Kling 3.0의 장시간 AI 영상 생성과 시장 전략

25초의 벽을 넘어선 장시간 생성

2026년 2월 Kuaishou가 공개한 Kling 3.0은 Sora의 약점으로 꼽히던 25초 한도를 넘어 최대 2분 분량의 클립을 단일 패스로 생성한다. 업계 최초로 이 길이를 구현한 AI 영상 모델이라는 점에서 주목받았다.

기반이 되는 Omni One 아키텍처는 4K 네이티브 해상도, 멀티샷 스토리보드 자동화, 프레임 단위 오디오 동기화를 하나의 생성 과정에 묶는다. OpenAI Sora가 2026년 4월 26일 종료된 뒤에는 글로벌 주간 활성 사용자 260만 명을 기록하며 포스트-Sora 시장에서 가장 빠른 성장세를 보였다.

2분짜리 영상을 품질 저하 없이 만들려면 개별 프레임의 선명도만으로는 부족하다. 처음 등장한 피사체와 배경이 뒤에서도 유지되어야 하고, 장면 전환과 소리까지 같은 시간축에서 맞아야 한다.

긴 시퀀스의 시각적 맥락을 붙잡는 방법

Kling 3.0은 초기 프레임의 잠재 벡터를 이후 디노이징 단계에 앵커로 주입하는 긴 컨텍스트 어텐션(Long-Context Attention)을 사용한다. 이 앵커는 영상이 길어져도 피사체 외형과 배경이 크게 달라지지 않도록 기준점을 제공한다.

전체 2분 시퀀스는 서로 겹치는 청크로 나뉘어 처리된다. 슬라이딩 윈도우 어텐션이 인접 청크의 문맥을 이어받아 경계에서 발생할 수 있는 단절을 줄인다. 라이팅, 색온도, 그레인 파라미터는 전역 스타일 토큰(Global Style Token)에 고정해 샷이 바뀌어도 시각적 톤을 유지한다. 키 피사체의 특징 벡터는 피사체 트래킹 임베딩으로 전체 타임스텝에 걸쳐 추적한다.

장면 전환은 프롬프트 해석 단계부터 다뤄진다. 멀티샷 스토리보드 파서는 “cut to”, “fade to black”, “meanwhile” 같은 표현을 찾아 장면 경계를 추출한다. 장면 A의 마지막 프레임과 장면 B의 첫 프레임 사이에는 트랜지션 잠재 보간(Transition Latent Interpolation)을 적용한다.

광학 흐름 일치(Optical Flow Matching)는 장면 경계의 모션 벡터가 자연스럽게 이어지는지 검사한다. 부자연스러운 점프 컷이 감지되면 해당 구간을 다시 생성한다. 컷, 디졸브, 와이프는 다큐·광고·뮤직비디오 장르에 맞춰 사전 학습된 전환 패턴에서 선택할 수 있다.

분할 추론과 경계 검증

장시간 생성은 시퀀스를 나누어 병렬로 추론한 뒤 다시 연결하는 구조를 취한다. 이때 속도만큼 중요한 것이 청크 사이의 일관성 검증이다.

⤢✕

멀티샷 영상에서는 카메라 구도와 공간도 이어져야 한다. 샷리스트 임베딩은 Wide → Medium → Close-up 순서를 하나의 임베딩 시퀀스로 인코딩한다. 첫 샷에서 추출한 주인공 외형 레퍼런스는 캐릭터 일관성 앵커가 되어 이후 모든 샷의 컨디셔닝에 쓰인다. 동일 로케이션에서는 배경 지속성 맵(Background Persistence Map)이 배경 텍스처를 고정해 연속성 오류를 줄인다.

소리는 별도의 후처리가 아니라 영상과 함께 정렬된다. 프레임-오디오 공동 임베딩은 비디오 프레임과 오디오 파형을 같은 잠재 공간에 투영한다. 발화를 감지하면 오디오 파형을 입술 움직임 예측 모델에 맞춰 립싱크를 정렬한다. 환경음은 실내·야외·군중 같은 장면별로 분리해 생성하고, 배경음악 BPM과 동기화한다.

시네마틱 품질을 제어하는 층

라이팅 모델은 태양, 인공조명, 반사광을 물리 기반 렌더링(PBR) 파라미터로 표현한다. 그림자 추적(Shadow Tracing)은 피사체의 그림자 방향이 광원 위치와 물리적으로 맞도록 제어한다. 골든아워·블루아워·야간과 같은 시간대별 프리셋도 제공한다. 장면 컨텍스트에서 실내와 실외를 구분한 뒤 환경에 맞는 라이팅을 적용하는 과정도 자동화되어 있다.

카메라 제어에는 달리·트랙·줌·패닝·드론샷을 비롯한 18가지 무브먼트 토큰이 쓰인다. 움직임의 가속과 감속은 베지어 곡선으로 지정해 시작과 종료를 부드럽게 만들 수 있다. 조리개, 초점 거리, 피사체 거리는 피사계 심도(DoF) 파라미터로 각각 설정한다. 스테디캠과 핸드헬드의 흔들림 강도는 연속 슬라이더로 조절해 장르에 맞는 질감을 만든다.

여러 샷에서 같은 피사체를 유지하는 검증 구조

레퍼런스 이미지에서 추출한 특징은 모든 샷의 생성 조건으로 공유된다. 생성이 끝난 뒤에는 각 샷의 피사체가 기준과 충분히 유사한지 다시 검사한다.

⤢✕

스토리보드 에이전트는 자연어를 촬영 단위로 바꾼다. “3인 대화 장면”을 입력하면 Over-shoulder → Close-up → Wide 샷으로 구성하고, 광고·다큐·뮤직비디오·영화의 촬영 문법을 장르 템플릿에 따라 적용한다. 생성된 샷리스트는 UI에서 드래그앤드롭으로 순서를 바꿀 수 있다. 사운드 트랙의 BPM을 분석해 샷 전환 시점을 비트에 맞추는 기능도 포함한다.

크리에이터는 “시네마틱 느와르 스타일, 저각도, 텅스텐 라이팅”처럼 영화 제작 용어를 그대로 입력해 장면을 지시할 수 있다. 프롬프트는 전체 스타일, 장면, 캐릭터 레이어로 나누어 관리한다. 생성 후 문제가 있는 특정 프레임 구간은 인페인팅으로 다시 만들 수 있고, 슬로우모션이나 타임랩스 구간은 프레임 단위 Time Remapping으로 지정한다.

경쟁 모델 사이에서 잡은 위치

Kling 3.0은 길이와 해상도, 네이티브 오디오, 멀티샷 자동화를 한 제품 안에서 제공한다. 반면 캐릭터 일관성에서는 Runway Gen-4.5의 World Consistency가 더 높은 평가를 받는다.

항목	Kling 3.0	Veo 3.1	Runway Gen-4.5
최대 길이	2분(확장 모드)	제한적	16초
최대 해상도	4K 네이티브	4K/60fps	1080p
네이티브 오디오	O	O	X
캐릭터 일관성	보통	보통	탁월(World Consistency)
멀티샷 자동화	O	제한적	제한적
초당 단가	$0.09	$0.05 (Lite)	$0.20
ELO 점수	1,243 (1위)	-	-

2분 한도는 숏폼과 미드폼 사이의 제작 범위를 넓힌다. 유튜브 쇼츠(60초)와 틱톡(3분) 사이의 공백에 대응할 수 있으며, 30초·60초·120초 TV 및 디지털 광고를 단독으로 만들 수 있다. 단편 영화 제작에서는 2분 장면의 카메라 배치와 편집 리듬을 미리 검증하는 프리비즈(Previsualization) 용도로 쓸 수 있다.

길이가 늘어나는 만큼 일관성 오류가 누적되고 메모리 요구량이 기하급수적으로 증가하는 문제는 계속 해결해야 할 기술 과제로 남는다.

API와 가격으로 넓히는 유통 경로

Kuaishou는 Fal.ai·Artlist·InVideo 같은 서드파티 플랫폼에 Kling 3.0 API를 조기에 공급하는 API 우선 전략을 택했다. 초당 가격은 $0.09로, Runway Gen-4.5의 $0.20/초보다 55% 낮다. 이 가격 차이를 바탕으로 볼륨 시장을 공략한다.

유튜버와 광고 대행사를 위한 볼륨 할인 전용 요금제도 확장 전략의 일부다. Kuaishou 모바일 앱에 Kling 3.0을 직접 통합해 1억+ 사용자 기반을 활용하는 경로도 마련했다.

시장에서는 각 플랫폼이 가격과 고객군을 달리하며 자리를 잡고 있다.

⤢✕

Veo 3.1 Lite는 $0.05/초로 소비자와 소셜 미디어 시장을 겨냥하고, Kling 3.0은 $0.09/초와 4K·2분 생성 능력을 광고 및 유튜브 크리에이터 시장에 결합한다. Runway Gen-4.5는 $0.20/초의 프리미엄 포지션으로 영화와 엔터프라이즈 수요를 향한다. 가격 하락과 추론 비용 절감 경쟁이 이어지는 가운데 오픈소스 LTX·Wan은 자체 호스팅 대안으로 부상한다.

선두를 유지하려면 남는 과제

Kling 3.0의 시장 우위를 이어가기 위한 조건에는 2분 → 5분 확장 로드맵이 포함된다. 길이 우위를 먼저 넓혀 경쟁사의 진입 장벽을 높이려는 방향이다. 오디오 측면에서는 배경음악 자동 작곡과 라이선스 프리 사운드 라이브러리 통합으로 격차를 확대해야 한다.

영화·방송사 시장을 공략하려면 SLA 보장과 온프레미스 배포 옵션을 포함한 엔터프라이즈 API 강화도 필요하다. 브랜드별 스타일을 학습하는 커스텀 파인튜닝은 광고 대행사를 플랫폼에 묶어 두는 수단이 될 수 있다.

Kling 3.0은 Sora의 빈자리를 채우는 데 그치지 않고, 2분이라는 영상 길이를 광고·단편 영화·유튜브 미드폼 콘텐츠에 연결했다. Omni One 아키텍처의 시간적 일관성, 멀티샷 스토리보드 자동화, 네이티브 오디오 동기화는 기존 영상 제작 과정을 단순화하는 방향으로 작동한다. ELO 1,243으로 AI 영상 아레나 1위를 기록한 점과 가격 경쟁력은 포스트-Sora 시장에서 Kuaishou가 확보한 위치를 보여준다.