인물 사진⁠·⁠음성으로 최대 15초 영상, 바이두 위즈샷 ME 공개

바이두가 11월 12일 ‘바이두 월드 2026’에서 인물 이미지와 음성 자료를 바탕으로 짧은 영상 장면을 만드는 ‘어니 위즈샷 ME(ERNIE-Wizshot-ME)’를 발표하고 클라우드 플랫폼 첸판에서 API를 열었다. 첸판 제품 페이지에 안내된 영상은 1080p, 길이는 4~15초다. 영상 1초당 정가는 0.7위안이다.

영상 제작팀은 인물 이미지와 음성 자료, 대사와 연기 지시를 함께 제출해 말하는 인물의 클로즈업을 만들 수 있다. 바이두는 눈썹과 입꼬리의 작은 변화, 시선 이동을 표현하는 장면에 초점을 맞췄다. 제품 페이지는 팟캐스트 대화, 짧은 드라마의 인물 클로즈업, 이야기를 들려주는 장면을 예로 들었다. 바이두가 이 행사에서 발표한 텍스트 모델 어니 5.5 플래시 프리뷰와 별도로 제공되는 영상 모델이다.

인물 이미지와 음성에 대사·표정 지시를 더한다

API 문서는 한 요청 안에서 출연 인물을 먼저 정하고, 각 인물의 얼굴이 보이는 이미지와 목소리 참조 파일을 연결하는 방식을 설명한다. 이미지는 JPEG·PNG·WebP, 음성은 사람 목소리가 들어간 10~60초 길이의 WAV를 받는다. 얼굴 참조 이미지는 가로와 세로가 각각 300~5,000픽셀이어야 한다. 카메라 구도를 보여 주는 장면 참고 이미지는 짧은 변이 720픽셀 이상이어야 한다. 목소리 자료의 길이는 모델이 받아들이는 참조 파일 조건이다. 최종 영상에 들어갈 말은 요청에서 대사로 따로 지정한다.

제작자는 장면별로 카메라 위치와 화면에 들어오는 인물, 누가 말할지 정한다. 같은 장면 안에서도 대사에 맞춰 턱을 가볍게 끄덕이거나 시선을 옆으로 옮기는 동작을 글로 지정할 수 있다. 대사 속도와 어조, 감정이 어떻게 이어지는지도 요청에 담는다. 바이두의 문서에 실린 예시에는 대화 중 상대방의 짧은 맞장구를 지정하는 경우도 있다. 한 생성 요청에는 시간 순서대로 장면을 최대 10개 넣을 수 있으며, 바이두는 4개 이하를 권한다. 인물 이미지는 출연자를 정하고 장면 참고 이미지는 개별 장면의 화면 구성을 전달하는 데 쓰인다.

제품 안내의 영상 길이와 API 입력 검사

바이두가 안내한 4~15초는 영상 결과의 범위다. 요청을 접수하는 API에는 별도의 시간 검사가 있다. 한 요청에 포함된 대사를 음성으로 합성한 시간과 말이 없는 구간을 합쳐 4~16초에 들어야 한다. 서버가 실제 길이를 계산하며 범위를 벗어나면 생성에 실패한다. 같은 글자 수라도 읽는 속도와 문장 사이의 쉼에 따라 길이는 달라진다.

공식 문서는 약 5~15초에 해당하는 초안 분량으로 중국어 20~60자, 영어 13~37단어를 제시한다. 회사가 언어별 평균 발화 속도로 환산한 참고치다. 문장부호에서 쉬는 시간, 숫자와 약어를 소리 내 읽는 시간까지 더하면 실제 재생 길이가 달라질 수 있다. 말없이 반응하는 장면을 넣는 경우 API는 그 시간을 전체 길이에 포함한다. 문서에 따르면 침묵 장면은 말하는 장면과 따로 지정하며, 대사 한 조각마다 텍스트는 450바이트 이하여야 한다.

영상이 완성되면 별도 조회에서 주소를 받는다

첸판은 먼저 생성 요청을 받고 작업 식별자를 돌려준다. 제작 도구는 이 식별자로 별도 조회를 보내 요청 접수, 생성 중, 완료, 실패 상태를 확인한다. 공개 모델 목록은 동시 실행과 대기열 한도를 각각 한 건으로 표시한다. 여러 장면을 연속으로 제작할 때는 작업을 한꺼번에 제출할 수 있는 범위가 이 한도에 달려 있다. 제품 안내의 영상 길이는 처리 속도를 뜻하지 않으며, API는 완료 시간을 고정해 제시하지 않는다.

첸판의 과금 문서에는 이 모델의 요금이 생성 영상 1초당 0.7위안으로 표시돼 있다. 제품 안내의 예는 5초에 3.5위안이며 같은 단가로 15초는 10.5위안이다. 생성이 끝난 작업의 조회 결과에는 영상 길이와 해상도 항목도 포함될 수 있다. 이 단가는 완성한 영상의 길이를 기준으로 하므로 요청 처리에 걸린 시간과 다른 값이다.

완료 응답에는 영상 파일을 받을 수 있는 주소가 들어온다. 바이두가 명시한 주소 유효기간은 24시간이고, 서비스가 영상 내용을 보관하는 기간은 최장 30일이다. 공유받은 편집팀도 같은 주소의 만료 시각을 적용받는다. 주소가 열려 있는 동안 받은 영상 파일은 프로젝트의 다른 촬영·녹음 자료와 함께 보관할 수 있다.