Google Veo는 생성형 인공지능 텍스트-비디오 모델로, Google DeepMind가 개발했다. 2024년 5월에 발표되었으며, 자연어 프롬프트에서 최대 1080p 해상도의 고품질 비디오 클립을 생성한다. Veo는 AI 기반 미디어 제작 분야에서 중요한 발전을 나타내며, 다른 주요 기술 기업 및 연구 기관의 유사한 모델과 경쟁한다.
이 모델은 Imagen Video 및 Phenaki와 같은 초기 시스템을 포함하여 Google DeepMind의 이전 비디오 생성 작업을 기반으로 한다. Veo는 시각적 스타일, 카메라 움직임, 장면 구성을 지정하는 복잡한 프롬프트를 이해하도록 설계되어 사용자 의도에 밀접하게 부합하는 비디오를 생성한다. 또한 Google Cloud 및 VideoFX와 같은 실험적 도구를 포함한 다른 Google AI 제품 및 서비스와 통합된다.
기술 아키텍처
Veo는 딥러닝 아키텍처를 활용하며, 트랜스포머 기반 언어 이해와 고급 비디오 생성 기술을 결합한다. 이 시스템은 U-Net 스타일의 확산 백본을 사용하여 노이즈가 있는 비디오 프레임을 반복적으로 정제하여 일관된 고해상도 출력을 생성한다. 이 접근 방식은 이미지 생성 모델에서 사용되는 방식과 유사하지만 시간적 차원으로 확장되어 모델이 프레임 간 일관성을 유지할 수 있게 한다.
이 모델은 대규모 언어 모델 구성 요소를 통해 텍스트 프롬프트를 처리하여 의미적 의미와 스타일적 단서를 인코딩한다. 이 인코딩된 표현은 비디오 생성 과정을 안내하여 모델이 추상적인 설명을 구체적인 시각적 시퀀스로 변환할 수 있게 한다. Veo는 또한 각 생성 단계에서 텍스트 특징과 시각적 특징을 정렬하기 위해 교차 주의 메커니즘을 통합한다.
Veo의 훈련 데이터에는 공개적으로 이용 가능한 콘텐츠에서 수집된 대규모 비디오-텍스트 쌍 코퍼스가 포함된다. Google DeepMind는 데이터 증강 및 커리큘럼 학습과 같은 기술을 사용하여 모델의 견고성과 일반화를 개선했다. 훈련 과정은 또한 그래디언트 클리핑 및 배치 정규화를 활용하여 최적화를 안정화했다.
기능 및 특징
Veo는 16:9, 9:16, 1:1을 포함한 다양한 화면 비율의 비디오 생성을 지원하여 YouTube, TikTok, Instagram과 같은 다양한 플랫폼에 적합하다. 이 모델은 최대 60초 길이의 클립을 생성할 수 있지만, 초기 버전은 일반적으로 더 짧은 세그먼트를 생성했다. 사실적인 푸티지부터 애니메이션 및 스타일화된 콘텐츠까지 다양한 스타일을 처리한다.
주요 기능에는 자연어 지시를 통한 팬, 줌, 틸트와 같은 카메라 움직임 제어 기능이 포함된다. Veo는 또한 텍스트 기반 명령을 통한 생성 비디오 편집을 지원하여 사용자가 전체 클립을 재생성하지 않고도 특정 요소를 수정할 수 있다. 이 모델은 대화 및 음향 효과를 포함한 동기화된 오디오가 있는 비디오를 생성할 수 있지만, 이 기능은 초기에 특정 버전으로 제한되었다.
Veo의 해상도 기능은 1080p까지 확장되며, 이는 종종 더 낮은 품질의 출력을 생성했던 초기 텍스트-비디오 모델에 비해 눈에 띄는 개선이었다. 이 모델은 또한 top-p 샘플링 및 온도 스케일링을 사용하여 생성된 콘텐츠의 다양성과 창의성을 제어한다.
개발 및 출시 타임라인
Google DeepMind는 2024년 5월 연례 I/O 개발자 컨퍼런스에서 Veo를 발표했다. 이 발표는 Veo를 그해 초 공개된 OpenAI의 Sora 모델의 직접적인 경쟁자로 자리매김했다. Veo는 처음에 비공개 미리보기 프로그램을 통해 선별된 크리에이터와 파트너에게 제공되었으며, Google의 AI 테스트 키친 및 Google Cloud Vertex AI 플랫폼을 통한 더 넓은 접근이 계획되었다.
2024년 말, Google은 비디오 품질을 개선하고 더 긴 클립을 지원하며 오디오 생성을 강화한 업데이트 버전인 Veo 2를 출시했다. Veo 2는 YouTube Shorts에 통합되어 크리에이터가 콘텐츠용 배경 비디오를 생성할 수 있게 했다. 이 모델은 또한 Google Cloud를 통해 엔터프라이즈 고객에게 제공되어 기업이 AI 생성 비디오를 워크플로에 통합할 수 있게 했다.
2025년 초까지 Veo 2는 VideoFX 실험 도구를 통해 100개 이상의 국가의 사용자에게 제공되었다. Google은 더 정확한 프롬프트 준수 및 여러 객체와 캐릭터가 있는 복잡한 장면 처리 개선과 같은 기능을 추가하면서 모델을 계속 반복했다.
경쟁사와의 비교
Veo는 빠르게 진화하는 생성형 AI 환경에서 여러 다른 텍스트-비디오 모델과 경쟁한다. 2024년 2월에 발표된 OpenAI의 Sora는 높은 시각적 품질로 최대 60초 길이의 비디오를 생성하지만 초기에는 오디오 지원이 없었다. Veo는 Google 생태계와의 통합 및 초기 오디오 생성 지원을 통해 차별화되었다.
다른 경쟁사로는 Meta의 Make-A-Video와 Runway의 Gen-3가 있으며, 둘 다 텍스트-비디오 생성을 제공하지만 기능은 다양하다. Veo의 1080p 해상도와 고급 카메라 제어 기능은 많은 경쟁사와 차별화되지만, 일부 평가에서는 Sora가 복잡한 물리 및 객체 상호작용 처리에서 우수한 것으로 알려져 있다.
Google DeepMind의 접근 방식은 안전과 책임 있는 배포를 강조한다. 회사는 모델을 인간의 선호도에 맞추고 유해한 출력을 줄이기 위해 RLHF 기반 미세 조정을 구현했다. Veo는 또한 AI 생성 콘텐츠를 식별하기 위한 워터마킹 기술을 포함하여 잘못된 정보와 딥페이크에 대한 우려를 해결한다.
응용 분야 및 사용 사례
Veo는 엔터테인먼트, 광고, 교육, 소셜 미디어를 포함한 여러 산업에 응용된다. 영화 제작자와 콘텐츠 크리에이터는 Veo를 사용하여 장면 프로토타입, 스토리보드 생성, 시각 효과 제작을 수행한다. 마케팅 팀은 광범위한 제작 리소스 없이 프로모션 비디오를 신속하게 제작하기 위해 이 모델을 활용한다.
교육에서 Veo는 복잡한 개념을 설명하는 맞춤형 교육 비디오 제작을 가능하게 한다. 이 모델은 과학 주제, 역사적 사건, 기술 프로세스에 대한 시각화를 생성하여 학습 자료를 더 매력적으로 만들 수 있다. 기업은 Google Cloud를 통해 Veo를 사용하여 교육, 고객 지원 및 내부 커뮤니케이션용 비디오 제작을 자동화한다.
Veo의 YouTube Shorts 통합은 일반 크리에이터의 광범위한 접근을 가능하게 했다. 사용자는 텍스트 프롬프트를 입력하여 쇼츠용 배경 비디오를 생성할 수 있어 비디오 콘텐츠 제작의 진입 장벽을 낮췄다. 이 통합은 상당한 채택을 이끌었으며, 출시 후 몇 달 만에 수백만 개의 비디오가 생성되었다.
안전 및 윤리적 고려 사항
Google DeepMind는 Veo 개발에서 안전을 강조했다. 이 모델은 폭력적, 성적 또는 부적절한 콘텐츠 생성을 포함한 잠재적 피해를 식별하고 완화하기 위해 광범위한 테스트를 거쳤다. 회사는 편향되거나 유해한 출력 생성 가능성을 줄이기 위해 모델 가지치기 및 기타 기술을 사용했다.
Veo는 생성된 비디오에 보이는 워터마크를 포함하며, 이는 시청자에게는 인지되지 않지만 자동화된 시스템으로 감지할 수 있도록 설계되었다. 이 워터마킹은 AI 생성 콘텐츠의 출처에 대한 투명성을 유지하는 데 도움이 된다. Google은 또한 동의 없이 실제 인물이 등장하는 콘텐츠 생성에 Veo 사용을 제한하며, 모델은 그러한 콘텐츠를 요청하는 프롬프트를 거부하도록 프로그래밍되어 있다.
이러한 조치에도 불구하고 텍스트-비디오 모델이 허위 정보나 사기성 콘텐츠 생성에 악용될 가능성에 대한 우려가 남아 있다. 연구자와 정책 입안자들은 이러한 위험을 해결하기 위해 더 강력한 규제와 산업 표준을 요구하고 있다. Google은 Veo의 안전 기능에 대한 지속적인 모니터링과 개선을 약속했다.
향후 개발
Google DeepMind는 비디오 품질 개선, 생성 길이 확장, 다중 모달 이해 강화에 초점을 맞춘 연구를 통해 Veo의 기능을 계속 발전시키고 있다. 향후 버전은 4K와 같은 더 높은 해상도와 내러티브 구조 및 캐릭터 일관성에 대한 더 정교한 제어를 지원할 수 있다.
Veo와 대규모 언어 모델 및 신경망 아키텍처를 포함한 다른 Google AI 기술과의 통합은 더 원활하고 직관적인 비디오 제작을 가능하게 할 것으로 기대된다. 생성형 AI 분야가 진화함에 따라 Veo는 비디오 콘텐츠가 제작되고 소비되는 방식을 형성하는 데 중심적인 역할을 할 가능성이 높다.