Vidu는 Shengshu Technology의 제품이고 라인이 깔끔하게 둘로 나뉜다. Q 시리즈 중심의 영상 모델과 실시간을 내세우는 S 시리즈. 첫 화면이 미는 것은 두 가지다. 16초에 소리와 화면이 함께 나오는 것, 그리고 실시간 상호작용. 앞은 Vidu Q3, 뒤는 Vidu S2에 해당한다.

Q3는 드라마를 위해 만들어졌고, 소리가 화면과 함께 나온다

Q3 제품 페이지는 스스로를 네이티브 오디오를 지원하는 AI 영상 모델이라 부른다. 표제는 드라마를 위해 태어났다고 쓰고, 부제는 한 번에 완결된 장면을 만든다고 약속한다. 음성과 화면이 함께 나온다는 설명은 구체적이다. 오디오와 영상이 동기화되어 출력되고 대사, 내레이션, 효과음, 음악 네 가지 트랙이 같은 실행에서 생성된다. 그래서 완성된 장면은 한 번의 내보내기로 그대로 쓸 수 있고, 무음으로 렌더한 뒤 따로 더빙하던 옛 순서를 거치지 않는다.

16초를 한 번에, 세 가지 언어 지원

길이도 분명한 숫자다. 한 번 생성으로 16초 영상이 통째로 나온다. 페이지의 이유는 이어 붙일 필요가 없으니 리듬이 끊기지 않고 이야기가 자연스럽게 진행된다는 것이다. 자주 묻는 질문에서도 한 번에 만들 수 있는 길이는 최대 16초라고 답한다. 언어 항목에는 영어, 일본어, 중국어 세 언어 출력을 지원한다고 적혀 있다.

둘을 합치면 Q3가 풀려는 문제는 짧은 서사 단위 안에서 소리와 입 모양, 언어를 함께 맞추는 일이다. 강조 항목에는 여러 사람의 대화도 따로 올라 있는데, 한 명씩 처리하는 대신 여러 인물이 자연스럽게 말하는 장면을 다룬다.

애니메이션 드라마, 단편, 영화적인 화면으로

또 하나의 강조점은 전문 제작 준비 완료다. 애니메이션 드라마와 영화, 단편 같은 서사 현장을 겨냥해 설계했다는 뜻이다. 자주 묻는 질문은 대상을 끊기지 않는 이야기와 정교한 타이밍이 필요한 창작자와 팀으로 설명한다. 이야기가 이끄는 애니메이션, 영화적인 화면, 단편 드라마, 서사형 광고 같은 영역이다. 카메라 제어는 프레임 단위이고 카메라 워크와 템포를 개별 서사 지점까지 지정할 수 있어, 작업은 렌더링보다 연출에 가까워진다. 첫 화면은 범위를 더 넓혀 애니메이션이든 실사든, 광고든 단편이든 16초의 소리와 화면 안에 들어온다고 적는다.

S2는 실시간 상호작용과 실시간 편집을 나눈다

S 시리즈는 발상이 다르다. 생성하면서 동시에 출력한다. S2 아래에 두 제품이 있다. S2-Avatar는 상호작용 모델로 실시간 음성 대화와 복잡한 동작 제어를 받고, 참조 이미지와 결합해 물체 상호작용, 의상 교체, 배경 전환을 해내며 디지털 휴먼을 720P+로 출력한다. 이전 S1이 480P였던 데서 올라간 값이고, 지시 따르기도 음성 명령으로 아바타를 춤추게 할 만큼 좋아졌다. S2-Editing은 편집 모델이고 네 가지 능력이 모두 참조 이미지에 기댄다. 스타일 참조 이미지로 실시간 화풍을 입히고, 주체 참조 이미지로 인물을 바꾸고, 배경 참조 이미지로 환경을 바꾸고, 의상 참조 이미지로 다양한 착장을 생성한다. 스트림 편집이라 영상 흐름을 계속 받아 결과를 계속 내보내고, 도중에 참조 이미지를 바꾸거나 장면을 전환해도 출력이 끊기지 않는다. 입력은 카메라, 영상, 이미지 세 가지다.

실시간이 필요 없다면 비동기 경로도 있다. 캐릭터 이미지 한 장과 오디오 한 편으로 입 모양과 동작이 음성에 맞는 말하는 영상을 만든다. 페이지가 말하는 오프라인 디지털 휴먼이다.

API와 과금은 크레딧으로 통일

개방 플랫폼은 모델을 세 계열로 나눈다. 실시간 생성 S2, 영상 생성 Q, 이미지 생성이다. 영상 항목은 Q를 대표 영상 모델로 적고 긴 길이, 높은 일관성, 큰 움직임을 내세우며 텍스트에서, 이미지에서, 참조에서 만들기를 모두 덮는다고 한다. 이미지 항목은 텍스트에서와 참조에서 만들기가 4K 출력을 지원하고 여러 참조 이미지를 받는다고 밝힌다. S2는 MaaS 플랫폼으로 제공되고, 가입해 API 키를 만들고 첫 요청을 보낸 뒤 작업을 폴링해 영상 위치를 받는 세 단계가 제시된다.

과금은 크레딧으로 통일되고 S2 전용 자원 패키지가 따로 있다. 기간 한정 350위안(정가 500위안)에 16000 크레딧, 동시 실행 5, 유효 기간 12개월이며 공식 추산으로 실시간 상호작용 약 177분이다. 새 모델을 먼저 시험하려는 사용자를 겨냥한 구성이다. 입문 패키지는 500위안에 16000 크레딧이고 영상과 오디오, 이미지 작업에 모두 쓸 수 있다. 크레딧은 세 종류다. 구독 크레딧은 요금제에 딸려 오고 유효 기간 30일, 구매 크레딧은 필요할 때 더 사며 이벤트와 대회 보상 크레딧과 함께 유효 기간 2년이다. 눈여겨볼 규칙은 둘이다. 구매는 유료 사용자에게만 열려 있고, 소비 순서는 구독 크레딧이 구매 크레딧보다 앞선다.

경계

16초는 한 번 생성의 상한이고 공식이 미는 서사 단위 길이이기도 하다. 더 긴 결과물은 여러 구간을 붙이거나 이후의 연장 기능에 기대야 한다. 실시간은 회선과 동시 실행에 좌우되고 패키지에 동시 실행 5가 적혀 있으니 팀 단위로 확장하려면 그 숫자를 전제로 계획해야 한다. 가격과 프로모션은 움직이고 350위안 구간은 기간 한정이라, 실제 구매 전에는 플랫폼의 그 시점 가격을 확인하고 소모량도 어림해야 한다. 생성물은 플랫폼 규범과 현지 법규를 지켜야 하고, 상업적 사용 전에는 소재와 초상권 허락도 확인하는 편이 좋다.

정리하면 이번의 볼거리는 소리와 실시간을 각각 다른 라인으로 세운 것이다. Q3는 화면과 대사, 내레이션, 효과음, 음악을 한 번의 생성으로 모으고 16초 단위로 세 언어를 지원한다. S2는 디지털 휴먼을 대화도 하고 의상과 배경도 그 자리에서 바꾸는 스트림으로 만들었다. 그 아래에 크레딧으로 값을 매긴 개방 플랫폼이 깔려 있어 창작과 연동이 각자의 길을 갖는다.