2. 씨댄스 2.0 한눈에 이해하기

씨댄스 2.0를 처음 보면 살짝 겁이 납니다. 텍스트도 넣을 수 있고, 이미지도 넣을 수 있고, 영상도 넣을 수 있고, 오디오도 넣을 수 있다고 하니 마치 조종석 앞에 버튼이 잔뜩 놓인 느낌이죠. 그런데 막상 구조를 뜯어보면 생각보다 단순합니다.

핵심은 딱 하나입니다.

씨댄스 2.0는 "무엇을 만들지"만 받는 도구가 아니라, "무엇을 참고해서 어떻게 만들지"까지 함께 받는 영상 생성기라는 점입니다.¹

이 장에서는 복잡해 보이는 기능을 하나씩 잘게 나눠 보겠습니다. 읽고 나면 "아, 이 기능은 이런 때 쓰는 거구나" 하고 머릿속에 정리될 겁니다.

씨댄스 2.0를 가장 쉽게 설명하면

씨댄스 2.0는 AI 영상 생성 도구입니다. 그런데 그냥 텍스트만 읽고 영상을 찍는 도구는 아닙니다. 텍스트, 이미지, 비디오, 오디오를 함께 받아서 하나의 결과물로 엮는 멀티모달 영상 모델에 가깝습니다.¹

쉽게 비유하면 이렇습니다.

일반적인 초보자 방식은 "멋진 광고 영상 만들어줘"라고 말만 하는 것입니다. 반면 씨댄스 2.0 방식은 "이 제품 사진을 쓰고, 이런 카메라 움직임을 참고하고, 이 음악의 리듬을 살려서, 9:16 숏폼처럼 만들어줘"라고 말하는 쪽에 가깝습니다. 즉, 설명형 AI보다 연출형 AI에 더 가깝습니다.

그래서 씨댄스 2.0를 이해할 때는 기능을 따로 외우기보다, 먼저 이 질문을 던지면 좋습니다.

"이 기능은 결과물을 더 예쁘게 만들기 위한 걸까, 아니면 내가 원하는 방향으로 더 잘 통제하기 위한 걸까?"

대부분은 후자입니다.

먼저 큰 그림부터: 입력, 생성, 출력

씨댄스 2.0의 구조는 세 단계로 보면 편합니다.

첫째, 재료를 넣습니다. 텍스트 프롬프트를 쓰고, 필요하면 이미지·영상·오디오를 참조 자료로 올립니다.

둘째, 역할을 지정합니다. 어떤 이미지는 캐릭터 참고로, 어떤 영상은 카메라 무브 참고로, 어떤 오디오는 비트나 분위기 참고로 쓰는 식입니다. 이때 @image1, @video1, @audio1 같은 태그 방식이 중요한 역할을 합니다.²

셋째, 짧은 완성 클립을 뽑습니다. 보통 한 번에 4초에서 15초 길이의 영상을 생성하고, 필요하면 그것을 바탕으로 확장하거나 수정합니다.²³

이 구조를 이해하면 복잡한 메뉴가 갑자기 덜 무섭습니다. 화면에 보이는 옵션이 많아 보여도, 결국은 "무엇을 참고할지"와 "어떤 길이·비율로 뽑을지"를 정하는 과정이니까요.

멀티모달 입력은 왜 중요한가

씨댄스 2.0의 가장 큰 특징은 멀티모달 입력입니다. 말이 어렵지만 뜻은 간단합니다. 한 가지 재료만 보는 게 아니라 여러 종류의 재료를 동시에 본다는 뜻입니다.¹

보통은 다음 네 가지를 함께 다룰 수 있습니다.

• 텍스트: 장면 설명, 분위기, 동작, 카메라 지시

• 이미지: 인물 얼굴, 제품 생김새, 배경 무드, 스타일 보드

• 비디오: 움직임, 안무, 카메라 워크, 컷 감각

• 오디오: 대사, 음악, 리듬, 분위기 참고

이게 왜 좋을까요. 초보자는 흔히 프롬프트를 길게 쓰면 정확해질 거라고 생각합니다. 물론 어느 정도는 맞습니다. 하지만 영상은 원래 말보다 참고 자료가 훨씬 빠릅니다. "은은한 고급 화장품 광고 느낌"이라고 길게 설명하는 것보다, 제품 사진 한 장과 레퍼런스 광고 한 클립을 보여주는 편이 훨씬 정확하죠.

씨댄스 2.0는 바로 이 인간적인 작업 방식을 닮아 있습니다. 텍스트는 방향을 설명하고, 이미지는 생김새를 잡고, 비디오는 움직임을 빌려오고, 오디오는 리듬과 소리를 맞춥니다. 그래서 결과가 더 "우연히 잘 나온 영상"이 아니라 "의도를 갖고 만든 영상"에 가까워집니다.

최대 12개 참조 파일, 숫자보다 중요한 뜻

공개된 워크플로우 기준으로 씨댄스 2.0는 여러 참조 파일을 함께 받을 수 있습니다. 일반적으로 최대 12개 수준의 입력 조합이 가능하며, 예시로는 최대 9개의 이미지와 3개의 비디오, 3개의 오디오 입력 구성이 소개됩니다.²³

여기서 초보자가 꼭 알아둘 점은 숫자 자체보다 역할 분담입니다.

예를 들어 제품 광고를 만든다고 해봅시다. 그럴 때는 제품 정면 사진 1장, 질감이 잘 보이는 클로즈업 1장, 원하는 카메라 무브가 있는 레퍼런스 영상 1개, 참고 음악 1개만 있어도 충분히 강력합니다. 무조건 많이 넣는다고 좋아지는 것은 아닙니다. 오히려 자료가 서로 충돌하면 AI도 헷갈립니다.

그러니 처음에는 이렇게 생각하면 됩니다.

"나는 지금 얼굴을 고정하고 싶은가?" "움직임을 가져오고 싶은가?" "음악 타이밍을 맞추고 싶은가?"

필요한 역할에 맞는 참조만 넣는 것이 훨씬 낫습니다.

2K 출력은 왜 체감이 큰가

씨댄스 2.0는 최대 2K 출력을 주요 강점으로 내세웁니다.¹³

2K라고 하면 숫자만 보고 "1080p보다 조금 더 선명한 건가?" 정도로 느낄 수 있습니다. 실제 체감은 조금 다릅니다. 이 해상도는 단순히 픽셀이 더 많다는 뜻보다, 제품 디테일·텍스처·눈빛·재질감을 살릴 여지가 더 커진다는 뜻에 가깝습니다.

특히 이런 장면에서 차이가 큽니다.

• 화장품, 시계, 이어폰처럼 디테일이 중요한 제품 컷

• 얼굴 클로즈업이 많은 뷰티·룩북 영상

• 자막이나 그래픽을 나중에 얹을 계획이 있는 광고 시안

다만 초보자에게는 한 가지 현실적인 팁도 있습니다. 처음부터 모든 테스트를 최고 화질로 돌릴 필요는 없습니다. 구도와 움직임이 맞는지 보는 단계에서는 낮은 해상도로 빠르게 시험하고, 최종본만 더 높은 해상도로 뽑는 식이 효율적입니다. 씨댄스 2.0를 잘 쓰는 사람들은 대개 "첫 시도는 가볍게, 최종본은 진하게" 갑니다.

네이티브 오디오는 왜 그렇게 많이 언급될까

씨댄스 2.0 얘기에서 자주 나오는 표현이 있습니다. 바로 네이티브 오디오입니다.¹

이 말은 영상을 다 만든 다음 나중에 억지로 소리를 붙이는 방식이 아니라, 영상과 오디오를 한 흐름 안에서 함께 생성한다는 뜻입니다.¹

이 차이는 생각보다 큽니다. 예전 방식에서는 화면은 그럴싸한데 소리가 한 박자 늦거나, 발걸음 소리가 뜬금없이 들리거나, 대사 입모양이 살짝 어긋나는 일이 흔했습니다. 사람 눈은 그런 어긋남에 꽤 예민합니다. 영상이 아무리 좋아도 소리가 따로 놀면 바로 티가 납니다.

네이티브 오디오가 주는 장점은 분명합니다. 문이 닫히는 순간 효과음이 같이 붙고, 인물이 말하는 타이밍과 입 모양이 더 자연스럽게 맞고, 음악 비트에 따라 컷의 리듬을 잡기 쉬워집니다.²³

초보자 입장에서는 이렇게 이해하면 됩니다.

네이티브 오디오는 "나중에 수습하는 소리"가 아니라 "처음부터 장면 일부로 설계된 소리"입니다.

그래서 숏폼, 광고, 뮤직 계열 영상에서 체감 차이가 유독 큽니다.

립싱크는 무엇이고, 왜 중요할까

립싱크는 화면 속 인물의 입 모양이 말소리와 맞아떨어지는 것을 뜻합니다. 씨댄스 2.0는 이 립싱크를 주요 강점으로 내세우며, 여러 언어에서 활용 가능한 수준을 강조하고 있습니다.³

이 기능이 중요한 이유는 간단합니다. 사람이 말하는 장면은 작은 어색함도 크게 느껴지기 때문입니다. 입이 한 프레임만 늦어도 바로 "AI 같네"라는 인상이 생깁니다.

립싱크가 특히 빛나는 경우는 세 가지입니다.

• AI 아바타 발표 영상

• 제품 소개나 설명형 튜토리얼

• 대사가 들어가는 숏드라마·상황극 형식 콘텐츠

이때 초보자가 기억할 것은, 립싱크가 좋다고 해서 무조건 긴 대사부터 시도할 필요는 없다는 점입니다. 처음에는 한두 문장 길이의 짧은 대사, 정면 또는 45도 각도 얼굴, 복잡하지 않은 배경으로 시작하는 편이 훨씬 안정적입니다. 립싱크는 "기능이 있느냐"보다 "어떤 조건에서 쓰느냐"에 따라 체감 품질이 많이 달라집니다.

멀티샷은 한 편의 영상이 아니라 '작은 편집기'에 가깝다

씨댄스 2.0의 또 하나의 핵심은 멀티샷입니다. 단일 장면 하나만 뽑는 게 아니라, 여러 숏이 이어지는 짧은 구성으로 장면을 설계할 수 있다는 뜻입니다.³

이건 초보자에게 특히 반가운 기능입니다. 왜냐하면 요즘 바이럴 영상은 대부분 한 장면으로 끝나지 않기 때문입니다. 보통은 훅이 있고, 클로즈업이 있고, 전환이 있고, 마지막 강조 컷이 있습니다. 즉, '좋은 한 컷'보다 '좋은 컷의 연결'이 더 중요합니다.

예를 들어 이런 식입니다.

처음 2초는 제품의 전체 모습을 보여주고, 다음 2초는 손으로 집는 클로즈업으로 바꾸고, 마지막 3초는 사용 장면으로 넘어가며 로고를 강조합니다. 사람이 편집 프로그램에서 하던 생각을 프롬프트 단계에서 조금 더 앞당겨 하는 셈이죠.

멀티샷의 진짜 장점은 장면이 많아져서가 아닙니다. 이전 컷의 맥락을 어느 정도 유지한 채 다음 컷으로 넘어가려는 성격에 있습니다. 그래서 광고, 미니 스토리, 룩북, 튜토리얼처럼 "짧지만 구조가 있는 영상"에 잘 맞습니다.

4초에서 15초, 왜 이렇게 짧을까

씨댄스 2.0는 보통 4초에서 15초 길이의 클립 생성을 지원하는 흐름으로 소개됩니다.²³

처음 들으면 "생각보다 짧네?" 싶을 수 있습니다. 그런데 요즘 영상 제작에서는 이 길이가 오히려 꽤 실전적입니다.

숏폼 플랫폼에서 가장 중요한 구간은 대개 첫 몇 초입니다. 광고도 핵심 컷은 보통 짧습니다. 제품 데모 역시 강한 장면 몇 개를 연결하는 방식이 효율적입니다. 즉, 4~15초는 애매하게 짧은 길이가 아니라, 가장 많이 재활용되는 영상 단위에 가깝습니다.

그리고 더 중요한 점이 하나 있습니다. 좋은 AI 영상 작업은 긴 영상을 한 번에 뽑는 싸움이 아니라, 잘 쓸 수 있는 짧은 클립을 여러 개 확보하는 싸움에 더 가깝습니다.

그래서 실전에서는 이런 식으로 움직입니다.

먼저 5초짜리 훅 컷을 만든 뒤, 만족스러우면 같은 캐릭터와 무드로 다른 컷을 추가합니다. 그다음 편집 툴에서 이어 붙이거나, 씨댄스 내부의 확장 흐름을 이용해 더 길게 연결합니다. 이 방식이 실패 비용도 적고, 결과 통제도 쉽습니다.

짧다는 건 한계이기도 하지만, 동시에 실험과 반복에 유리한 길이이기도 합니다.

비디오 확장과 편집은 왜 실무에서 중요할까

씨댄스 2.0는 생성만 하는 도구가 아니라, 기존 결과를 바탕으로 확장하거나 특정 요소를 수정하는 흐름도 지원 방향으로 소개됩니다.²

초보자는 여기서 감을 잘 못 잡을 수 있습니다. 하지만 실제 제작에서는 이 기능이 굉장히 중요합니다. 이유는 단순합니다. 한 번 괜찮게 나온 결과를 처음부터 다시 돌리는 것은 너무 아깝기 때문입니다.

예를 들어 이미 마음에 드는 6초짜리 제품 컷이 나왔는데 마지막 2초만 더 있으면 좋겠다고 해봅시다. 혹은 배경은 좋은데 소품만 바꾸고 싶을 수도 있습니다. 그럴 때 전체를 갈아엎는 대신 이어서 확장하거나 부분 수정하는 쪽이 훨씬 실무적입니다.

즉, 씨댄스 2.0는 단순한 "생성 버튼"보다, 초안 → 수정 → 확장이라는 제작 흐름을 조금 더 닮아가는 도구라고 볼 수 있습니다.

화면 비율과 해상도는 왜 같이 생각해야 할까

씨댄스 2.0는 다양한 비율 선택과 해상도 설정을 함께 제공합니다.³

이때 초보자가 흔히 하는 실수는 "좋은 영상"을 먼저 생각하고 "어디에 올릴지"를 나중에 생각하는 것입니다. 하지만 숏폼 시대에는 반대로 가는 편이 좋습니다. 틱톡이나 릴스용이면 세로형 9:16이 먼저고, 유튜브 썸네일 겸용 데모면 16:9가 먼저입니다.

같은 장면도 비율이 바뀌면 구도가 완전히 달라집니다. 제품이 중앙에서 잘리는지, 얼굴이 너무 크게 들어오는지, 자막 들어갈 공간이 남는지 모두 달라지죠. 그래서 씨댄스 2.0를 이해할 때는 "해상도"만 보지 말고 비율까지 포함해 결과물의 쓰임새를 함께 생각해야 합니다.

한마디로 말해, 2K는 화질의 문제이고, 화면 비율은 배치의 문제입니다. 둘 다 중요하지만 쓰임이 다릅니다.

결국 씨댄스 2.0는 무엇을 잘하는 도구인가

이쯤 되면 기능이 다시 많아 보일 수 있습니다. 그래서 한 번에 정리해 보겠습니다.

씨댄스 2.0의 핵심 스펙은 단순한 자랑거리가 아닙니다. 각각 분명한 목적이 있습니다.

이 표를 보고 나면 기능이 훨씬 덜 복잡하게 느껴질 겁니다. 결국 씨댄스 2.0는 "신기한 기능이 많은 도구"라기보다, 영상 제작자가 실제로 고민하는 문제를 각각 한 칸씩 맡아 해결하는 도구에 가깝습니다.

초보자는 이렇게 기억하면 된다

처음부터 모든 기능을 다 쓰려 하지 않아도 됩니다. 오히려 아래 순서로 이해하면 훨씬 쉽습니다.

첫 단계에서는 텍스트만으로 짧은 영상을 만들어 봅니다. 둘째 단계에서는 이미지 한 장을 넣어 캐릭터나 제품을 고정해 봅니다. 셋째 단계에서는 비디오 참조로 카메라 움직임을 빌려오고, 마지막으로 오디오를 얹어 리듬과 립싱크를 실험해 봅니다.

즉, 씨댄스 2.0는 한 번에 완벽하게 마스터하는 도구가 아니라, 한 겹씩 레이어를 추가하면서 익히는 도구입니다.

처음에는 이렇게만 기억해도 충분합니다.

씨댄스 2.0는 텍스트만 보고 찍는 AI가 아니다. 이미지로 외형을 잡고, 비디오로 움직임을 가져오고, 오디오로 리듬과 소리를 맞추며, 짧지만 완성도 있는 클립을 빠르게 만드는 AI다.¹²³

이 한 문장이 머리에 들어오면, 다음 장부터 나오는 접속 방법, 첫 생성, 이미지-투-비디오, @레퍼런스 시스템도 훨씬 쉽게 이해될 것입니다.

참고

¹ByteDance Seedance 2.0 공식 소개

²Seedance 2.0 워크플로우와 멀티모달 입력 소개

³Seedance 2.0 가이드: 입력 한도, 2K 출력, 4–15초 생성, 립싱크 개요