VideoGen은 프롬프트 하나로 10분 영상을 약속했어요, 벤치마크는 아무도 안 했지만

VideoGen은 10월 20일 Model 1을 발표하면서 카테고리 변화이거나 마케팅 문구인 주장을 내놨어요. 그 차이는 중요해요. 프롬프트 하나가 대사와 사운드, 음악을 갖춘 최대 10분짜리 완성된 멀티숏 영상이 된다는 것.

10분은 현재 선두 모델들의 단일 패스 최대 생성 시간의 약 20배예요. Kling 4.0, Seedance 2.5, Wan 3.0 모두 한 번 생성에 최대 30초를 내세우고, 연장 기능으로 겨우 몇 분에 닿아요. 이 시장을 따라왔다면 10분은 다른 제품으로 읽혀요.

그렇기도 하고 아니기도 해요. 보도자료는 긴 영상이 '여러 개의 생성된 샷으로 조립된다'고 명시해요. Model 1은 10분을 한 번에 렌더링하지 않아요. 영화를 기획하고, 샷 단위로 생성하고, 샷을 검사하고, 이어 붙여요. 모델은 단일 제품으로 팔리는 파이프라인의 한 구성요소예요.

회사가 실제로 내놓은 것

VideoGen은 샌프란시스코 회사로 Y Combinator 2024 Summer 배치이고 2023년에 설립됐어요. 지금까지는 프롬프트나 대본, 기사를 다른 회사 모델로 영상으로 바꾸는 제품이었어요. Model 1은 자체 모델이에요.

공개된 기능은 이래요. 텍스트-투-비디오와 이미지-투-비디오, 시각 참조로 최대 16장 이미지, 지정 가능한 목표 길이와 화면비, 그리고 대사와 효과음, 음악이 함께 나오는 오디오-비디오 동시 생성이에요. 10월 20일 비공개 파트너 롤아웃으로 시작했고, 추가 안전성 테스트 후 일반 공개를 약속했어요. 영화 제작자와 스튜디오, 학생, 그리고 눈에 띄게도 출시를 취재하는 기자를 대상으로 100만 달러 규모 무료 크레딧 풀 신청도 열었어요.

이 제안을 정직하게 정리하면 어려운 부분은 비디오 모델이 아니에요. 기획이에요. 10분 영상에는 시나리오, 장면을 넘나드는 일관된 캐릭터, 반복되지 않는 대사, 요청한 러닝타임을 채우는 샷 리스트가 필요해요. 그건 언어 모델 문제이고, VideoGen은 이를 풀기 위해 언어 모델 하네스를 만들었어요.

작가실 안에서

VideoGen 기술 백서를 읽은 제3자의 해석은 역할이 나뉜 파이프라인을 설명해요. 기획 계층이 콘셉트를 제안하고, 비평 계층이 카테고리(영화, 마케팅, SNS, 설명 영상, 뮤직비디오, 마이크로드라마) 루브릭으로 점수를 매기고, 상위 두 개가 시간이 배정된 시나리오가 되고, 재작성 계층이 각 장면을 비디오 모델이 기대하는 구조화 프롬프트 형식으로 바꿔요. 샷과 대사, 사운드스케이프, 배경음악 필드가 따로 있죠.

같은 분석은 세 개의 별도 모델 '리더'가 대사와 화면 텍스트만 검사하고 혼란스러운 대사를 표시한다고 전하며, 백서 자체의 단서도 언급해요. 이것들은 '인간 참가자가 아닌 자동 프록시'라는 것이죠. 장면 길이의 합이 맞는지, 모든 화자가 음성 설명을 갖는지 같은 평범한 코드 검사도 있어요.

제품이 통할지를 결정하는 건 발표의 이 부분이에요. 20~30초 클립은 모호한 프롬프트를 견뎌요. 10분은 못 견뎌요. 오류가 누적되고 캐릭터가 흔들리고 다섯 번째 장면이 첫 장면과 모순되기 시작해요. 렌더링 전에 그 문제를 잡는 기획 계층은 더 좋은 렌더러보다 값어치가 있어요. 렌더링이 비싼 부분이니까요.

동시에 경쟁자가 가장 빨리 베낄 수 있는 부분이기도 해요. 멀티모델 기획 하네스는 연구 돌파구가 아니라 소프트웨어예요.

아직 숫자가 아닌 숫자들

VideoGen은 내부 검증을 근거로 Model 1의 비용이 유사 모델보다 50% 이상 낮을 것으로 예상한다고 해요. 최종 가격과 공식 벤치마크, 제3자 검증이 진행 중이라고도 해요. 두 문장이 같은 보도자료에 있고, 두 번째가 첫 번째를 읽는 방식을 지배해야 해요.

회사가 공유하는 유일한 측정 수치는 렌더링 실험이에요. 8스텝 어댑터가 같은 시스템의 28스텝 기준선 대비 평균 클립 렌더 시간을 58.2% 줄였다는 것. VideoGen은 이를 보장된 속도 향상이 아니라 실험적 구성이라고 조심스럽게 부르는데, 옳은 단서이자 그 숫자가 제품 스펙이 아니라는 자백이에요.

그래서 현재 상태는 이래요. 데모 릴이 있는 능력 주장, 가격표가 없는 비용 주장, 벤치마크가 없는 품질 주장. 데모 릴은 회사가 고른 것이라 테스트가 아니라 최선의 사례예요.

왜 길이가 잘못된 성적표인가

불편한 맥락이 있어요. 중국 업계 매체가 이번 달, AI 마이크로드라마의 98.7%가 공개 후 6개월 안에 원가를 회수하지 못한다고 보도했어요. ByteDance의 마이크로드라마 사업은 하루에 토큰으로 수천만 위안을 태우고 있다고 전해졌어요. 그 시장의 병목은 영상을 생성하는 능력이 아니에요. 유통과 대본이에요.

그렇다고 10분 모델이 쓸모없는 건 아니에요. 무엇을 위한 것인지가 다시 규정돼요. 제약이 스토리텔링이라면, 서사 구조를 기획하고 캐릭터를 일관되게 유지하는 도구는 실제 제약을 겨냥한 거예요. 제약이 주의력이라면 10분은 부채예요. 아무도 이유 없이 10분짜리 뭔가를 보지 않으니까요.

현실적 용도는 화려하지 않은 쪽이에요. 촬영 프리비주얼라이제이션, 감독이 크루에 돈을 쓰기 전에 장면을 봐야 하는 경우. 아무도 광고를 만들지 않을 제품의 설명 영상. 내부 교육 콘텐츠. 70%만 맞고 반나절이면 나오는 10분 생성 영상은 대안이 2주 편집일 때 엄청난 가치가 있어요.

관객이 선택해서 보는 것에서는 길이가 장점이 아니에요. 기획이 장점이에요.

접근 권한을 얻으면 어떻게 평가할까

릴이 아니라 실패 사례를 요청하세요. 구체적으로는 7분 지점에서 무슨 일이 일어나는지예요. 모델이 2분에 나온 캐릭터의 재킷을 기억해야 할 때죠. 이미 쓴 대사를 반복하는지. 조립된 컷에서 오디오 싱크가 유지되는지. 샷을 독립적으로 생성하는 파이프라인이 무너지는 지점이 거기예요.

그다음 지루한 테스트를 하세요. 특정 제품과 특정 주장이 담긴 브리프를 주고, 기획자가 사실을 만들어내는지 보세요. 백서의 루브릭에는 마케팅과 설명 영상 카테고리에서 조작된 주장을 거부하는 검사가 포함된다고 해요. 회사도 이것이 고객을 소송에 끌고 가는 실패 모드임을 안다는 뜻이에요.

워터마킹도 확인하세요. VideoGen은 결과물에 합성 출처를 식별하는 보이지 않는 워터마크가 들어간다고 해요. 출처가 조달 요구사항이 되어가는 해에 이건 각주가 아니라 기능이고, 당신의 편집 파이프라인을 통과하는지 확인할 가치가 있어요.

프롬프트 하나로 10분은 한 사람이 시도할 수 있는 범위를 실제로 넓혀요. 감독을 대체하지는 않고, 회사 릴리스도 그렇게 주장하지 않아요. 흥미로운 질문은 기획 계층이 충분히 좋아져서 제한 요인이 '하고 싶은 말이 있었는가'가 되면 무슨 일이 생기느냐예요.