3부-9장. Veo 3.1로 만드는 8초의 마법
3부-9장. Veo 3.1로 만드는 8초의 마법
좋은 짧은 영상은 운으로 나오지 않는다. 사람들은 종종 AI 영상 결과물을 보고 "와, 한 번에 이런 게 돼?"라고 놀란다. 하지만 실제로 잘 만든 8초짜리 클립 뒤에는 늘 세 가지가 숨어 있다. 무엇을 보여줄지 정한 기획, 어떻게 움직일지 정한 쇼트 설계, 그리고 무엇을 버릴지 아는 편집 감각이다.
Veo 3.1이 흥미로운 이유는 이 셋을 한 번에 건드리기 때문이다. 이 모델은 단순히 화면만 움직이는 것이 아니라, 장면에 맞는 소리와 대사, 분위기까지 함께 생성하는 방향으로 설계됐다. 즉, 이제 AI 영상은 무성영화가 아니라 작은 영화의 초안이 되었다고 봐야 한다.1
8초는 짧아서 약한 것이 아니라, 짧아서 강하다
초보자는 8초를 보며 이렇게 생각한다. 너무 짧은데 뭘 하라는 거지? 그런데 숏폼의 세계에서는 바로 그 짧음이 무기다. 사람은 긴 설명보다 강한 한 장면을 먼저 기억한다. 광고도 마찬가지다. 제품의 모든 장점을 늘어놓는 것보다, 딱 한 번의 시원한 탄산 터짐, 한 번의 날카로운 드리프트, 한 번의 표정 변화가 더 오래 남는다.
Veo 3.1은 기본적으로 짧은 클립 생성에 강하고, 4초·6초·8초 길이, 16:9와 9:16 비율, 720p와 1080p 같은 실전용 옵션을 제공한다. 그리고 필요하면 기존 클립을 이어 붙이는 확장 방식으로 더 긴 시퀀스를 만들 수 있다.234
이 말은 아주 단순하다. 한 편의 60초 영상도 사실은 8초짜리 판단의 연속이라는 뜻이다. 결국 잘하는 사람은 긴 영상을 한 번에 만들려 하지 않는다. 짧은 장면을 정확하게 만들고, 그것을 편집으로 연결한다.
Veo 3.1은 움직이는 그림이 아니라, 오디오까지 붙은 장면 생성기다
이 장에서 가장 먼저 이해해야 할 것은 구조다. Veo 3.1은 텍스트를 넣으면 움직이는 화면만 뽑아주는 도구가 아니다. 장면, 카메라, 사운드, 때로는 대사까지 하나의 묶음으로 생각하는 편이 훨씬 정확하다.12
이 구조를 이해하면 기능도 쉽게 정리된다.
텍스트만으로 장면을 만드는 Text-to-Video
참고 이미지를 넣어 인물, 제품, 스타일 일관성을 잡는 reference image 기반 생성
시작 이미지와 끝 이미지를 지정해 그 사이의 움직임을 만드는 First and Last Frame
이미 만든 클립의 뒤를 이어 더 긴 장면으로 잇는 Scene Extension
공식 문서 기준으로는 최대 3장의 참조 이미지를 넣어 캐릭터나 제품의 모습을 더 안정적으로 유지할 수 있고, 시작 프레임과 마지막 프레임을 연결하는 기능도 지원된다. 즉, Veo 3.1의 핵심은 랜덤한 영상 생성이 아니라 내가 원하는 장면으로 점점 더 좁혀 들어가는 제어력에 있다.234
이걸 영화 제작 비유로 바꾸면 이해가 쉽다. Text-to-Video는 감독이 말로 장면을 주문하는 것이고, reference image는 미술팀과 의상팀의 기준표를 건네는 것이며, First and Last Frame은 편집자가 시작 컷과 끝 컷을 정해놓고 중간을 채우는 일에 가깝다. 그래서 Veo를 잘 쓰는 사람은 시인이 아니라 감독처럼 지시한다.
프롬프트는 소설이 아니라 촬영 지시서다
많은 사람이 AI 영상 프롬프트를 길고 화려하게 써야 한다고 생각한다. 하지만 Veo 3.1은 감상문보다 쇼트 지시문에 더 잘 반응한다. 구글의 공식 가이드도 프롬프트를 대체로 촬영 방식, 주인공, 행동, 배경, 스타일과 분위기의 조합으로 쓰는 방식을 권한다. 여기에 대사, 효과음, 배경음까지 붙이면 장면이 훨씬 또렷해진다.2
가장 실전적인 기본 공식은 이렇다.
촬영 방식 + 주피사체 + 행동 + 환경 + 조명/분위기 + 오디오
예를 들어 그냥 "카페에서 여성이 커피를 마신다"라고 쓰는 것보다 이렇게 쓰는 편이 낫다.
medium close-up, short dark-haired woman in her 30s holding a ceramic mug, slowly looking out the rainy cafe window, cozy small cafe with warm tungsten lights and blurred street reflections, soft cinematic mood, Audio: light rain on glass, low cafe chatter, gentle jazz piano
이 프롬프트가 좋은 이유는 멋진 영어라서가 아니다. 모델이 판단해야 할 축이 분명해서다. 카메라는 얼마나 가깝고, 인물은 누구이며, 무엇을 하고, 공간은 어떤 질감인지, 소리는 어떤 결을 가져야 하는지가 나뉘어 있다.
특히 Veo 3.1에서 잘 먹히는 습관은 세 가지다.2
한 쇼트에는 큰 동작 하나만 넣는다.
카메라 움직임은 하나의 중심축만 준다.
소리는 대사, 효과음, 배경음으로 나눠 적는다.
예를 들어 "카메라는 빠르게 돌고, 인물은 뛰고, 뒤에서 차가 폭발하고, 갑자기 줌인했다가 드론샷으로 올라간다" 같은 프롬프트는 멋있어 보이지만, 실제로는 모델을 동시에 네 군데로 끌어당긴다. 잘 안 되는 이유는 AI가 멍청해서가 아니라, 지시가 회의처럼 복잡해서다.
소리는 덤이 아니라, 장면의 절반이다
Veo 3.1이 이전 세대의 AI 영상보다 체감상 더 "그럴듯하다"고 느껴지는 가장 큰 이유 중 하나는 네이티브 오디오다. 바람 소리, 군중 소리, 발걸음, 간단한 대사, 입 모양과 맞는 음성까지 영상과 함께 생성할 수 있기 때문이다.12
여기서 중요한 포인트는 하나다. 소리를 나중에 얹는 장식으로 생각하지 말라는 것이다. 오히려 프롬프트 단계에서 소리를 먼저 정하면 화면이 더 또렷해질 때가 많다. 예를 들어 숲속 장면이라면 화면 설명만 쓰지 말고, 나뭇잎 스침, 멀리서 들리는 새소리, 축축한 발걸음 같은 청각 단서를 함께 넣어야 장면의 밀도가 올라간다.2
물론 아직 모든 오디오를 맹신할 단계는 아니다. 실무에서는 환경음과 효과음은 적극 활용하고, 브랜드 광고의 핵심 대사나 음악은 후반 편집에서 교체하는 편이 더 안전할 때가 많다. 쉽게 말해, Veo의 오디오는 현장 스케치에는 훌륭하지만 최종 믹싱까지 늘 맡길 필요는 없다.
숏폼 콘텐츠 워크플로: 한 방보다 세 컷이 강하다
숏폼을 만들 때 가장 흔한 실수는 "기적의 한 클립"을 기대하는 것이다. 하지만 실제로 잘 먹히는 릴스나 쇼츠는 보통 세 컷 구조를 가진다. 훅, 전개, 마무리다.
예를 들어 24초짜리 리일을 만든다고 해보자. 그러면 8초 클립 세 개만 있어도 기본 골격이 나온다.
첫 번째 클립은 멈춰 세우는 장면이다. 낯선 비주얼, 강한 소리, 궁금증을 만드는 동작이 좋다. 두 번째 클립은 무엇이 벌어지는지 보여주는 장면이다. 세 번째 클립은 결과, 반전, 감정의 마침표를 담당한다.
숏폼에서는 9:16 비율이 기본이고, 세로 기준 이미지로 바로 모바일용 영상을 유도할 수 있다. 공식 안내도 Veo의 세로 영상 생성과 모바일 친화적 출력, 그리고 Gemini 앱에서의 간편한 생성 흐름을 강조한다.56
실전 순서는 이렇게 잡으면 편하다.
먼저 3컷 스토리보드를 글로 쓴다.
컷마다 주인공, 행동, 카메라, 소리를 한 줄씩 정한다.
Fast 계열로 여러 초안을 먼저 본다.
가장 살아 있는 컷만 남기고 후반 편집에서 자막과 음악을 붙인다.
여기서 중요한 건 텍스트 자막까지 AI 영상 안에서 한 번에 해결하려 하지 않는 것이다. 숏폼의 자막은 가독성과 타이밍이 생명이다. 그래서 영상은 Veo로 만들고, 자막과 훅 문구는 편집기에서 얹는 편이 보통 더 깔끔하다.
광고 워크플로: 제품보다 먼저 감각을 팔아라
광고용 AI 영상에서 제일 흔한 실패는 제품 설명을 너무 많이 넣는 것이다. 8초 안에 모든 장점을 말하려 하면, 결국 아무것도 기억되지 않는다. 짧은 광고는 정보보다 감각이 먼저다.
광고용 워크플로는 보통 이렇게 짠다. 먼저 제품 기준 이미지를 만든다. 이때는 지난 장에서 본 Nano Banana Pro가 아주 유용하다. 제품 형태, 라벨, 질감을 안정적으로 잡아둔 다음, Veo 3.1에 참조 이미지로 넣어 움직임을 만든다. 이렇게 하면 정지 이미지에서 잡은 브랜드 일관성을 영상으로 이어가기 쉽다.34
그다음에는 쇼트를 나눈다. 예를 들어 스킨케어 광고라면 첫 컷은 병 표면의 물방울과 빛 반사, 둘째 컷은 손에 덜어 바르는 질감, 셋째 컷은 욕실 선반 위의 라이프스타일 장면처럼 분리하는 식이다. 제품 광고는 긴 문장보다 촉감, 반짝임, 속도감이 중요하다.
광고 프롬프트에서 특히 잘 먹히는 요소는 네 가지다.
재질: glass, matte, glossy, brushed metal
빛: soft daylight, rim light, dramatic studio lighting
카메라: macro close-up, slow push-in, tabletop angle
소리: bottle click, liquid pour, fabric rustle, subtle ambient music
이 네 개를 잘 조합하면 제품이 "보이는 것"을 넘어 "만져질 것처럼 느껴지는 것"까지 갈 수 있다. 광고는 결국 정보 전달이 아니라 구매 상상을 돕는 작업이기 때문이다.
프레젠테이션 영상 워크플로: 멋보다 이해를 우선하라
프레젠테이션용 AI 영상은 숏폼이나 광고와 다르게 접근해야 한다. 여기서의 목표는 감탄이 아니라 설명이다. 투자자 피치, 강연 오프닝, 제품 시연, 교육 자료에 붙는 영상은 너무 화려하면 오히려 메시지를 방해한다.
이럴 때는 16:9 비율, 안정적인 카메라, 과하지 않은 환경음이 좋다. 그리고 First and Last Frame 기능이 특히 유용하다. 예를 들어 첫 장면은 문제 상황을 상징하는 이미지, 마지막 장면은 해결된 결과 화면으로 정해두고 그 사이를 자연스럽게 연결하게 만들면 발표 도입부가 훨씬 매끄러워진다.24
프레젠테이션용 프롬프트는 화려한 수식보다 명확한 구조가 중요하다. 예를 들어 이런 식이다.
wide shot, a cluttered office desk with scattered papers and a tired manager checking multiple spreadsheets, fluorescent office lighting, calm documentary style, Audio: quiet office hum and keyboard clicks
그리고 다음 컷은 이렇게 이어갈 수 있다.
first frame: stressed office desk scene, last frame: clean dashboard on a large screen in a bright meeting room, smooth forward transition, subtle ambient office sound, optimistic professional tone
이 방식의 장점은 발표자가 설명을 얹기 좋다는 것이다. 영상이 모든 걸 말하려고 하지 않기 때문에, 오히려 슬라이드와 잘 붙는다.
Flow, Whisk, Gemini를 어떻게 나눠 써야 할까
입구가 여러 개라서 헷갈리는 사람도 많다. 아주 거칠게 정리하면 이렇게 생각하면 된다.
Gemini 앱은 가장 쉬운 입구다. 채팅하듯 요청하고, 짧은 영상을 비교적 간단하게 만들 수 있다. 공식 도움말 기준으로 생성 길이는 8초이며, 결과가 나오기까지 1~2분 정도 걸릴 수 있다. 오디오를 요청할 수도 있고, 세로 사진을 넣으면 세로 비율에 맞춘 결과를 얻기 쉽다.6
Flow는 본격 제작용이다. 텍스트에서 바로 만드는 것뿐 아니라 Frames to Video, Ingredients to Video, 비디오 확장, 객체 추가/삭제, 장면 조합 같은 기능을 전면에 내세운다. 말하자면 AI 영상 생성기라기보다 작은 편집 스튜디오에 가깝다.7
Whisk는 예산 관리 관점에서 함께 이해하면 된다. 공식 크레딧 체계에서 Flow와 Whisk는 둘 다 AI 크레딧을 쓰는 창작 도구로 묶여 있다. 실무 감각으로는 Whisk를 빠른 아이디어 탐색과 러프 실험용, Flow를 샷 연결과 결과 정리용으로 생각하면 운영이 편하다.8
그래서 추천 조합은 이렇다. 아이디어를 가볍게 시험할 때는 Gemini나 Whisk 쪽에서 감을 보고, 본격적인 연속 장면 제작과 확장은 Flow에서 처리한다. 한마디로 말해, Gemini는 대화형 입구, Whisk는 실험실, Flow는 작업실이다.
AI 크레딧을 모르면 영상이 비싸진다
영상 생성에서 가장 무서운 건 낮은 퀄리티가 아니라, 무의미한 반복이다. 프롬프트를 제대로 안 다듬은 채 Quality 모드만 계속 누르면, 결과보다 카드 명세서가 먼저 무거워진다.
공식 도움말 기준으로 개인 Google 계정 사용자는 조건을 충족하면 Flow와 Whisk에서 매일 50 AI 크레딧을 받을 수 있고, 대한민국도 해당 지역에 포함된다. Google AI Plus는 월 200, Pro는 월 1,000, Ultra는 월 25,000 AI 크레딧이 제공된다. 중요한 점은 크레딧이 요청당이 아니라 생성당 차감된다는 것이다. 즉 한 번 눌렀다고 한 번만 빠지는 게 아니라, 한 요청에서 여러 결과를 뽑으면 그 수만큼 차감될 수 있다.8
이 구조를 모르면 "한두 번 눌렀는데 왜 이렇게 빨리 닳지?"라는 일이 생긴다. 특히 Flow에서는 한 번의 요청이 여러 결과 후보를 만들 수 있으니 더 그렇다.8
크레딧 운용의 기본 원칙은 단순하다.
Fast는 스케치용으로 쓴다.
Quality는 당선작에만 쓴다.
긴 영상은 한 번에 만들지 말고 짧은 장면을 연결한다.
실패한 가설은 텍스트 단계에서 먼저 버린다.
이 네 가지만 지켜도 같은 예산으로 훨씬 많은 시도를 해볼 수 있다.
자주 망하는 프롬프트의 공통점
AI 영상이 이상하게 나올 때 사람들은 보통 모델을 탓한다. 하지만 실제로는 프롬프트가 흔들리는 경우가 더 많다.
가장 흔한 실패는 이렇다.
한 장면에 너무 많은 행동을 넣는다.
카메라 움직임을 두세 개 동시에 지시한다.
인물 외형을 흐리게 써서 얼굴이나 옷이 흔들린다.
소리를 대충 적어서 장면과 어긋난다.
첫 결과가 아쉬운데도 무엇을 고칠지 정하지 않고 계속 재생성한다.
좋은 수정은 항상 한 변수씩 한다. 카메라가 이상하면 카메라만 바꾼다. 조명이 밋밋하면 조명만 바꾼다. 인물이 흔들리면 참조 이미지를 보강한다. 이렇게 해야 무엇이 효과 있었는지 알 수 있다. AI 영상에서도 실력은 결국 '좋은 질문을 반복적으로 좁혀 가는 능력'에서 나온다.
30분 실습: 24초 숏폼 광고 하나 만들기
이 장을 읽고 바로 해볼 수 있는 가장 좋은 실습은 24초짜리 영상 하나를 완성해 보는 것이다. 긴 영화 말고, 짧은 광고나 브랜디드 숏폼이 좋다.
처음 5분에는 3컷 구조를 적는다. 컷 1은 시선을 잡는 훅, 컷 2는 핵심 동작, 컷 3은 결과와 분위기 마무리다.
다음 10분에는 컷마다 프롬프트를 쓴다. 각 프롬프트는 카메라, 주인공, 행동, 배경, 조명, 오디오 순서로 정리한다. 제품이나 캐릭터 일관성이 필요하면 참조 이미지도 함께 준비한다.23
그다음 10분에는 Fast 계열로 먼저 여러 버전을 뽑는다. 이 단계에서는 완벽함보다 방향 확인이 목표다. 세 컷 모두 살아 있으면, 그중 가장 좋은 결과만 고른다.
마지막 5분에는 편집기에서 세 컷을 이어 붙이고, 자막과 로고, 음악 볼륨만 정리한다. CTA 문구는 영상 생성 안에서 해결하려 하지 말고 후반 편집에서 넣는 편이 훨씬 안정적이다.
이 실습의 핵심은 결과물 한 편이 아니다. 8초를 설계하는 감각을 익히는 것이다. 한 번 익히면 숏폼, 광고, 발표 영상까지 거의 같은 원리로 확장된다.
정리
Veo 3.1 시대의 영상 제작은 더 이상 "멋진 한 줄 프롬프트"의 경쟁이 아니다. 좋은 장면을 빠르게 만들고, 그 장면들을 연결해 하나의 메시지로 묶는 능력이 더 중요하다.
짧은 영상 한 편은 우연히 탄생하지 않는다. 좋은 프롬프트가 뼈대를 만들고, 좋은 편집 감각이 리듬을 만든다. Veo 3.1이 해주는 것은 상상을 바로 움직이게 만드는 일이다. 하지만 그 움직임을 작품으로 바꾸는 일은 여전히 사람의 몫이다.
그러니 이 장의 결론은 하나다.
AI가 영상을 만들어 주는 시대가 아니라, 당신이 더 빨리 감독처럼 생각해야 하는 시대가 왔다.
참고
3Gemini API에서 Veo 3.1로 동영상 생성하기
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.