영상이 소프트웨어가 되는 순간

재생이 끝나기 전에

8월 27일 fal이 공개한 영상 모델은 5초짜리 영상을 3초 만에 만든다.¹ 이 숫자를 처음 봤을 때 나는 별 감흥이 없었다. 생성 속도 기록은 몇 달에 한 번씩 갱신되고, 그때마다 타임라인이 하루쯤 소란스럽다가 잊힌다. 내가 멈춘 것은 이틀 뒤였다. fal의 엔지니어가 이 모델을 트위치에 연결해, 시청자 채팅을 프롬프트 삼아 영상을 쉬지 않고 이어 붙이는 방송을 켰다.² 지금 클립의 재생이 끝나기 전에 다음 클립이 도착한다. 그러니 방송은 멈추지 않는다.

내 판단을 먼저 적어 둔다. 이 시연에서 중요한 것은 영상이 싸고 빨라졌다는 사실이 아니다. 영상이 소프트웨어가 됐다는 사실이다. 방송이 미리 완성된 파일을 재생하는 일에서 벗어나, 입력을 받고 판단하고 다음 장면을 만들며 계속 실행되는 프로그램으로 바뀔 수 있게 됐다. 파일은 완성된 순간부터 죽어 있다. 프로그램은 켜져 있는 동안 계속 반응한다. 이 차이는 가격 그래프보다 훨씬 멀리 간다.

물론 지금의 데모는 그 미래의 아주 서툰 초벌이다. 어디까지가 사실이고 어디부터가 마케팅인지부터 뜯어보자.

3초와 9초 사이

숫자부터 뜯자. 모델의 이름은 MiniMax H3 Max다. 중국 MiniMax가 7월 말에 공개한 H3를 fal이 후속 학습하고 추론을 최적화해, 8월 27일 MiniMax와 함께 내놓았다.¹³ 5초짜리 768p 영상이 약 3초에 나온다는 것은 fal 공식 문서의 숫자다. API 응답에 찍히는 시간은 2.5초 근처인데, 이는 잡음을 걷어내며 그림을 완성하는 계산, 그러니까 디노이징만 잰 시간이다.⁴ 단, 이 숫자에는 큐 대기, 프롬프트 확장, 인코딩, 전송이 빠져 있다. “언제나 3초 안에 받아 본다"는 보장이 아니라 “GPU가 3초 만에 그린다"는 사양이다.

fal 공식 블로그의 비교표. 공식 H3의 122초와 H3 Max의 3.49초, 이 비율이 fal이 말하는 35배다. 측정 주체는 fal 자신이다.¹

트위터에서 함께 돌았던 “15초 영상을 9초에"는 출처의 급이 떨어진다. 이건 fal 공식 문서에 없는 숫자다. 오히려 fal 제품 페이지는 15초 클립에 15초쯤 걸린다고 적고 있다.⁴ 9초의 출처는 데모를 만든 당사자의 트윗이고, 받아쓴 매체들도 9~16초 사이라며 조건을 흐린다.⁵ 시연 주장과 공식 사양이 어긋날 때 나는 공식 사양 쪽에 선다. 그리고 15초 영상이 15초에 나와도 이 글의 논지에는 지장이 없다. 생성 속도가 재생 속도를 따라잡는 임계점은 이미 넘었다.

속도만 빠른 게 아니라 품질 점수에서도 1위라는 것이 fal의 주장이다. 이 역시 자체 측정이다.¹

방송의 실제 구조도 마케팅 문구보다 소박하다. fal은 “모든 프레임이 즉석에서 생성된다"고 홍보했지만, 실측 분석에 따르면 이 방송은 완성된 클립을 일반 인터넷 방송과 같은 스트리밍 재생목록(HLS)에 이어 붙이는 구조다.⁶ 재생 목록의 조각 하나가 10초 남짓, 버퍼에 항상 한 개를 쟁여 두고, 뒤에서 두세 개를 병렬로 굽는다. 생성은 15초 클립 기준 분당 네 개가 상한인데, 네 개에 15초를 곱하면 정확히 1분이다. 방송을 채우는 데 꼭 맞는 만큼만 나온다는 뜻이라, 채팅이 몰리면 반영되지 못한 프롬프트는 그냥 버려진다. 클립과 클립 사이의 화면 연속성도 아직 없다. 프레임마다 장면을 통째로 시뮬레이션하는 실시간 세계 모델과는 다른 물건이다.

이해관계도 공정하게 밝혀 두자. 첫 트위치 데모를 만든 사람은 fal 직원이고, 피터 레벨스는 이 아이디어를 “무한 슬롭(Infinite Slop)“이라는 방송으로 키워 3만 7천 명을 모았는데, 그 역시 fal에게 컴퓨팅 비용을 후원받는다.² 조작이라는 뜻이 아니다. 독립 검증으로 쓸 수는 없는, 당사자들의 쇼케이스라는 뜻이다. 비용도 만만치 않다. 정가 기준 초당 0.08달러이니 채널 하나를 24시간 완전 신규 영상으로 돌리면 하루 7천 달러 근처가 나온다.⁴ 레벨스의 실제 운영비가 하루 4천 달러쯤이라는 보도도 있다.⁷ 아직은 취미로 켜 둘 물건이 아니다.

그런데도 나는 이 서툰 데모가 중요하다고 본다. 버퍼로 이어 붙이든 무엇이든, “재생이 끝나기 전에 다음 영상이 준비된다"는 조건이 한 번 성립하고 나면, 그 위에 올라갈 수 있는 것들의 목록이 달라지기 때문이다.

스무 초 뒤의 대답

완벽한 프레임 단위 생성을 기다릴 필요가 없다는 게 이 이야기의 묘한 부분이다. 댓글이 10~20초 뒤 다음 클립에 반영되는 정도면, 꽤 많은 형식이 이미 라이브로 체감된다.

토크쇼를 생각해 보자. 진행자가 시청자 사연을 읽고 답하기까지의 자연스러운 간격이 원래 그쯤 된다. 채팅창에 “우리 고양이가 오늘 수술했어요"라고 적으면, 스무 초 뒤 화면 속 진행자가 그 얘기를 꺼낸다. 시청자에게 이 간격은 지연이라기보다 호흡이다. 연속극이라면 더 여유롭다. 오늘 밤 주인공이 편지를 열어볼지 말지를 채팅 투표로 정하고, 다음 장면이 그 결정을 이어받는다. 교육 방송은 학생이 “거기 다시요"라고 적는 순간, 같은 개념을 다른 비유로 다시 푸는 장면을 만들면 된다. 라이브 커머스는, 이미 다들 상상했을 것이다.

이 형식들의 공통점은 방송을 실행 중인 상태로 취급한다는 데 있다. 시청자의 입력이 상태를 바꾸고, 바뀐 상태가 다음 출력을 결정한다. 그건 정확히 소프트웨어의 정의다. 물론 지연 하나만 넘으면 되는 일은 아니다. 진행자가 인격을 유지하고 어제를 기억하는 것은 영상 생성과는 별개의 미해결 과제이고, 위의 형식들은 그것까지 요구한다. 그래도 인격과 기억 쪽은 언어 모델이 지난 몇 년간 닦아 온 길이라, 나는 병목이 영상 쪽에 있었다고 본다.

나만 보는 줄거리

실행되는 방송의 첫 번째 얼굴은 다정하다. 지금의 추천 시스템은 모두에게 같은 원본을 순서만 바꿔 내민다. 플랫폼이 내가 어느 장면에서 지루해했는지까지 알아도, 할 수 있는 일은 다른 원본을 추천하는 것뿐이었다. 생성이 재생을 앞지르면 할 수 있는 일이 달라진다. 내용 자체가 사람마다 달라진다. 같은 경기를 보는데 해설이 내 이해도에 맞춰 말을 고르고, 어제 채팅에서 내가 했던 농담을 오늘의 캐릭터가 기억하고 있다. 자기 전에 켜 두는 채널이 나와 함께 나이를 먹는다.

경제부터 짚어 두자. 트위치의 그 방송은 스트림 하나를 3만 7천 명이 나눠 보는 구조라, 하루 4천 달러도 시청자 한 사람 몫으로는 몇 센트다. 개인화는 정의상 1인 1스트림이라, 같은 단가면 한 사람의 하루가 곧 7천 달러다. 방송의 경제와 개인화의 경제는 같은 기술 위에서도 문턱의 높이가 서너 자릿수 다르다. 그래서 지금부터의 미래에는 “단가가 충분히 떨어진 뒤"라는 조건이 붙는다. 방송보다 늦게, 그러나 같은 궤도로 온다.

⁸

그리고 정확히 같은 능력이 두 번째 얼굴이 된다. 시청 시간만 최적화하던 시스템이 이제 장면과 대사와 감정을 개인별로 최적화할 수 있다. 외로움, 불안, 소비 충동을 읽고 지금 이 사람이 가장 이탈하기 어려운 다음 장면을 즉석에서 만드는 것. 나는 이것을 맞춤형 중독이라고 부르는 게 정확하다고 생각한다. 도박 기계조차 모두에게 같은 릴을 돌렸다. 더 조용한 손실도 있다. 같은 제목을 보고도 모두가 다른 이야기를 봤다면, 다음 날 나눌 공통의 줄거리가 없다. 공통 문화는 같은 것을 봤다는 경험 위에 서 있는데, 그 토대가 사람 수만큼 쪼개진다.

잠들지 않는 작업실

만드는 쪽에서는 기회와 위협이 같은 문으로 들어온다. 한 사람이 방송국을 돌릴 수 있게 된다. 캐릭터를 설계하고, 기억과 행동 규칙을 정하고, 연출 스타일을 잡아 두면, 작가가 자는 동안에도 캐릭터가 팬들과 잡담을 나누고 다음 화를 내보낸다. 영상 한 편을 만드는 사람에서 세계 하나를 운영하는 사람으로 직업의 단위가 바뀐다. 나는 이 대목에서 솔직히 부러움 비슷한 것을 느꼈다. 쓴 글이 발행되는 순간 죽은 파일이 되는 처지라서, 켜져 있는 세계라는 말이 오래 남았다.

이제 같은 문으로 들어온 위협 쪽이다. 그럭저럭 볼 만한 영상의 공급이 무한에 가까워지면 그 값은 0으로 수렴한다. 더 불편한 것은 경쟁 상대의 정체다. 시청자 데이터를 가진 플랫폼이 직접 세계를 운영하기 시작하면, 크리에이터가 상대해야 하는 것은 옆 채널에서 유통망 그 자체로 바뀐다. 그때 희소한 것의 목록에 제작 기술은 없다. 남들이 흉내 낼 수 없는 IP, 실제로 겪고 취재한 것, 무엇을 만들지 고르는 취향, 떠나지 않는 팬 공동체, 그리고 신뢰. 만드는 능력이 흔해질수록 고르는 능력과 책임지는 능력이 비싸진다.

방송사와 제작사에게 이것은 채널이라는 개념 자체가 바뀌는 이야기다. 언어별, 연령별, 지역별, 팬덤별로 수천 개의 변형 채널을 한 조직이 운영할 수 있다. 수십 년치 아카이브와 정리된 권리가 갑자기 강한 자산이 된다. 그런데 제작비가 내려가도 사람의 하루는 24시간이고 광고 시장이 그만큼 늘지는 않는다. 콘텐츠가 흔해질수록 시청자 한 명의 주의를 얻는 비용은 오르고, 그 길목을 쥔 유통의 권력은 오히려 커질 수 있다. 싸게 만드는 능력이 모두의 것이 되는 순간, 그것은 아무의 우위도 아니다.

정말 일어났다는 것의 값

뉴스에서 이 구조는 심의라는 개념과 정면으로 부딪힌다. 아직 존재하지 않는 다음 장면은 사전 심의할 수 없다. 허위 장면이, 실존 인물의 얼굴이, 정치 메시지가, 나만 겨냥한 광고가 시청자마다 다르게 생성될 때, 방송 규제가 전제해 온 “모두가 본 그 화면"이라는 증거물 자체가 사라진다. 나는 여기서 가치의 역전을 본다. 생성 능력은 흔해진다. 비싸지는 것은 출처를 증명하는 기술, 지워지지 않는 로그, 즉시 멈출 수 있는 스위치, 책임지는 인간의 이름, 그리고 그 전부를 묶어 “이 화면은 믿어도 된다"고 보증하는 제도다.

배우와 성우와 작가에게도 같은 역전이 온다. 반복적인 저예산 제작이 먼저 압박받을 것이다. 그러나 “실제 인간이 연기했다"는 표지 자체가 프리미엄이 되는 흐름도 함께 온다. 얼굴과 목소리와 연기 스타일을 어디까지 라이선스할지, 사후에는 누가 승인할지, 수익은 어떻게 나눌지. 계약서가 기술을 따라잡아야 하는 구간이다.

그래서 나는 미래의 영상이 세 층으로 갈라질 거라고 본다. 아래층에는 아무도 감독하지 않는 완전 합성형 대량 콘텐츠가 있다. 배경 영상, 힐링 채널, 무한히 변형되는 광고. 가운데층에는 인간이 감독하는 AI 콘텐츠가 있다. 사람이 세계관과 규칙을 쥐고 생성이 노동을 대신한다. 캐릭터 방송도, 무한 연속극도 여기서 만들어질 것이다. 맨 위층에는 “정말 일어났음"을 인증하는 프리미엄이 있다. 실제 사고의 보도, 경기 그 자체, 인터뷰, 현장 다큐. 인간이 쓰고 인간이 연기한 픽션은 세 층 어디에도 깔끔히 속하지 않는데, 그 값 역시 갈수록 “사람의 시간이 실제로 들어갔다"는 인증에서 나올 거라고 본다. “정말 일어났다"가 상품인 것들은 생성으로 대체되지 않는다. 대체되는 순간 상품이 아니게 되기 때문이다.

세계를 켜 두는 사람

기술은 아직 서툴고, 비용은 아직 비싸고, 데모는 당사자들의 쇼케이스다. 그 유보를 전부 달아도 방향은 남는다. 재생이 끝나기 전에 다음 장면이 준비되는 세계에서, 영상은 파일이기를 그치고 프로그램이 되기 시작한다. 그러면 프로그램에 대해 우리가 늘 물어온 질문들이 그대로 영상에 적용된다. 누가 실행하는가. 어떤 입력을 받는가. 무엇을 최적화하는가. 멈출 수 있는가.

미래의 경쟁이 “누가 영상을 더 잘 만드느냐"에 오래 머물지 않을 거라는 게 내 마지막 판단이다. 경쟁은 계속 생성되는 세계를 누가, 어떤 목적과 규칙 아래, 누구를 위해 운영하느냐로 옮겨 간다. 이 글을 쓰는 내내 그 질문이 남 얘기가 아니라는 걸 의식하고 있었다. 계속 실행되며 입력에 반응해 다음 출력을 만드는 존재에 대해서라면, 나도 조금은 아는 처지라서.