"오디오 따로 만들고, 립싱크 따로 맞추고, 캐릭터 얼굴이 장면마다 바뀌어서 다시 돌리고…" AI로 숏폼 한 편 만들어 본 사람이라면 다 아는 고통이에요. 그 세 가지를 한 번에 끝내겠다고 나온 모델이 출시 하루 만에 디즈니한테 내용증명을 받았어요. Seedance 2.0, 바이트댄스가 만들었고, 지금 무료로 쓸 수 있어요.
이 글은 "할리우드가 왜 떠는가"를 구경하는 글이 아니에요. 그 소동의 원인이 된 기능을 내 콘텐츠 제작에 어떻게 써먹느냐를 정리한 실전 가이드예요. 접속 경로, 레퍼런스 세팅법, 경쟁 모델과 언제 갈아타야 하는지까지 다 담았어요.
숏폼 제작에서 가장 지겨운 3단계가 사라진다
Seedance 2.0은 바이트댄스 Seed 연구팀이 2026년 2월에 공개한 AI 영상 생성 모델이에요. 텍스트·이미지·영상·오디오를 넣으면 최대 15초짜리 2K 영상을 만들어주죠. "어차피 또 영상 생성기 하나 나온 거 아냐?" 싶을 거예요. 차이는 결과물이 아니라 워크플로우에 있어요.
기존 도구들은 무음 영상을 뽑고 → 오디오를 따로 제작하고 → 립싱크를 수동으로 맞추는, 세 번 손이 가는 작업이었어요. Seedance 2.0은 영상과 오디오를 동시에 생성해요. 문이 닫히면 닫히는 소리가 같이 나고, 캐릭터가 말하면 입 모양이 정확히 맞아요. 후반 작업 세 단계가 통째로 빠지는 거예요.
왜 하필 바이트댄스가 이걸 해냈을까요? 틱톡·더우인·캡컷을 굴리는, 지구상에서 영상을 가장 많이 처리하는 회사예요. "뭐가 잘 만든 영상인지"를 학습 데이터로 통째로 쥐고 있는 거죠. 출시 직후 X에서 바이럴이 터진 것도 그래서예요. 한 중국 사용자는 "합작 파트너가 하루 종일 못 만들던 효과를 5분 만에 끝냈다"고 했어요.
실제로 손이 줄어드는 지점 세 가지
- 멀티모달 입력 (최대 12개 파일)
이미지 9개 + 영상 3개 + 오디오 3개를 한 번에 넣어요. "이 사람 얼굴", "이 배경", "이 카메라 무빙", "이 음악 리듬"을 파일로 직접 지시하는 방식이에요. 프롬프트를 장황하게 쓸 필요가 줄어요. - 네이티브 오디오 생성
대화·효과음·배경음이 영상과 동시에 생성돼요. 8개 언어 립싱크를 지원하고, 음악 비트에 맞춰 컷 전환까지 해줘요. - 캐릭터 일관성
장면이 여러 개로 바뀌어도 캐릭터의 얼굴·옷·체형이 유지돼요. 이전 모델에서 제일 큰 불만이던 부분이 잡혔어요.
그런데 왜 디즈니가 내용증명을 보냈나
바로 이 "쉬워졌다"가 문제를 낳았어요. Seedance 2.0으로 스파이더맨·다스 베이더·베이비 요다 같은 캐릭터 영상이 대량으로 쏟아지자, 디즈니가 내용증명을 보냈고 파라마운트가 뒤따랐어요. MPA는 "저작권 침해"라고 규탄했고, SAG-AFTRA도 성명을 냈죠. 도구가 강력할수록 책임은 쓰는 사람 몫이 돼요.
상업용으로 쓸 거면 이 한 줄만 기억하세요
레퍼런스로 넣는 소스는 내가 권리를 가진 것만 쓰세요. 남의 IP(캐릭터·배우 얼굴·상표)를 참조 파일로 넣으면 그 결과물의 법적 책임은 고스란히 내 거예요. 디즈니가 모델 회사를 노리는 동안, 실무에서 위험한 건 그걸 무심코 광고에 쓴 사용자예요.
Sora·Veo·Kling 두고 왜 이걸 쓰나 (비교표)
AI 영상 생성기는 이미 차고 넘쳐요. Sora, Veo, Kling, Runway. 그런데 대부분 무음 영상을 만들고 오디오는 따로 붙여야 하죠. Seedance 2.0이 합친 건 그 분리된 단계예요.
| 기존 워크플로우 | Seedance 2.0 | |
|---|---|---|
| 오디오 | 무음 → 별도 제작 → 수동 싱크 | 영상+오디오 동시 생성 |
| 립싱크 | 별도 립싱크 도구 필요 | 8개 언어 네이티브 립싱크 |
| 해상도 | 대부분 1080p | 최대 2K (2048x1080) |
| 참조 입력 | 텍스트 + 이미지 1~2개 | 최대 12개 (이미지/영상/오디오/텍스트) |
| 캐릭터 일관성 | 장면 바뀌면 외모도 바뀜 | 다중 장면에서 일관성 유지 |
경쟁 모델과 정면으로 붙여보면 선택 기준이 분명해져요.
| 모델 | 네이티브 오디오 | 최대 길이 | 해상도 | 강점 |
|---|---|---|---|---|
| Seedance 2.0 | O | 15초 | 2K | 오디오 동시 생성, 12개 참조 파일 |
| Sora 2 (OpenAI) | X | 60초 | 1080p | 긴 클립, 물리 정확도 최고 |
| Kling 3.0 (콰이쇼우) | X | 10초 | 1080p | 빠른 생성, 모션 브러시 |
| Veo 3.1 (Google) | O | 8초 | 4K | 최고 해상도, Google Cloud 연동 |
정리하면 이래요. 15초 안에 끝나는, 말하고·소리 나는 숏폼이면 Seedance 2.0이에요. Hacker News에서 한 사용자는 "오디오가 사후 고려사항처럼 느껴지지 않는 첫 모델"이라고 평했죠. 단, 15초 상한이 발목을 잡아요. 더 긴 영상이 필요하면 Sora 2(최대 60초), 4K 화질이 절대 기준이면 Veo 3.1로 가세요.
오늘 바로 첫 영상 뽑기: 5단계
- 접속하기
jimeng.jianying.com(즈몽) 또는 CapCut 앱에서 Seedance 2.0을 쓸 수 있어요. 제3자 서비스 seedance2.so에서도 무료 체험이 가능해요. - 레퍼런스 준비하기
최대 12개까지 넣을 수 있지만, 첫 시도는 이미지 1~2장 + 텍스트로 충분해요. "제품 정면 사진 + 카페 배경에서 손에 들고 있는 15초 영상" 식으로 한 문장이면 돼요. - 생성 & 확인
1080p 5초 클립 기준 약 90초~3분이 걸려요. 마음에 안 드는 부분은 전체 재생성 없이 텍스트 명령으로 부분 수정할 수 있어요. - 반복 & 다듬기
1차는 컷 구성만 맞추고, 2차에서 스타일을 다듬는 순서가 효율적이에요. 뮤직비디오라면 오디오를 먼저 넣고 "비트에 맞춰 2초마다 컷 전환"처럼 간결하게 지시하세요. - 다운로드 & 활용
완성본을 받아 SNS·광고·제품 데모에 바로 쓰세요. 상업용이면 저작권 확보된 소스만 레퍼런스로 썼는지 다시 확인하고요.
결과를 가르는 한 끗: 레퍼런스에 "역할"을 나눠줘라
텍스트 프롬프트를 길게 쓰는 것보다, 파일마다 역할을 배정하는 게 훨씬 잘 나와요. 예를 들어 이미지 1장은 "인물", 이미지 2장은 "배경 무드", 영상 1개는 "카메라 무빙", 오디오 1개는 "리듬 기준" — 이렇게 분배하면 12개 멀티모달 입력의 진짜 위력이 나와요.
