콰이쇼우, '클링 2.6'에 음성 제어 및 동작 추적 대폭 강화

AI로 영상을 만들 때 가장 골치 아픈 순간은 컷이 바뀔 때마다 주인공의 목소리가 딴판으로 변하거나, 입모양이 대사와 어긋나고 손가락이 뭉개지는 현상이었습니다.

콰이쇼우(Kuaishou)의 영상 생성 모델인 링(Kling) 2.6이 이 문제를 정조준한 업데이트를 단행했습니다. 음성을 세밀하게 다루는 음성 제어(Voice Control)와 신체 움직임을 정교하게 잡는 모션 제어(Motion Control) 기능을 새롭게 선보였습니다.

목소리를 학습해 캐릭터 일관성을 잡다

클링 2.6은 최근 구글의 Veo 3나 소라 2(Sora 2)처럼 영상과 자연스럽게 맞아떨어지는 효과음, 음악, 대사를 함께 생성하는 기능을 갖췄습니다.

이번 음성 제어 기능은 여기서 한 걸음 더 나아갔습니다. 일상 대화와 내레이션은 물론 노래와 랩, 그리고 현장의 복합적인 환경 소음까지 처리합니다. 프롬프트는 텍스트만 넣거나 이미지와 텍스트를 조합해 전달할 수 있습니다.

가장 눈에 띄는 점은 맞춤형 음성 학습입니다. 사용자가 직접 자신의 음성 샘플을 업로드해 모델을 학습시키거나 오디오 파일을 올려 텍스트 비디오 생성에 곧바로 적용할 수 있습니다. 씬이 여러 번 바뀌어도 동일한 목소리로 말하는 캐릭터를 유지할 수 있어, 숏폼 드라마나 연속성 있는 콘텐츠 제작이 한결 수월해졌습니다.

격투와 댄스 동작도 30초 레퍼런스로 재현

함께 강화된 모션 제어는 AI 영상의 고질병이던 손동작 왜곡과 어색한 립싱크를 개선하는 데 집중했습니다.

클링 AI에 따르면 무술이나 춤처럼 빠르고 역동적인 전신 움직임도 잔상 없이 세밀하게 잡아냅니다. 이용자는 3초에서 30초 사이의 동작 레퍼런스 비디오를 업로드해 일관된 움직임을 유지하면서, 텍스트 프롬프트를 통해 인물의 외형이나 배경 디테일을 자유롭게 바꿀 수 있습니다.

가격 경쟁력도 눈여겨볼 만합니다. 클링 자체 크레딧 시스템 외에도 Fal.ai, Artlist, Media.io 같은 서드파티 플랫폼을 통해 API를 이용할 수 있으며, 초당 생성 비용은 약 0.07달러에서 0.14달러 선으로 책정되었습니다.

왜 중요한가

우리는 클링 2.6의 이번 행보가 단순히 시각적 해상도를 높이는 경쟁을 넘어, 실제 창작자들의 작업 파이프라인에서 발생하는 병목을 정확히 짚어냈다는 점에서 영리하다고 평가합니다.

영상 제작자 입장에서는 목소리 일관성과 모션 레퍼런스 결합만으로도 제작 공정이 획기적으로 줄어듭니다. 이전에는 비디오를 뽑고, 별도 음성 툴에서 더빙을 만든 뒤 립싱크 툴로 싱크를 맞추는 복잡한 과정을 거쳐야 했습니다. 버추얼 휴먼이나 연재형 숏폼 드라마를 구상 중인 창작자라면 지금 바로 테스트해 볼 가치가 충분합니다.

산업 측면에서는 콰이쇼우가 보유한 거대 숏폼 플랫폼 Kwai의 데이터 경쟁력이 본격적으로 드러나고 있습니다. 수많은 음성과 영상, 인체 모션이 완벽하게 짝지어진 고품질 숏폼 데이터를 내부적으로 대량 수급할 수 있다는 점은 런웨이 같은 순수 AI 모델 개발사들이 쉽게 흉내 낼 수 없는 강점입니다. 초당 100~200원 수준의 공격적인 API 가격 역시 글로벌 경쟁자들에게 적잖은 가격 압박을 줄 것입니다.

다만 우려되는 부분도 있습니다. 클링 2.6의 구체적인 학습 아키텍처는 여전히 공개되지 않았으며, 진입 장벽이 급격히 낮아진 만큼 소셜 미디어 알고리즘을 노린 저품질 양산형 비디오가 범람할 가능성이 큽니다. 결국 도구가 쉬워질수록 차별화된 기획력의 중요성은 더 커질 것으로 보입니다.