텍스트-투-비디오

텍스트-투-비디오란?

텍스트-투-비디오가 실제로 바꾸는 것은 제작 순서입니다. 예전에는 기획서를 쓰고 예산을 승인받고 촬영일을 잡은 뒤에야 첫 화면을 볼 수 있었지만, 이제는 시안을 먼저 만들어 놓고 회의를 시작합니다. 마케팅팀장이 '이런 느낌으로 가고 싶다'고 말로 설득하던 자리에 15초짜리 후보 영상 세 개를 띄워 놓는 식입니다. 버려도 아깝지 않은 컷을 대량으로 만들 수 있다는 점이 가장 큰 변화입니다.

쓰임새는 크게 셋으로 갈립니다. 문장만으로 장면을 만드는 순수 텍스트-투-비디오, 제품 사진 한 장을 넣고 움직임만 입히는 이미지-투-비디오, 이미 찍어 둔 영상의 분위기만 바꾸는 비디오-투-비디오입니다. 실무에서 실패가 가장 적은 쪽은 실제 제품 사진을 기준으로 삼는 이미지-투-비디오입니다. 상용 도구들은 대개 한 번에 5~10초를 생성하므로 30초 영상은 서너 컷을 이어 붙여 만듭니다. 얼굴을 합성해 대본을 읽히는 AI 아바타 서비스와는 목적이 다르니, 장면을 만드는 도구와 말하는 사람을 만드는 도구를 구분해 발주해야 합니다.

비용 구조도 다릅니다. 대부분 크레딧 과금이라 5초 클립 하나는 수백~수천 원 수준이지만, 쓸 만한 컷 하나를 건지려면 보통 다섯에서 열 번쯤 다시 돌립니다. 그래서 실제 원가는 생성비가 아니라 프롬프트를 고쳐 쓰고 고르는 담당자의 시간에서 나옵니다. 외주 한 편에 수백만 원이 들던 일이 하루 작업으로 줄어드는 대신, 그 하루를 누가 쓸 것인지를 정해 두지 않으면 결제만 해 놓고 아무도 손대지 않는 도구가 됩니다.

현장에서 가장 자주 깨지는 기대는 '프롬프트 한 줄이면 완성본이 나온다'는 생각입니다. 실제로는 컷마다 모델의 얼굴과 옷 색이 바뀌고, 화면 안에 넣은 한글 자막은 글자가 뭉개져 나옵니다. 텍스트는 영상 안에 맡기지 말고 편집 단계에서 얹는 편이 안전합니다. 더 위험한 것은 실제 판매 중인 제품을 AI로 그려 내는 경우입니다. 손잡이 모양이나 버튼 개수가 실물과 달라지면 표시광고 문제로 번질 수 있어, 판매 페이지에 붙는 영상은 실물 촬영분을 섞는다는 원칙을 미리 세워 두어야 합니다.