Pika, 오디오 기반 퍼포먼스 모델 공개: 초실사 표정 영상을 6초 만에 생성

Pika가 오디오에 맞춰 생생한 표정을 거의 실시간으로 구현하는 새로운 '오디오 기반 퍼포먼스 모델'을 공개했습니다.

6초 만에 끝나는 HD 생성, 속도와 비용 20배 절감

Pika에 따르면 영상 길이나 스타일에 상관없이 고화질(HD) 영상을 6초 이내에 만들어냅니다.

동시에 생성 속도를 20배 끌어올렸으며, 운영 비용 역시 20분의 1 수준으로 대폭 낮췄다고 밝혔습니다.

이 기능은 조만간 Pika 소셜 앱에 정식 도입될 예정입니다. Pika는 이 모델을 통해 AI 영상 생성이 단순한 창작 작업을 넘어, 사람들이 서로 소통하는 새로운 방식으로 자리 잡기를 기대하고 있습니다.

왜 중요한가

기존의 립싱크나 표정 생성 도구는 렌더링 대기 시간이 길거나 표정이 부자연스러운 경우가 많았습니다. 오디오 파일 하나로 6초 만에 고화질 표정 영상을 얻을 수 있다면, 일반 이용자도 일상 대화나 밈 제작에 가볍게 활용할 수 있어 진입 장벽이 크게 낮아집니다.

업계 관점에서는 속도와 비용을 20배 개선했다는 대목이 핵심입니다. 소셜 모바일 앱 환경에서 대규모 이용자의 영상 생성을 감당하려면 추론 비용 절감이 필수적이기 때문입니다.

다만 '영상 길이에 관계없이 6초 이내'라는 주장은 기술적으로 매우 파격적인 만큼, 실제 소셜 앱에 적용된 뒤 결과물의 완성도와 품질 일관성을 지켜볼 필요가 있습니다.