스태빌리티 AI, 엔터프라이즈용 '스테이블 오디오 2.5' 출시

넷플릭스의 '두둥' 사운드나 인텔의 시그니처 멜로디처럼, 소리는 브랜드 각인에 결정적인 역할을 합니다. 하지만 광고부터 매장 배경음, 앱 알림음까지 모든 접점마다 맞춤형 오디오를 직접 작곡해 적용할 수 있는 기업은 극히 드물었습니다.

Stability AI가 9월 10일, 엔터프라이즈 환경에서 대규모 사운드 제작을 지원하는 오디오 생성 모델 'Stable Audio 2.5'를 공개했습니다. 취미나 실험용을 넘어 상업적 사운드 제작 파이프라인을 정조준한 모델입니다.

3분 길이 트랙을 2초 만에 생성, 오디오 인페인팅 지원

기존 음악 생성 모델의 가장 큰 약점은 긴 렌더링 시간과 맥락 없는 구조였습니다. 곡의 기승전결 없이 단조로운 루프가 이어지기 일쑤였습니다.

Stable Audio 2.5는 ARC(Adversarial Relativistic-Contrastive)라는 사후 훈련 방식을 도입해 속도를 획기적으로 끌어올렸습니다. GPU 환경에서 최대 3분 길이의 오디오 트랙을 생성하는 데 걸리는 시간은 2초 미만에 불과합니다.

음악적 완성도 역시 대폭 개선되었습니다. 도입부(intro), 전개(development), 결미(outro)로 이어지는 다중 파트 구조를 구현하며, 분위기 묘사어나 구체적인 악기 사운드 지시어에 대한 프롬프트 반영률도 크게 향상되었습니다.

창작자 입장에서 특히 눈에 띄는 기능은 '오디오 인페인팅'입니다. 사용자가 직접 작업한 오디오를 업로드하고 시작점을 지정하면, 모델이 앞선 맥락을 파악해 나머지 트랙을 자연스럽게 이어 작곡해 줍니다. 저작권 침해를 방지하기 위해 서비스 약관상 상업적 권리가 없는 음원 업로드는 금지되며, 고급 콘텐츠 인식 시스템이 이를 검증합니다.

광고 공룡 WPP와 손잡고 소닉 브랜딩 시장 공략

Stability AI는 이번 모델을 기업의 브랜드 오디오 자산 구축용으로 포지셔닝하고 있습니다. 입소스(Ipsos) 조사에 따르면 맞춤형 사운드는 브랜드 기억도를 8배 높이지만, 실제로 사운드 아이덴티티를 구축해 활용하는 제작물은 6%에 불과합니다.

이 틈새를 공략하기 위해 Stability AI는 WPP 산하 랜도 그룹(Landor Group)의 소닉 브랜딩 에이전시 amp와 협력하기로 했습니다. Stable Audio 2.5는 WPP Open 플랫폼을 통해 글로벌 기업 고객들에게 공급되며, 기업이 보유한 자체 오디오 라이브러리를 기반으로 파인튜닝하는 서비스도 제공합니다.

현재 StableAudio.com 웹사이트에서 바로 사용해 볼 수 있으며, Stability AI API를 비롯해 fal, Replicate, ComfyUI 등 파트너 플랫폼과 온프레미스 기업 라이선스로도 지원됩니다.

왜 중요한가

Stable Audio 2.5는 생성형 오디오 기술이 호기심용 데모를 벗어나 실질적인 상업 제작 파이프라인에 진입했음을 보여줍니다. 게임 개발사나 영상 프로덕션, 광고 대행사 입장에서 3분짜리 완결성 있는 배경음악을 2초 만에 뽑아낼 수 있다는 것은 기획 및 시안 제작 비용을 획기적으로 낮춰줍니다. 특히 오디오 인페인팅 기능은 무작위 생성에 머물던 AI를 실무형 작곡 협업 도구로 격상시키는 핵심 요소입니다.

사업적 방향성도 매우 영리합니다. 텍스트와 이미지 생성 시장이 치열한 출혈 경쟁을 벌이는 사이, 고부가가치 영역인 기업용 소닉 브랜딩(Sonic Branding)을 겨냥했습니다. 여기에 WPP 같은 초대형 광고 그룹의 유통망을 선점함으로써 안정적인 기업 고객을 확보하는 전략을 택했습니다.

다만 완전 라이선스 데이터로 훈련되어 법적 리스크를 줄였다 하더라도, 사용자가 인페인팅을 위해 임의로 올리는 음원의 저작권 침해 이슈는 여전히 관리 부담으로 남습니다. 또한 생성 장벽이 낮아진 만큼 어디서나 들을 수 있는 평이한 AI 배경음악이 범람할 수 있다는 점은 브랜드들이 경계해야 할 대목입니다.