아티클 목록으로
비전·비디오

아티스트에게 돈을 주면 AI를 받아들일까

약 3분 소요

도입

생성형 AI를 둘러싼 가장 큰 갈등 중 하나는 아티스트의 작품이 허락 없이 모델 학습에 사용됐다는 문제다. The Verge가 다룬 AI 영상 스타트업 Pippa는 이 갈등을 완화하기 위한 다른 해법을 제시한다. 아티스트가 자신의 스타일을 플랫폼에 제공하고, 사용자가 그 스타일을 바탕으로 이미지나 영상을 만들면 수익을 나눠 갖는 방식이다.

표면적으로는 합리적인 타협처럼 보인다. 하지만 보상이 곧 신뢰를 회복한다는 뜻은 아니다.

핵심 내용

  • Pippa의 핵심은 수익 배분: 구독자가 특정 아티스트의 스타일을 기반으로 이미지나 영상 클립을 생성하면 해당 아티스트에게 보상이 지급된다.
  • 보상 단가는 낮다: 회사에 따르면 아티스트는 이미지 한 장당 0.005달러, 영상 1초당 0.003달러를 받는다. 여기에 전체 구독 매출의 5%로 조성되는 로열티 풀도 포함된다.
  • 아직 초기 단계의 서비스: Pippa는 5월 출시됐고 현재 약 800명의 유료 구독자를 보유하고 있다. 인간 아티스트와 체결한 라이선스 또는 모델 학습 계약은 4건이며, 추가로 4명과 논의 중이다.
  • 윤리적 모델이라는 주장에는 제약이 있다: Pippa는 장기적으로 사내 아티스트가 제공한 데이터셋 기반 모델로 전환하길 원하지만, 현재 기술은 광범위한 온라인 콘텐츠로 초기 학습된 오픈 모델을 사용한다.
  • 제품 차별화도 숙제: 기사에 따르면 Pippa 포털의 많은 콘텐츠는 다른 텍스트-투-비디오 서비스와 크게 달라 보이지 않으며, 주류 애니메이션 미학을 어설프게 모방한 어린이용 콘텐츠가 많다.

왜 중요한가

Pippa의 시도는 AI 업계가 창작자의 스타일과 노동에 경제적 가치를 인정하려는 움직임으로 볼 수 있다. 과거 많은 생성형 AI 기업은 기술 발전을 이유로 대규모 데이터 사용을 정당화해 왔다. Pippa는 적어도 아티스트에게 일정한 보상을 돌려주는 구조를 사업 모델에 포함하려 한다.

그러나 아티스트 입장에서는 여전히 불안 요소가 크다. 단건 보상은 매우 작고, 음악 스트리밍식 로열티 모델은 이미 창작자에게 충분한 수익을 주지 못한다는 비판을 받아 왔다. 또한 AI 플랫폼에 참여하는 행위 자체가 동료 창작자 커뮤니티에서 비난받을 수 있어, Pippa는 가명 참여 옵션까지 제공한다.

영향과 전망

Pippa는 생성형 AI를 포기하지 않으면서도 라이선스, 프로필 페이지, 수익 배분을 통해 아티스트와의 관계를 다시 설계하려 한다. 이 모델이 작동한다면 AI 영상 서비스가 창작자와 협력하는 하나의 참고 사례가 될 수 있다.

하지만 성공 조건은 까다롭다. 더 많은 아티스트를 확보해야 하고, 결과물의 품질과 개성을 보여줘야 하며, 데이터 출처에 대한 의구심도 줄여야 한다. ByteDance의 Seedance 2.5를 통합하려는 계획은 기능 경쟁력을 높일 수 있지만, 윤리 논란 자체를 해결해 주지는 않는다.

결국 핵심 질문은 단순히 “돈을 주는가”가 아니다. 얼마를 주는지, 아티스트가 얼마나 통제권을 갖는지, 그리고 무단 학습으로 쌓인 불신을 어떻게 회복할지가 더 중요하다. Pippa의 실험은 그 어려운 과제를 보여준다.

출처: The Verge AI

댓글

로그인 상태 확인 중…

댓글 불러오는 중…

관련 게시물

CCTest · Blog
Vidu S2, 실시간 아바타·영상 편집·공간 영상 생성으로 확장
비전·비디오
cctest.ai
비전·비디오

Vidu S2, 실시간 아바타·영상 편집·공간 영상 생성으로 확장

Vidu S2는 대화형 디지털 아바타와 실시간 영상 스트림 편집 모델을 함께 제공한다. 생성 중에도 지시와 참고 이미지를 바꿀 수 있어, 영상을 한 번 생성하고 끝내는 방식에서 지속적으로 조작하는 방식으로 나아가려는 시도다.

더 보기
CCTest · Blog
ShallowStream: 얕은 층으로 색인하고 깊은 층으로 답하는 영상 이해
비전·비디오
cctest.ai
비전·비디오

ShallowStream: 얕은 층으로 색인하고 깊은 층으로 답하는 영상 이해

ShallowStream은 MLLM의 얕은 층을 활용해 스트리밍 영상의 프레임 인코딩과 검색 색인 구축을 수행하고, 질의가 들어올 때만 깊은 층을 사용합니다. 논문은 프레임별 프리필 지연을 최대 52.1배, 10초 엔드투엔드 지연을 최대 11.9배 줄였다고 보고합니다.

더 보기
CCTest · Blog
DM-Align, 동영상 생성의 증류와 선호 정렬을 한 번에 수행
비전·비디오
cctest.ai
비전·비디오

DM-Align, 동영상 생성의 증류와 선호 정렬을 한 번에 수행

arXiv 연구가 동영상 생성 모델의 증류와 인간 선호 정렬을 단일 단계에서 결합하는 DM-Align을 제안했다. 샘플 분포 차이로 선호 유도 그래디언트를 구성해 기존 강화학습 파이프라인의 계산량과 불안정성을 줄이는 것이 목표다.

더 보기