토파즈랩스, '프리시전' 업데이트 출시…최대 4K 지원 및 속도 5배 향상
토파즈랩스가 대규모 '프리시전(Precision)' 업데이트를 공개하고 토파즈 비디오와 아스트라 클라우드에 신규 AI 비디오 모델을 추가했다. 최대 4K 업스케일링을 지원하며 로컬 처리 속도를 최대 5배 높여 생성형 AI 영상 특유의 부자연스러움을 줄여준다. 토파즈 포토에는 가짜 해상도를 판별하는 기능도 새로 추가됐다.

최신 생성형 AI로 비디오를 만들어 본 사람이라면 특유의 이질감을 잘 알고 있을 겁니다. 첫인상은 화려하지만 자세히 들여다보면 피부는 플라스틱 인형처럼 번들거리고, 옷감 질감은 뭉개지며 글자는 알 수 없는 외계어로 깨져 있기 일쑤입니다.
비디오 화질 복원 분야의 대표 주자인 토파즈랩스(Topaz Labs)가 이 문제를 해결하기 위해 나섰습니다. 토파즈랩스는 3월 31일 대규모 '프리시전(Precision)' 업데이트를 공개하고, 토파즈 비디오(Topaz Video)와 클라우드 플랫폼 아스트라(Astra)를 아우르는 차세대 영상 모델 라인업을 발표했습니다. 로컬과 클라우드 환경 모두에서 최대 4K 출력을 지원하며, 작업 속도는 이전 세대 대비 최대 5배 빨라졌습니다.
인공적인 질감을 잡는 4가지 맞춤형 모델
이번 업데이트는 사용자의 작업 환경과 영상 유형에 맞춰 모델을 정교하게 나누어 배치한 것이 특징입니다.
생성형 AI 영상을 다루는 창작자에게 가장 반가운 모델은 단연 '스타라이트 프리시전 2.5(Starlight Precise 2.5)'입니다. 최신 GenAI 툴로 만든 영상을 최대 4K로 업스케일링할 때 특유의 부자연스러운 플라스틱 질감을 크게 줄여줍니다. 인물의 얼굴 디테일은 물론 섬유 구조와 텍스트의 선명도를 자연스럽게 살려내며, 근현대 영상 아카이브 복원에도 쓸 수 있습니다. 다만 연산량이 커 현재는 클라우드인 아스트라에서만 구동됩니다.
로컬 PC에서 렌더링을 끝내야 하는 작업자를 위한 확산 모델 2종도 추가됐습니다. '스타라이트 패스트 2(Starlight Fast 2)'는 기존 스타라이트 미니보다 처리 속도가 3배에서 5배나 빠릅니다. 성능 향상 폭이 큰 만큼 시스템 요구 사양도 높아서 엔비디아 GPU 기준 VRAM 최소 16GB, 권장 32GB를 요구합니다.
함께 선보인 '스타라이트 HQ(Starlight HQ)'는 기존 모델들의 1080p 입력 해상도 제한을 푼 것이 핵심입니다. 중고화질 이상의 원본을 그대로 입력받아 원본 영상의 연출 의도를 해치지 않으면서 디테일과 선명도를 균형 있게 끌어올립니다. 이 모델은 엔비디아 GPU 기준 VRAM 최소 10GB, 권장 12GB 환경에서 구동됩니다.
애니메이션과 모션 그래픽, 스톱모션 작업자를 위한 '가이아 2(Gaia 2)'도 새로 도입됐습니다. 프레임 단위 처리 구조를 개선해 2배 업스케일링 시 디테일이 번지는 현상을 방지하고 계단 현상을 깔끔하게 정리해 주며, 윈도우 PC와 맥 모두에서 로컬 구동이 가능합니다.
이 밖에도 토파즈 포토에는 인위적으로 리샘플링되어 실제 디테일이 없는 이미지를 가려내는 '가짜 해상도 감지(True Resolution Detection)'가 추가됐으며, 토파즈 비디오 내 화면 반전 기능과 저장 공간을 아껴주는 모듈형 설치 프로그램도 함께 적용됐습니다.
왜 중요한가
토파즈랩스의 이번 행보는 직접 비디오 생성 모델을 만들기보다, 생성형 AI 영상 시장의 '디지털 후반 작업실'을 선점하겠다는 영리한 전략으로 읽힙니다.
현재 오픈AI나 런웨이 같은 기업들이 내놓는 영상은 시각적으로 훌륭하지만, 방송이나 광고 등 상용 프로젝트에 그대로 쓰기에는 해상도와 디테일 면에서 여전히 아쉬운 부분이 많습니다. 인공적인 플라스틱 질감을 지워주는 특화 업스케일러는 실제 작업 현장의 창작자들에게 매우 실용적인 도구가 될 것입니다.
하지만 로컬 작업 환경의 진입 장벽은 여전히 상당합니다. 최고 성능을 내는 스타라이트 패스트 2를 제대로 돌리려면 32GB VRAM을 갖춘 초고가 워크스테이션이 필요해, 대다수 프리랜서나 일반 크리에이터는 사실상 아스트라 클라우드 유료 결제로 밀려날 가능성이 큽니다.
그럼에도 단순한 윤곽선 강조를 넘어 피사체의 질감을 맥락에 맞게 재구성하는 확산 모델 기반 접근법은 매우 유효해 보입니다. 오픈소스 복원 도구들이 쏟아지는 상황에서도 상용 프로덕션 파이프라인에서 토파즈의 입지는 당분간 확고하게 유지될 것으로 보입니다.
출처 (1)
- topazlabs.com(새 탭에서 열림)원문topazlabs.com