구글 Veo 3, 이미지 기반 오디오·비디오 생성 지원…대사까지 구사

정지된 사진에 움직임을 넣는 것을 넘어, 인물에게 대사를 읊게 하고 현장 음향까지 한 번에 입히는 작업이 이제 텍스트 명령어 하나로 가능해졌습니다.

Google이 영상 제작자를 위한 AI 도구인 Flow에 최신 동영상 생성 모델 Veo 3를 활용한 음성 생성 기능을 추가했습니다. 이미지를 시작 프레임으로 삼아 영상을 제작하는 Frames to Video 기능에 실제 발화 음성을 입힐 수 있게 된 것입니다.

사진 한 장으로 대사와 음향까지 한 번에

지난 5월 출시 이후 Flow에서는 이미 수천만 건의 영상 클립이 생성되었습니다. 기존 Veo 3 기반의 Frames to Video 기능은 배경 소음이나 효과음 생성만 지원해 인물의 목소리는 따로 입혀야 했습니다.

이번 주부터 적용된 기능 덕분에 사용자는 이미지를 업로드한 뒤 프롬프트로 대사를 지정해 캐릭터가 자연스럽게 말하는 영상을 얻을 수 있습니다. Google은 크레딧 소모가 적고 속도가 빠른 Veo 3 Fast 모델에도 이 기능을 함께 도입해 작업 부담을 낮췄습니다.

투자자 Justine Moore는 한 모델의 사진 한 장만을 시작 프레임으로 삼아 대사를 말하게 하고, 장면에 두 번째 인물을 새로 등장시켜 상호작용하도록 유도한 테스트 영상을 공개했습니다. 그는 캐릭터의 일관성을 유지하는 측면에서 거대한 도약이라고 평가했습니다.

다만 Google은 오디오 생성 기능이 아직 실험 단계에 머물러 있어 결과물 품질에 편차가 있을 수 있으며, 일부 이미지 유형은 지원되지 않을 수 있다고 덧붙였습니다. 한편 Google은 Flow와 최고 등급 요금제인 Google AI Ultra의 서비스 대상 국가를 76개국 추가해, 현재 140개국 이상의 Pro 및 Ultra 구독자가 이를 이용할 수 있습니다.

왜 중요한가

지금까지 AI 영상 제작은 여러 도구를 전전해야 하는 번거로운 작업이었습니다. 영상 생성 도구에서 장면을 만든 뒤, 별도 오디오 툴에서 목소리를 따고, 다시 립싱크 툴을 써서 입모양을 맞추는 복잡한 파이프라인을 거쳐야 했습니다.

Google이 음성, 효과음, 영상 생성을 하나의 프롬프트 안으로 통합한 것은 창작자의 작업 마찰을 줄여준 매우 실용적인 행보입니다. 특히 Veo 3 Fast를 통해 적은 비용으로 아이디어를 빠르게 테스트할 수 있게 된 점은 1인 창작자나 숏폼 제작팀에게 매력적인 요소입니다.

관건은 발화 완성도와 입모양 일치도의 안정성입니다. 공식적으로 아직 실험 단계인 만큼, 미세한 싱크 오차가 발생하면 결국 외부 편집 프로그램에 의존할 수밖에 없습니다. Flow가 전문적인 제작 환경에 안착할 수 있을지는 향후 세부 제어 능력의 정교함에 달려 있습니다.