영상 생성 AI

영상 생성 AI는 입력 데이터의 형태에 따라 크게 다음과 같은 방식으로 구분된다.

• 텍스트 투 비디오(Text-to-Video): 사용자가 입력한 자연어 문장을 해석하여 그에 맞는 영상 콘텐츠를 생성한다.
• 이미지 투 비디오(Image-to-Video): 한 장 이상의 정지 이미지를 기반으로 움직임을 부여하여 영상으로 변환한다. 특정 이미지를 영상의 첫 번째나 마지막 프레임으로 지정하여 흐름을 제어하기도 한다.
• 영상 확장 및 편집: 기존 영상의 길이를 연장하거나, 스타일 전이 기술을 통해 영상의 분위기를 변경한다. 영상의 특정 부분을 수정하거나 새로운 요소를 추가하는 기능도 포함된다.

최신 영상 생성 모델들은 단순한 이미지의 나열을 넘어 고도의 기술적 요소를 갖추고 있다.

1. 물리 법칙 시뮬레이션: 물체의 움직임, 조명, 중력 등 실제 물리 현상을 정확하게 이해하고 재현하여 사실적인 영상을 만든다.
2. 시간적 일관성: 영상이 진행되는 동안 인물이나 배경의 형태가 어색하게 변하지 않도록 시각적 일관성을 유지한다.
3. 멀티모달 입력 및 제어: 텍스트뿐만 아니라 이미지, 오디오 등 여러 유형의 데이터를 동시에 참조하여 정밀한 결과물을 도출한다.
4. 오디오 동기화: 영상의 움직임에 맞춰 배경 음악이나 효과음을 생성하고 동기화하는 기능을 제공한다.

시장에는 다양한 기업의 영상 생성 모델이 존재하며, 각기 다른 특징을 보유하고 있다.

영상 생성 기술은 2020년대 초반부터 본격적으로 발전하기 시작했다.

• 2022년: 94억 개의 매개변수를 가진 'CogVideo'가 공개되었으며, 메타의 'Make-A-Video'와 구글의 'Imagen Video' 등 초기 모델들이 등장했다.
• 2023년: Runway가 Gen-1과 Gen-2를 출시하며 대중이 웹에서 직접 영상을 생성할 수 있는 상용화 시대를 열었다.
• 2025년: OpenAI의 Sora 2가 출시되어 향상된 사실감과 물리적 정확도, 통합 오디오 기능을 선보이며 기술적 완성도를 높였다.