바이트댄스

1080p 영상을 처음부터 여러 번 만드는 대신, 값싼 480p로 원하는 결과가 나올 때까지 시험한 뒤 고른 결과를 바탕으로 1080p 영상을 만듭니다.

고른 초안의 구도와 움직임을 그대로 살려 1080p로 다시 생성하는 방식입니다.

BytePlus는 5초 영상 기준으로 시도 횟수가 많을수록 비용을 최대 77%까지 줄일 수 있다고 밝혔습니다.

대본을 넣으면 내용을 분석해 캐릭터와 컷 같은 제작 요소를 설정하고, 스토리보드 제작부터 영상 미리보기까지 한 흐름으로 잇습니다.

여러 컷에서 캐릭터와 설정이 어긋나지 않는지 확인하는 일관성 기능과 여러 사람이 함께 쓰는 협업 기능도 붙었습니다.

현재 베타 단계이고 신청을 거쳐 이용할 수 있습니다.

Lucida는 영상을 통째로 3D로 복원하는 방식 대신, 먼저 영상 속 물체를 각각 구분하고 여러 시점의 이미지·마스크·포인트클라우드 정보를 모읍니다.

이후 가려진 부분까지 포함한 완전한 3D 물체를 생성하고, GizmoAct라는 VLM 기반 방식으로 실제 영상과 비교하면서 위치와 회전을 반복 수정합니다.

결과적으로 의자나 책상 같은 물체가 하나의 3D 공간에 합쳐져 있으면서도 각각 따로 이동·편집할 수 있습니다.

로봇 시뮬레이션처럼 실제 공간을 수정 가능한 디지털 환경으로 옮기는 작업에 쓸 수 있습니다.

미토스급 규모로, 10조는 MoE 구조에서 총 파라미터 수일 가능성이 크고 실제 토큰당 활성화되는 양은 수천억 수준으로 추정됩니다.

중국 기업이 수출통제 속에서도 이 규모의 학습을 감당할 컴퓨트를 확보했다는 신호입니다.

바이트댄스는 SeedRealtime에 이어 이번 주에만 두 번째 굵직한 AI 소식을 냈습니다.

같은 날 TSMC가 DRAM 부족으로 애플 프로세서 10억 달러어치를 출하하지 못하고 있다는 보도도 나왔습니다.

모델이 커질수록 메모리 수요가 같이 올라가고, 공급망은 이미 따라가지 못하고 있습니다.

카메라를 켜고 말을 걸면 보고 듣고 말하는 세 가지를 함께 처리합니다.

GPT-Live가 음성 경로와 추론 경로를 분리하고 GPT-5.5에 무거운 작업을 위임하는 구조라면, SeedRealtime은 오디오와 비디오와 텍스트를 한 모델이 직접 처리합니다.

여러 명이 동시에 말해도 누가 무슨 말을 했는지 구분하고, "이거 어떻게 해"라는 말에 화면 속 물건과 손동작과 시선을 함께 보고 무엇을 가리키는지 판단합니다.

동음이의어도 영상 맥락으로 구분합니다.

지난번 GPT-Live 글에서 다뤘듯 오픈AI는 미디어 경로를 Go로 다시 쓰고 WARP로 연결을 단축하며 반응성을 확보했습니다.

바이트댄스는 처음부터 모델 안에 모든 감각을 넣는 반대 방향을 택했습니다.

지금까지 AI 영상은 5~10초를 여러 번 뽑아 이어 붙이는 방식이라, 컷이 넘어갈 때마다 인물 얼굴과 조명이 조금씩 어긋났습니다.

이번엔 한 번의 생성으로 30초를 통째로 만들고, 롱비디오 모드는 베타로 180초까지 갑니다.

레퍼런스도 50개까지 넣을 수 있고 여기에 3D 화이트 모델과 그린스크린 소스가 추가됐습니다.

Maya나 Blender에서 카메라 동선을 미리 잡아 그대로 넘길 수 있습니다.

720p 30초에 1,440크레딧이 나갔다는 이용자 보고도 올라오고 있어 일상용으로는 쓰기 어려울 것 같습니다.