지난 2주 동안 저는 GeminiOmni 비디오 도구에 집중해 왔으며, 놀라웠던 점을 정리해보려 합니다. 처음에는 Sora 2가 여전히 넘어야 할 모델이라고 생각했습니다. /tools/text-to-video를 배포할 즈음에는 조용히 기본 모델을 Google의 Veo 3.1 Fast로 교체해 놓았습니다. 품질 때문이 아니라, 회계(accounting) 때문이었습니다.
이 글은 벤치마크 보고서가 아닌, 구축 과정에서의 메모입니다. 어떻게 결정을 내렸는지, 수학적 계산은 어땠는지, 그리고 같은 길을 가고자 한다면 어떤 트레이드오프가 있는지 설명하겠습니다.
90초 요약
훑어보기만 하실 분들을 위해:
- Veo 3.1 Fast는 생성된 비디오 1초당 $0.15이며, 초 단위로 청구되고 가격은 Google의 가격 페이지에 공개되어 있습니다.
- Sora 2는 오직 ChatGPT Pro(월 $200) 또는 월 $20 ChatGPT Plus 애드온(월별 생성 제한 있음)을 통해서만 이용 가능합니다. 재무 모델에 넣을 수 있는 정직한 초당 가격은 존재하지 않습니다.
- 인디 비즈니스의 경우, 두 번째 사실이 첫 번째보다 더 중요합니다. "이번 달에 몇 개의 클립을 생성했는지에 따라 나누어진 월 $200"이라는 투입 비용으로는 사용자를 위한 비디오당 가격을 책정할 수 없습니다.
- 품질 측면에서 Sora 2는 여전히 사실적인 얼굴과 복잡한 카메라 움직임에서 앞서 있습니다. Veo 3.1 Fast는 동기화된 네이티브 오디오에서 승리하며, 인디 비디오 작업(제품 데모, 소셜 미디어 후크, 라이프스타일 B-roll)에 필요한 다른 모든 측면에서 충분히 좋습니다.
실제 비교 실행 방법
GeminiOmni 사용자들이 입력할 법한 30가지 프롬프트 리스트를 준비했습니다. 약 1/3은 제품 데모 스타일("손이 에스프레소를 투명한 유리 머그잔에 따르다, 슬로우 모션, 주방 조명")이었고, 1/3은 소셜 미디어 후크 스타일("누군가 인스타그램 게시물을 두 번 탭하는 휴대폰 화면으로 3초 줌인"), 나머지 1/3은 라이프스타일 B-roll("베를린 발코니로 들어오는 아침 햇살, 바람에 흔들리는 담쟁이덩굴")이었습니다.
각 프롬프트를 다음 도구로 생성했습니다:
- Veo 3.1 Fast – Gemini Developer API 사용, $0.15/초
- Veo 3.1 Standard – 동일 API 사용, $0.40/초
- Sora 2 – 내 ChatGPT Pro 계정 사용, 생성 시간만 측정, 공정한 클립당 비용 없음
각각을 1~5점 척도로 네 가지 측면(피사체 충실도, 동작 타당성, 오디오 품질(해당 시), 프롬프트 준수도)에서 개인적으로 평가했습니다.
n=30에서는 노이즈가 많고 누군가 이를 벤치마크로 사용하는 것을 원하지 않기에 프롬프트별 점수는 공개하지 않습니다. 대신 패턴을 공유하겠습니다:
- Veo 3.1 Fast는 오디오에서 Sora 2를 완전히 압도했습니다. 매번 그랬습니다. 동기화된 발소리, 물소리, 주변 실내 분위기 — Veo의 네이티브 오디오는 킬러 기능이며, Sora는 전혀 제공하지 않습니다.
- Sora 2는 얼굴과 입술 움직임에서 Veo 3.1 Fast를 이겼습니다. 특히 클로즈업 샷에서 그 차이가 컸습니다. 사용 사례가 카메라를 향해 말하는 사람을 포함한다면, 그 격차는 실질적입니다.
- Veo 3.1 Standard는 2.7배의 비용으로 얼굴/입술 격차의 약 절반을 좁혔습니다. Pro 요금제에서 기본값이 아닌 토글로 남겨두었습니다.
API 루프 내부의 비용 상황은 다음과 같았습니다:
- Veo 3.1 Fast의 8초 클립: $1.20
- Veo 3.1 Standard의 8초 클립: $3.20
- Sora 2의 8초 클립: 솔직히 말씀드릴 수 없습니다. 그 달에 30개의 클립을 생성하고 월 $200을 고정 지불했습니다.
초당 가격 책정이 생각보다 더 중요한 이유
투명한 호출당 가격 책정이 인디 비즈니스에 중요한 이유를 두 문단으로 설명하겠습니다.
100개의 비디오 클립 제한이 있는 "Pro" 요금제를 월 $19에 제공하려면, 모든 클립의 단위 경제성을 알아야 합니다. Veo 3.1 Fast가 $0.15/초이고 평균 출력이 6초라면, 클립당 비용은 약 $0.90입니다. 제한을 꽉 채워 사용하는 헤비 Pro 사용자는 $90의 비용이 들고, 나머지 모든 것을 충당할 $71의 마진을 남겨줍니다. 이는 감당 가능한 수준입니다. 숫자는 지루할 정도로 명확하며, 가격 페이지에 그대로 나와 있습니다.
같은 사업을 Sora로 운영하려 한다면, 투입 비용은 이번 달 OpenAI의 숨겨진 할당량 초과 여부에 따라 달라지는 계단 함수(step function)가 될 것입니다. 한 번의 할당량 변경으로 단위 경제성이 완전히 역전될 수 있습니다. 그런 리스크는 감당할 수 없습니다. 어떤 인디 개발자도 감당할 수 없습니다.
이는 Sora의 품질을 깎아내리려는 것이 아닙니다. 비즈니스 모델에 대한 지적입니다. OpenAI는 정액제 ChatGPT 구독을 통해 소비자에게 Sora를 판매합니다. Google은 계량된 API를 통해 개발자에게 Veo를 판매합니다. 전자의 모델은 ChatGPT 사용자에게는 훌륭하지만 다운스트림 개발자에게는 사용할 수 없습니다. 후자는 그 반대입니다.
오디오는 진짜입니다
Veo 3.1의 동기화된 오디오에 대해 한 섹션을 할애하고 싶습니다. 제가 그 중요성을 과소평가했기 때문입니다.
Veo 3.1에서 "사람이 나무 바닥을 가로질러 걷다, 아침 햇살, 측면 뷰"를 생성하면, 하나의 모델 패스로 영상과 발소리를 동시에 얻을 수 있습니다. 위상이 맞춰져 있고, 스테레오이며, 보이는 공간에 맞는 정확한 룸 리버브까지 적용됩니다. 저는 이것이 "AI 음향 효과"라는 장난감에 불과하고, 절반은 명백히 틀릴 것이라고 예상했습니다.
하지만 명백히 틀리지 않았습니다. 너무 정확해서 생성된 것임을 계속 잊어버릴 정도입니다. 발소리는 보이는 발바닥 충격과 동일한 프레임에 맞춰집니다. 룸 리버브는 보이는 방 크기에 비례합니다. 주변 소리는 장면과 일치합니다(카페 영상에는 카페 소음, 야외 영상에는 바람 소리).
소셜 미디어 인디 비디오의 경우, 이는 후반 작업 오디오 단계를 완전히 제거합니다. 스톡 오디오 라이브러리를 찾을 필요도, B-roll을 위한 사운드 디자이너에게 비용을 지불할 필요도, 별도의 동기화 패스를 실행할 필요도 없습니다. 모델이 해냈고, 배포하기에 충분한 품질입니다.
동기화된 오디오가 없는 모든 "AI 비디오" 도구는 이제 동일한 가격에 그 기능을 제공하는 도구와 경쟁해야 합니다. 그 기능이 없는 도구들은 곤란해질 것입니다.
그 위에 구축한 것
/tools/text-to-video의 기본 경로는 이제 Veo 3.1 Fast입니다. Pro 요금제에는 사용자가 클로즈업 얼굴의 추가 충실도가 필요할 경우 Veo 3.1 Standard로 전환할 수 있는 토글이 있습니다. Free 티어 생성에는 작은 서버 측 제한(월 5회, 720p, 워터마크 포함)을 추가했습니다. $0.15/초의 경제성이 성립하려면 Free 사용자가 합리적인 비율로 유료 전환해야 하기 때문입니다.
비슷한 것을 구축 중이라면 참고할 몇 가지 의견이 반영된 구현 선택 사항입니다:
- Pro 계정의 경우 사용자 프롬프트와 업스케일된 모델명이 찍힌 응답을 30일간 서버에 보관하고, Free 계정은 즉시 폐기합니다. 프롬프트를 저장하는 것은 프라이버시 문제가 있고 절약 효과도 크지 않습니다.
- 생성된 모든 클립 아래에 모델명을 렌더링합니다. 말 그대로 작은 "Veo 3.1 Fast" 배지입니다. 사람들은 자신이 무엇에 비용을 지불했는지 알 권리가 있습니다.
- 크레딧을 자동 갱신하지 않습니다. 400크레딧 팩을 구매했는데 12개월 내에 사용하지 않으면 만료됩니다. $29 판매를 놓치는 한이 있더라도, 조용히 지갑을 비우는 회사가 되고 싶지 않습니다.
I/O에서 주목할 점
다음 주에 열리는 Google I/O 2026에서 주목할 두 가지 사항입니다. 이 두 가지 모두 제 기본값을 바꿀 수 있습니다:
Gemini Omni. Gemini 앱 UI를 통해 새로운 비디오 모델이 유출되었습니다. "Gemini Omni로 생성하기: 새로운 비디오 모델 만나기, 비디오 리믹스, 채팅에서 직접 편집"과 같은 문자열이 5월 5일에 표면화되었습니다. Google이 Veo와 동일한 API 경제성을 가진 Omni급 비디오 모델을 출시한다면, 인디 개발자들의 기본값은 다시 바뀔 것입니다. 출시되는 날 바로 글을 작성하겠습니다.
Sora 2 API. OpenAI는 계량된 Sora API를 암시한 바 있습니다. 투명한 초당 가격이 $0.30 미만으로 출시된다면, 얼굴 품질 격차로 인해 승리할 가능성이 높습니다. 엔터프라이즈 영업이나 할당량 미스터리 뒤에 숨겨져 출시된다면, 인디 개발자들은 무시해야 합니다. 저는 가격 페이지를 봐야 계량된 API를 믿을 것입니다.
함께 읽으면 좋은 글
- Veo 3.1의 이미지 투 비디오 — 캐릭터 일관성을 위한 참조 프레임
- 텍스트 투 비디오 AI — 현재 기본값 및 Pro 토글
- GeminiOmni 가격 책정 — $19 / $79를 선택한 방법
— Lena
