AP HOLDINGS
KO
메뉴
← AP News 목록
NO. 31 · 인사이트

구글이 「소리 나는 세계」를 만들었다 — Genie 4가 보여 준 월드 모델의 현재, 공식 글에 숫자가 없을 때 읽는 법, 영상 만드는 작은 팀이 지금 할 일

월드 모델 · Genie 4 · 구글 딥마인드 · 영상 제작 · AI 인플루언서 · 2026.10.28 · AP Holdings 편집 · 18 분 읽기

10월 27일 구글 딥마인드가 월드 모델 Genie 4를 공개했습니다. 글로 만든 세계 안을 실시간으로 걸어 다니며 날씨·카메라·인물을 말로 바꾸고, 처음으로 음악·환경음·대화까지 함께 생성합니다. 다만 공식 글에는 해상도·길이·지연 같은 숫자가 하나도 없고, 쓸 수 있는 사람은 아직 「신뢰 테스터」뿐입니다. 전작 Genie 3의 공개 수치, 경쟁사 Runway의 모델, AMD의 World Labs 인수까지 함께 놓고 월드 모델이 어디까지 왔는지 정리했습니다. 그리고 AI 인플루언서 영상을 만드는 우리 같은 팀이 이 소식에서 바로 할 일과 하지 말아야 할 일을 적었습니다.

이 글은 AI(Claude)와 함께 작성했고 편집자가 검수했습니다. Claude를 만든 앤트로픽은 이 글의 주인공인 구글과 경쟁하는 회사이고, 우리 회사는 Claude와 구글의 AI 도구를 업무에 쓰는 유료 고객입니다. 회사가 발표한 성능·기능은 「회사가 발표한 것」으로 표시했고, 공식 글에 없는 수치는 어느 매체의 보도인지 함께 적었습니다. 이 글은 특정 회사의 주식을 사거나 팔라는 권유가 아닙니다.

「월드 모델」이라는 말은 2018년 데이비드 하와 위르겐 슈미트후버의 논문 제목에서 널리 퍼졌습니다. 에이전트가 자기 주변 환경이 시간과 공간에 따라 어떻게 바뀌는지를 압축해 배우고, 그 「꿈」 안에서 먼저 연습한 뒤 실제 환경으로 옮긴다는 생각이었습니다. 8년이 지난 10월 27일, 구글 딥마인드는 그 생각을 「글 한 줄로 만든 세계 안을 실시간으로 걸어 다니고, 말로 세계를 고치고, 소리까지 함께 나는」 수준으로 끌어올렸다고 발표했습니다. 발표문은 화려하지만 숫자가 없습니다. 이 글은 그 빈자리를 전작과 경쟁사의 공개 수치로 채워서 읽습니다.

1. Genie 4 — 회사가 발표한 것 (사실)

구글 딥마인드는 10월 27일 블로그에 Genie 4를 공개했습니다(저자 라이아 해드셀·디에고 리바스·항 치). 회사가 밝힌 특징은 다음과 같습니다.

  • 소리를 함께 만든다. 회사는 Genie 4가 「실시간 월드 모델 가운데 처음으로 소리를 자체 생성한다」고 적었습니다. 세계마다 환경음과 음악이 붙고, 등장인물은 입력과 사건에 맞춰 대화합니다.
  • 달리는 중에 말로 고친다. 시뮬레이션이 돌아가는 동안 「비 오게 해」, 「카메라를 뒤로」, 「사람 한 명 추가」처럼 자연어로 장면을 바꿀 수 있고, Gemini가 그 지시를 주변 장면에 맞게 조정하면서 세계를 계속 진행시킵니다.
  • 물리와 사람 움직임. 공기 저항·충돌 같은 물리 현상을 흉내 내고, 인물이 환경에 반응하며 자연스럽게 움직인다고 했습니다.
  • Gemini가 「감독」을 맡는다. Gemini 3.8 Flash가 장면을 관찰하고 목표를 단계로 쪼개 각 단계가 됐는지 들어오는 화면으로 확인하며, 세계가 바뀌거나 사용자가 끼어들면 계획을 고칩니다. 로봇 실험에서는 Gemini 4 Argon이 과제를 단계로 나눠 Genie에 자막처럼 보내고, Apptronik의 휴머노이드 Apollo가 체커 게임을 하는 장면이 예시로 나옵니다.
  • 쓸 수 있는 사람. 지금은 「신뢰 테스터」 대상 연구 미리보기입니다. Google AI Ultra 구독자용 Project Genie와 Gemini API·AI Studio의 조기 접근 파트너에게 순차 제공한다고 했고, 일반 공개 날짜는 없습니다. Project Genie 대기 목록은 열려 있습니다.
  • 한계를 스스로 적었다. 「세션이 길어지거나 여러 번 고치거나 장면을 돌아다니면 시각적 세부와 사물의 지속성이 흐트러질 수 있다」고 했고, 복잡한 물리 상호작용·실시간 소리의 정확성·읽을 수 있는 글자·공간 정확성·장기 일관성은 「연구 중」이라고 적었습니다. 회사 표현은 「초기 실험 모델」입니다. 생성된 영상과 소리에는 전부 SynthID 워터마크가 들어갑니다.

테스터가 써 보는 분야도 적혀 있습니다. 영화 제작자는 「초안 모드」로 카메라·조명·대사·동작을 바꿔 가며 여러 테이크를 돌려 보고, 사진기자는 2차원 자료 사진 한 장을 돌아다닐 수 있는 환경으로 바꿔 보고, 게임 개발자는 말로 시각 스타일과 규칙을 빠르게 시험하고, 기업 파트너는 시나리오를 빨리 만들어 보는 용도라고 했습니다.

공식 글에 없는 것. 해상도, 초당 화면 수, 한 번에 유지되는 길이, 지연 시간, 일관성을 잰 수치 가운데 어느 것도 딥마인드 글과 구글 공식 블로그에 없습니다. TechCrunch는 브리핑을 근거로 「장면을 최대 2분까지 일관되게 유지하며 Genie 3의 두 배」라고 보도했고, 국내 매체 디지털투데이는 TechCrunch를 인용해 같은 수치를 적었습니다. 즉 「2분」은 매체 보도 한 계열의 수치이고 공식 문서에는 없습니다. TechCrunch가 전한 딥마인드 엔지니어 리바스의 말은 수치보다 솔직합니다. 실시간 상호작용이 가장 가치 있는 단계는 「아이디어 구상과 스토리보드」이고, 「처음부터 끝까지의 제품 경험은 아직 분명하지 않다」고 했습니다.

2. 숫자는 전작과 경쟁사에 있다 (사실)

공식 글에 숫자가 없을 때 우리는 같은 회사의 직전 발표와 경쟁사의 공개 수치를 옆에 놓습니다.

  • Genie 3(구글 딥마인드, 2025년 8월 5일). 공식 글에 수치가 있었습니다. 720p 해상도, 초당 24프레임, 실시간 조작, 「몇 분 동안 대체로 일관된 환경」, 그리고 「최대 1분 전까지의 시각 기억」. 제한된 연구 미리보기로 소수의 학자·창작자에게만 열렸습니다. 당시 한계로 에이전트가 취할 수 있는 동작 범위, 여러 독립 에이전트 간 상호작용, 실제 지형의 정확한 재현, 글자 표시, 「몇 시간이 아니라 몇 분」을 들었습니다. Genie 4의 한계 목록이 이것과 거의 같다는 점이 눈에 띕니다. 소리와 「감독」이 새로 붙었고, 한계는 그대로 남았습니다.
  • Runway GWM Worlds 2(2026년 9월 3일). 영상 생성 회사 Runway의 월드 모델도 연구 미리보기입니다. 공식 글의 수치는 720p, 초당 24프레임, 정해진 길이 없이 계속 생성, 소리는 48kHz. 대사는 글로 넣는 「행동」으로 처리합니다. 한계로 「실시간은 속도를 위해 화질을 내준다」, 「카메라를 빨리 돌리면 질감·형태가 무너진다」, 「장기 기억이 불완전하다」, 「참조 이미지는 첫 프레임에만」을 적었습니다. 구글보다 약 두 달 먼저 소리를 붙인 셈인데, 구글이 「처음」이라고 한 것은 「실시간 월드 모델 가운데」라는 자기 기준이므로 두 주장이 반드시 충돌하지는 않습니다. 우리가 두 회사의 기준을 대조할 방법은 없습니다.
  • AMD의 World Labs 인수(2026년 9월 28일, AMD 공시). 반도체 회사 AMD는 페이페이 리가 세운 World Labs를 약 82억 달러의 전액 주식 교환으로 인수한다고 밝혔습니다. 공시는 World Labs를 글·이미지·영상에서 상호작용 가능한 3차원 환경을 생성·재구성·시뮬레이션하는 「공간 지능 모델」 회사로 설명하고, 로봇 학습용 시뮬레이션 기술도 언급합니다. 리는 거래가 끝나면 AMD 수석 부사장 겸 최고 과학자가 되고, 마감은 2026년 말 예정입니다. 공시는 「월드 모델」이라는 말을 쓰지 않습니다.

TechCrunch는 이 밖에 아마존이 Decart를 약 70억 달러에 인수하려 협의 중이라는 월스트리트저널 보도와 리비안의 Third Dimension 인수를 함께 적었지만, 우리는 공식 자료를 찾지 못해 본문에서 다루지 않습니다.

숫자 없는 발표를 읽는 법 (해석)

첫째, 「처음」과 「가장」은 회사가 정한 기준 안에서만 맞는 말입니다. 구글의 「처음으로 소리를 자체 생성」은 「실시간 월드 모델」이라는 조건이 붙고, Runway는 약 두 달 전에 소리 있는 실시간 월드 모델을 미리보기로 냈습니다. 어느 쪽이 틀렸다기보다 두 회사가 다른 선을 그은 것입니다. 발표문의 최상급은 그 선을 찾은 뒤에 읽어야 합니다.

둘째, 수치가 빠진 자리는 전작의 수치가 상한선입니다. Genie 3가 720p·24fps·「몇 분」이었고 Genie 4 글에 수치가 없다면, 해상도나 길이가 눈에 띄게 늘었다고 가정할 근거가 없습니다. 매체가 전한 「2분」도 Genie 3의 「몇 분」과 크게 다르지 않습니다. 이번 발표의 실제 진전은 숫자가 아니라 소리·조향·감독이라는 기능 쪽이라고 읽는 것이 안전합니다.

셋째, 「한계」 단락이 「기능」 단락보다 오래 간다는 것은 어제 글(NO.30)과 같은 결론입니다. Genie 3와 Genie 4의 한계 목록이 거의 같다는 것은 1년 2개월 동안 그 문제들이 풀리지 않았다는 뜻이고, 다음 세대 발표문에서도 같은 항목을 먼저 찾아보면 됩니다. 글자가 안 읽히고, 오래 돌리면 사물이 바뀌고, 소리가 정확하지 않다는 세 가지는 영상을 실제로 납품하는 사람에게는 기능보다 중요한 정보입니다.

넷째, 우리가 덧붙이는 해석입니다. 월드 모델이 지금 향하는 곳은 「완성 영상」이 아니라 「로봇·에이전트의 연습장」과 「사람의 스토리보드」입니다. 구글은 로봇 예시를 앞세웠고, AMD는 로봇 학습 시뮬레이션을 인수 이유에 넣었으며, 리바스는 가장 가치 있는 단계를 「구상과 스토리보드」라고 했습니다. 2018년 논문의 「꿈 안에서 연습한다」는 생각이 그대로입니다. 영상을 만드는 작은 팀이 이 소식을 「영상 생성이 더 좋아졌다」로 읽으면 번지수가 다릅니다.

우리라면 — AI 인플루언서 영상을 만드는 팀이 이번 주에 하는 세 가지 (실전)

  1. 월드 모델과 영상 생성 모델을 다른 칸에 둔다. 우리 리아 영상은 지금 영상 생성 모델(대본 → 장면 → 편집)로 만듭니다. Genie 4는 그 자리를 대신하는 도구가 아니라 장면을 정하기 전에 여러 테이크를 말로 돌려 보는 「초안 모드」입니다. 구글이 테스터 사례로 든 「영화 제작자의 초안 모드」와 리바스의 「스토리보드 단계」가 그 자리입니다. 그러니 우리 제작 순서에서 「장면 구상」 칸에만 후보로 적어 두고, 「최종 렌더」 칸에는 적지 않습니다. 리바스 자신이 「완성 자산으로 바꾸는 것은 아직 먼 일」이라고 했습니다.
  2. 대기 목록은 신청하되, 워크플로는 바꾸지 않는다. Project Genie 대기 목록과 Gemini API 조기 접근은 비용 없이 신청할 수 있습니다. 하지만 지금 쓸 수 있는 사람이 「신뢰 테스터」뿐이고 공식 수치가 없으므로, 들어오기 전에는 어떤 제작 단계도 이 도구에 묶지 않습니다. 들어오면 NO.17의 시험법대로 우리 장면 10개(리아의 매장 소개, 성분표 설명 장면, 농구화 비교 장면 등)를 돌려 보고 글자가 읽히는지, 2분 안에 인물이 바뀌지 않는지, 소리가 장면과 맞는지 세 항목부터 적습니다. 회사가 스스로 적은 한계 세 가지가 곧 우리 검사표입니다.
  3. 워터마크를 우리 고지와 맞춘다. Genie 4의 모든 출력에는 SynthID 워터마크가 들어갑니다. 우리 리아 영상 정책은 이미 「AI 페르소나 명시」를 요구하므로 방향이 같습니다. 다만 워터마크는 플랫폼이 읽는 표시이고 우리 고지는 사람이 읽는 표시이므로, 둘 중 하나로 다른 하나를 대신하지 않습니다. 월드 모델로 만든 장면이 들어가면 자막 고지에 「장면 일부는 AI 시뮬레이션」을 추가하는 규칙을 지금 미리 적어 둡니다. 도구가 오기 전에 규칙을 적는 쪽이 늘 쌉니다.

이번에 고르지 않은 것

앤트로픽의 10월 27일 두 발표(신약 개발 초기 성과, 미국 조달청 GSA 협력 확대)와 Axios의 「FTC가 앤트로픽 임원 증언을 요구」 단독 보도는 이해관계가 큰 데다 교차 확인 전이라 넣지 않았습니다. OpenAI의 10월 26일 글 세 편(학계 협력, CodeRabbit 사례, 「ChatGPT의 업무 세계」)은 본문을 아직 읽지 않았습니다. LiteLLM 1.107.0 공급망 공격(10월 21일, 회사 사고 보고 확인)과 OpenAI가 공개한 Brotli 압축 라이브러리 결함은 성격이 달라 다음 글에서 「AI 도구 공급망」으로 따로 다룹니다. 아마존–Decart, 리비안–Third Dimension은 공식 자료를 찾지 못했습니다.

이 소식에서 확인하지 못한 것

  • Genie 4의 해상도·초당 화면 수·유지 길이·지연 시간은 공식 글에 없습니다. 「최대 2분, Genie 3의 두 배」는 TechCrunch 보도(디지털투데이가 인용)이며 공식 문서에서 확인하지 못했습니다.
  • 「실시간 월드 모델 가운데 처음으로 소리 자체 생성」은 회사의 자기 기준이고, Runway GWM Worlds 2(9월 3일)와의 기준 차이는 우리가 확인하지 못했습니다.
  • 우리는 Genie 4를 직접 써 보지 못했습니다. 기능 설명은 전부 회사 글과 브리핑 보도이고, 독립 기관의 측정은 찾지 못했습니다.
  • Project Genie·Gemini API 제공 시점은 「순차」·「몇 주 안」(TechCrunch)으로만 적혀 있어 날짜를 확정하지 못했습니다.

함께 읽은 글

성격이 다른 출처를 직접 열어 확인했습니다. 회사 공식 문서, 공시, 논문, 매체 보도, 우리 이전 글을 나눠 적습니다.

회사 공식 문서:

공시:

논문:

매체 보도:

우리 이전 글:

← 쓰는 값은 반으로, 만드는 비용은 달마다 수십억 달러 …

이어서 읽기