← 블로그로
Ai약 11 분 읽기

Genie 4, 생성 루프 안에 감독이 들어오다

게시일 2026년 11월 9일
Genie 4, 생성 루프 안에 감독이 들어오다

구글의 Genie 4가 10월 27일 나왔고, 꽤 요란한 주장이 따라붙었다. 세계를 생성하면서 동시에 사운드까지 스스로 만드는 첫 월드 모델이라는 것이다. 바람, 파도, 배경 음악, 그리고 말을 걸면 대답하는 캐릭터가 모두 같은 패스에서 나오며, 사운드 모듈을 나중에 따로 붙이지 않는다.

그게 헤드라인이다. 그리고 내 생각에, 이번 발표에서 가장 흥미롭지 않은 부분이기도 하다.

더 중요한 것은 누가 방향을 잡느냐다. Genie 4는 프롬프트를 받아 앞으로 굴러가기만 하지 않는다. Gemini 3.8 Flash가 가이드 에이전트로 루프 안에 앉아, 생성되는 프레임을 지켜보고, 목표를 단계로 쪼개고, 각 단계가 실제로 일어났는지 확인하고, 사용자가 개입하면 계획을 고친다. 구글은 이 전체 구성을 하이브리드 월드 모델이라고 부른다. Gemini가 다음에 무엇이 일어나야 하는지 추론하고, Genie가 그것이 어떻게 보이고 들리는지를 렌더링한다.

모델의 생성 루프 안에 감독이 들어오면, 제품은 영상 생성기에서 작은 시뮬레이션 런타임으로 성격이 바뀐다. 요청할 수 있는 것의 범위가 달라지고, 요청했을 때 깨지는 것도 달라진다.

실제로 나온 것

기능을 풀어 쓰면 이렇다.

네이티브 오디오. 환경음, 음악, 상호작용 대사가 화면과 같은 생성 단계에서 나온다. 캐릭터는 입력한 텍스트와 장면 안의 사건에 반응한다. 구글의 설명은 오디오가 나중에 덧입히는 장식이 아니라, 세계가 작동하는 방식의 일부라는 쪽이다.

실시간 자연어 제어. 시뮬레이션이 도는 동안 날씨를 바꾸고, 카메라를 움직이고, 새 캐릭터나 사물을 등장시킬 수 있다. 프롬프트는 따로 해석되지 않고 현재 장면을 기준으로 해석된다. '비'를 입력하면 이미 서 있는 조명과 바닥에 맞는 비가 내린다.

일관성, 대략 두 배. 한 장면이 약 2분간 유지된다. Genie 3의 약 1분에서 늘었다. 이 숫자는 들리는 것보다 중요하다. 2분이면 짧은 장면 하나를 블로킹할 수 있고, 1분이면 데모를 증명할 수 있다.

물리와 신체. 구글은 공기역학, 충돌, 특히 사람의 움직임이 개선됐다고 말한다. 캐릭터는 주변을 통과해 미끄러지지 않고 주변에 반응한다.

두 스트림 모두에 SynthID. 영상과 오디오에 워터마크가 들어간다.

진짜 기능은 감독 루프다

여기서 잠깐 곱씹을 부분이 있다. 일반적인 생성형 영상 도구에서는 프롬프트를 쓰고, 기다리고, 결과를 판정한다. 모델은 자신이 요청대로 했는지 알지 못한다. Genie 4에서는 Gemini 3.8 Flash가 프레임을 명시된 목표와 계속 대조한다. '남자가 문으로 걸어가 문을 연다'고 하면, 시스템 어딘가가 문이 실제로 열리는지 지켜보고, 아니면 조정한다.

이것은 다른 종류의 신뢰성이다. 다른 종류의 비용이기도 하다. 검증 단계마다 추론이 돌고, 교정마다 패스가 한 번 더 필요하다. 구글의 발표문은 이걸 돌리는 비용을 전혀 언급하지 않았는데, 보통 그런 침묵은 '지금은 많이 든다'는 뜻이다.

구글은 로보틱스 데모에서도 이 구성을 보여줬다. Gemini 4 Argon이 사용자 요청을 단계열로 분해하고, Genie 4에 실시간 지시를 넣어 해당 장면을 만들게 한다. 장난감이 아니라 훈련 환경으로 쓰인 셈이다. 이번 발표 전체에서 의도가 가장 분명한 대목이기도 하다. 실시간 월드 모델의 목표 고객은 더 싼 컷을 원하는 영화 제작자가 아니라, 주방의 변형 1만 개가 필요한 로보틱스 팀이다.

A previsualization desk at night with a field monitor showing an abstract room and a camera path

무엇을 들을 수 있는지 알고 조종하기

제어 범위는 프롬프트 상자가 암시하는 것보다 좁다. 그래서 어떤 레버가 있는지 아는 게 도움이 된다. 시뮬레이션 도중에도 날씨를 바꾸고, 카메라를 움직이고, 캐릭터나 사물을 넣을 수 있다. 반대로 구글이 보여준 범위 안에서는 샷 리스트를 건네고 마크를 맞추길 기대할 수는 없다.

그래서 생산적인 작업 방식은 대화형이고 점진적이다. 장소와 동작 하나로 시작해 10초를 보고, 변수 하나를 조정한다. 비를 요청하고 바닥이 반응하는지 본다. 카메라를 옮기고 오디오가 따라오는지 확인한다. 사람을 넣고 남은 구간 동안 유지되는지 본다.

한 번에 하나씩 조정하는 것은 긴 프롬프트를 쓰는 것보다 느리지만, 모델의 인과 이해가 어디서 끝나는지 배우는 유일한 방법이다. 세 가지를 한꺼번에 바꿔 뭔가 잘못되면, 무엇 때문에 깨졌는지 더는 알 수 없다.

여전히 깨지는 것들의 정직한 목록

구글의 자체 문서는 대부분의 출시 글보다 솔직하고, 단서 조항도 구체적이다.

시각적 디테일과 사물의 지속성이 흔들린다. 시뮬레이션을 오래 돌리거나, 프롬프트를 여러 번 고치거나, 많이 걸어 다니면 있던 것이 사라지거나 모양이 바뀐다. 월드 모델을 90초 넘게 써본 사람은 다 겪었다. 뒤를 돌아보면 등 뒤의 건물이 조용히 자리를 바꿔 놓는다.

복잡한 물리 상호작용은 여전히 불안하다. 읽을 수 있는 텍스트 렌더링도 나쁜데, 생각보다 중요하다. 간판과 라벨은 장면이 어디인지 알려주는 장치이기 때문이다. 공간 정확도는 근사치다. 오디오는 실시간으로 생성되므로 정확하기보다 그럴듯하다. 화면 왼쪽에서 닫히는 문이 반드시 그쪽에서 나는 소리를 내지는 않는다.

그리고 이것은 연구 프리뷰다. 신뢰 테스터, Project Genie를 통한 Google AI Ultra 구독자, Gemini API와 AI Studio의 얼리 액세스 파트너 순이다. 대기 명단이 있고 공개 가격은 없다. 이 글을 읽고 내일 쓰고 싶다면, 쓸 수 없다.

지금 실제로 쓸모 있는 곳

프리비주얼라이제이션이 가장 뻔한 답이고, 구글도 그렇게 말한다. 감독은 세트를 짓지 않고 생성된 장소에 들어가 카메라를 옮기고, 조명을 바꾸고, 대사 한 줄을 조정할 수 있다. 결국 실제로 찍을 장면이라면 그 한 시간은 진짜로 유용하다.

게임과 레벨 디자인이 두 번째다. 레벨을 출시하는 게 아니라, 거친 버전을 걸어보며 시야 동선이 작동하는지 보는 용도다.

로보틱스와 에이전트 훈련이 세 번째이고, 가장 큰돈이 걸린 쪽이다. 정책이 1만 번 실패할 수 있는 안전하고 무한히 변주되는 환경은 아름다운 데모보다 값어치가 크다.

아직 안 되는 것은 납품물이 붙는 모든 작업이다. 2분의 일관성, 흔들리는 사물, 읽을 수 없는 텍스트는 클라이언트 리뷰 앞에서 버티지 못한다.

지켜볼 패턴

3년 전 월드 모델은 5초짜리 흔들리는 클립을 만드는 연구 산출물이었다. 작년에는 1분을 만드는 제품이었다. 올해는 사운드까지 갖춘 2분을 만들고, 장면이 요청대로 가는지 스스로 따진다.

다음 단계는 분량이 아니다. 계속 말을 거는 동안 장면을 유지하고, 언제 멈춰 물어야 하는지 아는 모델이다. Genie 4는 이음새가 다 보이는 상태의 그 미리보기다.

생업으로 무언가를 만든다면, 이번 달의 실용적인 행동은 가입해서 기다리는 게 아니다. 자신의 일 중 '샷이 무엇이어야 하는지 정하는 부분'과 '샷을 만드는 부분'을 구분해 보는 것이다. 앞부분은 방금 훨씬 싼 리허설 공간을 얻었다. 뒷부분은 여전히 당신 것이다.

관련 글