미드저니, 첫 영상 생성 모델 'V1' 공개: 이미지로 5초 클립 제작

미드저니(Midjourney)가 마침내 첫 번째 동영상 생성 모델인 'V1'을 웹 전용으로 선보였습니다. 디즈니와 유니버설로부터 저작권 침해 소송을 당한 지 불과 며칠 만에 이뤄진 깜짝 공개입니다.

클릭 한 번으로 이미지에 생명 불어넣기

V1은 텍스트를 바로 영상으로 만드는 모델이 아니라 이미지를 영상으로 변환하는 'Image-to-Video' 방식을 채택했습니다. 현재는 웹 인터페이스를 통해서만 이용할 수 있습니다.

조작법은 직관적입니다. 웹에서 생성된 이미지의 'Animate' 버튼을 누르면 작동합니다. 시스템이 알아서 움직임 프롬프트를 구성해 자연스럽게 움직이게 만드는 '자동' 모드와, 카메라 무빙이나 캐릭터 동작을 직접 텍스트로 지정하는 '수동' 모드를 제공합니다.

모션 강도는 두 가지입니다. 'Low motion'은 카메라는 거의 고정되고 피사체만 섬세하게 움직이는 장면에 적합하지만 때로는 거의 움직이지 않을 때도 있습니다. 반면 'High motion'은 화면 전체가 역동적으로 바뀌지만 종종 왜곡 현상이 발생합니다.

미드저니 내부 이미지뿐 아니라 외부 이미지를 업로드해 시작 프레임으로 활용하는 것도 가능합니다. 한 번 작업을 요청하면 5초짜리 클립 4개를 동시에 생성해주며, 마음에 드는 결과물은 약 4초씩 최대 4번(총 20초 안팎)까지 길이를 연장할 수 있습니다.

비용 구조도 파격적입니다. 1회 작업 시 이미지 8장을 생성하는 정도의 컴퓨팅 비용이 드는데, 이는 영상 1초당 이미지 1장 꼴입니다. 미드저니 최고경영자(CEO) 데이비드 홀츠는 이것이 기존 경쟁사들보다 25배 이상 저렴한 수준이라고 밝혔으며, Pro 등급 이상 구독자에게는 릴랙스(무제한 완보) 모드도 순차 테스트할 예정입니다.

최종 목표는 '오픈월드 시뮬레이터'

현재 V1에는 음향 생성 기능이 없고 순수 텍스트 생성도 지원하지 않아, 구글 Veo 3 같은 풀스펙 영상 모델과 직접 비교하기에는 한계가 있습니다.

하지만 데이비드 홀츠 CEO는 V1이 독립된 영상 툴이라기보다 '실시간 오픈월드 시뮬레이션'으로 가기 위한 징검다리라고 설명했습니다. 3D 공간을 자유롭게 이동하고 상호작용하는 시뮬레이터를 구현하려면 시각(이미지), 움직임(영상), 공간 탐색(3D), 초고속 반응(실시간)이라는 퍼즐 조각이 필요하다는 것입니다.

미드저니는 향후 1년에 걸쳐 이 블록들을 개별 출시한 뒤 점진적으로 하나의 통합 시스템으로 완성해 나갈 계획입니다.

왜 중요한가

창작자와 디자이너 관점에서 V1의 최대 매력은 미드저니 고유의 압도적인 미적 감각을 그대로 영상으로 이어갈 수 있다는 점입니다. 기존에는 미드저니에서 이미지를 뽑은 뒤 런웨이나 루마 등 타사 도구로 옮겨서 모션을 입혀야 하는 번거로움이 있었는데, 이제는 웹 안에서 원클릭으로 해결됩니다.

또한 한 번에 4개 후보군을 뽑아주면서 경쟁사 대비 25배 저렴하다고 내세운 가격 전략은 생성형 비디오 시장의 진입 장벽을 대폭 낮췄습니다. 영상 생성의 비싼 단가 때문에 망설이던 일반 사용자를 빠르게 흡수하겠다는 계산입니다.

다만 오디오 미지원과 세밀한 물리 엔진의 한계는 분명하며, 외부 이미지 업로드 허용과 맞물려 대형 미디어 기업들과의 저작권 분쟁 리스크는 더 커질 수 있습니다. 그럼에도 이미 미드저니를 결제해 쓰고 있는 사용자라면, 기존 라이브러리의 이미지를 몇 초 만에 생생한 영상으로 바꿔보는 경험만으로도 지금 당장 테스트해 볼 가치가 충분합니다.