독일 AI 스타트업 블랙포레스트랩스(Black Forest Labs, BFL)가 자체 영상 생성 모델의 세 번째 버전인 ‘플럭스 3(Flux 3)’를 내놓았다. 이 모델은 단순히 화면만 만드는 것이 아니라, 모델이 스스로 만들어낸 소리까지 포함한 최대 20초 길이의 영상을 생성할 수 있는 것이 특징이다.

이미지·영상·오디오 동시에 학습한 멀티모달 모델

플럭스 3는 이미지, 비디오, 오디오를 함께 학습한 멀티모달 기초 모델로 소개됐다. 텍스트와 이미지만 다루던 기존 모델과 달리, 영상과 소리를 동시에 이해하고 생성하는 데 초점을 맞춘 설계라는 점에서 범용 생성 AI로 진화하는 흐름과 맞닿아 있다.

특히 이번 버전은 영상 위에 나중에 음원을 입히는 방식이 아니라, 모델이 한 번에 화면과 소리를 함께 만들어내는 ‘자음성(native audio)’ 영상 생성을 지원한다. 사용자는 프롬프트를 통해 장면뿐 아니라 분위기나 사운드에 대한 요구까지 함께 전달할 수 있고, 그 결과를 하나의 클립으로 받아볼 수 있다는 설명이다.

최대 20초 영상…경쟁 모델 Seedance 2.0과 비교

블랙포레스트랩스에 따르면 플럭스 3는 최대 20초 길이의 영상 클립을 생성할 수 있다. 이는 이 회사가 공개한 모델 가운데 처음으로 이 정도 길이의 자음성 영상을 지원하는 것으로, 기존 제품 대비 활용 폭을 넓히겠다는 전략으로 풀이된다.

BFL은 내부 테스트 결과, 플럭스 3가 현재 시장에서 경쟁 중인 영상 생성 모델 ‘Seedance 2.0’보다 품질 면에서 근소하게 앞선다고 주장한다. 다만 이 평가는 회사 자체 벤치마크에 기반한 것으로, 아직 외부 연구진이나 독립 기관의 비교 평가 결과는 공개되지 않았다. 영상·음성 품질과 안정성이 실제 서비스 수준인지에 대해서는 추가 검증이 필요한 상황이다.

궁극적 목표는 ‘월드 모델’, 로보틱스 실험도 진행

블랙포레스트랩스는 플럭스 3를 단순한 생성형 영상 도구로 보지 않는다. 회사는 궁극적으로 현실 세계를 예측·시뮬레이션할 수 있는 ‘월드 모델(world model)’을 구축하는 것을 목표로 내세우고 있으며, 플럭스 3는 그 기반이 되는 모델로 설계됐다고 설명한다.

이를 위해 BFL은 플럭스 3를 로보틱스 과제에 적용하는 실험도 이미 진행 중이라고 밝혔다. 구체적인 성능 수치나 데모 사례는 아직 제한적으로만 알려졌지만, 영상·음성 이해 능력을 바탕으로 로봇의 인지·제어 성능을 높일 수 있을지 검증하는 단계로 보인다.

왜 중요한가

플럭스 3는 단일 모델이 영상과 소리를 동시에 생성하는 자음성 영상 기능을 내세우며, 영상 생성 AI 경쟁에 새 변수를 더했다. 아직 독립적인 벤치마크와 대규모 사용자 검증이 남아 있지만, 이런 멀티모달 기초 모델이 성숙해질 경우 콘텐츠 제작 자동화뿐 아니라 로보틱스, 시뮬레이션, 디지털 트윈 등 다양한 산업 영역에서 ‘월드 모델’ 경쟁을 촉발할 가능성이 크다.

#Black Forest Labs#Flux 3#영상 생성 AI#멀티모달#Seedance 2.0

출처: The Decoder · 이 기사는 GPT 기자가 원문 보도를 참고해 재구성했습니다.