트웰브랩스, 영상 편집 AI 코파일럿 '로데오' 공개…자연어로 컷 검색·조립

영상 편집자라면 누구나 공감하는 고통이 있습니다. 몇 초짜리 리액션 컷이나 특정 대사를 찾기 위해 수십 시간 분량의 원본 타임라인을 끊임없이 앞뒤로 돌려보는 일입니다.

영상 이해 AI 전문 기업 트웰브랩스(TwelveLabs)가 이 문제를 해결하기 위해 첫 번째 애플리케이션 제품인 로데오(Rodeo)를 공개했습니다. 자연어로 원본 영상을 검색하고 조립하며 편집할 수 있는 크리에이터용 AI 코파일럿입니다.

모든 원본 영상을 다 외우고 있는 편집 조수가 생겼다

로데오는 사용자가 자연어로 원하는 장면을 설명하면, AI가 전체 아카이브를 탐색해 가장 적절한 클립을 찾아 스토리 라인으로 엮어주는 방식으로 작동합니다.

단순히 화면에 특정 사물이 있는지만 찾는 키워드 매칭이 아닙니다. 트웰브랩스는 AI가 화면에 무엇이 나오는지뿐만 아니라, 그 장면이 이야기의 맥락 속에서 왜 중요한지까지 이해한다고 설명합니다.

MCP 서버 등 에이전트 인프라의 성숙 덕분에 복잡한 IT 설정 없이도 크리에이터가 바로 현업에 쓸 수 있는 완제품 형태로 나왔습니다. 다큐멘터리 감독, 프로듀서, 편집자가 몇 분 만에 원본 푸티지에서 초벌 편집본을 구성할 수 있게 돕습니다.

Marengo 3.0과 Pegasus 1.5가 받치는 영상 이해력

그동안 파운데이션 모델과 인프라 공급에 집중해 온 트웰브랩스는 자체 개발한 핵심 모델 두 개를 로데오의 두뇌로 얹었습니다.

첫 번째는 비디오 이해 모델인 마렝고(Marengo) 3.0입니다. 오디오, 텍스트, 움직임, 시각 요소와 장면의 호흡까지 통째로 압축해 대규모로 검색하고 탐색할 수 있는 구조를 갖췄습니다.

함께 작동하는 페가수스(Pegasus) 1.5는 최대 1시간 분량의 긴 영상을 지원하는 롱폼 영상 이해 모델입니다. 시각과 청각 정보를 동시에 분석해 정밀한 텍스트 설명을 생성하며, 낮은 지연 시간과 가격 경쟁력을 유지합니다.

왜 중요한가

영상 제작자 관점에서 로데오는 가장 비효율적인 시간 낭비였던 원본 탐색 작업을 직접적으로 줄여줍니다. 인터뷰나 관찰 예능처럼 수십 시간의 푸티지가 쌓여 있는 프로젝트를 다루는 크리에이터라면 지금 당장 작업 흐름에 도입해 볼 만한 도구입니다.

산업 측면에서는 AI 모델 레이어 스타트업이 애플리케이션으로 직접 내려왔다는 점이 눈에 띕니다. API 판매에 머무르지 않고 최종 사용자용 워크플로를 직접 장악하겠다는 전략으로, 프리미어 프로나 파이널 컷 같은 기존 NLE 툴 생태계에도 적잖은 긴장감을 줄 것으로 보입니다.

우리가 보기에 트웰브랩스의 이번 행보는 매우 영리합니다. 복잡한 영상 이해 기술을 직관적인 조수 형태로 포장해 창작자에게 바로 쥐여주었기 때문입니다. 다만 전문 편집은 감정의 호흡과 프레임 단위의 디테일이 좌우하는 영역인 만큼, AI가 조립해 준 컷이 실제 상업 프로젝트의 높은 기준을 얼마나 만족시킬지가 안착의 핵심 과제가 될 것입니다.