xAI, 고속 오디오·비디오 동시 생성 지원하는 'Grok Imagine API' 공개

AI 비디오 생성 툴을 써본 창작자라면 누구나 겪는 고통이 있습니다. 몇 번 테스트했을 뿐인데 비용이 눈덩이처럼 불어나고, 기껏 나온 영상에는 소리가 없으며, 작은 디테일 하나를 고치려면 처음부터 다시 뽑아야 한다는 점입니다.

xAI가 1월 28일 공개한 ‘Grok Imagine API’는 바로 이 지점을 정조준했습니다. 고품질 비디오와 오디오를 동시에 네이티브로 생성하면서도, 경쟁사 대비 파격적인 가격표를 들고나왔습니다.

네이티브 오디오 포함 분당 4.20달러, Sora 2 Pro의 7분의 1

AI 벤치마크 기관인 Artificial Analysis의 평가에 따르면, Grok Imagine은 비디오 아레나의 텍스트-투-비디오 및 이미지-투-비디오 부문 모두에서 1위를 차지했습니다. Runway Gen-4.5, Kling 2.5 Turbo, 구글의 Veo 3.1을 제친 결과입니다.

해당 모델은 최대 15초 길이의 클립을 지원하며, 세로형 및 가로형 비율을 모두 지원합니다. 특히 별도의 후반 작업 없이 영상과 어울리는 효과음과 대화 등 네이티브 오디오를 함께 생성해 줍니다.

가장 강력한 무기는 가격입니다. Grok Imagine API의 가격은 오디오를 포함해 분당 4.20달러입니다.

다른 모델과 비교해 보면 차이가 두드러집니다. Kling 2.5 Turbo는 분당 4.20달러이지만 오디오가 제외된 가격입니다. 구글 Veo 3.1 Preview는 분당 12달러, 오픈AI의 Sora 2 Pro는 분당 30달러에 달합니다. 즉, Grok Imagine은 Sora 2 Pro 대비 약 7분의 1 수준의 비용으로 이용할 수 있습니다.

정밀 편집 기능과 서드파티 연동

단순 생성을 넘어 세밀한 편집 기능도 내세웠습니다. 텍스트 프롬프트만으로 맑은 날씨를 눈보라 치는 환경으로 바꾸거나, 화면 속 특정 물체를 제거 및 교체할 수 있습니다. 실제 연기 동작을 기반으로 캐릭터 애니메이션을 구현하는 것도 지원합니다.

이미 파트너 생태계 도입도 시작되었습니다. ComfyUI 팀은 레트로 애니메이션이나 사이버펑크 스타일 구현에서 Grok의 성능이 특히 뛰어나다고 평가했습니다.

비디오 제작 플랫폼 HeyGen 역시 자사 Video Agent에 Grok을 통합했습니다. 사용자가 프롬프트로 세부 수정을 직접 지시할 수 있어, 원하는 결과물이 나올 때까지 무작정 재추첨을 돌리던 비효율을 몇 분 단위의 수정으로 줄였다고 밝혔습니다.

일론 머스크는 현재 Grok Imagine이 생성하는 이미지와 비디오의 양이 다른 모든 경쟁사를 합친 것보다 많다고 주장하기도 했습니다.

왜 중요한가

우리는 xAI가 비디오 생성 시장의 가장 본질적인 병목을 정확히 공략했다고 봅니다. 영상 제작은 수많은 반복 작업이 필수적인데, 분당 수십 달러에 달하는 비용은 일반 창작자나 스타트업의 진입을 가로막는 장벽이었습니다.

개발자와 마케터, 영상 크리에이터라면 지금 즉시 테스트해 볼 가치가 충분합니다. 네이티브 오디오가 결합되어 있고 프롬프트 기반의 부분 수정이 가능하기 때문에, 단편 광고나 시안 제작 과정에서 외주 비용과 작업 시간을 획기적으로 줄일 수 있습니다.

업계 전반에도 거센 가격 인하 압박을 가할 것으로 보입니다. 최고 수준의 벤치마크 점수를 기록한 모델이 구글이나 오픈AI의 몇 분의 일 가격으로 출시된 만큼, 주요 빅테크들도 API 요금 체계를 재조정해야 하는 상황에 놓였습니다.

다만 대규모 워크플로가 몰렸을 때도 현재의 저지연 성능과 인프라 안정성을 일정하게 유지할 수 있을지가 앞으로의 관건으로 보입니다.