Vidu Q4, 더 많은 참조를 받는 첫 공개 프리뷰

원하는 인물과 공간, 소리의 느낌을 한 문장에 모두 담기는 어렵다. ShengShu Technology는 10월 7일 Vidu Q4 Preview의 첫 공개 프리뷰를 발표하며 이미지와 오디오 참조를 함께 받는 기능을 내세웠다. 제작자가 원하는 장면을 지정하는 입력의 폭이 이번 뉴스의 중심이다.

발표에 따르면 이미지 참조는 최대 15개, 오디오 참조는 최대 3개다. 이 숫자는 결과물의 장면 수나 등장인물 수를 보장하는 수치가 아니다. 모델에 전달할 수 있는 참고 자료의 한도이며, 여러 자료의 관계를 어떻게 해석하는지는 생성 결과를 보며 판단해야 한다.

예를 들어 같은 인물의 다른 각도 사진과 배경 이미지를 준비할 수 있다면, 말로만 외형을 설명할 때와 다른 제작 방식이 가능하다. 다만 이것은 참조 입력에서 생각해 볼 수 있는 활용 예다. 모든 자료가 지정한 역할대로 반영된다는 독립 실험 결과는 발표에 없다.

회사는 2K와 4K의 10비트 출력을 지원한다고 소개했다. 해상도와 비트 깊이는 전달받는 파일의 조건을 이해하는 데 필요한 정보다. 그러나 파일의 숫자가 커졌다는 사실만으로 인물의 움직임이나 장면 연결이 자연스럽다고 결론 내릴 수는 없다.

표정과 감정, 몸의 움직임, 음성의 조화가 개선됐다는 설명도 회사의 주장으로 제시됐다. 제작자가 이를 확인하려면 같은 인물에게 다른 감정을 요구하거나, 말하는 순간의 얼굴을 살펴볼 수 있다. 한 번 잘 나온 샘플과 반복 가능한 결과를 구분하는 비교가 필요하다.

가격 안내 역시 범위를 붙여 읽어야 한다. 발표의 초당 0.014달러는 '부터' 시작하는 금액이다. 모든 해상도와 입력 조합이 같은 가격이라는 뜻으로 계산하면 예산이 어긋날 수 있다. 실제 선택한 조건의 청구 기준이 있어야 한 장면의 비용을 비교할 수 있다.

참조가 많아지면 제작자가 미리 정해야 할 것도 늘어난다. 무엇을 고정하고 무엇을 바꿀지 정리하지 않으면 서로 충돌하는 자료를 넣기 쉽다. 인물의 외형과 조명, 소리의 분위기를 나눠 기록하는 방식은 늘어난 입력을 검토 가능한 지시로 바꾸는 데 도움이 될 수 있다.

프리뷰라는 출시 단계도 중요하다. 이번 발표는 완성된 정식 버전의 모든 사양이 고정됐다는 선언이 아니다. 작업에 채택하려는 팀이라면 접근 조건과 출력 설정을 실제 계정에서 확인하고, 이후 변경에 대비해 사용한 모델과 입력을 기록할 이유가 있다.

독립 제작자와 소규모 스튜디오를 겨냥했다는 회사의 설명은 많은 참조를 한 제작 흐름으로 묶으려는 방향을 보여 준다. 하지만 접근하기 쉬워졌다는 메시지와 실제 제작에 적합하다는 평가는 다르다. 결과를 골라내고 수정하는 부담이 얼마나 남는지가 실제 효율을 가른다.

Q4 Preview의 첫 공개가 늘린 것은 원하는 영상을 설명할 수 있는 재료다. 재료가 늘었다고 의도가 자동으로 정확해지는 것은 아니다. 입력한 자료가 어느 장면에 어떻게 반영됐는지를 추적할 수 있을 때, 새 모델의 사양은 제작자가 판단할 수 있는 정보가 된다.