8초 영상까지 텍스트로 만든다…구글, 생성형 비디오 ‘Veo 3’ 글로벌 공개

구글이 생성형 AI를 활용한 비디오 제작 기능을 전 세계로 확대했다. 구글은 7월 3일 텍스트 입력만으로 짧은 영상을 만들어내는 신규 비디오 생성 모델 ‘Veo 3’를 159개국 이상에서 순차적으로 제공하기 시작했다고 밝혔다. 

이 기능은 구글의 생성형 AI 서비스인 제미나이(Gemini)에 포함돼 제공되며, 무료 사용자는 접근할 수 없고 유료 구독자에게만 열려 있다. 구글이 밝힌 적용 대상은 ‘AI 프로(AI Pro)’ 요금제 가입자다.

Veo 3는 사용자가 문장 형태로 장면을 설명하면 그에 맞는 영상을 자동으로 생성해 주는 모델이다. 생성 가능한 영상 길이는 최대 8초로 제한돼 있다. 이는 짧은 클립이나 콘셉트 시각화에 초점을 맞춘 구조다. 

예를 들어 “해질 무렵 바닷가를 걷는 사람”과 같은 문장을 입력하면, 해당 장면을 해석해 움직이는 영상으로 출력하는 방식이다. 기존 이미지 생성 AI가 정지된 그림을 만들어냈다면, Veo 3는 시간의 흐름과 움직임을 포함한 결과물을 만든다는 점에서 한 단계 진화한 형태다.

이 기능은 사용 횟수에도 제한이 걸려 있다. 구글은 하루 최대 3개의 영상만 생성할 수 있도록 쿼터를 설정했다. 이는 서버 비용과 연산 부담을 관리하기 위한 조치로 해석된다. 

생성형 비디오는 단일 이미지나 텍스트보다 훨씬 많은 연산 자원이 필요하기 때문이다. 실제로 영상 생성 AI는 수많은 프레임을 연속적으로 계산해야 하며 각 프레임 간의 연결성을 유지해야 한다. 이 과정에서 그래픽 처리 장치(GPU) 사용량이 급격히 늘어난다.

구글은 이 모델이 영상에 어울리는 효과음과 배경 소리, 간단한 대사까지 함께 생성할 수 있는 구조를 갖고 있다고 설명했다. 

이는 영상과 음향을 따로 만드는 기존 방식과 달리 장면 전체를 하나의 결과물로 만들어내는 접근이다. 예를 들어 도시 거리 장면을 입력하면 자동차 소리나 주변 소음이 함께 포함될 수 있다. 이런 방식은 사용자가 별도의 음향 편집 과정을 거치지 않아도 된다는 점에서 진입 장벽을 낮춘다.

이번 발표에서 구글은 Veo 3를 지난 5월 처음 공개했다고 다시 언급했다. 당시 구글은 이 모델을 통해 생성형 AI가 텍스트와 이미지를 넘어 영상 영역으로 확장되고 있음을 강조했다. 

다만 현 시점에서 실제로 제공되는 기능은 텍스트를 기반으로 한 영상 생성에 한정돼 있다. 이미지 파일을 입력해 이를 영상으로 바꾸는 기능은 포함되지 않았다. 구글 내부에서는 이 기능을 추가 개발 중이라는 설명만 공개적으로 나왔다.

구글의 제미나이 책임자인 조시 우드워드는 이미지 기반 영상 생성 기능을 준비 중이라고 밝혔다. 이미지 투 비디오 기능은 사용자가 사진 한 장을 올리고 “카메라가 천천히 줌인한다”와 같은 지시를 추가하면, 정지된 이미지를 움직이는 영상으로 바꿔주는 방식이다. 

이는 사진 편집과 영상 제작의 경계를 흐리는 기능으로, 콘텐츠 제작 방식에 변화를 줄 수 있는 요소로 평가된다. 다만 해당 기능은 현재 기준으로는 예고 단계에 머물러 있었다.

Veo 3가 포함된 제미나이는 구글이 챗봇 형태로 제공하는 생성형 AI 서비스다. 사용자는 텍스트로 질문하거나 요청을 입력해 답변을 받는다. 여기에 이미지 생성과 코드 작성, 문서 요약 기능이 순차적으로 추가돼 왔다. 

구글이 유료 요금제에만 Veo 3를 적용한 점도 주목된다. 이는 생성형 AI를 수익화하려는 전략의 일환이다. 대규모 언어 모델과 영상 생성 모델을 운영하기 위해서는 막대한 서버 비용이 필요하다. 무료 사용자에게 무제한으로 제공할 경우 비용 부담이 급격히 커질 수 있다. 

하루 3개라는 제한과 유료 요금제 결합은 비용 통제 측면에서의 절충안으로 해석된다.

한편 구글은 AI로 생성된 콘텐츠라는 사실을 식별할 수 있는 기술도 함께 운용하고 있다고 밝혔다. 생성된 영상에는 보이지 않는 방식의 식별 정보가 포함된다. 

이는 AI가 만든 결과물을 사람의 창작물과 구분하기 위한 장치다. 구글은 이러한 기술을 통해 생성형 AI 오용 문제와 저작권 논란에 대응하겠다는 입장을 유지하고 있다. 다만 이 식별 정보가 사용자에게 직접적으로 표시되는 형태는 아니다.

Veo 3는 짧은 영상 생성에 초점을 맞춘 실험적 도구에 가깝다. 생성 길이와 사용 횟수 모두 제한돼 있으며 입력 방식도 텍스트에 국한돼 있다. 그럼에도 불구하고 텍스트 한 줄로 영상과 소리를 동시에 만들어낼 수 있다는 점은 기존 영상 제작 방식과는 다른 흐름을 보여준다.