AI 영상 생성 용어집: 필수 용어 설명
적합한 대상: 제품 마케터, 운영 팀, 에이전시 작가, AI 기반 콘텐츠를 스크립팅하는 동안 빠른 참고가 필요한 인플루언서.
2026년 새로 추가: 2026년 9월, 2026년 모델이 어떻게 작동하고 AI 결과물이 어떤 규제를 받는지 다루는 열다섯 개 용어를 이 용어집에 추가했습니다: AI 콘텐츠 라벨, AI DAW, C2PA, 크레딧, 식별 불가 임계점, 모션 컨트롤, 네이티브 오디오, 네이티브 4K, 오픈 웨이트, 실시간 생성, 참조 입력, Sora, 스토리보드, SynthID, 통합 멀티모달 모델.
A
AI Avatar (AI 아바타)
인공지능으로 생성된 디지털 캐릭터로, 현실적으로 말하고 움직일 수 있습니다. 인간 배우를 대체하기 위해 영상에서 사용됩니다.
AI Content Label (AI 콘텐츠 라벨)
영상, 이미지, 오디오 파일이 AI로 생성되었음을 눈에 보이게 알리는 표시입니다. EU AI법 제50조와 캘리포니아 SB 942가 2026년 8월 2일부터 적용되며, EU는 기계가 읽을 수 있는 표식(이미 시장에 나와 있는 시스템은 2026년 12월 2일까지)도 요구하고 위반 시 최대 1,500만 유로 또는 매출의 3%까지 과징금을 매깁니다. EU AI법 관련 소식을 참조하세요.
AI DAW (AI 디지털 오디오 워크스테이션)
생성 기능이 내장된 브라우저 기반 디지털 오디오 워크스테이션으로, 프롬프트와 스템, MIDI, 믹싱이 하나의 프로젝트 안에 모입니다. Suno Studio 2.0(2026년 8월 13일)은 MIDI 녹음과 편집, AI 챗 협업자, 커스텀 플러그인을 더했고 MIDI 클립을 프롬프트로 쓸 수 있게 했습니다. Suno Studio 2.0을 참조하세요.
Audio Inpainting (오디오 인페인팅)
AI를 사용하여 오디오 녹음의 간격을 채우거나, 원하지 않는 소리를 제거하거나, 손상된 부분을 수리하면서 자연스러운 흐름을 유지하는 것입니다.
Audio Synthesis (오디오 합성)
실제 사람의 음성을 녹음하는 대신 AI를 사용하여 인간과 같은 음성을 생성하는 과정입니다.
Aspect Ratio (종횡비)
영상의 너비 대 높이 비율(예: 와이드스크린의 경우 16:9, 세로/모바일의 경우 9:16).
B
Background Removal (배경 제거)
영상 영상에서 배경을 자동으로 제거하여 사용자 정의 장면으로 교체할 수 있게 하는 AI 기술입니다.
Batch Generation (배치 생성)
다른 스크립트나 템플릿에서 여러 영상을 동시에 만드는 것입니다.
Brand Kit (브랜드 키트)
영상 전반에 걸쳐 일관된 브랜딩을 유지하는 데 사용되는 로고, 색상, 글꼴 및 자산 모음입니다.
C
C2PA (Content Credentials)
파일이 AI로 생성되었다는 사실과 어떤 도구로 만들었는지를 기록한 출처 메타데이터를 붙이는 개방형 표준으로, 일반 시청자에게는 보이지 않습니다. Google은 눈에 보이는 워터마크를 꺼도 Gemini 결과물에 이를 삽입하고, Synthesia는 기본으로 삽입합니다. Gemini 워터마크 토글을 참조하세요.
CFG Scale (Classifier-Free Guidance, 분류기 없는 가이던스)
AI가 프롬프트를 얼마나 밀접하게 따르는지 제어하는 매개변수입니다. 값이 높을수록 설명에 더 충실한 출력을 만들고, 값이 낮을수록 더 많은 창의적 자유를 허용합니다.
Checkpoint (체크포인트)
AI 모델의 훈련된 가중치의 저장된 상태입니다. 다른 체크포인트는 다른 시각적 스타일이나 기능을 생성할 수 있습니다.
Clone Voice (음성 복제)
원본 음성의 특성을 유지하면서 어떤 텍스트든 말할 수 있는 사람의 음성의 합성 복사본을 만드는 것입니다.
ControlNet (컨트롤넷)
포즈, 가장자리, 깊이 맵 또는 기타 시각적 가이드를 위해 참조 이미지를 사용하여 AI 이미지 및 영상 생성에 대한 정밀한 제어를 제공하는 기술입니다.
Credits (크레딧)
대부분의 생성기가 쓰는 과금 단위로, 클립 하나에 드는 크레딧이 해상도와 길이에 따라 늘어나기 때문에 월간 플랜은 사실상 한 달치 초 단위 예산에 가깝습니다. 예를 들어 Runway는 Hailuo 3.0의 2K 영상에 초당 15크레딧을 매깁니다. Runway의 Hailuo 3.0을 참조하세요.
Custom Avatar (커스텀 아바타)
특정 사람의 영상에서 만든 개인화된 AI 아바타로, 그들의 디지털 모습을 나타내는 데 사용됩니다.
D
Deepfake (딥페이크)
얼굴을 교체하거나 콘텐츠를 변경하는 영상 조작 기술입니다. 동의 없이 사용될 때 논란의 여지가 있습니다(윤리적인 AI 아바타와는 다릅니다). 2026년 8월 2일부터 EU 규정은 딥페이크에 눈에 보이는 AI 라벨을 달도록 요구합니다(AI 콘텐츠 라벨 참조).
Diffusion Model (확산 모델)
Kling, Veo, Runway와 같은 현대적인 영상 생성기를 구동하는 AI 아키텍처입니다(Sora는 2026년 3월에 서비스가 종료되었습니다). 일관된 이미지나 영상이 나타날 때까지 무작위 정적에서 노이즈를 제거하는 방법을 학습하여 작동합니다.
Digital Human (디지털 휴먼)
AI 아바타의 또 다른 용어로, 인간처럼 보이고 행동하는 컴퓨터 생성 인물입니다.
Dubbing (더빙)
입 모양을 동기화하면서 영상의 원본 오디오를 다른 언어로 교체하는 것입니다.
E
Edge Cases (엣지 케이스)
AI가 최적으로 수행하지 못할 수 있는 비정상적이거나 드문 시나리오(예: 드문 발음).
Export Format (내보내기 형식)
영상이 저장되는 파일 유형(예: MP4, MOV, WebM).
F
Face Swap (얼굴 교체)
영상에서 한 사람의 얼굴을 다른 사람의 얼굴로 교체하는 기술입니다.
Fine-tuning (파인튜닝)
사전 훈련된 AI 모델을 가져와 특정 데이터에 대해 추가로 훈련하여 특정 작업, 스타일 또는 주제에 맞게 특화시키는 과정입니다.
Frame Rate (프레임 레이트)
영상에서 초당 표시되는 이미지(프레임) 수입니다. 표준은 24-30fps입니다.
Frontend/Backend (프론트엔드/백엔드)
프론트엔드는 사용자가 보는 것을 의미하고, 백엔드는 배후에서 발생하는 AI 처리를 의미합니다.
G
Generative AI (생성형 AI)
기존 콘텐츠를 분석하는 것뿐만 아니라 새로운 콘텐츠(이미지, 영상, 오디오)를 만드는 AI입니다.
Gesture Control (제스처 제어)
아바타의 손 움직임과 바디 랭귀지를 프로그래밍하는 기능입니다.
Green Screen (그린 스크린)
단색 배경(보통 녹색)을 다른 이미지로 교체하는 기법입니다. AI가 이제 이를 자동으로 수행할 수 있습니다.
H
Hallucination (할루시네이션)
AI가 거짓, 무의미하거나 사실적으로 잘못된 콘텐츠를 생성하는 것입니다. 영상에서는 왜곡된 손, 불가능한 물리학, 또는 부자연스럽게 변형되는 얼굴로 나타날 수 있습니다.
Hyper-Realistic (하이퍼 리얼리스틱)
실제 영상과 구별하기가 극히 어려운 AI 생성 콘텐츠입니다. 시청자가 전혀 구별하지 못하는 수준에 이르면 그 결과물은 식별 불가 임계점을 넘은 것입니다.
HeyGen (헤이젠)
음성 복제와 사용 편의성으로 유명한 인기 AI 아바타 영상 플랫폼입니다.
I
Image-to-Video (img2vid, 이미지 투 영상)
단일 정지 이미지에서 영상 콘텐츠를 생성하는 것입니다. AI가 정적 이미지를 애니메이션화하여 움직임, 카메라 움직임 또는 캐릭터 애니메이션을 추가합니다.
Indistinguishability Threshold (식별 불가 임계점)
사람이 AI로 만든 미디어와 실제 녹음을 더 이상 안정적으로 구별하지 못하는 지점입니다. 버팔로 대학교의 Siwei Lyu가 짚었듯 음성 복제는 2025년에 이 선을 넘었고, 이제 몇 초 분량의 오디오만 있으면 자연스러운 억양과 강세, 쉼, 숨소리까지 갖춘 복제 음성이 나옵니다. 2025년 딥페이크 결산을 참조하세요.
Inference (인퍼런스)
훈련된 AI 모델을 실행하여 출력을 생성하는 과정입니다. AI 도구로 영상을 만들 때 생성 과정을 인퍼런스라고 합니다.
Inpainting (인페인팅)
AI를 사용하여 영상 프레임의 일부를 채우거나 수정하는 것입니다.
Instant Avatar (인스턴트 아바타)
커스텀 훈련 없이 즉시 사용 가능한 사전 제작된 AI 아바타입니다.
J
J-Cut (J-컷)
다음 장면의 오디오가 현재 시각이 끝나기 전에 재생되기 시작하는 편집 기법입니다. AI 생성 장면을 더 자연스럽게 만드는 데 도움이 됩니다.
Jitter Reduction (지터 감소)
AI 렌더링된 영상에서 작은 카메라 흔들림이나 프레임 간 노이즈를 제거하는 안정화 필터입니다.
K
Keyframe (키프레임)
애니메이션, 카메라 위치 또는 효과의 변화를 표시하는 프레임입니다. 많은 AI 영상 편집기가 키프레임으로 아바타 포즈나 카메라 움직임을 설정할 수 있습니다.
Knowledge Cutoff (지식 컷오프)
생성형 AI 모델이 훈련된 가장 최근 날짜입니다. AI 도구가 스크립트 내에서 사실을 인용할 때 중요합니다.
L
Latency (지연 시간)
영상 생성을 시작하고 완성된 제품을 받는 사이의 지연 시간입니다.
Lip-Sync (립싱크)
아바타의 입 움직임을 말한 단어와 일치시키는 것입니다. 현실적인 영상에 중요합니다.
LLM (Large Language Model, 대규모 언어 모델)
스크립트 작성과 영상 콘텐츠 생성에 도움이 될 수 있는 GPT와 같은 AI 모델입니다.
LoRA (Low-Rank Adaptation, 저순위 적응)
전체 AI 모델 대신 작은 어댑터 모듈을 훈련하는 경량 파인튜닝 기법입니다. 영상 생성기에 커스텀 스타일, 캐릭터 또는 개념을 추가하는 데 인기가 있습니다.
M
Motion Capture (모션 캡처)
아바타가 더 자연스럽게 움직이도록 실제 인간의 움직임을 기록하는 것입니다.
Motion Control (모션 컨트롤)
실제 연기를 담은 참조 영상으로 생성된 캐릭터를 움직여 그 동작을 그대로 따라 하게 만드는 기능입니다. Kling VIDEO 2.6(2025년 12월)은 3초에서 30초 길이의 참조 영상을 받아 전신과 손, 표정까지 추적합니다. Kling 모션 컨트롤을 참조하세요.
Multi-Language Support (다국어 지원)
원어 발음으로 많은 다른 언어로 영상을 만들 수 있는 기능입니다.
MP4
모든 플랫폼과 널리 호환되는 가장 일반적인 영상 파일 형식입니다.
Multimodal (멀티모달)
단일 시스템 내에서 텍스트, 이미지, 오디오, 영상 등 여러 유형의 콘텐츠를 이해하고 생성할 수 있는 AI 모델입니다. 예로는 GPT-4V와 Gemini가 있습니다. 텍스트, 이미지, 영상, 오디오를 하나의 엔진으로 받아들이는 영상 생성기는 통합 멀티모달 모델에서 다룹니다.
N
Native 4K (네이티브 4K)
낮은 해상도로 생성한 뒤 업스케일하는 대신 3840×2160 프레임을 곧바로 렌더링하는 것입니다. Kling의 Video 3.0 모델이 2026년 5월에 이를 추가했으며, 최대 60fps와 15초 길이 클립을 지원합니다. Kling 네이티브 4K를 참조하세요.
Native Audio (네이티브 오디오)
음성 트랙을 나중에 얹는 대신, 모델이 픽셀과 같은 과정에서 대사와 효과음, 음악까지 생성하는 방식입니다. Kling 3.0(2026년 2월)은 다섯 개 언어로 이를 처리하고, Hailuo 3.0은 2K, 24fps 클립과 함께 스테레오 오디오를 반환합니다. Kling 3.0과 Hailuo 3.0을 참조하세요.
Natural Language Processing (NLP, 자연어 처리)
AI가 인간 언어를 이해하고 생성하는 능력으로, 스크립트 분석 및 내레이션에 사용됩니다.
Negative Prompt (네거티브 프롬프트)
AI에게 생성된 콘텐츠에 포함하지 말아야 할 것을 알려주는 지시사항입니다. 흐릿한 이미지, 추가 사지 또는 특정 스타일과 같은 원하지 않는 요소를 피하는 데 사용됩니다.
Neural Network (신경망)
아바타 생성과 음성 합성을 구동하는 AI 아키텍처입니다.
O
Open Weights (오픈 웨이트)
모델의 훈련된 매개변수를 보통 Hugging Face에 내려받을 수 있게 공개하는 것으로, 상업적 사용을 제한하는 라이선스가 붙기도 하며 훈련 코드와 데이터까지 공개하는 오픈 소스와는 구별됩니다. LTX-2.5(2026년 8월)는 오픈 웨이트이며 연 매출 1,000만 달러 미만 조직에는 무료이고, Hailuo 3.0도 오픈 웨이트를 공개했습니다. LTX-2.5를 참조하세요.
Overdub (오버덥)
타이밍을 유지하면서 기존 대화를 새로운 AI 생성 음성으로 교체하는 것입니다.
Outpainting (아웃페인팅)
추가 픽셀을 상상하기 위해 AI를 사용하여 원본 경계를 넘어 영상 장면을 확장하는 것입니다.
P
Photorealistic (포토 리얼리스틱)
실제 사진이나 영상 영상과 매우 유사한 시각적 품질입니다.
Pitch (피치)
음성의 높낮이입니다. AI 음성 생성에서 조정할 수 있습니다.
Preset (프리셋)
영상 제작 속도를 높이는 사전 구성된 설정 또는 템플릿입니다.
Q
Quality Threshold (품질 임계값)
렌더링이 완료되기 전에 충족되어야 하는 최소 표준(해상도, 비트레이트 또는 AI 신뢰도 점수)입니다.
Quantization (양자화)
소비자 GPU에서 더 빠르게 실행되도록 AI 모델을 압축하는 것으로, 때로는 세부 사항을 희생합니다.
R
Real-Time Generation (실시간 생성)
클립 길이보다 짧은 실제 시간 안에 클립을 만들어 내는 것입니다. LTX-2.5는 NVIDIA GB200 하드웨어에서 10초짜리 720p 클립을 6.8초 만에 생성했습니다. LTX-2.5를 참조하세요.
Reference Inputs (참조 입력)
모델이 캐릭터나 사물, 배경을 일관되게 유지하도록 프롬프트와 함께 넣는 이미지, 클립, 오디오입니다. Google Veo 3.1은 이를 “Ingredients to Video”라고 부르고, Hailuo 3.0은 한 번 생성할 때 최대 12개의 참조 파일(이미지 최대 9개, 영상 클립 3개, 오디오 클립 3개)을 받습니다. Veo 3.1을 참조하세요.
Rendering (렌더링)
스크립트와 설정에서 최종 영상 파일을 생성하는 과정입니다.
Resolution (해상도)
픽셀로 측정된 영상 품질(예: 1080p, 4K). 높을수록 품질이 좋지만 파일이 더 큽니다.
S
Script (스크립트)
AI 아바타가 영상에서 말할 텍스트입니다.
Sora (소라)
OpenAI의 텍스트 투 영상 모델입니다. Sora 2 앱은 2025년 9월에 생성 오디오와 “카메오” 기능을 갖추고 출시되었지만, OpenAI는 2026년 3월 25일에 앱과 API를 모두 종료했습니다. Sora 서비스 종료 이유를 참조하세요.
Stem Separation (스템 분리)
혼합된 오디오 트랙을 보컬, 드럼, 베이스 및 기타 악기와 같은 개별 구성 요소(스템)로 분리하는 AI 기술입니다. 리믹스, 카라오케 및 콘텐츠 제작에 사용됩니다.
Storyboard (Multi-Shot Generation, 스토리보드/멀티샷 생성)
한 번의 생성 안에서 서로 이어지는 여러 샷을 각각 카메라와 길이, 시점까지 정해 두어 클립이 그 샷들 사이를 자연스럽게 넘나들게 하는 방식입니다. Kling 3.0은 15초 클립 안에 최대 여섯 개의 샷을 허용하고, LTX-2.5는 ComfyUI용 멀티샷 워크플로우를 제공합니다. Kling 3.0을 참조하세요.
Synthetic Media (합성 미디어)
AI로 생성되거나 수정된 콘텐츠(영상, 오디오, 이미지)입니다.
Synthesia (신세시아)
기업 중심의 주요 AI 아바타 영상 플랫폼입니다.
SynthID
생성된 파일의 픽셀이나 오디오에 심는 Google의 보이지 않는 워터마크로, 편집과 압축, 자르기를 거친 뒤에도 검출됩니다. 눈에 보이는 Gemini 워터마크를 꺼도(2026년 8월 14일에 추가된 토글) 그대로 남아 있습니다. Gemini 워터마크 토글을 참조하세요.
T
Temporal Consistency (시간적 일관성)
AI 생성 영상이 프레임 전반에 걸쳐 시각적 요소를 얼마나 부드럽고 일관되게 유지하는지입니다. 시간적 일관성이 낮으면 깜빡임, 변형되는 객체 또는 영상 중간에 모양이 변하는 캐릭터가 발생합니다.
Text-to-Music (텍스트 투 뮤직)
텍스트 설명에서 완전한 음악 작곡을 생성하는 AI 시스템입니다. Suno와 Udio와 같은 플랫폼은 간단한 프롬프트로 보컬, 악기 및 프로덕션이 포함된 노래를 만들 수 있습니다.
Text-to-Speech (TTS, 텍스트 투 스피치)
AI 음성을 사용하여 작성된 텍스트를 음성 오디오로 변환하는 것입니다.
Text-to-Video (텍스트 투 영상)
텍스트 설명이나 스크립트에서 영상을 생성하는 것입니다. Kling 3.0과 Hailuo 3.0을 비롯한 2026년 모델 대부분은 같은 과정에서 사운드트랙까지 함께 만들어 냅니다. 네이티브 오디오를 참조하세요.
Template (템플릿)
제작 과정 속도를 높이는 사전 설계된 영상 레이아웃입니다.
Thumbnail (썸네일)
영상이 재생되기 전에 표시되는 미리보기 이미지입니다.
U
Unified Multimodal Model (통합 멀티모달 모델)
특화된 모델들을 오가는 대신 텍스트와 이미지, 영상, 피사체 입력을 한꺼번에 받아 텍스트 투 영상, 이미지 투 영상, 편집, 스타일 전환을 하나의 엔진으로 처리하는 모델입니다. Kling O1(2025년 12월 30일)이 최초였으며, 3초에서 10초 길이 클립을 최대 2K, 30fps로 출력했습니다. Kling O1을 참조하세요.
Upscaling (업스케일링)
AI를 사용하여 완성된 영상의 해상도를 높이는 것입니다(예: 1080p에서 4K로). 모델이 전체 해상도 프레임을 곧바로 렌더링하는 네이티브 4K와 비교해 보세요.
V
Video-to-Video (vid2vid, 영상 투 영상)
AI를 사용하여 기존 영상 영상을 변환하여 스타일, 외관 또는 콘텐츠를 변경하면서 원본 움직임과 구조를 보존하는 것입니다.
Voice Cloning (음성 복제)
어떤 텍스트든 말할 수 있는 누군가의 음성의 합성 버전을 만드는 것입니다.
Voice Modulation (음성 변조)
피치, 속도 및 감정과 같은 음성 특성을 조정하는 것입니다.
VTT/SRT
영상에 자막을 추가하기 위한 자막 파일 형식입니다.
W
Watermark (워터마크)
영상 위에 얹히는 로고나 텍스트 오버레이로, 무료 플랜과 체험판에서 흔히 볼 수 있습니다. SynthID 같은 보이지 않는 표식이나 C2PA 같은 출처 메타데이터와는 다릅니다. 이들은 눈에 보이는 표식을 꺼도 파일 안에 그대로 남습니다.
Workflow (워크플로우)
스크립트에서 완성된 영상까지의 일련의 단계입니다.
X
XR (Extended Reality, 확장 현실)
AR, VR 및 혼합 현실을 포괄하는 용어입니다. AI 아바타는 종종 XR 경험으로 포팅됩니다.
XML Subtitle (XML 자막)
방송 워크플로우를 위해 AI 자막 도구에서 내보낸 시간 지정 텍스트 파일(예: TTML)입니다.
Y
YUV Color Space (YUV 색 공간)
대부분의 스트리밍 플랫폼이 사용하는 색상 모델입니다. AI 영상을 방송 표준에 맞추기 위해 내보낼 때 유용합니다.
YouTube Shorts (유튜브 쇼츠)
세로 방향, 60초 미만의 영상입니다. 많은 AI 영상 생성기가 쇼츠 프리셋과 함께 제공됩니다.
Z
Zero-Shot Generation (제로샷 생성)
대상 주제의 예시 영상이나 오디오를 제공하지 않고도 설득력 있는 영상이나 음성을 생성하는 것입니다.
Zoom Recording Import (줌 녹화 가져오기)
줌 회의를 AI 편집기에 업로드하여 자르기, 번역 또는 스크립트된 클립으로 변환할 수 있게 하는 것입니다.
결론
이 용어집은 AI 영상 생성 도구로 작업할 때 접하게 될 필수 용어를 다룹니다. 기술이 발전함에 따라 새로운 용어가 등장할 것입니다. 이 가이드를 계속 업데이트하겠습니다!
이 페이지를 북마크하여 AI 영상을 만들 때 빠른 참고로 사용하세요.
용어가 누락되었나요? 추가를 제안하려면 문의하기를 클릭하세요!