텍스트-투-이미지 · AI 이미지 생성
Text-to-Image
텍스트-투-이미지란?
- 확산 모델로 노이즈에서 이미지를 복원
- 묘사를 항목별로 나눠야 결과가 안정
- 글자·손·인물 일관성은 여전히 약점
텍스트-투-이미지가 실무에서 바꾸는 것은 '이미지를 구하는 경로'입니다. 예전에는 유료 스톡 사이트에서 비슷한 컷을 뒤지거나 외주에 건당 비용과 사나흘을 들였지만, 이제는 교육 담당자가 자기 자리에서 시안 열 장을 뽑아 놓고 고르는 일이 가능해졌습니다. 달라진 것은 그림 실력이 아니라 시안을 만드는 비용과 속도입니다. 대신 어떤 그림이 필요한지 말로 정확히 설명하는 능력이 새로운 병목으로 옮겨 왔습니다.
쓰는 방식은 크게 셋으로 나뉩니다. 빈 화면에서 문장만으로 뽑는 방식, 기존 사진을 넣고 구도나 화풍을 바꾸는 이미지-투-이미지, 이미지의 일부 영역만 지우고 다시 채우는 인페인팅입니다. 사내 자료에서는 세 번째가 의외로 자주 쓰입니다. 같은 인물을 여러 장에 걸쳐 유지하려면 시드값을 고정하고 문장의 한 구절만 바꾸는 방식이 현실적입니다. 다만 산출물은 1024픽셀 안팎의 래스터 이미지라, 크게 확대하거나 부분 수정이 잦은 로고·인포그래픽에는 맞지 않습니다. 생성은 시안까지, 마감은 편집 도구로 선을 그어 두는 편이 낫습니다.
권리 문제는 '생성물의 저작권'과 '사용 허락 범위' 두 갈래로 나눠 봐야 합니다. 앞쪽은 인간의 창작적 기여를 어디까지 인정할지 나라마다 판단이 갈리는 영역이지만, 뒤쪽은 계약이라 약관을 읽으면 답이 나옵니다. 무료 플랜은 상업적 이용을 막거나 생성 결과를 공개 갤러리에 자동으로 올리는 경우가 있어, 미공개 제품 콘셉트 이미지를 뽑았다가 외부에 노출되기도 합니다. 약관 확인은 법무 이슈이면서 동시에 보안 이슈입니다. 유료 계정 하나를 팀 공용으로 두고 생성 이력을 남기는 방식이 관리하기 쉽습니다.
가장 흔한 오해는 'AI가 만든 그림은 주인이 없으니 아무렇게나 써도 된다'는 생각입니다. 학습 데이터에서 따라 나온 워터마크 흔적, 특정 작가와 구분이 어려운 화풍, 실존 배우를 닮은 얼굴이 홍보물 표지에 실리면 문제는 저작권이 아니라 초상권과 평판으로 번집니다. 이미지 안의 한글을 생성기에 맡기는 것도 사고가 잦은 지점으로, 자모가 깨진 글자는 편집으로 되살리기 어려워 결국 전량 재생성하게 됩니다. 문구는 처음부터 편집 도구에서 얹는 것이 안전합니다. 임원이나 고객 얼굴 사진을 참고 이미지로 올리는 순간 외부 서버에 개인정보를 넘긴 것이 된다는 점도 자주 놓칩니다.
2010년대 후반 생성 모델 연구가 축적되고, 2022년 전후로 확산 모델 기반 서비스가 잇달아 공개되며 대중화되었습니다. 이미지 학습 데이터의 저작권 문제는 현재도 각국에서 논의가 진행 중입니다.
가상의 사례로 살펴보겠습니다. 임직원 480명 규모의 자동차 부품 제조사 A사 교육팀 이야기입니다. 월 12건씩 나가는 사내 카드뉴스와 교육 안내문을 건당 15만 원에 외주로 맡겨 왔는데, 수정 한 번에 이틀이 더 붙어 공지가 교육 사흘 전에야 나가는 일이 반복됐습니다.
- 교육팀 김 과장이 최근 3개월 외주 내역을 뽑아 보니 43건 중 31건이 '배경 이미지 한 장'이었고, "이 정도는 우리가 직접 뽑아 보죠"라는 말로 두 달짜리 시범 운영이 시작됐습니다.
- 첫 주에는 '열심히 일하는 직원들' 같은 뭉뚱그린 문장만 넣어 쓸 만한 컷이 한 장도 안 나왔고, 대상·배경·조명·비율을 네 줄로 나눠 적는 양식을 만든 뒤에야 채택률이 눈에 띄게 올랐습니다.
- 안전교육 6회차 시리즈는 회차마다 인물이 딴사람으로 보이는 문제가 있어, 시드값을 고정하고 배경 구절만 바꾸는 방식으로 6장을 하루 만에 맞췄습니다.
- 법무 담당 박 차장이 "실존 인물 닮은 얼굴과 타사 로고는 전부 빼 달라"고 요구해, 사내용은 자유롭게 쓰되 외부 배포물은 유료 계정에서만 만든다는 두 줄짜리 기준을 사내 가이드에 넣었습니다.
- 넉 달 뒤 외주는 월 12건에서 3건으로 줄어 제작비가 월 180만 원에서 45만 원으로 내려갔고, 시안 대기가 사라지면서 교육 공지가 행사 3일 전에서 2주 전으로 앞당겨졌습니다.