Getting it into your agent
One page per mod, every tool's command on it. A separate URL per tool would split the same page into five that compete with each other.
npx skills add laguna821/Achmage-Skills --skill achmage-whiteboard-videogit clone --depth 1 https://github.com/laguna821/Achmage-SkillsWrote this? Show the measurements
A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.
[](https://agentmods.dev/skills/laguna821/achmage-skills/achmage-whiteboard-video)<a href="https://agentmods.dev/skills/laguna821/achmage-skills/achmage-whiteboard-video"><img src="https://agentmods.dev/badge/skills/laguna821/achmage-skills/achmage-whiteboard-video/github.svg" alt="Measured on agentmods" height="20"></a>Or the 80×15 button, for a site that already has a row of RSS and ATOM ones. Only the verdict fits; the numbers stay here.
<a href="https://agentmods.dev/skills/laguna821/achmage-skills/achmage-whiteboard-video"><img src="https://agentmods.dev/badge/skills/laguna821/achmage-skills/achmage-whiteboard-video.svg" alt="Reviewed on agentmods" width="80" height="20"></a>What it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5.1 | $0.00114 | $0.01866 |
| Opus 5.5 | $0.00046 | $0.00746 |
| Sonnet 5.5 | $0.00023 | $0.00373 |
| Haiku 4.5 | $0.00011 | $0.00187 |
Grade A, and why
achmage-whiteboard-video scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 1mo ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 84 lines — stays where its author put it; the contents beside it link to each section on GitHub.
Achmage 화이트보드 비디오
기본 목표는 마크다운 한 편에서 음성·자막이 포함된 단일 4K MP4를 만드는 것이다. 새 프로젝트에서 사람에게 묻는 단계는 음성 오디션 한 번만 둔다. 음성이 승인되면 이미지 생성부터 최종 병합까지 추가 승인 없이 계속한다.
기본 절차
- 처음 실행하는 컴퓨터에서는 Windows의
setup.cmd또는 macOS의setup.sh를 실행한다. autobuild <마크다운> --project <폴더> --scenes all을 실행한다.workflow-state.json이needsSceneDesign이면 원문을 읽고 장면 계획,voiceover.script, 화면 문장, 이미지 프롬프트를 작성한다. 1시간 목표가 있으면 말하기 속도와 장면 수를 먼저 맞춘다.- 장면 JSON은
references/scene-schema.md, 이미지 프롬프트는references/image-prompts.md를 따른다. 음성 대본은 사람 승인 없이approved로 저장한다. autobuild를 다시 실행해 내용에 맞는 음성 3명을 추천하고 상위 2명의 짧은 오디션을 생성한다.- 오디션 파일, 후보 이름, 전체 예상 TTS 크레딧과 라이선스 상태를 사용자에게 한 번에 보여주고 한 명을 고르게 한다. 이것이 유일한 기본 승인 게이트다.
- 선택을 받으면
approve-voice --voice-id <ID>를 실행한다. 이후에는 추가 승인을 요청하지 않는다. - 상태가
needsImages이면 Codex 네이티브 이미지 생성 도구로 누락 장면마다 이미지 한 장을 만들고attach-image로 연결한다. 외부 이미지 API나 API 키를 사용하지 않는다. - 모든 이미지가 준비되면
resume을 실행한다. 스크립트가 TTS 캐시, 동적 길이 렌더, 자막, 4K 병합과 검증을 끝낸다. - 최종 폴더의
*-4k-captioned.mp4와build-report.json을 사용자에게 전달한다.
이미지 원칙
- 장면마다 네이티브 이미지 한 장을 생성한다. 이미지 모델에는 실제 한글을 그리게 하지 않는다.
- 프롬프트에
no text, no letters, no numbers, no logo, no watermark와 넓은 텍스트 안전 영역을 명시한다. - 실제 한글은 번들된 Noto Sans KR로 합성한다.
- 기본 테마는
achmage-newsroom-light, 기본 삽화 모션은line-trace다. 장면별로marker-wipe를 선택할 수 있다. - 기본 자동 제작에서는 앵커 이미지 승인을 별도 게이트로 두지 않는다. 사용자가 명시적으로 요청할 때만 미리보기와 앵커 승인을 추가한다.
음성·비용 원칙
- API 키는
ELEVENLABS_API_KEY또는TYPECAST_API_KEY환경변수에서만 읽는다. 채팅, JSON, 로그, 명령행 인수에 키를 쓰지 않는다. - 기본·개인·기존 클론 음성을 추천 대상으로 포함한다. 음성 복제 생성은 하지 않는다.
- 같은 대본·화자·모델·설정은 캐시를 재사용한다. POST 실패는 중복 과금 위험 때문에 자동 재시도하지 않는다.
- 오디션 승인은 화자·모델·설정·대본 해시와 승인 비용 상한을 잠근다. 예상 비용이 승인 시점보다 10% 이상 늘면 안전 정지한다.
pronunciationOverrides는 TTS 입력에만 적용하고 화면 자막에는 원문을 유지한다.- 무료 계정 또는 라이선스를 확인할 수 없는 음성은 로컬 검수용으로만 표시한다. 공개·상업 목적은 공급자의 현재 권한을 확인하고 허용되지 않으면 중단한다.
- 자세한 키 설정, 요금과 공급자 차이는
references/tts.md를 읽는다.
자막·출력 원칙
- TTS의 원문 문자 타임스탬프를 우선 사용한다. 예전 캐시에 로마자 정렬만 있으면 음성 길이에 맞춰 한국어 대본 타이밍을 비례 보정한다.
- 자막은 최대 2줄, 한 줄 약 22자, 1–6초 단위로 나눈다.
- Noto Sans KR, 반투명 차콜 배경과 자막 안전 영역을 사용한다.
protectedRegions와 겹치면 위아래 중 덜 가리는 위치를 선택한다. - 기본 결과는 음성·번인 자막을 포함한 3840×2160 H.264 High/AAC 48kHz MP4 한 편이다.
- 편집 자료는 사용자가 요청할 때만
export-edit-package로 내보낸다. 기존 캐시만 사용하므로 TTS나 이미지 생성 호출을 다시 하지 않는다. - 편집 패키지는 자막 없는 음성 포함 4K 영상, 통합 SRT, 장면별 MP4·SRT, 편집 인덱스, 대본과 발음표를 포함한다.
What ships with it
26 files beside SKILL.md in the same directory: the scripts, references and assets a skill reads on demand. Not counted in the per-session cost; read them before you install if any of them is executable.
- .gitignore 57 B
- agents/openai.yaml 291 B
- assets/fonts/NotoSansKR-VF.ttf 10171 KB
- assets/fonts/OFL.txt 493 B
- assets/hands/eraser-hand.png 245 KB
- assets/hands/marker-hand.png 277 KB
- assets/preview/index.html 21 KB
- LICENSE 1.0 KB
- NOTICE 525 B
- references/image-prompts.md 1.8 KB
- references/line-trace.md 2.5 KB
- references/scene-schema.md 4.3 KB
- references/themes.md 759 B
- references/tts.md 4.1 KB
- references/typography.md 930 B
- requirements.lock 93 B
- scripts/pipeline_core.py 18 KB runs code
- scripts/tts_core.py 32 KB runs code
- scripts/whiteboard_core.py 77 KB runs code
- scripts/whiteboard.py 68 KB runs code
- setup.cmd 164 B runs code
- setup.ps1 1.6 KB runs code
- setup.sh 861 B runs code
- templates/project.template.json 1.3 KB
- templates/scene.template.json 501 B
- tests/test_whiteboard.py 29 KB runs code
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 1mo ago First seen · 84 lines · 114 tokens per session scan A 3474d4b03239
achmage-whiteboard-video is a skill published in the GitHub repository laguna821/Achmage-Skills (7 stars, last pushed 3d ago), licensed Apache-2.0. It adds 114 tokens to every session and 1,866 once invoked, about $0.0005 per session on Opus 5.5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-31.
Other skills, from other repositories
hr-onboarding
A new-hire onboarding plan as a single page — first week schedule, buddy + manager intro, learning track, equipment checklist, and "you're set when…" outcomes. Use when the brief mentions "onboarding", "new hire", "first week plan", or "入职".
book-mirror
Take any book (EPUB/PDF), produce a personalized chapter-by-chapter analysis. Each chapter is preserved in detail (The Chapter) and mirrored back to the reader's actual life (The Mirror) using brain context. The mirror observes and resonates — a friend pointing out parallels, NOT a consultant rearranging the reader's…
exam-forecast
Analyze past exams from the same professor to surface patterns — subject weighting, recurring issue-spot traps, favored hypo types, policy-vs-doctrine mix — and forecast likely emphases for the upcoming exam. Use when the user says "what's on the exam", "analyze past exams", "predict the exam", or shares past exams.
lean-formalize
Develop and verify a mathematical proof in Lean, continue an incomplete Lean project, or audit whether it proves the original statement. Connect actual inputs to intermediate lemmas, assemble the target theorem, check its transitive axioms, and provide a reproducible handoff. Use when Lean is requested or a specific…
eli5
Explain research, papers, or technical ideas in plain English with minimal jargon, concrete analogies, and clear takeaways. Use when the user says "ELI5 this", asks for a simple explanation of a paper or research result, wants jargon removed, or asks what something technically dense actually means.
deck-course-module
A course or workshop slide template with persistent learning goals, teaching pages, multiple-choice self-tests, and a wrap-up.