🎬 YouTube Auto Processor MOC

1. 프로젝트 목적

YouTube 영상을 시청하지 않고도 핵심 내용을 자막과 요약문으로 확보하기 위한 백그라운드 자동화 시스템. 특히 고사양 게임 중에도 원활한 처리를 위해 전용 서버(창고 컴퓨터)를 활용하는 분산 구조를 채택.

2. 분산 처리 시스템 아키텍처

Worker Server (창고 컴퓨터)

• Download: yt-dlp를 통한 영상/음원 추출.
• Transcription: OpenAI Whisper 모델을 활용한 음성-텍스트 변환 (Multilingual SRT 생성).
• Summarization: 추출된 텍스트를 LLM(OpenAI/Claude)에 전달하여 구조적 요약본 생성.

Main Client (게임용 PC)

• Monitoring: WebSocket을 통한 실시간 진행률 확인.
• Delivery: 완성된 마크다운 요약본 및 자막 파일을 로컬 지식베이스로 자동 동기화.

3. 핵심 기능 명세

• [x] 자동 다운로드 및 음원 추출 파이프라인.
• [x] Whisper 모델 최적화 (가상환경 배포).
• [x] WebSocket 기반 실시간 작업 대시보드.
• [x] 요약 결과의 마크다운 자동 변환 및 태깅.

4. 리소스 링크

• Source Code Path: F:/dev/youtube-auto-processor
• Tech Stack: Python, FastAPI, Whisper, yt-dlp, WebSocket.

Status Note: 창고 컴퓨터-메인 PC 간의 파일 전송 시스템 및 자동화 루프 구축 완료. 실시간 지식 큐(Queue)로 운용 가능.

🔊 TTS Open MOC

1. 프로젝트 목적 (Purpose)

• Universal Voice Engine: 영어 학습자에게 자연스러운 원어민 음성을 제공하기 위해 다양한 TTS(Text-to-Speech) API와 로컬 모델을 통합한 범용 음성 합성 시스템.
• Shadowing & Listening Support: [[05 Projects/02 F-Drive-Index/English_Worksheet_Agent|English Worksheet Agent]]에서 생성된 텍스트를 즉시 고품질 오디오 파일로 변환하여 학생들의 소리훈련 교재 제작.

2. 주요 기능 및 파이프라인

• Multi-Engine Support: Google Cloud TTS, OpenAI Voice, ElevenLabs 등 클라우드 서비스와 VITS, Tortoise 등 로컬 오픈소스 엔진 병행 운용.
• Tone & Speed Control: 학습자의 수준에 맞춰 원어민의 발화 속도(Speed)와 톤(Pitch)을 정밀하게 조정하여 최적의 학습 환경 제공.
• Automated Audio Tagging: 생성된 오디오 파일에 메타데이터(문장 텍스트, 의미 단위 등)를 삽입하여 [[05 Projects/Homework_2025_MOC|Homework System]]의 소리훈련 모듈과 연계.

3. 기술 스택

• Engine: Python / FastAPI (Audio streaming API).
• Libraries: Librosa (음성 분석), PyDub (오디오 편집), ElevenLabs SDK.
• Integration: [[05 Projects/Starcloud_Studio_MOC|Starcloud Studio]]의 오디오 모듈로 통합 활용.

4. 리소스 및 경로

• Source Code Path: F:/dev/tts-open
• Voice Presets: [[07 Resources/AI Prompts/5_Audio/Voice_Style_DNA|Standard Voice Configuration]]

Status Note: 다국어 음성 합성 엔진 및 속도 가변 처리 시스템 구축 완료. 매주 발행되는 영어 지문과 연계하여 실시간 오디오 콘텐츠를 공급하는 ‘지능형 발화 엔진’으로 운용 중.

🏋️ Training & Practice MOC

1. 프로젝트 목적 (Purpose)

• Continuous Skill Sharpness: 새로운 AI 모델(Gemini 2.0+), 프레임워크(Next.js 15+), 또는 언어적 특성을 익히고 실험하는 개인적인 기술 연마 공간.
• Fail-Fast Sandbox: 정규 프로젝트에 도입하기 전, 코드의 성능과 효율성을 검정하는 샌드박스 테스팅 환경.

2. 주요 훈련 영역

• Algorithmic Thinking: 대규모 데이터 처리 및 논리적 추론 능력을 기르기 위한 알고리즘 문제 풀이 및 최적화 연습.
• AI Prompt Engineering Lab: [[00 Brain Kernel/00_Metacognition|Metacognitive Principles]]를 반영한 고난도 프롬프트 기법실험 및 결과 대조.
• New Stack Exploration: 최신 기술 스택(예: Bun, Hono, Vector Databases)을 기존 프로젝트에 어떻게 이식할지 프로토타이핑.

3. 기록 및 마일스톤

• Learning Logs: 학습한 기술의 핵심 요약 및 시행착오 기록.
• PoC(Proof of Concept): 새 아이디어의 기술적 실현 가능성을 증명한 코드 조각들.

4. 리소스 및 경로

• Source Code Path: F:/dev/training
• Philosophy Reference: [[00 Brain Kernel/01_Master_Routing|Moonlight Academy Intelligent Evolution Roadmap]]

Status Note: 개인 기술 연마 및 최신 AI 트렌드 실험 파이프라인 정립 완료. 모든 정규 프로젝트의 ‘기초 체력’을 담당하는 상시 훈련 체계로 운용 중.

🛠️ Tools & Utilities MOC

1. 프로젝트 목적 (Purpose)

• Universal Productivity Boost: 반복적인 파일 작업, 데이터 형식 변환, 단순 API 호출 등의 공수를 줄이기 위해 상시 사용되는 소형 유틸리티 및 스크립트의 통합 관리.
• Micro-Automation Hub: 거창한 시스템이 필요하지 않은 자잘한 작업들을 일관되게 처리하는 ‘맥가이버 칼’ 역할.

2. 주요 도구 카테고리 (Toolbox)

• File Converters: JSON-to-CSV, MD-to-HTML, ZIP 파싱 등 다양한 포맷 간의 즉석 변환 스크립트.
• API Helpers: OpenAI/Gemini/Claude API의 정상 작동 여부를 테스트하거나 간단한 토큰 사용량을 계산하는 유틸리티.
• OS Automation: 파일 대량 이름 변경(Bulk Rename), 디렉토리 구조 덤프, 시스템 로그 수집 등 윈도우/리눅스 환경 도구.
• Data Scrapers: 특정 웹페이지의 정보를 마크다운으로 클린하게 추출하는 소형 스크래핑 엔진.

3. 핵심 기술

• Scripting: Python, Node.js (CLI focus), PowerShell (Windows optimization).
• Format Handling: Pandoc, BeautifulSoup, jq 등 범용 처리 도구 연동.

4. 리소스 및 경로

• Source Code Path: F:/dev/tools
• Related Project: [[05 Projects/GitHub_Infra_MOC|Infrastructure Automation Hub]]

Status Note: 범용 유틸리티 및 자동화 스크립트 뱅크 구축 완료. 모든 프로젝트의 개발 및 운영 마찰을 최소화하는 ‘생산성 윤활유’로 활용 중.

🍞 TOAST UI Integration MOC

1. 프로젝트 목적 (Purpose)

• Rich Markdown Editing: [[05 Projects/02 F-Drive-Index/homework-system|Homework System]]이나 [[05 Projects/02 F-Drive-Index/blogging|Blog Pipeline]]에서 사용자가 텍스트를 마크다운과 위지윅(WYSIWYG) 모드를 오가며 직관적으로 편집할 수 있는 인터페이스 제공.
• Data Visualization: 학습 성취도 데이터를 테이블이나 차트로 시각화하여 대시보드에서 활용.

2. 주요 통합 기능

• GFM (GitHub Flavored Markdown) 지원: 테이블, 체크리스트, 코드 하이라이팅 등 수험 자료 제작에 필수적인 마크다운 규격 완전 지원.
• Plugin System: 이미지 드래그 앤 드롭 업로드, 수식(Chart/KaTeX) 입력을 위한 플러그인 연동.
• Custom UI Components: Moonlight Academy 고유의 디자인 시스템([[05 Projects/LECTURA_Universal_Design_System|LECTURA Premium UI]])에 맞춘 에디터 테마 커스터마이징.

3. 기술 스택

• Engine: @toast-ui/editor, @toast-ui/chart.
• Framework: React / Vanilla JS 통합.
• Runtime: Node.js 기반 빌드 및 서빙.

4. 리소스 및 경로

• Source Code Path: F:/toast_ui
• Official Documentation: TOAST UI Editor Repo

Status Note: 에디터 핵심 모듈 및 차트 시각화 라이브러리 통합 완료. 사용자의 텍스트 입력을 구조화된 지식 데이터로 전환하는 ‘인터랙티브 입력 게이트웨이’로 운용 중.

📚 TILNote Data Management MOC

1. 프로젝트 목적 (Purpose)

• Legacy Knowledge Integration: 과거 Tilnote 플랫폼에 기록해온 수년간의 ‘Today I Learned(TIL)’ 데이터(moonpages.json)를 현재의 [[00 Brain Kernel/00_Metacognition|Moonlight AI Second Brain]] 체계로 통합 및 마이그레이션.
• Knowledge Continuity: 파편화된 과거의 통찰을 현재의 [[05 Projects/Meta_Intelligence_Architecture_MOC|Meta-Intelligence Architecture]] 내로 흡수하여 검색 및 활용 가능한 상태로 전환.

2. 데이터 분석 및 가공 전략

• Extraction: 66MB 규모의 거대 JSON 파일에서 노회의 제목, 내용, 태그, 생성 시간 데이터를 정밀하게 추출.
• Deduplication: 현재 옵시디언 금고(Vault) 내의 기존 노트와 중복되는 내용을 필터링하여 지식의 순도 유지.
• AI-Refining: 과거의 거친 메모들을 [[05 Projects/LECTURA_AI_MOC|LECTURA AI]] 또는 별도의 정제 에이전트를 통해 현재의 ‘Permanent Note’ 규격에 맞춰 재작성 및 요약.

3. 기술 사양

• Source File (Archived): C:/Users/moon/Zettelkasten_Archive/Assets/moonpages.json
• Processing Engine: Python (Large JSON chunk-based processing).
• Format: JSON -> Markdown (Obsidian Compatible).

4. 리소스 및 경로

• Context: [[05 Projects/Fullstack_Mastery_MOC|Full-stack Mastery Persistence]].

Status Note: 거대 지식 데이터셋의 분석 및 기초 파싱 로직 수립 완료. 과거의 지산을 현재의 지능형 에코시스템으로 이식하는 ‘지식 마이그레이션 브리지’로 활용 중.

📊 Streamlit Level Test MOC

1. 프로젝트 목적 (Purpose)

• Interactive Diagnosis: [[05 Projects/Darlbit_Level_Test_MOC|Darlbit Level Test Engine]]을 웹 환경에서 즉시 실행하고 결과를 시각화하기 위한 경량 웹 애플리케이션.
• Accessibility: 별도의 설치 없이 브라우저상에서 학생이 응시하고, 교사가 실시간으로 성취도를 파악할 수 있는 환경 제공.

2. 주요 기능 및 구성

• Real-time Assessment: 문항 응시와 동시에 서버(Streamlit)에서 채점 및 단계별 분석 수행.
• Dynamic Visualization: 학생의 역량(어휘, 문법, 추론, 유창성 등)을 레이더 차트나 바 형식으로 실시간 대시보드 출력.
• Instant Report Generation: 테스트 종료와 동시에 개별 피드백 리포트를 웹 화면에 렌더링하고 PDF 다운로드 지원.

3. 기술 스택

• Engine: Python
• Frontend/Backend Framework: Streamlit (반응형 웹 UI)
• Data Integration: SQLite 또는 로컬 JSON 파일을 활용한 임시 응시 기록 저장.

4. 리소스 및 경로

• Source Code Path: F:/dev/streamlit-lv-test
• Core Engine: [[05 Projects/Darlbit_Level_Test_MOC|Darlbit Level Test System Core]]

Status Note: 웹 UI 프레임워크 및 실시간 대시보드 연동 완료. 상담 시 신규 학생의 기본 역량을 즉석에서 진단하는 도구로 활용 중.

✨ Starcloud Studio (Obsidian AI Extension) MOC

1. 프로젝트 개요

옵시디언 내의 텍스트 노트를 기반으로 시각적/청각적 멀티미디어 자산을 자동 생성하는 전문 플러그인. ‘보는 노트’를 ‘경험하는 콘텐츠’로 변환하는 것이 핵심 목표.

2. 주요 생성 모듈 (Output Modules)

1. Knowledge Posters: 복잡한 노트를 한 장의 인포그래픽 포스터로 시각화 (Canvas API/SVG 활용).
2. Interactive Slides: 마크다운을 Reveal.js 기반의 HTML 슬라이드 또는 PPTX로 자동 변환.
3. Speech Audio (TTS): Google/OpenAI TTS를 활용하여 노트를 팟캐스트 형식의 오디오로 변환.

3. 핵심 시스템 통합

• Google Drive Sync: 원클릭으로 생성된 결과물을 클라우드로 백업 및 공유.
• GitHub Pages Integration: 슬라이드 및 포스터를 웹에 즉시 호스팅하여 온라인 배포 자동화.
• Multi-AI Support: Gemini, OpenAI, Claude 중 최적의 모델을 선택하여 콘텐츠 기획 및 초안 작성.

4. 리소스 및 경로

• Source Code Path: F:/dev/starcloud-studio
• Tech Stack: Node.js, Typescript, Obsidian API, Google Cloud SDK.

Status Note: 플러그인 핵심 아키텍처 및 도구 통합 완료. 제텔카스텐 지식을 외부 콘텐츠로 확장하는 최종 출구(Exit) 시스템으로 운용.

📚 Sigil Automation MOC

1. 프로젝트 목적 (Purpose)

• EPUB 제작 효율화: 마크다운(Markdown) 또는 HTML 형태의 원고를 Sigil 규격에 맞는 고품질 EPUB3 전자책으로 자동 변환하여 정식 출판(교보문고, 리디북스 등) 가능한 상태로 마감.
• 포맷팅 자동화: 스타일시트(CSS) 삽입, 메타데이터 입력, 목차(TOC) 생성 등의 반복적이고 기술적인 공정을 자동화.

2. 주요 기능 및 파이프라인

• MD-to-EPUB Converter: [[05 Projects/EduPrompT/사과 하나의 무게_최종본|EduPrompT 원고]]와 같은 마크다운 파일을 Sigil 전용 HTML 구조로 변환.
• Automated CSS Injector: 전자책의 가독성을 극대화하는 프리미엄 폰트 및 레이아웃 스타일시트를 자동으로 주입.
• Validation Check: EPUB 표준 규격(EPUBCheck) 준수 여부를 자동으로 검증하여 유통 오류 방지.
• Cover & Metadata Auto-Sync: 책 표지 이미지와 제목, 저자 정보를 원본 메타데이터에서 추출하여 EPUB 내부에 자동 삽입.

3. 핵심 아키텍처

• Processor: Python 기반의 BeautifulSoup 및 EbookLib 라이브러리 활용.
• Template Engine: 장르별(에세이, 전문 서적, 만화 등)로 최적화된 EPUB 템플릿 라이브러리 운용.

4. 리소스 및 경로

• Source Code Path: F:/dev/sigil-automation
• Related Project: [[05 Projects/AI_Publisher/PUBLISHER_MASTER_CONTROL|AI Publisher System]]

Status Note: 원고-전자책 변환 핵심 파이프라인 구축 완료. 출판 준비가 완료된 텍스트를 정식 도서 규격으로 전환하는 ‘최종 마감 공정’으로 활용됨.