chore: Notion 동기화 2026-06-09 14:30

Author: sungbin1015

blog/.notion-sync.json

@@ -1,8 +1,8 @@
 {
   "36de15b4-0359-8123-8392-e4cb3f13167c": {
-    "file": "blog/2026-05-27-테스트-오픈소스-ai-방송-콘텐츠-재가공-플랫폼.md",
-    "last_edited": "2026-06-04T04:47:00.000Z",
-    "content_hash": "e57803fe3aa92436ed57cf13a4563d22624e7e650e15cea8730519aab6b575a3",
+    "file": "blog/2026-05-27-오픈소스-ai-방송-콘텐츠-재가공-플랫폼.md",
+    "last_edited": "2026-06-09T05:25:00.000Z",
+    "content_hash": "4d54744efc5dd246f2c4a30ab10db0d572cb6a7e18b543f50676c618d7b91cd6",
     "order": 1,
     "parent_id": null
   }

…2026-05-27-테스트-오픈소스-ai-방송-콘텐츠-재가공-플랫폼.md blog/2026-05-27-오픈소스-ai-방송-콘텐츠-재가공-플랫폼.mdblog/2026-05-27-테스트-오픈소스-ai-방송-콘텐츠-재가공-플랫폼.md renamed to blog/2026-05-27-오픈소스-ai-방송-콘텐츠-재가공-플랫폼.md blog/2026-05-27-테스트-오픈소스-ai-방송-콘텐츠-재가공-플랫폼.md renamed to blog/2026-05-27-오픈소스-ai-방송-콘텐츠-재가공-플랫폼.md

@@ -1,12 +1,11 @@
 ---
-title: "테스트_오픈소스 AI 방송 콘텐츠 재가공 플랫폼"
+title: "오픈소스 AI 방송 콘텐츠 재가공 플랫폼"
 date: 2026-05-27
-slug: 1
-authors: [sbin, jay]
+authors: [sbin, 김주홍]
 description: "description 속성을 정확하게 채우는 게 SEO에 가장 직접적인 영향을 준다"
 tags: [docusaurus, 블로그, 가이드]
 last_update:
-  date: 2026-06-04
+  date: 2026-06-09
 ---
 
 SceneMakerAI는 오픈소스 AI를 활용해 방송 콘텐츠를 자동으로 재가공하는 플랫폼입니다.
@@ -21,5 +20,4 @@ SceneMakerAI는 오픈소스 AI를 활용해 방송 콘텐츠를 자동으로 
 - **장면 분석** : 멀티모달 LLM으로 영상 프레임 이해
 - **콘텐츠 재가공** : 클립 추출, 하이라이트 생성, 요약
 
-<br />
 

docs/poc/.notion-sync.json

@@ -29,8 +29,8 @@
   },
   "373e15b4-0359-8150-88f3-eedc5ebd727b": {
     "file": "docs/poc/vision-bench/2편-추론-파라미터-튜닝-qwen3-omni-6초-클립-분석-ofat-스윕.md",
-    "last_edited": "2026-06-09T05:18:00.000Z",
-    "content_hash": "c58f683be22afe86a9b5aad1a860092d6fb319bdd2f9f92264a0281d7313c1b3",
+    "last_edited": "2026-06-09T05:29:00.000Z",
+    "content_hash": "fbd70bd2bb243e97476c43dd2a895ac9a471638774369fdafaa27ea3022c8700",
     "order": 3,
     "parent_id": "vision-bench"
   },

docs/poc/vision-bench/2편-추론-파라미터-튜닝-qwen3-omni-6초-클립-분석-ofat-스윕.md

@@ -142,16 +142,19 @@ SceneMaker 프로젝트에서 **대사(STT)분석은 WhisperX의** 별도 모듈
 
 순응은 프롬프트가 명시한 규칙이라 출력만 보고 판정할 수 있다. 반면 품질은 "정답"이 있어야 평가 가능함. **순응은 필요조건이지 충분조건이 아니라** 경계가 깔끔히 나뉜다. 규칙을 지켰다고 내용이 옳은 건 아니지만, 규칙을 먼저 잡고 후에 품질을 개선한다.
 
-### 3.3. 형태는 신뢰, degeneration 빈도는 참고
+### 3.3. 측정 지표
 
-측정 대상을 두 가지로 분리하는 것이 1단계 결론의 신뢰도를 가른다.
+각 설정마다 70개 출력에서 아래 지표를 집계한다. 모두 **정답지 없이 출력만으로** 계산되는 순응·형태 지표다.
 
-| **측정** | **성격** | **신뢰도** |
+| **지표** | **정의** | **무엇을 보나** |
 | --- | --- | --- |
-| **형태 특성화** (출력 길이·필드 수·언어 순도·반복) | 모든 출력에 존재 → n=70 단일 패스로 충분 | ✅ **신뢰** — 본 단계의 결론 |
-| **degeneration 빈도** (출력 붕괴율) | 희귀사건이라 n=70 단일 패스론 노이즈 + 배치 동시성 jitter 가 파라미터 효과에 섞임 | ⚠️ **참고용 카운트로만** |
+| `ok` | 스키마 통과(파싱·검증 성공) 레코드 수 (/70) | 형식 순응 |
+| `lat_p50` / `lat_p95` | 클립당 추론 시간(ms)의 중앙값 · 95퍼센타일 | 추론 지연 · 시간 편차(Latency Jitter) |
+| `items` | 배열 필드별 평균 항목 수 (`objects` ·`ocr` ·`actions` ·`bgm` ·`sfx` ) | 정보량 |
+| `purity` | 한글 / (한글 + 라틴) 문자 비율 (1.0에 가까울수록 순수 한글) | 언어 순도(이종문자 오염) |
+| `repeat` | 항목 중복·토큰 루프가 발생한 레코드 수 (/70) | 반복 |
 
-degeneration(붕괴)은 드물게 터지는 사건이라 70샘플 한 번으로는 *빈도* 를 신뢰하기 어렵고, 무엇보다 배치 동시성에서 오는 수치 jitter 가 파라미터 탓으로 오귀속될 수 있다. 따라서 모든 출력에 존재하는 **형태·반복** 만 본 단계의 결론으로 삼고, 붕괴 빈도의 정밀 측정은 별도 트랙으로 분리한다.
+이 지표들은 **모든 출력에 존재** 하므로 n=70 단일 패스로 안정적으로 집계된다. 다만 degeneration(붕괴)은 드물게 터지는 희귀사건이라 *빈도* 자체가 배치 동시성 jitter 에 흔들리므로, 본 단계에서는 **참고용 카운트로만** 보고 결론으로 삼지 않는다.
 
 ## 4. 세 가지 실패 양상