app/database/session.py

@@ -139,13 +139,6 @@ async def get_session() -> AsyncGenerator[AsyncSession, None]:
             raise
         except Exception as e:
             await session.rollback()
-            # status_code < 500인 도메인 예외(계정 미연동 등)는 정상적인 비즈니스 흐름이므로 ERROR로 남기지 않음
-            if getattr(e, "status_code", 500) < 500:
-                logger.warning(
-                    f"[get_session] ROLLBACK - client error: {type(e).__name__}: {e}, "
-                    f"duration: {(time.perf_counter() - start_time)*1000:.1f}ms"
-                )
-            else:
             logger.error(traceback.format_exc())
             logger.error(
                 f"[get_session] ROLLBACK - error: {type(e).__name__}: {e}, "

app/home/api/routers/v1/home.py

@@ -2,9 +2,7 @@ import json
 import time
 from datetime import date
 from pathlib import Path
-from typing import Literal, Optional
+from typing import Optional
-
-from pydantic import BaseModel
 from urllib.parse import unquote, urlparse
 
 import aiofiles
@@ -41,8 +39,6 @@ from app.utils.nvMapPwScraper import NvMapPwScraper
 from app.utils.prompts.prompts import marketing_prompt
 from app.utils.address_parser import extract_region_from_address
 from app.utils.autotag import autotag_images
-from app.utils.image_filter import filter_marketing_images, assemble_images
-from app.video.services.video import get_image_tags_by_task_id
 from config import MEDIA_ROOT
 
 logger = get_logger("home")
@@ -52,19 +48,18 @@ router = APIRouter()
 
 @router.get(
     "/search/accommodation",
-    summary="장소 자동완성 검색 (숙박/음식점 등)",
+    summary="숙박/펜션 자동완성 검색",
     description="""
-네이버 지역 검색 API를 이용한 장소 자동완성 검색입니다.
+네이버 지역 검색 API를 이용한 숙박/펜션 자동완성 검색입니다.
 
 ## 요청 파라미터
 - **query**: 검색어 (필수)
-- **category**: 카테고리
 
 ## 반환 정보
 - **query**: 검색어
 - **count**: 검색 결과 수 (최대 10개)
 - **items**: 검색 결과 목록
-  - **title**: 장소명 (HTML 태그 포함 가능)
+  - **title**: 숙소명 (HTML 태그 포함 가능)
   - **address**: 지번 주소
   - **roadAddress**: 도로명 주소
     """,
@@ -77,7 +72,7 @@ router = APIRouter()
 async def search_accommodation(
     query: str,
 ) -> AccommodationSearchResponse:
-    """장소 자동완성 검색"""
+    """숙박/펜션 자동완성 검색"""
     results = await naver_search_client.search_accommodation(
         query=query,
         display=10,
@@ -96,44 +91,6 @@ def _extract_region_from_address(road_address: str | None, jibun_address: str |
     return extract_region_from_address(road_address, jibun_address)
 
 
-class _IndustryOutput(BaseModel):
-    industry: Literal[
-        "stay", "restaurant", "cafe", "salon", "clinic", "fitness", "academy", "attraction", "general"
-    ]
-
-
-async def _resolve_industry(category: str, customer_name: str = "") -> str:
-    """업체를 통합 프롬프트의 9개 industry enum 중 하나로 AI 분류.
-
-    분류 근거는 카테고리를 우선 사용하고, 카테고리가 없으면 업체명으로 분류한다.
-    근거가 둘 다 없으면 빈 문자열 반환. API 장애 시 예외 전파(하위 분석도 동일 API 의존).
-    """
-    if category:
-        basis_label, basis_value = "네이버 지도 카테고리", category
-    elif customer_name:
-        basis_label, basis_value = "업체명", customer_name
-    else:
-        return ""
-    chatgpt = ChatgptService()
-    prompt = (
-        f"{basis_label}: '{basis_value}'\n"
-        "위 정보를 바탕으로 이 업체를 다음 업종 중 가장 적합한 하나로 분류하세요: "
-        "stay(숙박/펜션/호텔), restaurant(음식점), cafe(카페/디저트), "
-        "salon(미용실/네일/뷰티), clinic(병원/의원/치과), fitness(헬스/필라테스/요가), "
-        "academy(학원/교습소), attraction(관광/체험/액티비티/축제/행사). "
-        "위 8개 중 어느 것에도 명확히 해당하지 않는 경우에만 general(기타/범용 업종)로 분류하세요. "
-        "유사한 업종이 있으면 general 대신 그 업종을 우선 선택하세요."
-    )
-    result = await chatgpt._call_pydantic_output_chat_completion(
-        prompt=prompt,
-        output_format=_IndustryOutput,
-        model="gpt-4o-mini",
-        img_url=None,
-        image_detail_high=False,
-    )
-    return result.industry
-
-
 @router.post(
     "/crawling",
     summary="네이버 지도 크롤링",
@@ -249,12 +206,12 @@ async def _crawling_logic(
         )
 
     step1_elapsed = (time.perf_counter() - step1_start) * 1000
+    image_count = len(scraper.image_link_list) if scraper.image_link_list else 0
     logger.info(
-        f"[crawling] Step 1 완료 - 업체사진 {len(scraper.owner_images or [])}개, "
+        f"[crawling] Step 1 완료 - 이미지 {image_count}개 ({step1_elapsed:.1f}ms)"
-        f"보충사진 {len(scraper.extra_photo_urls or [])}개 ({step1_elapsed:.1f}ms)"
     )
 
-    # ========== Step 2: 정보 가공 (industry 선행 계산) ==========
+    # ========== Step 2: 정보 가공 ==========
     step2_start = time.perf_counter()
     logger.info("[crawling] Step 2: 정보 가공 시작...")
 
@@ -265,109 +222,38 @@ async def _crawling_logic(
         road_address = scraper.base_info.get("roadAddress", "")
         jibun_address = scraper.base_info.get("address", "")
         customer_name = scraper.base_info.get("name", "")
-        category = scraper.base_info.get("category", "")
         region = _extract_region_from_address(road_address, jibun_address)
-        try:
-            # industry는 마케팅 적합성 필터(Step 3)와 ProcessedInfo 양쪽에 필요하므로
-            # 이미지 필터링보다 먼저 계산한다.
-            industry = await _resolve_industry(category, customer_name)
-        except ChatGPTResponseError as e:
-            raise HTTPException(
-                status_code=status.HTTP_502_BAD_GATEWAY,
-                detail=f"업종 분류 중 ChatGPT 오류가 발생했습니다: {e.error_message}",
-            )
-        except Exception as e:
-            logger.error(f"[crawling] Step 2 FAILED - 업종 분류 오류: {e}")
-            raise HTTPException(
-                status_code=status.HTTP_502_BAD_GATEWAY,
-                detail="업종 분류 중 오류가 발생했습니다.",
-            )
 
         processed_info = ProcessedInfo(
             customer_name=customer_name,
             region=region,
             detail_region_info=road_address or jibun_address or "",
-            industry=industry,
         )
 
         step2_elapsed = (time.perf_counter() - step2_start) * 1000
         logger.info(
-            f"[crawling] Step 2 완료 - {customer_name}, {region}, "
+            f"[crawling] Step 2 완료 - {customer_name}, {region} ({step2_elapsed:.1f}ms)"
-            f"category={category!r}, industry={industry!r} ({step2_elapsed:.1f}ms)"
         )
 
-        # ========== Step 3: 이미지 마케팅 적합성 필터링 ==========
+        # ========== Step 3: ChatGPT 마케팅 분석 ==========
-        # 업체 사진이 SUPPLEMENT_THRESHOLD(30장) 이상이면 보충이 불필요하므로
-        # 방문자 사진 필터링(Gemini 호출) 자체를 건너뛴다.
         step3_start = time.perf_counter()
-        owner_images = scraper.owner_images or []
+        logger.info("[crawling] Step 3: ChatGPT 마케팅 분석 시작...")
-        extra_photo_urls = scraper.extra_photo_urls or []
-
-        if len(owner_images) >= NvMapScraper.SUPPLEMENT_THRESHOLD:
-            # 업체 제공 사진은 필터링 면제 대상이므로 MAX_IMAGES 상한 없이 수집분을 전부 사용한다
-            # (MAX_IMAGES 상한은 방문자 사진이 섞이는 보충 경로에만 적용.
-            #  수집 자체는 NvMapScraper.BIZ_MAX_PAGES가 상한이며 도달 시 scraper가 warning을 남긴다).
-            scraper.image_link_list = list(owner_images)
-            step3_elapsed = (time.perf_counter() - step3_start) * 1000
-            logger.info(
-                f"[crawling] Step 3 SKIP - 업체 사진 {len(owner_images)}장 "
-                f"≥ {NvMapScraper.SUPPLEMENT_THRESHOLD}장 → 방문자 사진 필터링 생략, 업체 사진만 사용"
-            )
-        else:
-            try:
-                extra_pass_flags = await filter_marketing_images(
-                    [img["original"] for img in extra_photo_urls], industry
-                )
-            except Exception as e:
-                # logger.error(f"[crawling] Step 3 FAILED - 이미지 필터링 중 오류: {e}")
-                raise HTTPException(
-                    status_code=status.HTTP_502_BAD_GATEWAY,
-                    detail="이미지 마케팅 적합성 필터링 중 오류가 발생했습니다.",
-                )
-            scraper.image_link_list = assemble_images(
-                owner_images, extra_photo_urls, extra_pass_flags, NvMapScraper.MAX_IMAGES
-            )
-            passed_count = sum(extra_pass_flags)
-            step3_elapsed = (time.perf_counter() - step3_start) * 1000
-            logger.info(
-                f"[crawling] Step 3 완료 - 방문자 사진 {len(extra_photo_urls)}장 중 "
-                f"{passed_count}장 통과 → 최종 이미지 {len(scraper.image_link_list)}장 "
-                f"({step3_elapsed:.1f}ms)"
-            )
-            if not scraper.image_link_list:
-                logger.warning("[crawling] Step 3 - 필터링 후 사용 가능 이미지가 0장입니다.")
-
-        # ========== Step 4: ChatGPT 마케팅 분석 ==========
-        step4_start = time.perf_counter()
-        logger.info("[crawling] Step 4: ChatGPT 마케팅 분석 시작...")
 
         try:
-            # Step 4-1: ChatGPT 서비스 초기화 및 입력 데이터 구성
+            # Step 3-1: ChatGPT 서비스 초기화 및 입력 데이터 구성
             chatgpt_service = ChatgptService()
-            # 메뉴 전달은 잠정 보류 — 사이드 메뉴(볶음밥·냉면 등)가 분석에 과도한 영향을 주는
-            # 문제로 프롬프트에서 {menu_info}를 제거함. 크롤링(scraper.menu_info)은 유지 중이므로
-            # 주력/사이드 구분 방안이 정리되면 아래 주석을 되살려 재전달할 것.
-            # menus = scraper.menu_info or []
-            # menus = sorted(menus, key=lambda m: not m.get("recommend"))[:15]
-            # menu_info = ", ".join(m["name"] for m in menus if m.get("name"))
-            top_keywords = (scraper.voted_keyword_stats or [])[:5]
             input_marketing_data = {
                 "customer_name": customer_name,
                 "region": region,
                 "detail_region_info": road_address or "",
-                "industry": industry,  # 통합 프롬프트 내부 분기용 업종 enum
-                "category": category,  # 네이버 지도 원본 카테고리 텍스트
-                "facility_info": scraper.facility_info or "",
-                "voted_keywords": ", ".join(kw["displayName"] for kw in top_keywords),
-                # "menu_info": menu_info,  # 실제 판매 품목 (셀링포인트 구체화용)
             }
 
-            # Step 4-2: GPT API 호출 → 구조화된 마케팅 분석 결과 반환
+            # Step 3-2: GPT API 호출 → 구조화된 마케팅 분석 결과 반환
             marketing_analysis = await chatgpt_service.generate_structured_output(
                 marketing_prompt, input_marketing_data
             )
 
-            # Step 4-3: 분석 결과 DB 저장 (industry는 Project로 흐르므로 여기엔 미저장)
+            # Step 3-3: 분석 결과 DB 저장
             marketing_intel = MarketingIntel(
                 place_id=scraper.place_id,
                 intel_result=marketing_analysis.model_dump(),
@@ -378,26 +264,26 @@ async def _crawling_logic(
             m_id = marketing_intel.id
             logger.debug(f"[MarketingPrompt] INSERT place_id={marketing_intel.place_id} id={marketing_intel.id}")
 
-            step4_elapsed = (time.perf_counter() - step4_start) * 1000
+            step3_elapsed = (time.perf_counter() - step3_start) * 1000
             logger.info(
-                f"[crawling] Step 4 완료 - 마케팅 분석 성공 ({step4_elapsed:.1f}ms)"
+                f"[crawling] Step 3 완료 - 마케팅 분석 성공 ({step3_elapsed:.1f}ms)"
             )
 
         except ChatGPTResponseError as e:
-            step4_elapsed = (time.perf_counter() - step4_start) * 1000
+            step3_elapsed = (time.perf_counter() - step3_start) * 1000
             logger.error(
-                f"[crawling] Step 4 FAILED - ChatGPT Error: status={e.status}, "
+                f"[crawling] Step 3 FAILED - ChatGPT Error: status={e.status}, "
-                f"code={e.error_code}, message={e.error_message} ({step4_elapsed:.1f}ms)"
+                f"code={e.error_code}, message={e.error_message} ({step3_elapsed:.1f}ms)"
             )
             marketing_analysis = None
             gpt_status = "failed"
 
         except Exception as e:
-            step4_elapsed = (time.perf_counter() - step4_start) * 1000
+            step3_elapsed = (time.perf_counter() - step3_start) * 1000
             logger.error(
-                f"[crawling] Step 4 FAILED - GPT 마케팅 분석 중 오류: {e} ({step4_elapsed:.1f}ms)"
+                f"[crawling] Step 3 FAILED - GPT 마케팅 분석 중 오류: {e} ({step3_elapsed:.1f}ms)"
             )
-            logger.exception("[crawling] Step 4 상세 오류:")
+            logger.exception("[crawling] Step 3 상세 오류:")
             marketing_analysis = None
             gpt_status = "failed"
     else:
@@ -414,9 +300,7 @@ async def _crawling_logic(
     if scraper.base_info:
         logger.info(f"[crawling]   - Step 2 (정보가공): {step2_elapsed:.1f}ms")
         if "step3_elapsed" in locals():
-            logger.info(f"[crawling]   - Step 3 (이미지 필터링): {step3_elapsed:.1f}ms")
+            logger.info(f"[crawling]   - Step 3 (GPT 분석): {step3_elapsed:.1f}ms")
-        if "step4_elapsed" in locals():
-            logger.info(f"[crawling]   - Step 4 (GPT 분석): {step4_elapsed:.1f}ms")
 
     return {
         "status": gpt_status if 'gpt_status' in locals() else "completed",
@@ -424,8 +308,7 @@ async def _crawling_logic(
         "image_count": len(scraper.image_link_list) if scraper.image_link_list else 0,
         "processed_info": processed_info,
         "marketing_analysis": marketing_analysis,
-        "m_id": m_id,
+        "m_id" : m_id
-        "industry": industry if 'industry' in locals() else "",
     }
 
 
@@ -439,7 +322,6 @@ async def _crawling_logic(
 ## 요청 필드
 - **customer_name**: 업체명 / 브랜드명 (필수)
 - **address**: 도로명 또는 지번 주소 (필수)
-- **category**: 업종/카테고리 자유 입력 (선택, 예: 펜션, 카페). 비우면 업체명 기반 AI 분류
 
 ## 반환 정보
 - **processed_info**: 가공된 장소 정보 (customer_name, region, detail_region_info)
@@ -464,17 +346,10 @@ async def manual_marketing(
         # Step 2: GPT API 호출 → 마케팅 분석 결과 생성
         # place_id 없이 업체명+주소만으로 분석 (크롤링 없이 직접 입력된 경우)
         chatgpt_service = ChatgptService()
-        # 크롤링 경로와 동일하게 category를 우선 사용하고, 없으면 업체명 기반 AI 분류
-        industry = await _resolve_industry(
-            request_body.category, request_body.store_name
-        )
-        processed_info.industry = industry
         input_marketing_data = {
             "customer_name": request_body.store_name,
             "region": region,
             "detail_region_info": request_body.address,
-            "industry": industry,  # 통합 프롬프트 내부 분기용 업종 enum
-            "category": request_body.category,  # 사용자 입력 원본 카테고리 텍스트 (세부 묘사 참고용)
         }
         marketing_analysis = await chatgpt_service.generate_structured_output(
             marketing_prompt, input_marketing_data
@@ -511,7 +386,6 @@ async def manual_marketing(
         processed_info=processed_info,
         marketing_analysis=marketing_analysis,
         m_id=m_id,
-        industry=industry,
     )
 
 
@@ -675,10 +549,6 @@ async def upload_images_blob(
         default=None,
         description="이미지 바이너리 파일 목록",
     ),
-    industry: str = Form(
-        default="",
-        description="업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general). 크롤링 응답의 industry 값을 그대로 전달",
-    ),
     current_user: User = Depends(get_current_user),
 ) -> ImageUploadResponse:
     """이미지 업로드 (URL + Azure Blob Storage)
@@ -880,21 +750,9 @@ async def upload_images_blob(
     image_urls = [img.img_url for img in result_images]
 
     logger.info(f"[image_tagging] START - task_id: {task_id}")
-    await tagging_images(image_urls, industry=industry, clear_old_tags=True)
+    await tagging_images(image_urls, clear_old_tags=True)
     logger.info(f"[image_tagging] Done - task_id: {task_id}")
 
-    # 태깅 직후 영상 생성에 사용 가능한 이미지가 하나도 없으면 조기에 실패시킨다.
-    # (여기서 걸러지지 않으면 훨씬 나중인 영상 생성 단계에서야 슬롯 미배정으로 발견됨)
-    # marketing_acceptable 필터링은 크롤링 단계에서 이미 완료되었으므로 여기서는 재필터링하지 않는다.
-    taged_image_list = await get_image_tags_by_task_id(task_id)
-    logger.info(f"태깅된 이미지: {len(taged_image_list)}개 - task_id: {task_id}")
-    if not taged_image_list:
-        logger.error(f"[image_tagging] 영상 생성에 적합한 이미지가 없음 - task_id: {task_id}")
-        raise HTTPException(
-            status_code=status.HTTP_400_BAD_REQUEST,
-            detail="영상 생성에 적합한 이미지가 없습니다. 다른 이미지로 다시 업로드해주세요.",
-        )
-
     total_time = time.perf_counter() - request_start
     logger.info(
         f"[upload_images_blob] SUCCESS - task_id: {task_id}, "
@@ -914,7 +772,6 @@ async def upload_images_blob(
 
 async def tagging_images(
         image_urls : list[str],
-        industry: str = "",
         clear_old_tags : bool = False
     ) -> None:
     # 1. 조회
@@ -940,17 +797,12 @@ async def tagging_images(
         await session.commit()
         
     if null_imts:
-        tag_datas = await autotag_images([img.img_url for img in null_imts], industry=industry)
+        tag_datas = await autotag_images([img.img_url for img in null_imts])
-        # print(tag_datas)
+        print(tag_datas)
 
         async with AsyncSessionLocal() as session:
             for tag, tag_data in zip(null_imts, tag_datas):
                 if isinstance(tag_data, Exception):
-                    # 태깅 실패 이미지는 img_tag가 NULL로 남아 영상 생성 풀에서 제외됨
-                    logger.warning(
-                        f"[tagging_images] 이미지 태깅 최종 실패 - url: {tag.img_url}, "
-                        f"error: {type(tag_data).__name__}: {tag_data}"
-                    )
                     continue
                 tag.img_tag = tag_data.model_dump(mode="json")
                 session.add(tag)

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,
@@ -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.
+        JSON,
-        # 미지정 시 JSON null이 저장되어 `img_tag.is_not(None)` 필터를 통과하는 버그가 있었음.
-        JSON(none_as_null=True),
         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",
@@ -240,7 +233,7 @@ 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_list: Optional[list[str]] = Field(None, description="이미지 URL 목록")
     image_count: Optional[int] = Field(None, description="이미지 개수")
     processed_info: Optional[ProcessedInfo] = Field(
         None, description="가공된 장소 정보 (customer_name, region, detail_region_info)"
@@ -249,7 +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):
@@ -260,14 +252,12 @@ class ManualMarketingRequest(BaseModel):
             "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

@@ -42,8 +42,7 @@ from app.lyric.schemas.lyric import (
     LyricStatusResponse,
     SubtitleStatusResponse,
 )
-from app.lyric.worker.lyric_task import generate_lyric_background
+from app.lyric.worker.lyric_task import generate_lyric_background, generate_subtitle_background
-from app.video.worker.creative_assets_task import generate_subtitle_background
 from app.utils.prompts.chatgpt_prompt import ChatgptService
 from app.utils.logger import get_logger
 from app.utils.pagination import PaginatedResponse, get_paginated
@@ -161,7 +160,6 @@ async def get_lyric_by_task_id(
         project_id=lyric.project_id,
         status=lyric.status,
         lyric_result=lyric.lyric_result,
-        genre=lyric.genre,
         created_at=lyric.created_at,
     )
 
@@ -271,21 +269,15 @@ async def generate_lyric(
         step1_start = time.perf_counter()
         logger.debug(f"[generate_lyric] Step 1: 서비스 초기화 및 프롬프트 생성...")
 
+        timing_rules = {
+            "60s" : """
+                8–12 lines
+                Full verse flow, immersive mood
+                """
+        }
         marketing_intel_result = await session.execute(select(MarketingIntel).where(MarketingIntel.id == request_body.m_id))
         marketing_intel = marketing_intel_result.scalar_one_or_none()
         
-        # 자동 선택(genre 미지정) 재생성 시, 직전에 사용된 장르를 조회해 이번엔 다른 장르가 나오도록 제외 처리
-        exclude_genre = ""
-        if not request_body.genre:
-            previous_lyric_result = await session.execute(
-                select(Lyric)
-                .where(Lyric.task_id == task_id, Lyric.genre.is_not(None))
-                .order_by(Lyric.created_at.desc())
-                .limit(1)
-            )
-            previous_lyric = previous_lyric_result.scalar_one_or_none()
-            if previous_lyric:
-                exclude_genre = previous_lyric.genre
         
         lyric_input_data = {
             "customer_name" : request_body.customer_name,
@@ -293,14 +285,9 @@ async def generate_lyric(
             "detail_region_info" : request_body.detail_region_info or "",
             "marketing_intelligence_summary" : json.dumps(marketing_intel.intel_result, ensure_ascii = False),
             "language" : request_body.language,
-            "genre": request_body.genre or "",  # 비어있으면 GPT가 가사 무드에 맞춰 장르를 직접 추천
+            "timing_rules" : timing_rules["60s"], # 아직은 선택지 하나
-            "exclude_genre": exclude_genre,  # 자동 선택 재생성 시 직전 장르 제외
-            "industry": request_body.industry,  # 크롤 응답에서 받아 전달된 업종 enum
         }
 
-        # 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 +313,7 @@ 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,
+                marketing_intelligence = request_body.m_id
-                industry=request_body.industry,
             )
             session.add(project)
             await session.commit()
@@ -341,7 +327,7 @@ 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 +335,6 @@ async def generate_lyric(
             lyric_prompt=estimated_prompt,
             lyric_result=None,
             language=request_body.language,
-            genre=request_body.genre or None,  # 자동 선택인 경우 GPT 응답 완료 후 채워짐
         )
         session.add(lyric)
         await session.commit()
@@ -373,7 +358,7 @@ async def generate_lyric(
             background_tasks.add_task(
                 generate_lyric_background,
                 task_id=task_id,
-                prompt=selected_lyric_prompt,
+                prompt=lyric_prompt,
                 lyric_input_data=lyric_input_data,
                 lyric_id=lyric.id,
             )
@@ -585,29 +570,19 @@ async def get_subtitle_status(
             detail=f"task_id '{task_id}'에 해당하는 마케팅 인텔리전스를 찾을 수 없습니다.",
         )
 
-    # 자막과 이미지 배정 모두 완료돼야 영상 생성 가능
+    if intel.subtitle:
-    subtitle_done = bool(intel.subtitle)
+        logger.info(f"[get_subtitle_status] completed - task_id: {task_id}")
-    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.",
+            message="자막 생성이 완료되었습니다.",
         )
 
-    pending_parts = []
+    logger.info(f"[get_subtitle_status] pending - task_id: {task_id}")
-    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.",
+        message="자막 생성이 진행 중입니다. 잠시 후 다시 확인해주세요.",
     )
 
 

app/lyric/models.py

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

app/lyric/schemas/lyric.py

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

app/lyric/worker/lyric_task.py

@@ -4,24 +4,30 @@ Lyric Background Tasks
 가사 생성 관련 백그라운드 태스크를 정의합니다.
 """
 
+import traceback
+
 from sqlalchemy import select
+from sqlalchemy.ext.asyncio import AsyncSession
 from sqlalchemy.exc import SQLAlchemyError
 
 from app.database.session import BackgroundSessionLocal
+from app.home.models import Image, Project, MarketingIntel
 from app.lyric.models import Lyric
 from app.utils.prompts.chatgpt_prompt import ChatgptService, ChatGPTResponseError
+from app.utils.subtitles import SubtitleContentsGenerator
+from app.utils.creatomate import CreatomateService
 from app.utils.prompts.prompts import Prompt
 from app.utils.logger import get_logger
 
 # 로거 설정
 logger = get_logger("lyric")
 
+
 async def _update_lyric_status(
     task_id: str,
     status: str,
     result: str | None = None,
     lyric_id: int | None = None,
-    genre: str | None = None,
 ) -> bool:
     """Lyric 테이블의 상태를 업데이트합니다.
 
@@ -30,7 +36,6 @@ async def _update_lyric_status(
         status: 변경할 상태 ("processing", "completed", "failed")
         result: 가사 결과 또는 에러 메시지
         lyric_id: 특정 Lyric 레코드 ID (재생성 시 정확한 레코드 식별용)
-        genre: 확정된 음악 장르 (자동 선택이었던 경우 GPT 추천값으로 갱신)
 
     Returns:
         bool: 업데이트 성공 여부
@@ -56,8 +61,6 @@ async def _update_lyric_status(
                 lyric.status = status
                 if result is not None:
                     lyric.lyric_result = result
-                if genre is not None:
-                    lyric.genre = genre
                 await session.commit()
                 logger.info(f"[Lyric] Status updated - task_id: {task_id}, lyric_id: {lyric_id}, status: {status}")
                 return True
@@ -114,18 +117,14 @@ async def generate_lyric_background(
         #result = await service.generate(prompt=prompt)
         result_response = await chatgpt.generate_structured_output(prompt, lyric_input_data)
         result = result_response.lyric
-        confirmed_genre = result_response.recommended_genre
         step2_elapsed = (time.perf_counter() - step2_start) * 1000
-        logger.info(
+        logger.info(f"[generate_lyric_background] Step 2 완료 - 응답 {len(result)}자 ({step2_elapsed:.1f}ms)")
-            f"[generate_lyric_background] Step 2 완료 - 응답 {len(result)}자, "
-            f"genre: {confirmed_genre} ({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 +155,72 @@ async def generate_lyric_background(
         elapsed = (time.perf_counter() - task_start) * 1000
         logger.error(f"[generate_lyric_background] EXCEPTION - task_id: {task_id}, error: {e} ({elapsed:.1f}ms)", exc_info=True)
         await _update_lyric_status(task_id, "failed", f"Error: {str(e)}", lyric_id)
+
+async def generate_subtitle_background(
+    orientation: str,
+    task_id: str,
+    max_retries: int = 3,
+) -> None:
+    logger.info(f"[generate_subtitle_background] START - task_id: {task_id}, orientation: {orientation}")
+
+    for attempt in range(1, max_retries + 1):
+        try:
+            creatomate_service = CreatomateService(orientation=orientation)
+            template = await creatomate_service.get_one_template_data(creatomate_service.template_id)
+            pitchings = creatomate_service.extract_text_format_from_template(template)
+
+            subtitle_generator = SubtitleContentsGenerator()
+
+            async with BackgroundSessionLocal() as session:
+                project_result = await session.execute(
+                    select(Project)
+                    .where(Project.task_id == task_id)
+                    .order_by(Project.created_at.desc())
+                    .limit(1)
+                )
+                project = project_result.scalar_one_or_none()
+                marketing_result = await session.execute(
+                    select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
+                )
+                marketing_intelligence = marketing_result.scalar_one_or_none()
+
+            store_address = project.detail_region_info
+            customer_name = project.store_name
+            language = project.language or "Korean"
+            logger.info(f"[generate_subtitle_background] customer_name: {customer_name}, store_address: {store_address}, language: {language}")
+
+            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,
+                language=language,
+            )
+            pitching_output_list = generated_subtitles.pitching_results
+
+            subtitle_modifications = {
+                pitching_output.pitching_tag: pitching_output.pitching_data
+                for pitching_output in pitching_output_list
+            }
+            logger.info(f"[generate_subtitle_background] subtitle_modifications: {subtitle_modifications}")
+
+            async with BackgroundSessionLocal() as session:
+                marketing_result = await session.execute(
+                    select(MarketingIntel).where(MarketingIntel.id == project.marketing_intelligence)
+                )
+                marketing_intelligence = marketing_result.scalar_one_or_none()
+                marketing_intelligence.subtitle = subtitle_modifications
+                await session.commit()
+
+            logger.info(f"[generate_subtitle_background] DONE - task_id: {task_id} (attempt {attempt}/{max_retries})")
+            return
+
+        except Exception as e:
+            logger.error(
+                f"[generate_subtitle_background] FAILED (attempt {attempt}/{max_retries}) - task_id: {task_id}, error: {e}",
+                exc_info=True,
+            )
+            if attempt < max_retries:
+                logger.info(f"[generate_subtitle_background] 재시도 중... ({attempt + 1}/{max_retries}) - task_id: {task_id}")
+
+    logger.error(f"[generate_subtitle_background] 모든 재시도 실패 - task_id: {task_id}")

app/social/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/uploader/youtube.py

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

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

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

app/utils/address_parser.py

@@ -1,15 +1,3 @@
-# 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"],
@@ -73,12 +61,6 @@ def extract_sigungu(address: str) -> str:
 
     # 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]

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
+async def autotag_image(image_url : str) -> list[str]: #tag_list
-    chatgpt = ChatgptService(model_type="gpt")
+    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
+async def autotag_images(image_url_list : list[str]) -> list[dict]: #tag_list
-    chatgpt = ChatgptService(model_type="gpt")
+    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 = 2 # 하드코딩, 어떻게 처리할지는 나중에
     for _ in range(MAX_RETRY):
         failed_idx = [i for i, r in enumerate(image_result_list) if isinstance(r, Exception)]
-        # print("Failed", failed_idx)
+        print("Failed", failed_idx)
         if not failed_idx:
             break
         retried = await asyncio.gather(
@@ -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/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"
+DVST0001 = "75161273-0422-4771-adeb-816bd7263fb0"
-DVRT0001 = "3c4b74c4-82d7-4742-9b05-4b999fef4cbd"
+DVST0002 = "c68cf750-bc40-485a-a2c5-3f9fe301e386"
-DVCF0001 = "ebb532ec-e49a-4a7e-b0e2-a8132f1bf1f7"
+DVST0003 = "e1fb5b00-1f02-4f63-99fa-7524b433ba47"
-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"
-
 DHST0001 = "660be601-080a-43ea-bf0f-adcf4596fa98"
-
+DHST0002 = "3f194cc7-464e-4581-9db2-179d42d3e40f"
-HST_LIST = [DHST0001]
+DHST0003 = "f45df555-2956-4a13-9004-ead047070b3d"
-VST_LIST = [DVST0001,DVRT0001,DVCF0001,DVAT0001,DVSL0001,DVCL0001,DVFT0001,DVAC0001]
+DVST0001T = "fe11aeab-ff29-4bc8-9f75-c695c7e243e6"
-
+HST_LIST = [DHST0001,DHST0002,DHST0003]
-# industry → 세로형 템플릿 매핑 (신규 세로형 템플릿 추가 시 여기에만 등록)
+VST_LIST = [DVST0001,DVST0002,DVST0003, DVST0001T]
-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,
-}
 
 SCENE_TRACK = 1
 AUDIO_TRACK = 2
 SUBTITLE_TRACK = 3
 KEYWORD_TRACK = 4
 
-# 썸네일 컴포지션의 이미지 슬롯명 접미사 (8개 업종 템플릿 전수 확인, 예:
+def select_template(orientation:OrientationType):
-# "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
-    """
     if orientation == "horizontal":
-        template_id = DHST0001
+        return DHST0001
     elif orientation == "vertical":
-        mapped = VERTICAL_INDUSTRY_TEMPLATE_MAP.get(industry)
+        return DVST0001T
-        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
     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",
+        orientation: OrientationType = "vertical"
-        industry: str | None = None,
-        project_id: int | None = None,
     ):
         """
         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,
+            target_duration: 목표 영상 길이 (초)
-                      매핑에 있으면 전용 템플릿을 사용
+                            None일 경우 orientation에 해당하는 기본값 사용
-            project_id: 미매핑 업종(general 등)의 세로형 분배용 키. 매핑에 없을 때
-                        project_id % len(VST_LIST)로 결정적 선택
         """
         self.api_key = api_key or apikey_settings.CREATOMATE_API_KEY
         self.orientation = orientation
 
-        # orientation·industry에 따른 템플릿 설정 가져오기
+        # orientation에 따른 템플릿 설정 가져오기
-        self.template_id = select_template(orientation, industry=industry, project_id=project_id)
+        self.template_id = select_template(orientation)
         self.headers = {
             "Content-Type": "application/json",
             "Authorization": f"Bearer {self.api_key}",
@@ -540,309 +443,52 @@ class CreatomateService:
         template : dict,
         target_template_type : str
     ) -> list:
-        """target_template_type 요소 개수를 셉니다.
-
-        target_template_type이 "image"인 경우, 고정 자산('-fixed' 명명) 및
-        5토큰 명명 규칙을 따르지 않는 요소(고정 워터마크 등)는 콘텐츠 슬롯이
-        아니므로 카운트에서 제외합니다 (template_matching_taged_image의
-        image_slots 필터링과 동일 기준).
-        """
         source_elements = template["source"]["elements"]
         template_component_data = self.parse_template_component_name(source_elements)
         count = 0
 
-        for name, template_type in template_component_data.items():
+        for _, (_, template_type) in enumerate(template_component_data.items()):
-            if template_type != target_template_type:
+            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
-
     def template_matching_taged_image(
         self,
-        template: dict,
+        template : dict,
-        taged_image_list: list,  # [{"image_url": str, "image_tag": dict}] — 이미 마케팅 적합성 필터를 통과한 이미지만 전달할 것
+        taged_image_list : list, # [{"image_name" : str , "image_tag" : dict}]
         music_url: str,
-        address: str,
+        address : str,
-        duplicate: bool = False,
+        duplicate : bool = False
-        thumbnail_fitness_map: dict | None = None,  # {image_url: {"score", "reject"}} — 썸네일 슬롯 픽셀 적합도
+    ) -> list:
-        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.
-        """
         source_elements = template["source"]["elements"]
         template_component_data = self.parse_template_component_name(source_elements)
 
-        pool = taged_image_list
+        taged_image_list = [img for img in taged_image_list if img.get("image_tag") is not None]
-        modifications: dict = {}
+        modifications = {}
-        assigned: dict = {}   # {슬롯명: image_tag} — 자막 컨텍스트용
 
-        # 이미지 슬롯과 텍스트 슬롯 분리
+        for slot_idx, (template_component_name, template_type) in enumerate(template_component_data.items()):
-        # 고정 자산(이름이 '-fixed'로 끝나는 로고 등) 및 5토큰 명명 규칙을 따르지
+            match template_type:
-        # 않는 image 요소는 콘텐츠 슬롯이 아니므로 배정 대상에서 제외 — 그렇지
+                case "image":
-        # 않으면 파싱 실패로 0점 처리되어 "가장 까다로운 슬롯"으로 취급되고
+                    image_score_list = self.calculate_image_slot_score_multi(taged_image_list, template_component_name)
-        # 무작위 이미지로 덮어써진다.
+                    maximum_idx = image_score_list.index(max(image_score_list))
-        image_slots = [
+                    if duplicate:
-            name for name, t in template_component_data.items()
+                        selected = taged_image_list[maximum_idx]
-            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 = taged_image_list.pop(maximum_idx)
-            selected = pool[sel_idx] if duplicate else pool.pop(sel_idx)
+                    image_name = selected["image_url"]
-            modifications[slot] = selected["image_url"]
+                    modifications[template_component_name] =image_name
-            assigned[slot] = selected["image_tag"]
+                    pass
-            logger.info(
+                case "text":
-                f"[template_matching_taged_image] 썸네일 배정({sel_source}) — slot: {slot}, "
+                    if "address_input" in template_component_name:
-                f"score: {scores[sel_idx]:.3f}, url: {selected['image_url']}"
+                        modifications[template_component_name] = address
-            )
-
-        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
 
         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:
+        image_score_list = [0] * len(image_tag_list)
-            # 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
         
         for slot_tag_cate, slot_tag_item in slot_tag_dict.items():
             if slot_tag_cate == "narrative_preference":
@@ -851,64 +497,41 @@ class CreatomateService:
 
             match slot_tag_cate:
                 case "space_type":
-                    weight = 2.0
+                    weight = 2
-                case "subject":
+                case "subject" :
-                    weight = 3.0
+                    weight = 2
                 case "camera":
-                    weight = 1.0
+                    weight = 1
-                case "motion_recommended":
+                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!
+                if slot_tag_item.value in image_tag[slot_tag_cate]: #collect!
-                    base_score_list[idx] += weight
+                    image_score_list[idx] += weight
 
-        # narrative 점수 적용: 순수 곱셈 대신 "완화 modulator + 독립 보너스"
-        # - narr_mod: base를 흐릴 수 있지만 NARR_FLOOR 이하로는 안 떨어짐
-        # - NARR_BONUS * narr: base=0이어도 narrative가 높으면 양수 점수 확보
-        image_score_list = []
         for idx, image_tag in enumerate(image_tag_list):
-            raw_narr = image_tag.get("narrative_preference", {}).get(slot_tag_narrative, 0.0)
+            image_narrative_score = image_tag["narrative_preference"][slot_tag_narrative]
-            clamped_narr = min(self._NARR_MAX, max(self._NARR_MIN, float(raw_narr)))
+            image_score_list[idx] = image_score_list[idx] * image_narrative_score
-            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)
 
         return image_score_list
     
-    def parse_slot_name_to_tag(self, slot_name: str) -> dict[str, StrEnum] | None:
+    def parse_slot_name_to_tag(self, slot_name : str) -> dict[str, StrEnum]:
-        """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 = MotionRecommended(tag_list[3])
-            motion = MOTION_TOKEN_NORMALIZATION.get(tag_list[3]) or MotionRecommended(tag_list[3])
         narrative = NarrativePhase(tag_list[4])
         tag_dict = {
-                "space_type": space_type,
+            "space_type" : space_type,
-                "subject": subject,
+            "subject" : subject,
-                "camera": camera,
+            "camera" : camera,
-                "motion_recommended": motion,
+            "motion_recommended" : motion,
-                "narrative_preference": narrative,
+            "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 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.
+        """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).
-        """
 
         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
                 
-                self._scale_element(elem, extend_rate)
+                if "time" in elem:
+                    elem["time"] = elem["time"] * extend_rate
+                if "duration" in elem:
+                    elem["duration"] = elem["duration"] * extend_rate
+
+                if "animations" not in elem:
+                    continue
+                for animation in elem["animations"]:
+                    assert animation["time"] == 0  # 0이 아닌 경우 확인 필요
+                    animation["duration"] = animation["duration"] * extend_rate
             except Exception as e:
                 logger.error(
                     f"[extend_template_duration] Error processing element: {elem}, {e}"
@@ -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.")
-
+        pitching_list = keyword_list + subtitle_list
-        # 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
         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]]
+        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)
         
         mod_dict = {
             "thumb-hashtag-primary" : ' '.join(hashtaged_target_keywords),
-            "thumb-headline-brand_name-factual" : brand_name,
+            "thumb-brand-wordmark" : brand_name,
-            "thumb-subheadline-local_info-factual" : region_display,
+            "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

@@ -1,5 +1,4 @@
 import asyncio
-import random
 import re
 from html import unescape
 from difflib import SequenceMatcher
@@ -20,76 +19,23 @@ class NvMapPwScraper():
     _win_width = 1280
     _win_height = 720
     _max_retry = 3 
-    _timeout = 30 # place id timeout threshold seconds
+    _timeout = 60 # 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)
-    );
-}
-'''
     
     # 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['viewport'] = {
-        context_builder_dict['screen'] = dict(profile['viewport'])
+                'width' : cls._win_width,
-        context_builder_dict['user_agent'] = profile['user_agent']
+                'height' : cls._win_height
+        }
+        context_builder_dict['screen'] = {
+                'width' : cls._win_width,
+                'height' : cls._win_height
+        }
+        context_builder_dict['user_agent'] = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36"
         context_builder_dict['locale'] = 'ko-KR'
         context_builder_dict['timezone_id']='Asia/Seoul'
 
@@ -105,129 +51,6 @@ if (originalQuery) {
             cls._context = await cls._browser.new_context(**cls.default_context_builder())
         cls.is_ready = True
     
-    @classmethod
-    async def _recreate_context(cls):
-        """네이버 안티봇 차단이 의심될 때 브라우저 컨텍스트를 새로 생성해 세션/핑거프린트를 초기화한다."""
-        old_context = cls._context
-        cls._context = await cls._browser.new_context(**cls.default_context_builder())
-        if old_context:
-            await old_context.close()
-
-    @classmethod
-    async def _new_stealth_page(cls):
-        """스텔스 패치(webdriver 위장 등)와 sec-ch-ua 헤더가 적용된 새 page를 생성한다."""
-        page = await cls._context.new_page()
-        await page.add_init_script(cls._STEALTH_INIT_SCRIPT)
-        if cls._current_profile:
-            await page.set_extra_http_headers({
-                'sec-ch-ua': cls._current_profile['sec_ch_ua']
-            })
-        return page
-
-    GRAPHQL_URL = "https://pcmap-api.place.naver.com/graphql"
-
-    @classmethod
-    async def fetch_graphql(
-        cls,
-        place_id: str,
-        payloads: list[dict],
-    ) -> 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:
             raise Exception("nvMapScraper is not initiated")
@@ -240,7 +63,35 @@ if (originalQuery) {
         await self.page.close()
         
     async def create_page(self):
-        self.page = await self._new_stealth_page()
+        self.page = await self._context.new_page()
+        await self.page.add_init_script(
+'''const defaultGetter = Object.getOwnPropertyDescriptor(
+    Navigator.prototype,
+    "webdriver"
+).get;
+defaultGetter.apply(navigator);
+defaultGetter.toString();
+Object.defineProperty(Navigator.prototype, "webdriver", {
+    set: undefined,
+    enumerable: true,
+    configurable: true,
+    get: new Proxy(defaultGetter, {
+    apply: (target, thisArg, args) => {
+        Reflect.apply(target, thisArg, args);
+        return false;
+    },
+    }),
+});
+const patchedGetter = Object.getOwnPropertyDescriptor(
+    Navigator.prototype,
+    "webdriver"
+).get;
+patchedGetter.apply(navigator);
+patchedGetter.toString();''')
+
+        await self.page.set_extra_http_headers({
+            'sec-ch-ua': '\"Not?A_Brand\";v=\"99\", \"Chromium\";v=\"130\"'
+        })
         await self.page.goto("http://google.com")
         
     async def goto_url(self, url, wait_until="domcontentloaded", timeout=20000):
@@ -333,114 +184,33 @@ if (originalQuery) {
         logger.debug(f"[DEBUG] 목록 후보 {len(candidates)}개 추출")
         return candidates
 
-    @staticmethod
-    def _parse_allsearch_candidates(body: dict) -> list[dict]:
-        """allSearch 응답 JSON에서 후보 목록을 추출한다."""
-        place_list = (((body.get("result") or {}).get("place") or {}).get("list")) or []
-        return [
-            {
-                "title": p.get("name") or "",
-                "place_url": f"https://map.naver.com/p/entry/place/{p['id']}",
-                "roadAddress": p.get("roadAddress") or "",
-                "address": p.get("address") or "",
-            }
-            for p in place_list
-            if p.get("id")
-        ]
-
-    def _select_best_candidate(self, candidates: list[dict], title: str, address: str) -> dict | None:
-        """이름 유사도(70%)와 주소 유사도(30%)를 함께 고려해 최적 후보를 선택한다.
-
-        주소 없이 업체명만으로 검색한 경우(3차 폴백)는 이름 유사도만 사용한다.
-        """
-        if not candidates:
-            return None
-
-        for c in candidates:
-            name_score = self._similarity(title, self._clean_title(c["title"]))
-            cand_addr = c.get("roadAddress") or c.get("address") or ""
-            addr_score = self._similarity(address, cand_addr) if address and cand_addr else 0.0
-            c["_name_score"] = name_score
-            c["_addr_score"] = addr_score
-            c["_total_score"] = name_score * 0.7 + addr_score * 0.3 if address else name_score
-
-        return max(candidates, key=lambda c: c["_total_score"])
-
-    async def _capture_allsearch(self, url: str, timeout_s: float = 5.0) -> list[dict]:
-        """검색 페이지가 자연 발생시키는 allSearch API 응답을 캡처해 후보 목록으로 변환한다.
-
-        pcmap iframe 렌더링을 기다릴 필요가 없어 경쟁 조건이 없고, 업체명 단독
-        검색처럼 iframe 자체가 생성되지 않는 케이스에서도 동작한다.
-        """
-        captured: list[dict] = []
-
-        def on_response(resp):
-            # GET 요청의 실제 응답만 캡처 (OPTIONS preflight 등 오탐 방지)
-            if "allSearch" in resp.url and resp.request.method == "GET":
-                async def _consume():
-                    try:
-                        captured.append(await resp.json())
-                    except Exception:
-                        pass
-                asyncio.create_task(_consume())
-
-        self.page.on("response", on_response)
-        try:
-            try:
-                await self.goto_url(url, wait_until="domcontentloaded", timeout=self._timeout * 1000)
-            except Exception:
-                logger.error("[ERROR] Can't Finish domcontentloaded")
-
-            deadline = time.monotonic() + timeout_s
-            while time.monotonic() < deadline:
-                if "/place/" in self.page.url or captured:
-                    break
-                await self.page.wait_for_timeout(200)
-        finally:
-            self.page.remove_listener("response", on_response)
-
-        if not captured:
-            return []
-        return self._parse_allsearch_candidates(captured[0])
-
     async def _try_search(self, address: str, title: str) -> str | None:
         """주어진 주소+업체명으로 검색해서 place URL을 반환한다. 실패 시 None."""
         encoded_query = parse.quote(f"{address} {title}".strip())
         url = f"https://map.naver.com/p/search/{encoded_query}"
 
-        # 1순위: allSearch API 응답 캡처 (iframe 렌더링 대기 불필요, 업체명 단독 검색도 지원)
+        try:
-        candidates = await self._capture_allsearch(url)
+            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"[AUTO-SELECT] '{title}' → '{best['title']}' (score={best_score:.2f}) {best['place_url']}"
-                f"(name={best['_name_score']:.2f}, addr={best['_addr_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 +238,16 @@ if (originalQuery) {
         # 2차 시도: 정제 주소 + 업체명
         refined = self._refine_address(address)
         if refined != address:
-            await self.page.wait_for_timeout(self._retry_delay_ms)
             logger.info(f"[REFINE] 주소 정제: '{address}' → '{refined}'")
             result = await self._try_search(refined, title)
             if result:
                 return result
 
         # 3차 시도: 업체명만으로 검색
-        await self.page.wait_for_timeout(self._retry_delay_ms)
         logger.info(f"[RETRY] 업체명만으로 재시도: '{title}'")
         result = await self._try_search("", title)
         if result:
             return result
 
-        # 1~3차 모두 실패 → 네이버 안티봇 차단 의심, 컨텍스트 재생성 후 원본 조건으로 1회 재시도
-        logger.warning(f"[BLOCK-SUSPECTED] 3회 시도 모두 실패 → 컨텍스트 재생성 후 재시도: '{title}'")
-        await self.page.close()
-        await self._recreate_context()
-        await self.create_page()
-        result = await self._try_search(address, title)
-        if result:
-            return result
-
         logger.error(f"[ERROR] Not found url for {selected}")
         return None

app/utils/nvMapScraper.py

@@ -35,13 +35,6 @@ class NvMapScraper:
     GRAPHQL_URL: str = "https://pcmap-api.place.naver.com/graphql"
     REQUEST_TIMEOUT = 120  # 초
     data_source_identifier = "nv"
-    SUPPLEMENT_THRESHOLD = 30  # 업체 사진이 이 수 미만일 때 방문자 사진으로 보충
-    # 방문자 사진 보충 시의 합산 상한 (필터링·정책상 제한).
-    # 업체 제공 사진은 필터링 면제 대상이므로 이 상한과 무관하게 수집분을 전부 사용한다
-    # (수집 자체는 BIZ_MAX_PAGES가 상한 — 초과 시 warning 로그 발생).
-    MAX_IMAGES = 50
-    BIZ_PAGE_SIZE = 20          # getPhotoViewerItems 'biz' 커서의 페이지당 사진 수
-    BIZ_MAX_PAGES = 5          # 업체 사진 수집 상한 (5×20=100장, 도달 시 warning)
     OVERVIEW_QUERY: str = """
 query getAccommodation($id: String!, $deviceType: String) {
     business: placeDetail(input: {id: $id, isNx: true, deviceType: $deviceType}) {
@@ -57,37 +50,8 @@ query getAccommodation($id: String!, $deviceType: String) {
             conveniences
             visitorReviewsTotal
         }
-        menus {
-            name
-            price
-            description
-            recommend
-        }
         images { images { origin url } }
-    }
+        cpImages(source: [ugcImage]) { images { origin url } }
-}"""
-
-    PHOTO_VIEWER_QUERY: str = """
-query getPhotoViewerItems($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
-                }
-            }
-        }
     }
 }"""
 
@@ -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.image_link_list: list[str] | None = None
-        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.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+)"
@@ -227,221 +95,29 @@ query getVisitorReviewStats($id: String!) {
         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)
+            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()
-
+        data = await self._call_get_accommodation(place_id)
-        # ── 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"
-
         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"]
+        self.image_link_list = [
-
+            nv_image["origin"]
-        # 업체 등록 이미지 (마케팅 적합성 필터 제외 대상 — 자체 dedup).
+            for nv_image in data["data"]["business"]["images"]["images"]
-        # 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.base_info = data["data"]["business"]["base"]
         self.facility_info = fac_data
-        self.voted_keyword_stats = stats_data
+        self.scrap_type = "GraphQL"
-        self.menu_info = business.get("menus") or None
 
         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 +146,13 @@ 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).
+                    # 실패 상태 코드
-                    # 직접 호출로는 통과 불가 → scrap()에서 브라우저 폴백으로 전환.
                     logger.error(f"[NvMapScraper] Failed with status {response.status} - place_id: {place_id}")
                     raise GraphQLException(
                         f"Request failed with status {response.status}"
@@ -486,43 +161,13 @@ 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
@@ -530,16 +175,15 @@ 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
+                        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}")

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 디버그 로깅
-            # logger.debug(f"[ChatgptService({self.model_type})] attempt: {attempt}")
+            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 ID: {response.id}")
-            # logger.debug(f"[ChatgptService({self.model_type})] Response finish_reason: {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})] Response model: {response.model}")
 
             choice = response.choices[0]
             finish_reason = choice.finish_reason
 
             if finish_reason == "stop":
-                # output_text = choice.message.content or ""
+                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}")
+                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
@@ -8,9 +6,6 @@ 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 = [
@@ -20,33 +15,14 @@ _SCOPES = [
 _sheet_cache: dict[str, tuple[str, str]] = {}
 
 
-def _get_spreadsheet():
+def _read_sheet_data(sheet_name: str) -> tuple[str, str]:
+    if sheet_name not in _sheet_cache:
         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)
+        gc = gspread.authorize(creds)
-
+        ws = gc.open_by_key(prompt_settings.PROMPT_SPREADSHEET).worksheet(sheet_name)
-
+        _sheet_cache[sheet_name] = (ws.cell(3, 2).value, ws.cell(2, 2).value)
-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]
 
 
@@ -64,31 +40,19 @@ class Prompt():
         self.prompt_output_class = prompt_output_class
         self.prompt_template, self.prompt_model = _read_sheet_data(sheet_name)
 
+    def _reload_prompt(self):
+        _sheet_cache.pop(self.sheet_name, None)
+        self.prompt_template, self.prompt_model = _read_sheet_data(self.sheet_name)
+
     def build_prompt(self, input_data:dict, silent:bool = False) -> str:
         verified_input = self.prompt_input_class(**input_data)
-        values = verified_input.model_dump()
+        build_template = self.prompt_template
-        # 알려진 {필드}만 치환하고, 프롬프트 내 JSON 예시 등 리터럴 중괄호는 그대로 둔다.
+        build_template = build_template.format(**verified_input.model_dump())
-        # (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,
-        )
         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 +78,16 @@ image_autotag_prompt = Prompt(
 )
 
 @lru_cache()
-def create_dynamic_subtitle_prompt(length: int, industry: str = "") -> Prompt:
+def create_dynamic_subtitle_prompt(length: int) -> Prompt:
-    # industry 인자는 캐시 구분/하위 호환용. 시트는 단일 'subtitle'로 통합됨.
     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.
+    #ad_avaliable : bool = Field(..., description="광고 영상 사용 가능 이미지 여부")
-    공간·피사체·카메라·모션 태그와 내러티브 적합도 점수를 담아 반환.
-    마케팅 사용 가능 여부는 크롤링 단계(MarketingFilterOutput)에서 이미 판정되므로 포함하지 않는다."""
     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
+from typing import List, Optional
-
-GENRE_VALUES = Literal["kpop", "pop", "ballad", "hip-hop", "rnb", "edm", "jazz", "rock"]
 
 # Input 정의
 class LyricPromptInput(BaseModel):
@@ -10,16 +8,9 @@ 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")
+    timing_rules : str = Field(..., description = "시간 제어문")
-    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")
 
 # Output 정의
 class LyricPromptOutput(BaseModel):
     lyric: str = Field(..., description="생성된 가사")
     suno_prompt: str = Field(..., description="Suno AI용 프롬프트")
-    recommended_genre: GENRE_VALUES = Field(
-        ...,
-        description="가사에 사용된(또는 가장 잘 맞는) 음악 장르. genre 입력이 주어졌다면 그 값을 그대로 반환하고, "
-        "비어있었다면 exclude_genre를 제외한 나머지 중 가사 무드에 가장 잘 맞는 장르를 직접 선택해 반환",
-    )

app/utils/prompts/schemas/marketing.py

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

app/utils/prompts/schemas/subtitle.py

@@ -10,7 +10,6 @@ class SubtitlePromptInput(BaseModel):
     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")
 
 # Output 정의
 class PitchingOutput(BaseModel):

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 +1,248 @@
+# 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.
+
+**GENERATION LANGUAGE**: Korean (한국어)
+**OUTPUT LANGUAGE**: {language}
+
+**WORKFLOW**:
+1. Generate all subtitles and keywords in Korean following the rules below.
+2. If {language} is NOT Korean, translate every subtitle text and keyword to {language} while preserving meaning, tone, and approximate character count spirit. Fixed anchor texts (availability, cta_action) must also be translated naturally.
+
+---
+
+### 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.
+4. NEVER output meta-text. Every field MUST be real on-screen copy the viewer reads.
+   NEVER output a label/header/title that describes, classifies, or points to the content.
+   - FORBIDDEN examples: "검색 키워드 모아보기", "키워드 모음", "추천 태그", "관련 태그",
+     "더보기", "리스트", "아래 내용", "목록".
+   - Test: "Is this the content itself, or a caption ABOUT the content?" If it's about the content → FORBIDDEN.
+
+---
+
+### 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}
+
+**입력 4: 출력 언어**
+Language: {language}

app/utils/subtitles.py

@@ -1,5 +1,4 @@
 import copy
-import re
 import time
 import json
 from typing import Literal, Any
@@ -13,42 +12,20 @@ from app.utils.prompts.prompts import *
 
 logger = get_logger("subtitle")
 
-# 비한국어 출력에서 번역 누락(한글 잔존)을 탐지하기 위한 패턴
-_HANGUL_RE = re.compile(r"[가-힣]")
-
-# 한글 잔존 시 GPT 재호출 최대 횟수 (최초 호출 포함)
-_MAX_LANGUAGE_ATTEMPTS = 3
-
-
 class SubtitleContentsGenerator():
     def __init__(self):
         self.chatgpt_service = ChatgptService(timeout=60.0)
 
-    @staticmethod
+    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") -> SubtitlePromptOutput:
-    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"language: {language}"
-            f"industry: {industry}"
         )
 
-        dynamic_subtitle_prompt = create_dynamic_subtitle_prompt(len(pitching_label_list), industry)
+        dynamic_subtitle_prompt = create_dynamic_subtitle_prompt(len(pitching_label_list))
         pitching_label_string = "\n".join(pitching_label_list)
         marketing_intel_string = json.dumps(marketing_intelligence, ensure_ascii=False)
         input_data = {
@@ -57,45 +34,12 @@ class SubtitleContentsGenerator():
             "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}"
         )
-
+        output_data = await self.chatgpt_service.generate_structured_output(dynamic_subtitle_prompt, input_data)
-        # 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(

app/utils/suno.py

@@ -113,11 +113,11 @@ class SunoService:
 
         Args:
             prompt: 가사 (customMode=true일 때 가사로 사용)
-                    40초 이내 길이의 노래에 적합한 가사여야 함
+                    1분 이내 길이의 노래에 적합한 가사여야 함
-            genre: 음악 장르 (예: "K-Pop", "Pop", "R&B", "Hip-Hop", "Ballad", "EDM", "Rock", "Jazz")
+            genre: 음악 장르 (예: "K-Pop", "Pop", "R&B", "Hip-Hop", "Ballad", "EDM")
                    None일 경우 style 파라미터를 전송하지 않음
             callback_url: 생성 완료 시 알림 받을 URL (None일 경우 config에서 기본값 사용)
-            instrumental: True이면 BGM 전용 — 더미 가사로 40초 길이를 유도하고 보컬 없이 생성
+            instrumental: True이면 BGM 전용 — 더미 가사로 60초 길이를 유도하고 보컬 없이 생성
 
         Returns:
             task_id: 작업 추적용 ID
@@ -125,7 +125,7 @@ class SunoService:
         Note:
             - 스트림 URL: 30-40초 내 생성
             - 다운로드 URL: 2-3분 내 생성
-            - 생성되는 노래는 약 40초 이내의 길이
+            - 생성되는 노래는 약 1분 이내의 길이
         """
         actual_callback_url = callback_url or apikey_settings.SUNO_CALLBACK_URL
 
@@ -133,11 +133,11 @@ class SunoService:
 
         if instrumental:
             bgm_lyrics = get_bgm_lyrics(genre)
-            formatted_prompt = f"[Song Duration: Around 40 seconds]\n{bgm_lyrics}"
+            formatted_prompt = f"[Song Duration: Around 1 minute - Must be around 60 seconds]\n{bgm_lyrics}"
             logger.info(f"[Suno] BGM 더미 가사 장르 {normalized_genre} 선택됨")
         else:
             formatted_prompt = (
-                f"[Song Duration: Around 40 seconds]\n{prompt}"
+                f"[Song Duration: Exactly 1 minute - Must be precisely 60 seconds]\n{prompt}"
             )
 
         payload: dict[str, Any] = {
@@ -148,7 +148,7 @@ class SunoService:
             "callBackUrl": actual_callback_url,
         }
         if normalized_genre:
-            payload["style"] = f"{normalized_genre}, around 40 seconds" if instrumental else normalized_genre
+            payload["style"] = f"{normalized_genre}, around 60 seconds" if instrumental else normalized_genre
 
         last_error: Exception | None = None
 

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/v1/video.py

@@ -26,12 +26,13 @@ from app.dependencies.pagination import PaginationParams, get_pagination_params
 from app.user.dependencies.auth import get_current_user, get_current_user_optional
 from app.user.models import User
 from app.utils.pagination import PaginatedResponse
-from app.home.models import Image, Project, MarketingIntel
+from app.home.models import Image, Project, MarketingIntel, ImageTag
 from app.home.api.routers.v1.home import _extract_region_from_address
 from app.utils.address_parser import SIDO_CITIES, SIDO_SEARCH_ALIASES
 from app.lyric.models import Lyric
 from app.song.models import Song, SongTimestamp
-from app.utils.creatomate import CreatomateService, LANGUAGE_FONT_MAP
+from app.utils.creatomate import CreatomateService
+from app.utils.subtitles import SubtitleContentsGenerator
 
 from app.comment.models import Comment
 from app.database.like_cache import (
@@ -58,7 +59,7 @@ from app.video.schemas.video_schema import (
     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
 
@@ -191,8 +192,6 @@ async def generate_video(
             store_address = project.detail_region_info
             brand_name = project.store_name
             region = project.region
-            industry = project.industry
-            output_language = project.language or "Korean"
 
             # MarketingIntel 조회
             marketing_result = await session.execute(
@@ -200,28 +199,27 @@ async def generate_video(
             )
             marketing_intelligence: MarketingIntel = marketing_result.scalar_one_or_none()
 
-            # 자막 + 이미지 배정 미완료 시 즉시 반환 — Lyric/Song/Image 쿼리 전에 체크하여 불필요한 조회 방지
+            # subtitle 미완료 시 즉시 반환 — Lyric/Song/Image 쿼리 전에 체크하여 불필요한 조회 방지
             # 클라이언트가 /lyric/subtitle/status/{task_id} 폴링 후 재시도
-            if not marketing_intelligence.subtitle or not marketing_intelligence.image_match:
-                pending_what = []
             if not marketing_intelligence.subtitle:
-                    pending_what.append("자막")
+                logger.info(f"[generate_video] subtitle pending - task_id: {task_id}")
-                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.",
+                    message="자막 생성이 아직 완료되지 않았습니다. /lyric/subtitle/status/{task_id}로 완료 확인 후 재요청하세요.",
                     error_message=None,
                 )
 
             category_definition = marketing_intelligence.intel_result["market_positioning"]["category_definition"]
             target_keywords = marketing_intelligence.intel_result["target_keywords"]
 
+            brand_concept = ""
+            for sp in marketing_intelligence.intel_result["selling_points"]:
+                if "concept" in sp["english_category"].lower():
+                    brand_concept = sp["description"]
+
             # Lyric 조회
             lyric_result = await session.execute(
                 select(Lyric)
@@ -354,8 +352,7 @@ async def generate_video(
             f"[generate_video] Stage 2 START - Creatomate API - task_id: {task_id}"
         )
         creatomate_service = CreatomateService(
-            orientation=orientation,
+            orientation=orientation
-            industry=industry,
         )
         logger.debug(
             f"[generate_video] Using template_id: {creatomate_service.template_id}, (song duration: {song_duration})"
@@ -368,37 +365,40 @@ 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.
+        # modifications = creatomate_service.elements_connect_resource_blackbox(
-        # 여기서는 사전 산출물을 읽어 음악 URL과 주소만 보완한다.
+        #     elements=template["source"]["elements"],
-        modifications: dict = dict(marketing_intelligence.image_match)  # 슬롯→image_url 사전 배정 결과
+        #     image_url_list=image_urls,
-        modifications["audio-music"] = music_url
+        #     music_url=music_url,
-        # address_input 슬롯은 사전 단계에서도 채워지지만 영상 시점에 재확인
+        #     address=store_address
-        for key in list(modifications.keys()):
+        taged_image_list = await get_image_tags_by_task_id(task_id)
-            if "address_input" in key:
+        min_image_num = creatomate_service.counting_component(
-                modifications[key] = store_address
+            template = template,
-        logger.info(f"[generate_video] image_match loaded from DB (slots: {len(modifications)}) - task_id: {task_id}")
+            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
+        # revert thumbnail scene
-        # 그대로 사용한다. 과거 파이프라인 산출물(subtitle에 thumb-* 없음)은
+        # thumbnail_modifications = creatomate_service.make_thumbnail_modification(
-        # 기존 팩트값 조립(한국어)으로 폴백.
+        #     brand_name =brand_name,
-        thumbnail_fallback = creatomate_service.make_thumbnail_modification(
+        #     region = region,
-            brand_name =brand_name,
+        #     brand_concept = brand_concept,
-            region = region,
+        #     category_definition= category_definition,
-            category_definition= category_definition,
+        #     target_keywords=target_keywords)
-            target_keywords=target_keywords,
-            detail_region_info=store_address)
         
-        for slot_name, fallback_value in thumbnail_fallback.items():
+        # modifications.update(thumbnail_modifications)
-            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}"
-                )
 
         # 6-3. elements 수정
         new_elements = creatomate_service.modify_element(
@@ -423,8 +423,12 @@ async def generate_video(
         for i, ts in enumerate(song_timestamp_list):
             logger.debug(f"[generate_video] timestamp[{i}]: lyric_line={ts.lyric_line}, start_time={ts.start_time}, end_time={ts.end_time}")
 
-        # 가사 자막 폰트: CJK/태국어는 글리프 지원 폰트로, 그 외는 Noto Sans
+        match lyric_language:
-        lyric_font = LANGUAGE_FONT_MAP.get(lyric_language, "Noto Sans")
+            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 +448,6 @@ 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)}"
         # )

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)
+        print("rows", rows)
-    # img_tag가 JSON 리터럴 null로 저장된 행(태깅 실패 잔재)은 SQL IS NOT NULL 필터를
+    print(rows)
-    # 통과하므로 파이썬 레벨에서 한 번 더 걸러낸다.
+    print("image" , [{"image_url": row.img_url, "image_tag": row.img_tag} for row in rows])
-    null_tag_urls = [row.img_url for row in rows if row.img_tag is None]
+    return [{"image_url": row.img_url, "image_tag": row.img_tag} for row in rows]
-    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
-    ]

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_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;