Kling 2.6: AI 영상 생성, 이제 자체 오디오까지 지원

Kling 2.6: 침묵의 영화는 이제 그만

지금껏 생성형 영상 도구들은 큰 아쉬움이 있었습니다. Kling의 뛰어난 고화질 영상도 결국 소리 없는 고급 GIF에 불과했죠.

진짜 몰입감을 원한다면 복잡한 우회 경로를 거쳐야 했습니다. 영상은 여기서 만들고, TTS는 저기서 생성하고, 효과음은 따로 구해서 다 합쳐야 했죠. 과정은 번거롭고, 몰입감은 떨어졌어요. 하지만 Kling 2.6이 출시되면서 이제 그 장벽이 크게 낮아졌습니다.

이제 그만, '프랑켄슈타인'식 작업 흐름

Kling 2.6의 핵심은 자체 오디오 지원입니다. 영상 위에 사운드를 억지로 붙여넣는 방식이 아니에요. 모델이 한 번에 영상·음성·효과음·배경음 등 모든 요소를 동시에 생성합니다.

기술적으로도 이건 '싱크' 문제, 즉 소리와 영상이 따로 노는 불편함을 해결합니다. 이전엔 사람이 직접 발소리와 발걸음 타이밍을 맞춰야 했지만, Kling 2.6은 오디오-비주얼 동기화에 집중해 유리컵이 깨지는 장면에 그 날카로운 깨지는 소리가 딱 맞게 재생됩니다.

'장면+행동+소리'의 의미를 하나로 통합하는 이 접근법이야말로, 간단한 장난감 수준의 도구와 실제 영상 제작 도구를 구분 짓습니다.

파워유저를 위한 프롬프트 활용법

AI 영상에 익숙한 분이라면, 모델 성능은 결국 프롬프트에 달렸다는 걸 잘 아시죠. Kling 2.6에서는 프롬프트 방식에도 변화가 필요합니다. 이젠 단순히 영상을 묘사하는 데 그치지 말고, 사운드까지 연출해야 하거든요.

모델의 구조를 바탕으로, 다음과 같은 공식을 추천합니다:

프롬프트 = 장면 + 요소(주체) + 동작 + 오디오 + 스타일

'비주얼 앵커링' 기법

AI 영상에서 종종 일어나는 문제 중 하나는 '누가 말하는지' 모델이 제대로 파악하지 못하는 겁니다. 이에 공식 문서에서는 비주얼 앵커링이라는 기법을 추천합니다.

예를 들어 "[요원]이 '멈춰!'라고 말한다" 이렇게만 쓰지 마시고,
"[검은 옷의 요원]이 책상을 쾅 내리친다. [검은 옷의 요원, 화가 나서 큰 소리로]: '진실은 어디에 있지?'"처럼 써보세요.

이렇게 대사에 구체적인 동작을 연결하면, 모델이 소리의 주체(누가 말하는지)를 영상 속 인물과 정확히 매칭합니다. 여러 인물이 등장하는 장면에선 특히 더 중요하죠.

구조화된 대화 형식

모델은 음성 제어를 위해 특정 형식을 인식합니다. 전문적인 결과를 원한다면 다음과 같은 규칙을 꼭 지켜주세요:

캐릭터 태그: [A 등장인물]이나 [B 등장인물]처럼 명확한 태그를 사용해 주세요. 복잡한 장면에선 '그'나 '그녀' 같은 대명사를 쓰면 모델이 헷갈릴 수 있습니다.
감정 메타데이터: 대사엔 반드시 톤을 같이 써주세요. [남자, 저음, 빠른 말투] 처럼 구체적으로 쓸수록 훨씬 더 자연스러운 결과가 나옵니다.