
-        String(36),
-        ForeignKey("user.user_uuid", ondelete="CASCADE"),
-        nullable=False,
-        comment="반응한 사용자 UUID",
-    )
-    created_at: Mapped[datetime] = mapped_column(
-        DateTime,
-        nullable=False,
-        server_default=func.now(),
-        comment="반응 일시",
-    )
-
-    video: Mapped["Video"] = relationship("Video", back_populates="reactions")
-    user: Mapped["User"] = relationship("User", back_populates="video_reactions")

app/video/schemas/video_schema.py

@@ -36,7 +36,6 @@ class GenerateVideoResponse(BaseModel):
     )
 
     success: bool = Field(..., description="요청 성공 여부")
-    status: Optional[str] = Field(None, description="처리 상태 (subtitle_pending: 자막 미완료, completed: 정상 접수)")
     task_id: Optional[str] = Field(None, description="내부 작업 ID (Project task_id)")
     creatomate_render_id: Optional[str] = Field(None, description="Creatomate 렌더 ID")
     message: str = Field(..., description="응답 메시지")
@@ -158,51 +157,5 @@ class VideoListItem(BaseModel):
     task_id: str = Field(..., description="작업 고유 식별자")
     result_movie_url: Optional[str] = Field(None, description="영상 결과 URL")
     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)")
-
-
-class VideoThumbnailItem(BaseModel):
-    """ADO2 콘텐츠 갤러리용 최소 영상 정보 (썸네일 표시 + 상세 페이지 이동용)
-
-    Usage:
-        GET /video/all 응답의 개별 영상 정보
-    """
-
-    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 — 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)")
-
-
-class VideoDetailResponse(BaseModel):
-    """단일 영상 상세 응답
-
-    Usage:
-        GET /video/{video_id}
-    """
-
-    video_id: int = Field(..., description="영상 고유 ID")
-    result_movie_url: str = Field(..., description="영상 URL")
-    store_name: Optional[str] = Field(None, description="업체명")
-    region: Optional[str] = Field(None, description="지역명")
-    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)")
-
-
-class LikeToggleResponse(BaseModel):
-    """좋아요 토글 응답
-
-    Usage:
-        POST /video/{video_id}/like
-    """
-
-    video_id: int = Field(..., description="영상 고유 ID")
-    is_liked: bool = Field(..., description="토글 후 상태 (true=좋아요 누름, false=취소됨)")
-    like_count: int = Field(..., description="토글 후 전체 좋아요 수")
 
 

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

docs/database-schema/migration_2026_05_21_add_comment.sql

@@ -1,25 +0,0 @@
--- ============================================================
--- Migration: 영상 댓글 테이블 추가
--- Date: 2026-05-21
--- Description: 영상 상세 페이지 댓글/대댓글 기능 (2-depth, 소프트 삭제)
--- ============================================================
-
-CREATE TABLE IF NOT EXISTS comment (
-    id         BIGINT       NOT NULL AUTO_INCREMENT COMMENT '고유 식별자',
-    video_id   INT          NOT NULL                COMMENT '연결된 Video의 id',
-    user_uuid  VARCHAR(36)  NOT NULL                COMMENT '작성자 UUID (user.user_uuid 참조, 응답 미노출)',
-    nickname   VARCHAR(20)          NULL                COMMENT '작성자 닉네임 (null이면 익명으로 표시)',
-    parent_id  BIGINT           NULL                COMMENT 'NULL=최상위 댓글, 값=대댓글의 부모 id',
-    content    VARCHAR(100) NOT NULL                COMMENT '댓글 본문 (한글 기준 100자 이내)',
-    is_deleted BOOLEAN      NOT NULL DEFAULT FALSE  COMMENT '소프트 삭제 여부',
-    created_at DATETIME     NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '작성 일시',
-    PRIMARY KEY (id),
-    CONSTRAINT fk_comment_video  FOREIGN KEY (video_id)  REFERENCES video(id)         ON DELETE CASCADE,
-    CONSTRAINT fk_comment_user   FOREIGN KEY (user_uuid) REFERENCES `user`(user_uuid) ON DELETE CASCADE,
-    CONSTRAINT fk_comment_parent FOREIGN KEY (parent_id) REFERENCES comment(id)       ON DELETE CASCADE,
-    INDEX idx_comment_video_id   (video_id),
-    INDEX idx_comment_user_uuid  (user_uuid),
-    INDEX idx_comment_parent_id  (parent_id),
-    INDEX idx_comment_is_deleted (is_deleted)
-) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci
-  COMMENT='영상 댓글/대댓글';

docs/database-schema/migration_2026_05_21_add_video_reaction.sql

@@ -1,19 +0,0 @@
--- ============================================================
--- Migration: 영상 반응(좋아요) 테이블 추가
--- Date: 2026-05-21
--- Description: 사용자 영상별 좋아요 토글 (1인 1회, 확장 가능한 구조)
--- ============================================================
-
-CREATE TABLE IF NOT EXISTS video_reaction (
-    id         BIGINT      NOT NULL AUTO_INCREMENT COMMENT '고유 식별자',
-    video_id   INT         NOT NULL                COMMENT '연결된 Video의 id',
-    user_uuid  VARCHAR(36) NOT NULL                COMMENT '반응한 사용자 UUID',
-    created_at DATETIME    NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '반응 일시',
-    PRIMARY KEY (id),
-    CONSTRAINT uq_video_reaction_user_video UNIQUE (user_uuid, video_id),
-    CONSTRAINT fk_video_reaction_video FOREIGN KEY (video_id)  REFERENCES video(id)         ON DELETE CASCADE,
-    CONSTRAINT fk_video_reaction_user  FOREIGN KEY (user_uuid) REFERENCES `user`(user_uuid) ON DELETE CASCADE,
-    INDEX idx_video_reaction_video_id  (video_id),
-    INDEX idx_video_reaction_user_uuid (user_uuid)
-) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci
-  COMMENT='영상 반응 (user_uuid + video_id 유니크)';

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;

main.py

@@ -24,8 +24,6 @@ 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
 from app.social.api.routers.v1.internal import router as social_internal_router
-from app.comment.api.routers.v1.comment import router as comment_router
-from app.video.api.routers.internal.reactions import router as video_internal_router
 from app.credit.api.routers.v1.credit import router as credit_router
 from app.utils.cors import CustomCORSMiddleware
 from config import prj_settings
@@ -176,25 +174,6 @@ tags_metadata = [
 - created_at 기준 내림차순 정렬됩니다.
 - 삭제는 소프트 삭제(is_deleted=True) 방식으로 처리되며, 데이터 복구가 가능합니다.
 - 삭제 대상: Video, SongTimestamp, Song, Lyric, Image, Project
-""",
-    },
-    {
-        "name": "Comment",
-        "description": """영상 댓글 API - 댓글/대댓글 작성·조회·삭제
-
-**인증: 조회는 불필요, 작성/삭제는 필요** - `Authorization: Bearer {access_token}` 헤더
-
-## 주요 기능
-
-- `POST /comment/video/{video_id}` - 댓글/대댓글 작성 (로그인 필수)
-- `GET /comment/video/{video_id}` - 댓글 목록 조회 (비로그인 허용)
-- `DELETE /comment/{comment_id}` - 본인 댓글 소프트 삭제 (로그인 필수)
-
-## 참고
-
-- 최대 2-depth (댓글 + 대댓글). 대댓글에 대댓글은 불가합니다.
-- 작성자 정보는 응답에 포함되지 않습니다 (익명 정책).
-- is_mine 필드로 본인 댓글 여부를 확인할 수 있습니다.
 """,
     },
     {
@@ -411,12 +390,10 @@ app.include_router(lyric_router)
 app.include_router(song_router)
 app.include_router(video_router)
 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
 app.include_router(social_upload_router, prefix="/social")  # Social Upload 라우터 추가
 app.include_router(social_seo_router, prefix="/social")  # Social Upload 라우터 추가
 app.include_router(social_internal_router)  # 내부 스케줄러 전용 라우터
-app.include_router(video_internal_router)   # 내부 좋아요 플러시 라우터
 app.include_router(sns_router)  # SNS API 라우터 추가
 app.include_router(dashboard_router)  # Dashboard API 라우터 추가
 app.include_router(credit_router, prefix="/user")  # Credit API 라우터 추가

pyproject.toml

@@ -8,7 +8,7 @@ dependencies = [
     "aiofiles>=25.1.0",
     "aiohttp>=3.13.2",
     "aiomysql>=0.3.2",
-    "asyncmy>=0.2.11",
+    "asyncmy>=0.2.10",
     "beautifulsoup4>=4.14.3",
     "fastapi-cli>=0.0.16",
     "fastapi[standard]>=0.125.0",
@@ -23,7 +23,7 @@ dependencies = [
     "ruff>=0.14.9",
     "scalar-fastapi>=1.6.1",
     "sqladmin[full]>=0.22.0",
-    "sqlalchemy[asyncio]>=2.0.50",
+    "sqlalchemy[asyncio]>=2.0.45",
     "uuid7>=0.1.0",
 ]
 

uv.lock

@@ -744,7 +744,7 @@ requires-dist = [
     { name = "aiofiles", specifier = ">=25.1.0" },
     { name = "aiohttp", specifier = ">=3.13.2" },
     { name = "aiomysql", specifier = ">=0.3.2" },
-    { name = "asyncmy", specifier = ">=0.2.11" },
+    { name = "asyncmy", specifier = ">=0.2.10" },
     { name = "beautifulsoup4", specifier = ">=4.14.3" },
     { name = "fastapi", extras = ["standard"], specifier = ">=0.125.0" },
     { name = "fastapi-cli", specifier = ">=0.0.16" },
@@ -759,7 +759,7 @@ requires-dist = [
     { name = "ruff", specifier = ">=0.14.9" },
     { name = "scalar-fastapi", specifier = ">=1.6.1" },
     { name = "sqladmin", extras = ["full"], specifier = ">=0.22.0" },
-    { name = "sqlalchemy", extras = ["asyncio"], specifier = ">=2.0.50" },
+    { name = "sqlalchemy", extras = ["asyncio"], specifier = ">=2.0.45" },
     { name = "uuid7", specifier = ">=0.1.0" },
 ]
 
@@ -1294,22 +1294,26 @@ full = [
 
 [[package]]
 name = "sqlalchemy"
-version = "2.0.50"
+version = "2.0.46"
 source = { registry = "https://pypi.org/simple" }
 dependencies = [
     { name = "greenlet", marker = "platform_machine == 'AMD64' or platform_machine == 'WIN32' or platform_machine == 'aarch64' or platform_machine == 'amd64' or platform_machine == 'ppc64le' or platform_machine == 'win32' or platform_machine == 'x86_64'" },
     { name = "typing-extensions" },
 ]
-sdist = { url = "https://files.pythonhosted.org/packages/57/da/6fbf010c8ebb347679d0d100b22fe9ba5e13fd04046c5df7280d2f0bf706/sqlalchemy-2.0.50.tar.gz", hash = "sha256:af5607d11ef90fd6a5c0549fe0045dce1663d427426bcfb506dcb5346a85a3b9", size = 9907424, upload-time = "2026-05-24T19:20:04.018Z" }
+sdist = { url = "https://files.pythonhosted.org/packages/06/aa/9ce0f3e7a9829ead5c8ce549392f33a12c4555a6c0609bb27d882e9c7ddf/sqlalchemy-2.0.46.tar.gz", hash = "sha256:cf36851ee7219c170bb0793dbc3da3e80c582e04a5437bc601bfe8c85c9216d7", size = 9865393, upload-time = "2026-01-21T18:03:45.119Z" }
 wheels = [
-    { url = "https://files.pythonhosted.org/packages/0b/c4/c42356b527296e9862f67990efce31ef78b4cf69cd3f80873a528a060320/sqlalchemy-2.0.50-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:06a9210bdc5f4298cff0781087e2ff45683922252dacc452846373a58761f093", size = 2156697, upload-time = "2026-05-24T19:27:54.764Z" },
-    { url = "https://files.pythonhosted.org/packages/60/a1/b1a70e3c4365ac7fe9e347f3710f19b562c866fb96d45e3c891588789a7b/sqlalchemy-2.0.50-cp313-cp313-manylinux2014_aarch64.manylinux_2_17_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:8b53784972ade4f8174b9aa661f31a06f8a936d2cfdd602913ff3c6dd40ae873", size = 3284260, upload-time = "2026-05-24T20:09:34.195Z" },
-    { url = "https://files.pythonhosted.org/packages/3f/4a/f3ac3caa19f263d57b0a47f8c91bbf56583dc2d3fc63acfbf644abb24fe0/sqlalchemy-2.0.50-cp313-cp313-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:31648fa14460537e768a7303b078e4344d208e0d23e06867c1f376a227ed82db", size = 3302280, upload-time = "2026-05-24T20:17:17.825Z" },
-    { url = "https://files.pythonhosted.org/packages/66/55/ccada3e3d62254587819749a0bc69f41173eb48a6e385d10e66d32a9c88e/sqlalchemy-2.0.50-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:03f4323c980ad0e918cc9e5369b015f759f4e534db5bbaf4dc36832c10d05064", size = 3231580, upload-time = "2026-05-24T20:09:36.406Z" },
-    { url = "https://files.pythonhosted.org/packages/05/f6/6809349130a2de0e109e7f00fd7d431da9565b9b2868b32ee684754f672b/sqlalchemy-2.0.50-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:2b9dcc43afef8ac157cd92fce96985d6b8b0cfbd3df4d666f66b4d55a75d202f", size = 3269375, upload-time = "2026-05-24T20:17:20.34Z" },
-    { url = "https://files.pythonhosted.org/packages/48/84/278a811ef4e07be9c89dc5cdd7be833268509a66a68c4897cf585e67428f/sqlalchemy-2.0.50-cp313-cp313-win32.whl", hash = "sha256:60922d6599065ddca2c6f376b9aa2f41a6b85a271725e0909490bbc50b1998a5", size = 2117229, upload-time = "2026-05-24T19:50:08.215Z" },
-    { url = "https://files.pythonhosted.org/packages/f6/1c/067cc6187ed32d2ec222fe6d2643acc1659a6d0659f8a7cbc5ad3ae83280/sqlalchemy-2.0.50-cp313-cp313-win_amd64.whl", hash = "sha256:287086e67275a212c4582d166a6fb03a65ccc5551d80866270ce0dd9f34eccd3", size = 2143126, upload-time = "2026-05-24T19:50:09.691Z" },
-    { url = "https://files.pythonhosted.org/packages/d0/10/f7220e9b784d295d241c86ed99aeb537f92afcd469a64861f2717e9bb077/sqlalchemy-2.0.50-py3-none-any.whl", hash = "sha256:92064363517a3ff8212b5a93b8c62876579d8dfd1ca5b561335f30152d884fa9", size = 1943861, upload-time = "2026-05-24T19:59:01.119Z" },
+    { url = "https://files.pythonhosted.org/packages/b3/4b/fa7838fe20bb752810feed60e45625a9a8b0102c0c09971e2d1d95362992/sqlalchemy-2.0.46-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:93a12da97cca70cea10d4b4fc602589c4511f96c1f8f6c11817620c021d21d00", size = 2150268, upload-time = "2026-01-21T19:05:56.621Z" },
+    { url = "https://files.pythonhosted.org/packages/46/c1/b34dccd712e8ea846edf396e00973dda82d598cb93762e55e43e6835eba9/sqlalchemy-2.0.46-cp313-cp313-manylinux2014_aarch64.manylinux_2_17_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:af865c18752d416798dae13f83f38927c52f085c52e2f32b8ab0fef46fdd02c2", size = 3276511, upload-time = "2026-01-21T18:46:49.022Z" },
+    { url = "https://files.pythonhosted.org/packages/96/48/a04d9c94753e5d5d096c628c82a98c4793b9c08ca0e7155c3eb7d7db9f24/sqlalchemy-2.0.46-cp313-cp313-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:8d679b5f318423eacb61f933a9a0f75535bfca7056daeadbf6bd5bcee6183aee", size = 3292881, upload-time = "2026-01-21T18:40:13.089Z" },
+    { url = "https://files.pythonhosted.org/packages/be/f4/06eda6e91476f90a7d8058f74311cb65a2fb68d988171aced81707189131/sqlalchemy-2.0.46-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:64901e08c33462acc9ec3bad27fc7a5c2b6491665f2aa57564e57a4f5d7c52ad", size = 3224559, upload-time = "2026-01-21T18:46:50.974Z" },
+    { url = "https://files.pythonhosted.org/packages/ab/a2/d2af04095412ca6345ac22b33b89fe8d6f32a481e613ffcb2377d931d8d0/sqlalchemy-2.0.46-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:e8ac45e8f4eaac0f9f8043ea0e224158855c6a4329fd4ee37c45c61e3beb518e", size = 3262728, upload-time = "2026-01-21T18:40:14.883Z" },
+    { url = "https://files.pythonhosted.org/packages/31/48/1980c7caa5978a3b8225b4d230e69a2a6538a3562b8b31cea679b6933c83/sqlalchemy-2.0.46-cp313-cp313-win32.whl", hash = "sha256:8d3b44b3d0ab2f1319d71d9863d76eeb46766f8cf9e921ac293511804d39813f", size = 2111295, upload-time = "2026-01-21T18:42:52.366Z" },
+    { url = "https://files.pythonhosted.org/packages/2d/54/f8d65bbde3d877617c4720f3c9f60e99bb7266df0d5d78b6e25e7c149f35/sqlalchemy-2.0.46-cp313-cp313-win_amd64.whl", hash = "sha256:77f8071d8fbcbb2dd11b7fd40dedd04e8ebe2eb80497916efedba844298065ef", size = 2137076, upload-time = "2026-01-21T18:42:53.924Z" },
+    { url = "https://files.pythonhosted.org/packages/56/ba/9be4f97c7eb2b9d5544f2624adfc2853e796ed51d2bb8aec90bc94b7137e/sqlalchemy-2.0.46-cp313-cp313t-manylinux2014_aarch64.manylinux_2_17_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:a1e8cc6cc01da346dc92d9509a63033b9b1bda4fed7a7a7807ed385c7dccdc10", size = 3556533, upload-time = "2026-01-21T18:33:06.636Z" },
+    { url = "https://files.pythonhosted.org/packages/20/a6/b1fc6634564dbb4415b7ed6419cdfeaadefd2c39cdab1e3aa07a5f2474c2/sqlalchemy-2.0.46-cp313-cp313t-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:96c7cca1a4babaaf3bfff3e4e606e38578856917e52f0384635a95b226c87764", size = 3523208, upload-time = "2026-01-21T18:45:08.436Z" },
+    { url = "https://files.pythonhosted.org/packages/a1/d8/41e0bdfc0f930ff236f86fccd12962d8fa03713f17ed57332d38af6a3782/sqlalchemy-2.0.46-cp313-cp313t-musllinux_1_2_aarch64.whl", hash = "sha256:b2a9f9aee38039cf4755891a1e50e1effcc42ea6ba053743f452c372c3152b1b", size = 3464292, upload-time = "2026-01-21T18:33:08.208Z" },
+    { url = "https://files.pythonhosted.org/packages/f0/8b/9dcbec62d95bea85f5ecad9b8d65b78cc30fb0ffceeb3597961f3712549b/sqlalchemy-2.0.46-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:db23b1bf8cfe1f7fda19018e7207b20cdb5168f83c437ff7e95d19e39289c447", size = 3473497, upload-time = "2026-01-21T18:45:10.552Z" },
+    { url = "https://files.pythonhosted.org/packages/fc/a1/9c4efa03300926601c19c18582531b45aededfb961ab3c3585f1e24f120b/sqlalchemy-2.0.46-py3-none-any.whl", hash = "sha256:f9c11766e7e7c0a2767dda5acb006a118640c9fc0a4104214b96269bfb78399e", size = 1937882, upload-time = "2026-01-21T18:22:10.456Z" },
 ]
 
 [package.optional-dependencies]