기업 교육과 디지털 마케팅에서 사전 녹화된 비디오 프레젠테이션은 오랫동안 구조적인 한계를 안고 있었습니다. 동영상 콘텐츠는 확장성과 배포 편의성이 높지만, 본질적으로 '일방향 방송'에 머무릅니다. 직원이 사내 규정 교육을 듣다가 복잡한 조항에서 막히거나, 제품 데모를 보던 잠재 고객이 엔터프라이즈 보안 요구사항에 의문을 품더라도 비디오 재생 바는 멈추지 않고 계속 흘러갑니다. 시청자는 의문을 품은 채 집중력을 잃거나, 영상을 멈추고 외부 검색창을 열어야 하며, 이는 대규모 시청자 이탈로 이어집니다.
D-ID의 Agentic Videos는 사전 녹화된 비디오 영상 위에 실시간 대화형 AI 레이어를 직접 결합하여 이러한 시청 유지율 저하 문제를 해결합니다. 단순히 플레이어 옆에 텍스트 챗봇 위젯을 붙이는 것이 아니라, 영상 자체를 양방향 대화형 인터페이스로 전환합니다. 사전 녹화된 강사가 말하는 도중 시청자는 플레이어에 상시 표시되는 "질문하기(Ask)" 버튼을 언제든지 누를 수 있습니다. 그 순간 영상이 일시 중지되면서 부드러운 크로스페이드(Crossfade) 전환을 통해 실시간 대화형 비주얼 AI 에이전트 화면으로 전환됩니다. 디지털 아바타는 영상의 음성 스크립트와 보충 문서를 바탕으로 자연스러운 음성 및 텍스트로 즉각 답변하고, 필요한 경우 영상의 특정 타임스탬프로 즉시 이동할 수 있도록 안내합니다. 질의응답이 끝나면 영상은 멈췄던 위치로 매끄럽게 돌아가 재생을 이어갑니다.
본 가이드에서는 D-ID Agentic Videos의 핵심 작동 원리와 기술 아키텍처, 4대 핵심 축, 시청자 엔드투엔드 경험 여정, 노코드 및 개발자용 REST API 구현 워크플로, 엔터프라이즈 도입 모범 사례를 종합적으로 다룹니다.
정적 비디오 프레젠테이션의 근본적인 한계
기업 교육(L&D), 제품 마케팅, 사전 영업 데모에서 수동적인 비디오 시청은 세 가지 핵심적인 문제를 야기합니다.
- 학습자 수준별 유연성 부족: 선형적인 영상은 시청자의 사전 지식 차이를 고려하지 못합니다. 초보자는 전문 용어에 압도되고, 숙련자는 긴 기초 설명에 흥미를 잃습니다. 한 번 이해가 끊기면 이후 영상의 학습 효과는 급격히 떨어집니다.
- 집중력 분산과 높은 이탈률: 의문이 생겼을 때 사내 위키나 검색창을 찾아 다른 탭으로 이동하는 순간, 플레이어 시청 집중도가 깨지며 이수율과 전환율이 급락합니다.
- 진짜 궁금증을 알 수 없는 데이터 공백: 기존 분석 도구는 시청 시간이나 구간별 재생 횟수만 집계할 뿐, 시청자가 왜 이탈했는지, 어떤 질문이 해결되지 않았는지는 파악할 수 없습니다.
D-ID Agentic Videos는 일방향 시청을 '지능형 양방향 피드백 루프'로 재정의합니다. 녹화 영상이 구조화된 스토리텔링을 이끌고, 실시간 AI 에이전트가 1:1 맞춤형 튜터링과 즉각적인 의문 해소를 담당합니다.
D-ID Agentic Videos를 지탱하는 4대 기술적 축
정적 MP4 파일이나 YouTube 스트림을 동적 대화형 경험으로 전환하는 과정은 RAG 기반 자동 지식 색인, V4 표현형 아바타, 구어체 대화 모델링, 초저지연 크로스페이드 런타임의 4가지 시스템이 유기적으로 맞물려 작동합니다.
+-------------------------------------------------------------------------+
| 사전 녹화된 원본 소스 비디오 |
| (최대 30분의 직접 MP4/MOV 링크 또는 YouTube 동영상) |
+------------------------------------+------------------------------------+
|
v
+-------------------------------------------------------------------------+
| 자동 비디오 인제스트 & RAG 엔진 |
| - 고정밀 음성 텍스트 변환(STT) 및 언어 감지 |
| - 스크립트 기반 에이전트 지식 베이스 자동 요약 및 구축 |
| - 초 단위 주제별 타임라인(Timeline of Topics) 색인화 |
| - 보충 문서 및 정책 데이터 주입 (최대 40,000자 지원) |
+------------------------------------+------------------------------------+
|
v
+-------------------------------------------------------------------------+
| D-ID 에이전트 설정 |
| - 발표자: V4 Expressive Avatar (감정 기반 미세 표정 및 립싱크) |
| - LLM 오케스트레이터: 엄격한 RAG 모드 (OpenAI / Gemini / 커스텀 LLM) |
| - 음성 합성: 초저지연 TTS 엔진 (ElevenLabs, Cartesia, Microsoft) |
+------------------------------------+------------------------------------+
|
v
+-------------------------------------------------------------------------+
| 플레이어 런타임 및 상태 제어 |
| 일반 비디오 재생 <==== 부드러운 크로스페이드 ====> 실시간 에이전트 대화 |
| (플로팅 Ask 버튼) (WebRTC 양방향 통신)|
+-------------------------------------------------------------------------+
1. 자동 음성 전사 및 주제별 타임라인 색인
비디오 소스 URL이 D-ID 파이프라인에 전달되면 시스템은 오디오 트랙을 추출하여 언어 태그(예: ko-KR, en-US)를 자동 감지하고 고정밀 음성 전사를 수행합니다. 이때 단순한 텍스트 변환에 그치지 않고 두 가지 필수 처리가 이뤄집니다.
- 지식 기반 앵커링(RAG): 전사된 스크립트를 정제하고 요약하여 에이전트 전용 검색 지식 베이스로 구축합니다. 이를 통해 아바타의 답변이 영상 속 실제 발언에 엄격히 묶이도록 하여 거짓 정보를 생성하는 환각(Hallucination) 현상을 차단합니다.
- 주제별 타임라인(Timeline of Topics) 분할: 전체 발표를 핵심 개념 단위로 나누고 각 주제가 시작되는 정확한 초(second) 단위 타임스탬프를 부여합니다. 시청자가 영상의 앞부분이나 뒷부분에서 다룬 내용에 대해 질문할 때 에이전트는 이 인덱스를 바탕으로 문맥을 파악하고 해당 구간으로의 화면 점프를 안내할 수 있습니다.
작성자는 영상에서 미처 다루지 못한 세부 기술 규격서나 사내 복지 규정, FAQ 등의 보충 자료(최대 40,000자)를 추가로 주입할 수 있습니다.
2. V4 Expressive Avatar (표현형 디지털 아바타)
질문 시 등장하는 가상 인물이 어색하고 표정이 굳어 있거나 응답 지연이 길면 사용자 몰입도는 깨집니다. D-ID는 Agentic Videos에 V4 표현형 아바타 아키텍처를 적용했습니다.
- 실시간 미세 표정 및 감정 트래킹: 언어 모델이 출력하는 토큰의 감정선을 실시간으로 분석하여 눈썹의 움직임, 시선 처리, 미소, 고개 끄덕임 등의 표정 변화를 자연스럽게 연출합니다.
- 초저지연 WebRTC 스트리밍: 최적화된 WebRTC 연결을 통해 1초 미만의 초저지연 영상 스트리밍을 제공하여 실제 강사와 화상 통화를 나누는 듯한 반응 속도를 제공합니다.
- 카메라 구도 및 배경 커스터마이징: 표준 뷰, 미디엄 뷰, 클로즈업 뷰 설정이 가능하며, 브랜드 컬러, 고화질 정적 이미지, 반복 재생 비디오 배경을 유연하게 적용할 수 있습니다.
3. 구어체 중심의 대화 로직 최적화
멀티모달 대화 시스템에서 흔히 발생하는 실수는 웹 화면용 불릿 포인트나 복잡한 표 구조를 어색하게 그대로 소리 내어 읽는 것입니다. D-ID는 음성 대화 환경에 특화된 프롬프트 제어를 적용합니다.
- 구어체 발화 규칙: 한 호흡에 편안하게 들을 수 있는 짧고 명확한 문장으로 응답을 제한하며, 날짜, 금액, 기술 약어를 말로 읽기 쉬운 발음으로 변환합니다.
- 엄격한 지식 경계:
rag-grounded템플릿과 낮은 온도값(보통 0.1)을 사용하여 지정된 영상 스크립트와 문서 범위를 벗어난 자의적 답변을 엄격히 방지합니다. - 발음 사전(Pronunciation Dictionary): 특정 브랜드명이나 의료·법률 전문 용어의 발음을 정확히 지정하는 발음 사전 기능을 지원합니다.
4. 크로스페이드(Crossfade) 플레이어 런타임
프론트엔드 플레이어는 D-ID의 글로벌 CDN을 통해 가벼운 단일 ES 모듈 스크립트로 제공됩니다.
- 백그라운드 사전 예열: 비디오가 재생되는 동안 네트워크 유휴 시간을 활용하여 에이전트 런타임과 WebRTC 연결을 사전에 초기화합니다.
- 끊김 없는 즉각 전환: 사용자가 "Ask"를 누르는 즉시 비디오가 멈추고 부드러운 크로스페이드 효과와 함께 라이브 아바타 화면으로 전환됩니다.
- 정확한 시청 위치 복귀: 대화가 끝나면 플레이어가 다시 부드럽게 페이드아웃되며 원래 일시 중지되었던 타임스탬프에서 정확히 비디오 재생을 이어갑니다.
시청자의 엔드투엔드 경험 흐름
실제 사용자의 시청 흐름을 단계별로 살펴보면 왜 이 기술이 기존 비디오 대비 월등한 몰입도와 이수율을 이끌어내는지 알 수 있습니다.
[ 비디오 일반 재생 시작 ]
|
v
[ 플레이어 한쪽에 인터랙티브 "Ask" 버튼 표시 ]
|
+---> 의문이 없으면 끝까지 수동적으로 시청 가능
|
v (궁금한 점이나 모호한 개념 발생)
[ 시청자가 "Ask" 클릭 (또는 음성 호출) ]
|
v
[ 비디오가 일시 정지되며 V4 라이브 아바타로 부드럽게 크로스페이드 ]
|
v
[ 아바타가 on_click 인사말 발화 ("안녕하세요! 어떤 부분을 더 자세히 설명해 드릴까요?") ]
|
v
[ 음성 또는 텍스트로 영상 내용에 대해 질문 ]
|
+---> 아바타가 생생한 표정과 함께 명확한 구어체로 설명
+---> 주제별 타임라인을 기반으로 해당 영상 구간 바로가기 제안
|
v
[ 궁금증이 해결되면 "비디오로 돌아가기" 클릭 ]
|
v
[ 녹화 비디오 화면으로 페이드백되며 멈췄던 지점부터 재생 재개 ]
|
v
[ 비디오 전체 재생 완료 ]
|
v
[ 아바타가 자동 등장하여 on_video_end 안내 및 다음 행동(퀴즈/CTA) 유도 ]
1단계: 익숙한 인터페이스의 영상 시청
시청자에게는 재생, 일시정지, 탐색 바, 음량 조절, 전체 화면 기능을 갖춘 친숙한 영상 플레이어가 제공됩니다. 영상 재생 중 화면 한구석에는 "언제든 질문하세요"와 같은 말풍선이 달린 대화 버튼이 상시 노출됩니다.
2단계: 마찰 없는 즉각적인 호출
설명이 이해되지 않는 순간 시청자는 "Ask" 버튼을 누릅니다. 영상이 멈추고 아바타와의 대화창으로 자연스럽게 전환되며, 별도의 브라우저 탭을 열거나 로딩 대기를 거칠 필요가 없습니다.
3단계: 내용 기반의 실시간 맞춤 질의응답
아바타는 사전 설정된 환영 인사(greetings.on_click)를 건넵니다. 시청자는 음성이나 키보드로 질문할 수 있습니다. 예를 들어 "방금 설명한 2단계 보안 인증 방식이 기존 시스템과 어떻게 다른가요?"라고 묻는다면, 에이전트는 전사된 스크립트와 보충 문서를 참조하여 명쾌하게 구어로 설명하며, 필요 시 4분 15초 지점의 데모 구간으로 화면을 이동할지 묻습니다.
4단계: 끊김 없는 영상 시청 복귀
답변을 확인한 시청자가 "비디오로 돌아가기"를 누르면 아바타 화면이 페이드아웃되고 영상이 멈췄던 지점에서 즉시 다시 재생됩니다. 학습자의 집중 흐름이 전혀 방해받지 않습니다.
5단계: 영상 종료 후 자동 마무리 및 행동 유도
영상이 모두 끝나면 아바타가 자동으로 등장하도록 설정(show_agent_on_video_end: true)할 수 있습니다. 아바타는 "모든 과정을 이수하셨습니다! 테스트를 보기 전에 복습하고 싶은 내용이 있으신가요?"와 같은 마무리 인사(greetings.on_video_end)를 건네며 시청 완료 후 다음 전환 단계로 시청자를 자연스럽게 이끕니다.
구현 방식: 노코드 Studio 및 개발자용 REST API
D-ID는 실무자를 위한 직관적인 Studio 콘솔과 시스템 연동을 위한 완벽한 REST API를 모두 제공합니다.
방법 1: 노코드 Studio 제작 워크플로
사내 강사, HR 담당자, 마케팅 실무자에게 적합한 방식입니다.
- 비디오 업로드: D-ID Creative Reality™ Studio에서 보유 중인 영상(최대 30분,
.mp4,.mov,.mpeg)을 업로드하거나 YouTube 링크를 입력합니다. - 발표자 아바타 선택: 영상의 분위기나 원본 강사의 외형과 잘 어울리는 V4 Expressive Avatar를 선택합니다.
- 음성 및 성격 설정: 음성 제공자(ElevenLabs, Microsoft Speech 등)를 지정하고 말하기 속도와 톤, 시스템 지침을 설정합니다.
- 인터랙션 메시지 작성: 질문 유도 버튼의 안내 문구, 질문 진입 시 첫인사(
on_click), 영상 종료 시 인사말(on_video_end)을 작성합니다. - 보충 지식 추가: 영상에서 다루지 못한 세부 매뉴얼이나 자주 묻는 질문(FAQ, 최대 40,000자)을 붙여넣어 지식 범위를 넓힙니다.
- 임베드 코드 복사: 생성된 스크립트 태그를 복사하여 사내 LMS, 웹사이트, 랜딩 페이지에 붙여넣기만 하면 즉시 적용됩니다.
방법 2: 개발자를 위한 REST API 연동
SaaS 애플리케이션, 자체 학습 포털, 고객 대시보드에 프로그래밍 방식으로 인터랙티브 비디오를 통합할 때 사용합니다.
1단계: Agentic Video 리소스 생성
POST https://api.d-id.com/agentic-videos 엔드포인트로 비디오 소스 URL, 발표자 ID, 인사말, 배경 설정을 전송합니다.
curl -X POST "https://api.d-id.com/agentic-videos" \
-H "Authorization: Basic <YOUR_API_KEY>" \
-H "Content-Type: application/json" \
-d '{
"source_url": "https://storage.example.com/videos/security-onboarding.mp4",
"name": "기업 정보보안 필수 교육",
"presenter_id": "public_mia_elegant@avt_TJ0Tq5",
"bubble_text": "강사에게 실시간 질문하기",
"greetings": {
"on_click": "안녕하세요! 본 교육 내용 중 이해가 안 되는 부분이 있으신가요?",
"on_video_end": "수고하셨습니다. 평가 시험을 치르기 전에 질문할 내용이 있으신가요?"
},
"show_agent_on_video_end": true,
"background": {
"color": "#111827"
}
}'
응답으로 고유한 video_id와 초기 처리 상태가 즉시 반환됩니다.
{
"video_id": "avd_88a91b2c3d",
"status": "created"
}
2단계: 리소스 처리 상태 폴링
비디오 전사 및 에이전트 생성 파이프라인은 비동기로 동작합니다. GET /agentic-videos/{video_id}를 주기적으로 호출하여 status가 done이 될 때까지 확인합니다.
curl -X GET "https://api.d-id.com/agentic-videos/avd_88a91b2c3d" \
-H "Authorization: Basic <YOUR_API_KEY>"
상태 라이프사이클:
created: 요청이 접수되어 처리 대기열에 등록됨started: 파일 다운로드, 오디오 추출, 전사 작업이 활발히 진행 중ready: 비디오 및 썸네일 처리가 완료되고 에이전트 인스턴스가 초기화 중done: 에이전트가 활성화되어 인터랙티브 비디오 시청 준비 완료error: 처리 중 오류 발생 (지원되지 않는 포맷, 정책 위반, 오디오 전사 실패 등)
3단계: 도메인 제한이 적용된 Client Key 발급
프론트엔드 코드에 관리자 API Key가 노출되어서는 안 됩니다. POST /agents/client-key를 호출하여 허용 도메인 화이트리스트가 적용된 읽기 전용 Client Key를 발급받습니다.
curl -X POST "https://api.d-id.com/agents/client-key" \
-H "Authorization: Basic <YOUR_API_KEY>" \
-H "Content-Type: application/json" \
-d '{
"allowed_domains": [
"https://lms.mycompany.com",
"https://portal.mycompany.com",
"http://localhost:3000"
]
}'
4단계: 정적 HTML 페이지에 플레이어 마운트
HTML 커스텀 데이터 속성을 사용하여 플레이어를 간단히 배치합니다.
<!-- 플레이어가 렌더링될 컨테이너 -->
<div id="agentic-video-container" style="max-width: 960px; margin: 0 auto;"></div>
<!-- D-ID 임베드 스크립트 -->
<script
type="module"
src="https://agentic-videos.d-id.com/v1/index.js"
data-client-key="Z29vZ2xlLW9hdXRoMnwx..."
data-agentic-video-id="avd_88a91b2c3d"
data-target-id="agentic-video-container"
data-autoplay="false"
data-external-id="employee_no_1204"
data-mixpanel-property-department="플랫폼개발팀"
></script>
5단계: SPA (React / Next.js / Vue)에서의 프로그래매틱 초기화
라우팅에 따라 화면 요소가 동적으로 마운트되는 최신 웹 애플리케이션에서는 코드로 직접 초기화 함수를 호출합니다.
import { useEffect } from 'react';
export function AgenticPlayerComponent({ videoId, clientKey, userId }) {
useEffect(() => {
let isMounted = true;
async function mountAgenticPlayer() {
const { init } = await import('https://agentic-videos.d-id.com/v1/index.js');
const targetElement = document.getElementById('spa-player-mount');
if (targetElement && isMounted) {
init({
clientKey: clientKey,
agenticVideoId: videoId,
target: targetElement,
autoPlay: false,
externalId: userId,
mixpanelProperties: {
appVersion: '2.1.0',
cohort: '2026-q3'
}
});
}
}
mountAgenticPlayer();
return () => { isMounted = false; };
}, [videoId, clientKey, userId]);
return <div id="spa-player-mount" className="w-full aspect-video rounded-2xl shadow-xl" />;
}
주요 엔터프라이즈 활용 분야 및 비즈니스 가치
| 적용 분야 | 기존 정적 비디오의 한계 | Agentic Videos 도입 후 변화 | 핵심 비즈니스 KPI 효과 |
|---|---|---|---|
| 기업 사내 교육 및 규정 준수 | 긴 강의 시간 동안 집중력 저하; 이해되지 않는 내용으로 시험 탈락 및 사내 문의 폭증. | 어려운 규정을 즉시 질문하여 해소; 아바타가 쉬운 구어로 설명하고 해당 단락으로 점프. | 강의 완강률 상승; 시험 1회차 합격률 개선; 사내 헬프데스크 및 강사 부담 감소. |
| B2B SaaS 제품 데모 및 영업 | 일방향 데모 영상은 고객사 고유의 보안 요건이나 세부 연동 질문에 대응 불가. | 잠재 고객이 데모를 보다가 아바타에게 자사 환경 호환성 및 가격 정책을 즉시 확인. | 데모 후 무료 체험 전환율 상승; 영업 파이프라인 가속화; 프리세일즈 리소스 절감. |
| 신규 입사자 및 고객 온보딩 | 복잡한 UI 설정 과정에서 안내를 놓치고 이탈하거나 초기 세팅 포기. | 아바타가 전담 멘토처럼 화면에 상주하며 설정 오류 해결 및 세부 단계 가이드. | 초기 가치 달성 시간 단축; 첫 달 이탈률 감소; 1차 기술 지원 티켓 발생량 감소. |
| 경영진 메시지 및 실적 발표 | 긴 타운홀 미팅 영상에서 필요한 핵심 실적이나 전략적 배경을 찾기 어려움. | 임직원과 주주가 아바타에게 특정 지표를 질의하고 해당 발언 구간으로 즉시 이동. | 사내 커뮤니케이션 만족도 증대; 핵심 경영 전략 전파율 향상. |
질문 로그 분석을 통한 콘텐츠 최적화 전략
기존 비디오 통계는 "시청자의 35%가 4분 15초 지점에서 이탈했다"는 사실만 알려줄 뿐, 이탈의 진짜 이유는 알려주지 못했습니다.
Agentic Videos는 높은 가치의 대화 텔레메트리 데이터를 축적합니다.
- 최다 질문 키워드 분석: 시청자가 어떤 전문 용어나 규정, 인터페이스에서 가장 큰 혼란을 겪는지 명확히 파악.
- 타임라인 역주행 빈도: 시청자가 아바타에게 다시 점프해 달라고 요청한 구간을 분석하여 설명이 보강되어야 할 주제 식별.
- 고객 감정 및 도입 의사: 질문의 어조를 통해 잠재 고객의 우려 사항이나 구매 의향 감지.
Mixpanel 등의 분석 플랫폼과 연동하여 이 데이터를 분석함으로써 비디오의 원본 대본을 개선하고 부족한 보충 지식 문서를 지속적으로 보완할 수 있습니다.
도입 시 모범 사례 및 기술적 유의 사항
- 원본 영상의 음질 확보: 자동 RAG 지식 구축과 타임라인 인덱싱은 음성 전사 품질에 전적으로 의존합니다. 배경 음악을 최소화하고 마이크 노이즈를 제어하여 전문 용어 발음이 뭉개지지 않도록 녹음해야 합니다.
- 영상 길이 제한 준수: 파일 직접 업로드는 최대 30분 길이의 영상을 지원합니다. 1시간 이상의 대규모 웨비나나 긴 강의는 YouTube 링크를 사용하거나 챕터별 모듈로 나누어 등록하는 것이 바람직합니다.
- 규제 준수 영역의 엄격한 가드레일: 금융, 의료, 법률 등 엄격한 정확성이 요구되는 분야에서는 LLM 설정을
rag-grounded로 고정하고 온도(temperature)를 0.1 수준으로 낮추어 환각을 방지해야 합니다. - 강사와 아바타의 시각적·음성적 일체감: 실제 강사가 등장하는 영상의 경우, 외모와 음색이 유사한 V4 아바타 및 음성 모델을 선택해야 크로스페이드 전환 시 어색함이 최소화됩니다.
- 프로덕션 환경의 도메인 잠금: 운영 환경에 배포할 때는 Client Key 생성 시
allowed_domains에 실제 서비스 도메인을 반드시 등록하여 무단 트래픽 소비를 방지해야 합니다.
요약: 수동적 시청에서 대화형 스트리밍으로의 전환
D-ID Agentic Videos는 디지털 비디오를 단순한 '일방적 전달 매체'에서 '지능형 양방향 대화 공간'으로 전환시키는 중대한 혁신입니다. 풍부한 감정 표현을 갖춘 V4 아바타, 비디오 스크립트에 단단히 닻을 내린 RAG 지식 베이스, 이질감 없는 초저지연 크로스페이드 런타임을 결합함으로써 기업 교육, 마케팅, 고객 지원 전반에서 새로운 차원의 몰입도와 비즈니스 성과를 창출할 수 있습니다.
참고 자료
- Overview - Pair a pre-recorded video with a live D-ID agent using a single script tag
- Quickstart - Embed a pre-recorded video paired with a live D-ID agent in a few minutes
- Data Attributes - HTML attribute configuration reference for the agentic-videos embed script
- Programmatic Init - Load and initialize the agentic-videos embed from JavaScript
- Create an agentic video - D-ID API Reference
- Get an agentic video - D-ID API Reference