칭화대와 성수과기, 영상 생성 AI 'Vidu' 공개: 1080p 16초 영상 한 번에 생성

오픈AI가 소라(Sora)를 공개하며 영상 AI 시장을 뒤흔든 이후, 중국 테크 업계가 어떤 대항마를 내놓을지에 많은 시선이 쏠려 있었습니다.

중국 베이징에서 열린 ‘2024 중관춘 포럼’에서 칭화대학교와 성수과기(Shengshu Technology)는 텍스트 투 비디오 모델인 ‘비두(Vidu)’를 전격 공개했습니다. 클릭 한 번으로 1080p 해상도의 16초짜리 영상을 생성해 낼 수 있는 모델입니다.

16초·1080p 원클릭 생성, 독자 아키텍처 ‘U-ViT’ 탑재

최대 60초 생성이 가능한 소라에 비하면 Vidu의 16초는 다소 짧아 보일 수 있습니다. 하지만 첫 공개 버전에서 1080p 고화질을 구현한 점은 눈에 띕니다.

기술적으로 가장 흥미로운 지점은 모델의 뼈대입니다. Vidu는 ‘U-ViT(유니버설 비전 트랜스포머)’ 아키텍처를 기반으로 구동됩니다. 개발진에 따르면 이 아키텍처는 2022년 9월에 이미 개발되었으며, 시점상 소라에 사용된 DiT보다 앞섭니다.

연구진은 이 구조 덕분에 복잡한 물리 법칙 시뮬레이션이 가능하다고 설명합니다. 사실적인 조명과 그림자, 인물의 섬세한 표정 묘사는 물론이고 현실에 존재하지 않는 초현실적인 상상력 기반의 장면도 연출해 냅니다.

카메라 워크는 합격점, 하지만 소라의 디테일엔 미달

성수과기는 공개 행사에서 소라의 초기 데모와 유사한 프롬프트를 재현하며 정면 승부를 걸었습니다.

특히 돋보인 기능은 다중 카메라 뷰 생성입니다. 하나의 장면 안에서 롱샷, 미디엄샷, 클로즈업을 끊김 없이 자연스럽게 전환하며 역동적인 연출을 보여줍니다. 프레임 간의 연속성과 일관성도 상당히 안정적입니다.

다만 결과물을 나란히 놓고 비교해 보면, 질감과 전반적인 디테일의 완성도 면에서는 여전히 소라의 현실감을 따라잡지 못했다는 평가가 지배적입니다. 인상적인 성과임은 분명하지만 시각적 완성도에서는 아직 격차가 존재합니다.

왜 중요한가

우리는 Vidu의 등장이 중국 영상 생성 AI 진영의 추격 속도를 보여주는 상징적인 사건이라고 봅니다.

영상 크리에이터나 스토리보드 기획자 입장에서는, 16초 길이의 1080p 해상도와 카메라 앵글 전환 기능만으로도 콘셉트 영상이나 콘티를 제작하는 데 즉각적인 생산성 향상을 기대할 수 있습니다. 정식 배포 시 테스트해 볼 가치는 충분합니다.

산업 측면에서는 해외 오픈소스 모델을 단순히 복제한 것이 아니라, 2022년부터 다져온 U-ViT라는 자체 아키텍처를 실전 모델로 완성해 냈다는 점이 주목할 만합니다.

소라의 데모 장면을 그대로 모방해 시연한 방식은 자신감을 드러내는 동시에 품질 격차를 여과 없이 보여주는 양날의 검이었습니다. 하지만 기술적 뼈대가 이미 완성된 만큼, 데이터 정제와 후속 튜닝이 더해진다면 글로벌 선두권과의 거리는 생각보다 빠르게 좁혀질 것으로 보입니다.