OpenAI, GPT-4o 네이티브 이미지 생성 출시: 정확한 텍스트 렌더링 지원

지금까지 생성형 AI로 이미지를 만들 때 가장 답답했던 순간은 그림 속 글자가 외계어처럼 뭉개지거나, 프롬프트에 적은 소품을 모델이 제멋대로 빼먹을 때였습니다.

OpenAI가 3월 25일, GPT-4o에 네이티브 이미지 생성 기능을 탑재했다고 발표했습니다. 이전처럼 별도의 DALL·E 3 모델을 호출하는 방식이 아니라, 모델 자체가 텍스트와 시각 정보를 함께 이해하고 곧바로 이미지를 그려내는 방식입니다.

새로운 이미지 생성 기능은 무료 사용자를 포함해 Plus, Pro, Team 사용자에게 ChatGPT 기본 기능으로 순차 적용되기 시작했습니다. Enterprise와 Edu 버전은 조만간 지원될 예정이며, 개발자를 위한 API는 향후 몇 주 안에 공개됩니다. 기존 DALL·E는 전용 GPT 형태로 계속 이용할 수 있습니다.

한 장면에 20개 물체도 거뜬히 배치

가장 두드러진 개선점은 복잡한 프롬프트에 대한 정밀한 제어력입니다. 기존 도구들이 5개에서 8개 정도의 물체를 다룰 때부터 묘사가 엉키기 시작했던 반면, GPT-4o는 10개에서 최대 20개의 서로 다른 물체를 지정된 속성과 관계에 맞춰 안정적으로 배치할 수 있습니다.

대화 맥락을 유지한 채 이미지를 수정할 수 있다는 점도 강점입니다. 사용자가 올린 참고 이미지를 반영해 게임 캐릭터의 디자인 일관성을 유지하며 여러 차례 수정할 수 있고, 16진수 색상 코드(HEX)나 투명 배경 지정도 지원합니다.

포스터나 도표 속 텍스트 렌더링 능력도 크게 향상되었습니다. 이번 주 공개된 Ideogram 3.0 등과 맞물려, AI 이미지의 고질병이던 글자 깨짐 문제는 사실상 해결 국면에 접어든 모습입니다. 다만 세부 묘사가 정교해진 대가로 한 장을 생성하는 데 최대 1분 가까이 걸리는 등 대기 시간은 다소 길어졌습니다.

추론 모델을 안전 심사관으로 투입

OpenAI는 텍스트와 이미지의 결합 분포 데이터를 기반으로 강력한 사후 학습(post-training)을 거쳐 이 모델을 완성했습니다. 생성된 모든 이미지에는 출처 확인을 위한 C2PA 메타데이터가 포함되며, 자사 모델 생성 여부를 검증하는 내부 역추적 도구도 마련했습니다.

안전 정책 적용 방식도 흥미롭습니다. OpenAI는 인간이 작성한 안전 가이드라인을 직접 해석해 적용하는 별도의 추론 전용 LLM을 개발 과정에 도입했습니다. 이를 통해 입력 텍스트와 출력 이미지를 양방향으로 검토하며 딥페이크나 유해 콘텐츠 생성을 차단합니다.

왜 중요한가

우리는 이미지 생성이 대화형 모델의 네이티브 역량으로 편입된 점에 주목합니다. 이제 이미지는 한 번 뽑고 끝나는 일회성 결과물이 아니라, 대화 과정에서 기획서나 캐릭터 시트를 다듬듯 끊임없이 피드백을 주고받는 작업 도구가 되었습니다.

업계 전반으로 보면 단일 이미지 생성 툴들에게 상당한 타격이 될 것으로 보입니다. 디자인 배치, 정확한 텍스트 삽입, 다중 객체 제어가 기본 챗봇 환경에 무료로 풀리기 시작하면, 독립형 AI 그래픽 툴들은 차별화된 아트 스타일이나 전문가용 파이프라인 없이는 버티기 힘들어집니다.

생성 속도를 다소 희생하더라도 지시 준수율과 실용성을 극대화한 OpenAI의 판단은 영리해 보입니다. 다만 매번 1분 안팎을 기다려야 하는 렌더링 딜레이가 대량 작업이 필요한 실무자들에게 얼마나 수용될 수 있을지는 향후 API 출시 이후 지켜볼 대목입니다.