헤이젠, '아바타 IV' 출시: 사진 한 장과 음성만으로 자연스러운 영상 생성

기존 AI 아바타 영상의 가장 큰 문제는 입만 기계적으로 뻐끔거리고 얼굴과 목은 석고상처럼 굳어 있는 어색함이었습니다.

HeyGen은 5월 6일 최신 AI 아바타 모델인 'Avatar IV'를 발표하고 모든 사용자에게 순차적으로 배포하기 시작했습니다. 필요한 준비물은 단 한 장의 사진과 대본, 그리고 본인의 목소리뿐입니다.

단순한 립싱크를 넘어 감정까지 해석

기존 아바타들이 단어에 입모양을 맞추는 수준이었다면, Avatar IV는 목소리를 '해석'하는 데 집중합니다.

확산 모델에서 영감을 얻은 오디오-표정 엔진을 기반으로, 목소리의 톤과 리듬, 감정의 굴곡을 분석해 시간적 사실감이 살아 있는 얼굴 움직임을 합성해 냅니다.

말투에 따른 고개 기울임과 자연스러운 멈춤, 미세한 표정 변화까지 표현되어 한 장의 사진만으로 렌더링된 그래픽이 아닌 실제 촬영한 듯한 영상을 만들어냅니다.

왜 중요한가

정지된 사진 한 장으로 풍부한 표정의 영상을 만들 수 있게 되면서, 크리에이터나 마케터는 몇 분씩 카메라 앞에서 학습용 영상을 찍을 필요가 없어졌습니다.

업계 전반적으로도 아바타 기술의 경쟁 축이 단순 립싱크 정확도에서 '전체적인 감정과 미세 표정의 사실성'으로 완전히 넘어가고 있음을 보여줍니다.

다만 사진 단 한 장과 오디오만으로 실사급 영상이 생성되는 만큼, 인물 사칭이나 딥페이크 악용 위험 역시 크게 높아졌습니다. 높은 접근성에 비례하는 엄격한 안전장치가 함께 뒷받침되어야 할 것입니다.