SHOW-1 공개: 멀티 에이전트와 GPT-4로 애니메이션 한 편 자동 제작

경험 많은 작가라도 아무것도 적혀 있지 않은 빈 문서를 마주하면 막막함을 느낍니다. 이는 거대언어모델 역시 마찬가지입니다. 아무런 맥락 없이 무작정 시트콤 대본을 쓰라고 하면, 모델은 금세 뻔하고 평면적인 대사를 쏟아내기 십상입니다.

Fable Studio가 발표한 SHOW-1과 쇼러너 에이전트(Showrunner Agents)는 바로 이 빈 페이지 문제를 해결하기 위해 고안된 멀티 에이전트 시뮬레이션 시스템입니다. 연구진은 26개 시즌, 325개 에피소드를 보유한 장수 애니메이션 사우스 파크(South Park)를 무대로 삼아 실증 실험을 진행했습니다.

AI를 빈 종이 앞에 방치하지 않는 법

쇼러너 시스템의 핵심은 이야기 창작의 책임을 모델 하나에 몰아주지 않고, 시뮬레이션 환경과 사용자, 그리고 GPT-4의 세 축으로 나눈 데 있습니다.

첫 번째 축인 시뮬레이션은 세계관의 뼈대를 제공합니다. 캐릭터들의 과거 행적, 감정 상태, 마을의 지리적 환경과 일상 루틴이 사전에 살아 움직이고 있어, 창작이 시작되기 전부터 풍부한 맥락을 공급합니다.

두 번째 축인 사용자는 작품의 연출가 역할을 맡습니다. 전문 작법을 몰라도 시스템이 역으로 질문을 던져 아이디어를 이끌어내는 역프롬프트 엔지니어링을 지원하며, 사용자는 캐릭터의 행동을 통제하고 최종 결과물을 검수합니다.

마지막으로 GPT-4는 시뮬레이션의 배경 데이터와 사용자의 연출 의도를 종합해 실제 장면과 대사를 구현하는 생성 엔진 역할을 수행합니다.

'1만 그릇의 오트밀' 함정 피하기

절차적 생성 시스템에는 흔히 1만 그릇의 오트밀 문제라는 난제가 따릅니다. 아무리 많은 결과물을 뽑아내도 관객의 눈에는 그릇마다 담긴 오트밀이 다 똑같아 보여 흥미를 잃게 되는 현상입니다.

SHOW-1은 작품 고유의 극적 지문을 추출해 이 문제에 대응합니다. 기존 대본 데이터셋에는 없는 대사의 타이밍, 감정의 고조, 작가실에서 오간 연출 의도와 맥락을 모델에 학습시키는 방식입니다.

이를 통해 캐릭터의 점진적 변화도 가능해집니다. 다혈질인 카트먼을 여러 에피소드에 걸쳐 소심한 성격으로 서서히 바꾸거나, 온순한 버터스를 지배적인 인물로 변모시키는 식입니다. 피드백을 축적해 체크포인트를 저장하면 기존 IP의 변주를 넘어 독창적인 신작 시리즈로도 확장할 수 있습니다.

흥미롭게도 연구진은 과잉 소비로 인한 가치 하락을 막기 위해 22분 분량의 에피소드를 3시간에 한 편씩만 생성하도록 제한하는 인위적 희소성 개념까지 도입했습니다.

왜 중요한가

우리는 쇼러너 아키텍처의 가장 영리한 점이 거대언어모델의 단독 작문 능력에 기대지 않고, 상태를 기억하는 가상 세계 시뮬레이션을 안전장치로 세웠다는 점이라고 봅니다.

창작자나 게임 개발자 입장에서는 캐릭터의 성격 붕괴 없이 일관된 서사를 이어갈 수 있다는 점에서 실질적인 가치가 큽니다. 전문적인 극작 기술이 없는 일반인이라도 AI와의 대화를 통해 자신만의 에피소드를 지휘할 수 있는 문턱이 열린 셈입니다.

하지만 명확한 한계와 위험도 존재합니다. 사우스 파크 같은 기성 IP를 활용한 시도는 인상적인 기술 시연이 될 수 있지만, 상용화 단계로 들어서는 순간 저작권 분쟁을 피하기 어렵습니다.

더 근본적인 문제는 관객이 느끼는 심리적 가치입니다. 원문에서도 짚었듯 대량 생산되는 AI 콘텐츠는 값싸게 인식되기 쉽습니다. 스티븐 스필버그 같은 거장이 AI로 영화를 만든다면 대중의 인식이 달라질 수 있겠지만, AI가 블랙박스에 머물며 인간적인 창작 교감을 형성하지 못하는 한, 관객에게 진정한 창작물로 인정받기는 당분간 쉽지 않아 보입니다.