클링 4.0, fal에서 API 전면 개방...30초 원테이크와 키프레임 10장

클링 4.0이 fal에서 모든 고객에게 API로 열렸다. 한 번에 30초를 이어 찍고 키프레임 10장으로 장면을 잡는 구성이지만, 실제 응답 시간과 4K 지원 여부는 아직 기대만큼 오지 않았다.

fal에서 열린 클링 4.0 API

중국 콰이쇼우의 영상 생성 모델 클링 4.0이 10월 23일 fal에서 모든 고객에게 API로 개방됐다. 그전까지는 fal의 자체 인터페이스와 에이전트에서만 쓸 수 있었다. 더 빠른 버전인 클링 4.0 플래시는 9월 28일부터 소수 이용자에게 먼저 풀렸다.

일정은 조금 엇갈린다. 콰이쇼우 발표 자료는 클링 4.0 정식 출시를 10월 15일로 적고, API 순차 개방 시작을 10월 21일로 본다. fal의 개방 공지는 10월 23일이다. 모델이 먼저 나오고, 접근 경로가 며칠에 걸쳐 열린 셈이다.

30초 원테이크가 바꾸는 작업 흐름

클링 4.0의 가장 큰 변화는 길이다. 한 번의 요청으로 3초에서 30초까지 한 장면을 만든다. 기존 모델은 5초나 10초 단위로 잘라 만든 뒤 이어 붙여야 했다. 이어 붙인 자리에서는 인물 얼굴과 조명, 배경이 조금씩 어긋난다.

광고 콘티나 숏폼 드라마를 만드는 팀에게 이 차이는 편집 시간으로 나타난다. 30초를 한 번에 뽑으면 컷을 맞추는 작업이 줄고, 대신 프롬프트와 첫 프레임에 공을 들이게 된다. 반대로 한 번 잘못 뽑으면 30초를 통째로 버려야 한다. 짧게 여러 번 뽑아 고르는 방식과는 다른 감각이다.

키프레임 10장과 옴니 레퍼런스

장면을 잡는 도구도 늘었다. 첫 프레임과 마지막 프레임을 지정하거나, 중간에 키프레임을 최대 10장까지 넣어 카메라와 인물 동작을 유도할 수 있다. 옴니 레퍼런스는 이미지 10장과 영상 5개를 함께 참조한다. 영상 참조는 합계 30초까지, 요소 참조는 7개까지 붙는다.

실무에서 쓸모가 갈리는 지점은 여기다. 제품 사진과 배우 영상을 넣고 같은 인물이 계속 나오는 장면을 만들거나, 특정 카메라 무빙을 다른 영상에서 가져오는 작업이 가능해진다. 다만 참조를 많이 넣을수록 결과를 예측하기 어려워지고, 다시 뽑는 횟수도 늘어난다.

클링 4.0 스펙표에 적힌 숫자

공개된 사양은 아래와 같다. 콰이쇼우 발표 자료와 fal 문서를 기준으로 정리했다.

화면 자막은 한국어를 포함한 여러 언어를 지원한다고 회사는 밝혔다. 영상 편집 기능은 입력 클립 5개를 합쳐 30초까지 다루고, 2분까지 늘리는 기능은 예고 상태다. 숫자만 보면 4K와 HDR까지 갖춘 완성형처럼 읽힌다. 실제 제공 범위는 다음 항목에서 갈린다.

초당 0.157달러, 30초짜리 한 편의 값

fal의 가격표를 정리한 서드파티 API 디렉터리에 따르면 720p 출력은 초당 0.157달러, 1080p는 초당 0.235달러다. 30초 1080p 한 편이면 7달러 안팎이다. 이 숫자는 콰이쇼우의 공식 가격이 아니라 유통 채널의 카탈로그 값이다.

영상 편집은 입력과 출력 시간을 합쳐 계산한다. 참조 영상을 길게 넣으면 같은 결과물이라도 값이 올라간다. 여러 번 뽑아 고르는 팀이라면 한 편당 실제 비용은 표시 단가보다 커진다. 예산을 잡을 때는 성공한 결과물이 아니라 시도한 횟수를 기준으로 삼아야 한다.

339초를 기다리는 동안

샌드베이스가 공개한 1회 테스트가 눈에 띈다. 5초짜리 1080p 텍스트 투 비디오를 처음 요청했을 때 결과가 나오기까지 339초가 걸렸다. 같은 프롬프트로 베오 3.1에서 4초 영상을 오디오를 끄고 뽑았을 때는 51초였다. 한 번의 실행 기록이지 성능 비교 시험은 아니다.

대기 시간은 작업 방식에 직접 영향을 준다. 30초짜리 장면을 뽑는 데 같은 비율이 적용되면 한 편에 30분 가까이 붙잡혀야 한다. 그런 대기를 매일 감수할 수 있나? 프롬프트를 고쳐가며 다듬는 작업에는 불리하다. 반면 밤새 여러 안을 걸어두고 아침에 고르는 방식에는 크게 문제가 되지 않는다.

4K와 HDR은 아직 화면 밖에 있다

샌드베이스는 서드파티 엔드포인트에서 실제로 쓸 수 있는 범위가 사양표보다 좁다고 적었다. 첫 프레임과 마지막 프레임, 이미지 10장과 영상 5개 참조, 720p와 1080p까지는 동작한다. 4K, 10비트 HDR, 옴니 레퍼런스 전체, 2분 연장은 아직 열리지 않았다.

이 간격은 새 모델이 나올 때마다 반복되는 문제다. 모델 카드에 적힌 기능과 유통 채널에 배포된 기능은 다르게 움직인다. 지금 클링 4.0을 쓰려는 팀이라면 1080p와 키프레임 중심으로 계획을 세우고, 4K는 별도 일정으로 미뤄 두는 편이 안전하다.

지금 쓸 만한 장면과 미뤄야 할 장면

바로 써볼 만한 것은 짧은 광고 컷, 인물이 계속 등장하는 제품 소개, 30초 한도 안의 숏폼 영상이다. 키프레임으로 시작과 끝을 잡아두면 재작업이 줄어든다. 음성이 필요한 장면도 스테레오 출력이 되므로 한 번에 뽑을 수 있다.

미뤄야 할 것은 4K 납품과 HDR 마스터가 필요한 작업이다. 방송이나 극장용 규격을 맞춰야 한다면 아직 시기상조다. 옴니 레퍼런스를 전부 활용하는 복잡한 구성도 결과를 예측하기 어려워, 파일럿 성격의 테스트에 어울린다.

베오 3.1과 비교할 지점

클링 4.0은 베오 3.1, 시댄스 2.5, 런웨이와 같은 자리에 놓인다. 회사는 창작자 6,000만 명과 기업 고객 3만 곳을 확보했다고 밝혔다. 규모는 크지만, 모델 선택은 기능 목록보다 촬영 단위와 대기 시간으로 갈린다.

30초를 한 번에 뽑는 방식이 유리한 팀과, 5초 단위로 여러 안을 빠르게 비교하는 팀은 요구가 다르다. 클링 4.0은 앞쪽에 가깝다. 속도가 관건인 작업이라면 지금의 339초 기록이 개선되는지부터 지켜보는 편이 낫다.