이미지·영상·음성을 만드는 AI
The Decoder원문 원문 보기(새 창)
블랙 포레스트 랩스가 이미지 편집 기능을 강화한 차세대 모델 플럭스 3 이미지를 공개했다. 해당 모델은 이미지의 특정 영역만 다단계로 수정할 수 있으며 텍스트 렌더링, 텍스트 투 이미지, 이미지 투 이미지 등 다양한 기능을 지원한다. 최대 4K 해상도 출력이 가능하며 바운딩 박스를 활용한 장면 구성과 다수의 참조 이미지 활용을 지원한다.
해석이미지 생성 AI가 전체 이미지를 재생성하는 방식에서 벗어나 특정 바운딩 박스 영역만 정밀하게 제어·수정하는 단계로 진화했다. 디자이너가 참조 이미지를 다수 유지하며 원하는 부분만 반복 수정할 수 있게 됨에 따라 실제 상업용 그래픽 작업 흐름에 더 유연하게 통합될 수 있다.
TechCrunch AI원문 원문 보기(새 창)
스테이블 AI(Stability AI)가 음악 생성 AI 전문 기업으로 사업 방향을 전면 재편한다. 냅스터 공동 창업자인 션 파커는 소니, 워너, 유니버설 등 주요 음반사로부터 7,600만 달러의 투자를 유치하며 합법적인 음악 학습 데이터를 확보했다. 이를 바탕으로 3종의 새로운 오디오 모델과 음악 편집 소프트웨어를 출시하며 음악 전문가용 도구 시장을 공략한다.
해석저작권 분쟁이 잦았던 생성 미디어 분야에서 대형 음반사와의 공식 라이선스 계약을 통한 정당성 확보가 핵심 생존 전략으로 자리잡고 있다. 범용 이미지 생성 모델에서 벗어나 특정 도메인에 특화된 상업용 창작 도구로의 전문화 흐름을 보여준다.
The Verge AI원문 원문 보기(새 창)
소니와 유니버설 뮤직 그룹(UMG)이 생성형 AI 음악 플랫폼 수노(Suno)를 상대로 저작권 침해 소송을 다시 제기했다. 원고 측은 수노의 최신 모델인 v6가 이전 모델의 출력물을 학습 데이터로 사용하여 기존의 저작권 침해를 세탁하는 이른바 모델 세탁(model laundering)을 저질렀다고 주장했다. 수노는 v6가 새로운 데이터 세트로 학습되었다고 반박했으나, 음반사들은 여전히 허가받지 않은 데이터를 기반으로 모델이 구축되었다고 지적하고 있다.
해석초기 저작권 침해 데이터로 학습한 구형 모델의 출력을 기반으로 신규 모델을 증류·학습시키는 행위가 법적 면책을 받을 수 없다는 음반업계의 강력한 경고다. 합성 데이터나 모델 증류 기법을 활용하더라도 원천 데이터의 권리 침해 논란에서 자유로울 수 없다는 전례를 남길 수 있다.
Latent Space원문 원문 보기(새 창)
런웨이가 실시간 인터랙티브 시뮬레이션을 위한 차세대 월드 모델 'GWM Worlds 2'를 공개했다. 이 모델은 '월드프롬프트(WorldPrompt)'라는 새로운 입력 형식을 도입해 실시간으로 장면 속 환경과 이벤트를 제어할 수 있는 기능을 제공한다. 런웨이는 자체 오디오-비디오 생성 모델을 기반으로 하며 증류 기법 등을 통해 실시간 재생 성능을 확보했다.
해석사전 렌더링된 비디오 생성을 넘어 실시간으로 환경과 이벤트를 인터랙티브하게 제어할 수 있는 월드 모델 시대로 진입하고 있다. 이는 미디어 콘텐츠 제작뿐 아니라 물리적 환경 인식이 필요한 로보틱스 및 에이전트의 합성 학습 환경 구축으로 확장될 잠재력이 크다.
Google Gemini Blog원문 원문 보기(새 창)
구글이 실시간 시각적 상호작용을 지원하는 'Gemini 3.8 Live with Live Avatar'를 Gemini Enterprise 고객을 대상으로 공개했다. 이 기능은 실시간 영상 생성과 음성을 결합하여 자연스러운 표정과 입모양을 구현하며, 97개 언어를 지원한다. 또한 백그라운드에서 도구 호출을 수행하는 비동기 처리를 통해 끊김 없는 대화 흐름을 보장한다.
해석음성과 결합된 실시간 비디오 페르소나가 상용 서비스에 본격 도입되기 시작했다. 비동기 도구 호출과 워터마크 기술 결합은 인터랙티브 아바타가 엔터프라이즈 환경에서 실질적으로 운영될 토대를 마련한다.
SiliconANGLE AI원문 원문 보기(새 창)
구글이 벤치마크 성능을 입증한 텍스트 음성 변환(TTS) 모델인 'Gemini 3.8 Flash TTS'와 'Gemini 3.8 Flash-Lite TTS'를 발표했다. 두 모델은 각각 고품질 오디오와 비용 효율성 및 빠른 추론 속도에 최적화되어 클라우드 플랫폼을 통해 제공된다. 또한 SynthID 오디오 워터마크 기술과 C2PA 기록을 적용하여 생성된 음성의 진위 여부를 확인할 수 있는 안전 장치를 갖췄다.
해석짧은 오디오 샘플이나 프롬프트만으로 다국어 음성을 정교하게 합성할 수 있는 기술이 보편화되고 있다. 생성 음성의 오남용을 방지하기 위한 워터마크 및 출처 추적 기술이 TTS 모델 배포의 필수 요건으로 자리 잡고 있다.
The Decoder원문 원문 보기(새 창)
알리바바의 Qwen AI 팀이 70억 개의 파라미터를 갖춘 오픈 웨이트 이미지 생성 모델 'Qwen-Image-2.1'을 발표했다. 이 모델은 적은 파라미터로도 대형 폐쇄형 모델들을 능가하는 성능을 보인다고 주장하며 소비자용 GPU인 RTX 3090에서 구동 가능하다. 투명 이미지(RGBA) 생성 및 편집, 최대 10개의 참조 이미지를 활용한 합성이 가능하며 허깅페이스와 깃허브 등에서 공개되었다.
해석소형 오픈 웨이트 모델이 거대 폐쇄형 모델 수준의 이미지 생성 및 다중 참조 편집 성능을 구현할 수 있음을 보여준다. 고가의 대형 인프라 없이도 소비자 하드웨어에서 정교한 이미지 작업이 가능해져 생태계 저변이 넓어질 것이다.