AI 영상 모델은 연기 지시를 따를까요 (2026) — 두 번의 생성을 프레임 단위로 검증했습니다

생성일: 2026-08-29 (Seedance 2.5, 3회 시도) · 공개: 2026-09-01

결론부터

이제는 어느 프롬프트 가이드나 감정을 한 단어로 적지 말고 연기를 연출하라고 말합니다. 그런데 완성본을 제시하고 각 비트의 시각을 대본과 맞춰본 글은 거의 없습니다. 그래서 조언만 널리 퍼지고 근거는 나오지 않은 채였습니다. 저희는 같은 장면을 Seedance 2.5에서 두 번 생성했고, 두 영상을 모두 공개한 뒤 각 비트를 프레임에서 읽어냈습니다.

이 두 생성의 가치는 동작 기반 프롬프트가 유효하다는 것을 다시 확인하는 데 있지 않습니다. 볼 만한 지점은 모델이 자기가 찍을 수 없는 한 문장을 어떻게 처리하느냐입니다. Run A가 요구한 것은 "미소는 입가에 남지만 눈에서는 사라진다", 살아 있는 배우만 성립시킬 수 있는 모순이었습니다. 모델은 이를 건너뛰지도, 오류를 내지도 않고 가장 가까운 가시적 결과를 그렸습니다. 미소가 사라진 것입니다. 같은 문장의 이웃한 절, 두 번의 눈 깜빡임과 렌즈 너머로 시선을 드는 동작은 모두 정상적으로 실행되었습니다.

Run B는 같은 감정의 전환을 내면의 어휘를 전혀 쓰지 않고 여섯 개의 관찰 가능한 사건으로 다시 쓴 것입니다. 여섯 개 모두 8초 생성물의 첫 시도에서 화면에 나왔습니다. 그중 인접한 두 개는 대본과 순서가 반대였습니다.

두 개의 프롬프트

장면은 같습니다. 여자가 편지를 읽고, 그 안의 한 줄이 그녀를 무너뜨립니다. 모델도 날짜도 설정도 같으며(720p, 16:9, 텍스트에서 영상, 참조 이미지 없음), 의도적으로 바꾼 것은 한 가지, 감정의 전환을 내면으로 쓰느냐 외형의 동작으로 쓰느냐뿐입니다.

Run A, 5초, 내면의 상태를 적은 것:

Close-up on a woman in her thirties reading a handwritten letter, warm window light from the left, shallow depth of field. She holds a polite smile for someone off-camera. Her eyes drop to one line and the smile stays on her mouth but leaves her eyes; her jaw tightens, she blinks twice, her breath catches. She lifts her gaze past the lens, composed again. Subtle, restrained performance. No dialogue, no music.

Run B, 8초, 가시적 사건만 적은 것:

Close-up on a woman in her thirties beside a window, warm afternoon light, shallow depth of field. She is smiling as she reads a letter held below frame. Her eyes move down one line and the smile fades from her face; her mouth settles flat, her gaze goes still. She lowers the letter slowly, breathes out, blinks twice, and turns to look toward the window. Quiet and restrained. No dialogue, no music.

분량은 비슷하고, 어느 쪽에도 카메라 워크나 조명 변화, 전환은 들어 있지 않습니다. 차이는 한 가지뿐입니다. 그 절을 정지된 한 프레임 위에서 가리킬 수 있는가입니다.

두 영상 원본, 편집 없음

어느 쪽도 재생성, 트리밍, 색보정을 하지 않았습니다. 파일 크기 때문에 오디오 트랙은 뺐지만, 두 프롬프트 모두 대사와 음악을 요구하지 않았고 원본 파일에도 오디오 트랙은 없었습니다.

Run A: 감정을 적은 프롬프트

검증 대상인 문장은 "the smile stays on her mouth but leaves her eyes"입니다. 완성본에서는 0.4초 시점에 미소가 분명히 있고, 2.0초에 눈에 띄게 약해지며, 3.4초 부근에서 사라집니다. 이후 입매는 끝까지 평평합니다. 미소를 유지하라는 지시는 실행되지 않았습니다.

실행된 것은 같은 문장의 나머지 부분입니다. 4.8초 부근에서 시선이 렌즈 너머로 올라갑니다. 이것은 대본의 마지막 비트이자 이 생성물의 마무리 그림이기도 합니다. 결과가 단순한 실패가 아니라 살펴볼 가치가 있는 이유가 여기 있습니다. 모델은 문장 전체를 해석하고, 연출할 수 있는 절은 모두 연기했으며, 할 수 없는 하나만 가장 가까운 가시적 이웃으로 바꿨습니다. 존재하지만 감정이 빠진 미소는 한 프레임에 담기는 것이 아닙니다. 사라져 가는 미소라면 담깁니다.

이 문장에는 더 세밀한 절이 두 개 더 있습니다. her jaw tightens와 her breath catches입니다. 이번 표본 추출 정밀도와 해상도로는 판정할 수 있는 범위를 넘어서므로 어느 쪽에도 점수를 매기지 않습니다.

Run B: 동작을 적은 프롬프트

Run B는 같은 전환을 내면의 어휘 없이 다시 쓴 것입니다. 여섯 가지 사건이 일어나고 모두 가시적이며, 첫 시도부터 전부 화면에 나와 있습니다.

유일하게 깎인 것은 blinks twice입니다. 완성본이 돌려준 것은 약 1.5초에 걸친 느린 감음이지 뚜렷한 두 번의 깜빡임이 아닙니다. 감정으로는 같은 비트지만, 프롬프트에 적은 횟수가 그대로 돌아오지는 않는다는 뜻입니다.

모델이 스스로 더한 것도 하나 있습니다. 첫 프레임부터 이미 그녀의 눈이 젖어 보이는데, 이 시점에는 편지의 내용에 아직 이르지 않았습니다. 프롬프트는 편지를 읽으며 미소 짓고 있다고만 적었습니다. 이것은 저희의 주관적 판독입니다. 다만 영화적 질감을 내세우는 모델에 대해서는 이 버릇을 기록해 둘 가치가 있습니다. 모델은 이 장면에 대한 자기 해석을 함께 가지고 들어옵니다.

두 비트의 순서가 뒤바뀌었습니다

대본은 she lowers the letter slowly, breathes out, blinks twice 순서입니다. 완성본에서는 숨을 내쉬는 것이 먼저 약 3.9초에 오고, 편지가 화면에서 벗어나는 것은 그 뒤인 대략 4.5초에서 5.5초 사이입니다. 두 사건 모두 일어났지만 순서가 반대입니다.

다른 소재와 붙여 자르려고 비트를 적고 있다면 이 점은 영향을 줍니다. 전체 흐름은 무너지지 않았습니다. 미소로 시작해 옆얼굴로 끝나는 구성은 대본과 완전히 일치하고, 빠진 비트도 하나 없습니다. 다만 1초 이내로 인접한 비트는 모델이 그 부근에 함께 배치하는 사건의 묶음으로 다루십시오. 앞뒤는 보장되지 않습니다. 저희의 다른 글인 25초 타임코드 실측에서는 더 큰 규모에서 같은 성질이 관측되었습니다. 시간 구간은 템포를 움직이지만 컷 지점을 고정하지는 않습니다.

세 번째 생성은 거부되었습니다

Run A와 Run B 사이에 세 번째 판본도 시도했습니다. 같은 장면을 어느 프롬프트 가이드나 권하는 방향, 즉 더 구체적인 물리 묘사 쪽으로 한층 더 밀어붙인 것입니다.

Extreme close-up on a woman's face in her thirties [...] Her eyes track down one line and her smile drops away completely: the mouth goes flat, her eyes widen, she stops moving for a full beat. Her fingers crush the edge of the paper, crumpling it. She swallows hard, blinks fast twice, then turns her face away from the letter toward the window.

이 생성은 콘텐츠 심사에서 거부되었습니다. 오류 코드는 1501이고, 영상은 한 편도 나오지 않았으며 과금도 되지 않았습니다. 같은 여섯 비트를 부드러운 표현으로 쓴 Run B는 다음 시도에서 통과했습니다.

이 거부는 관측된 결과로만 보고하고 무엇이 방아쇠였는지는 추측하지 않습니다. 세 요소를 동시에 바꿨기 때문에(극단적인 클로즈업 화각, 종이를 움켜쥐는 동작, 크게 뜬 눈) 한 번의 거부에서 원인을 하나로 귀속시킬 수는 없습니다. 다만 분명히 말할 수 있는 것이 하나 있습니다. 그 정석 같은 조언에는 아무도 적어두지 않은 상한이 있다는 점입니다. 실사에 가까운 인물 클로즈업에서는 물리 묘사를 강화해 가는 방향이 곧 심사의 벽으로 향하는 방향이기도 합니다. 저희가 11개 모델에서 실측한 거부율이 보여주듯, 같은 입력이 어떤 모델에서는 통과하고 다른 모델에서는 거부되는 일은 흔합니다. 그러므로 이 한 번의 거부는 이 시도에 관한 사실이지, 이 장면의 성질은 아닙니다.

자기 영상을 검증하는 방법

여기까지의 내용은 등속으로 재생해서는 읽어낼 수 없습니다. 1.25초에 걸쳐 사라지는 미소나 3.9초에 일어나는 호흡은 프레임을 나란히 놓아야 비로소 찾을 수 있는 것입니다. 도구는 명령 한 줄이면 충분합니다.

# a 4x4 contact sheet covering 4 seconds at 0.25s spacing
ffmpeg -i clip.mp4 -vf "fps=4,scale=320:-2,tile=4x4" -frames:v 1 sheet.png

# start the window later in the clip
ffmpeg -ss 4 -t 4 -i clip.mp4 -vf "fps=4,scale=320:-2,tile=4x4" -frames:v 1 late.png

왼쪽에서 오른쪽, 위에서 아래로 이 시트를 읽으며 손에 든 프롬프트의 각 절과 하나씩 대조하십시오. 이 글의 판단은 모두 이 방법으로 나왔고 프레임의 위치도 적어 두었습니다. 공개한 원본으로 그대로 재현할 수 있습니다.

방법과 한계

• 1개 모델, 1개 장면, 3회 시도입니다. 세 번 모두 2026-08-29에 Seedance 2.5의 텍스트에서 영상을 720p, 16:9로, 자사 화면을 거치지 않고 벤더 API에 직접 던졌습니다. 이것은 모델 간 비교가 아니며, 다른 모델이 연기 지시를 어떻게 다루는지에 대해서는 아무것도 말하지 않습니다.
• 첫 시도뿐이며 재생성은 하지 않았습니다. 남긴 각 영상은 그 프롬프트의 유일한 생성이며 여럿 중에서 고른 것이 아닙니다. 같은 프롬프트를 한 번 더 돌리면 결과는 달라질 수 있습니다.
• 시각은 표본값이지 정확값이 아닙니다. 프레임은 ffmpeg로 0.25초에서 0.5초 간격으로 뽑았으므로, 여기 적은 시각에는 그만큼의 오차가 실립니다. 구간으로 적을 수 있는 곳을 구간으로 적은 이유가 이것입니다.
• 두 절에는 점수를 매기지 않았습니다. Run A의 "jaw tightens"와 "breath catches"는 이번 표본 추출 정밀도보다 세밀하므로, 추측하지 않고 미판정으로 두었습니다.
• 두 영상의 길이가 다릅니다. Run A는 5초, Run B는 8초입니다. Run B의 완성도가 높은 데에는 더 주어진 3초의 몫도 있으며, 서술 방식만의 성과는 아닙니다. 다만 찍을 수 없는 문장에 대한 결론은 길이에 의존하지 않습니다. Run A의 미소는 3.4초에 사라졌고, 이는 자기 길이 안에 충분히 들어옵니다.
• 얼굴을 읽는 일은 주관적입니다. "미소가 사라졌다", "입매가 평평하다", "눈이 이미 젖어 있다"는 모두 저희의 판독입니다. 두 영상 모두 전체를 공개했으니 같은 프레임을 뽑아 반박하실 수 있습니다.

공개 시점 가격으로 Run A는 77 크레딧, Run B는 122 크레딧이며, 720p에서 초당 15.3 크레딧입니다. 1 크레딧은 요금제에 따라 대략 $0.018에서 $0.030이므로, 거부된 1회를 포함한 검증 전체도 $6 안에 들어옵니다.