스타트업 Hotshot, 10초 분량 720p 텍스트-비디오 생성 AI 모델 공개

Runway, Luma, Pika 등이 치열하게 맞붙고 있는 AI 비디오 생성 시장에 단 4명의 엔지니어로 구성된 스타트업이 깜짝 도전장을 냈습니다.

미국 스타트업 핫샷(Hotshot)은 자체 개발한 텍스트-투-비디오 AI 모델의 초기 프리뷰를 공개했습니다. 공식 웹사이트(hotshot.co)에서 무료로 이용할 수 있으며, 워터마크 없이 최대 10초 길이의 720p 영상을 생성해 줍니다. 무료 사용자는 하루에 2회까지 생성할 수 있습니다.

4명의 팀원이 4개월 만에 이뤄낸 개발, 꺼져가는 GPU와의 사투

핫샷은 11년 동안 소비자용 앱을 개발해 온 아카시 사스트리, 존 멀런, 던컨 크로벅이 설립했으며, 이후 차이투 알루루 엔지니어가 합류해 총 4명으로 꾸려졌습니다. 알렉시스 오하니안, 래키 그룸, SV 엔젤 등 유명 투자자들의 지원을 받았습니다.

이들은 앞서 월간 활성 사용자 2만 명 이상을 모은 오픈소스 모델 핫샷-XL(1초, 8fps)과 핫샷 액트-원(3초, 8fps)을 선보인 바 있습니다. 이번에 공개한 플래그십 모델은 이를 훌쩍 뛰어넘는 가장 야심 찬 결과물입니다.

팀은 6억 개의 비디오 클립과 수천 대의 GPU를 동원해 단 4개월 만에 훈련을 마쳤습니다. 기술 백서에 따르면 하드웨어를 극한까지 밀어붙인 탓에 엔비디아 H100이 수시로 고장 났으며, 파이프라인 관리를 위해 팀원 한 명이 한 달 내내 24시간 대기하며 GPU를 보살펴야 했습니다. 공간과 시간을 동시에 압축하는 새로운 오토인코더를 개발해 데이터 용량을 줄인 것이 훈련 성공의 핵심이었습니다.

성능은 만화풍 스타일이나 로토스코핑 영상 등 다양한 화풍을 무난하게 구현합니다. 다만 외신 벤처비트(VentureBeat)의 테스트에서 '파리를 달리는 유니콘'을 입력했을 때 뿔이 없는 일반 말이 달리는 영상이 나오는 등 프롬프트 반영에는 다소 아쉬움을 보였습니다. 런웨이 등 선두 주자들에 비해 해상도와 디테일 면에서도 아직 격차가 있습니다.

왜 중요한가

크리에이터와 일반 사용자 입장에서 워터마크 없는 10초 분량의 영상을 무료로 얻을 수 있다는 점은 대단히 매력적입니다. 하루 2회 생성 제한이 있긴 하지만, SNS용 숏폼 클립이나 영상 콘티 제작용 레퍼런스로 지금 즉시 테스트해 볼 가치가 충분합니다.

업계 전반으로 보면 효율성의 승리입니다. 빅테크 기업들이 막대한 자본과 수백 명의 인력을 투입해 비디오 모델을 만드는 상황에서, 단 4명의 팀이 정교한 압축 알고리즘과 엔지니어링만으로 실용적인 10초 생성 모델을 만들어냈기 때문입니다. 이는 무조건적인 인프라 물량 공세 외에도 기술 최적화를 통해 경쟁할 수 있는 길이 있음을 보여줍니다.

하지만 현실적인 한계도 뚜렷합니다. 유니콘을 말로 인식하는 것처럼 프롬프트의 복잡한 의미를 해석하는 능력이 떨어지고, 화질 면에서도 아직 타협한 흔적이 보입니다. 경쟁사들이 고해상도, 카메라 무빙 제어, 오디오 합성까지 기술 격차를 벌리고 있는 만큼, 핫샷이 이 작은 규모로 모델의 완성도를 얼마나 빠르게 끌어올릴 수 있을지가 생존의 관건이 될 것입니다.