Veo 3 종합 리뷰

핵심 스펙

제작사	Google DeepMind
국가/지역	미국
출시	2025-05
생성 유형	텍스트→영상 + 이미지→영상
클립 길이	8초(Flow 내에서 연장 가능)
해상도	1080p(4K 업스케일)
네이티브 오디오	네이티브 대사 + 효과음 + 배경음악(업계 최초)
립싱크	다국어 립싱크
화면 비율	16:9 / 9:16
참고 가격	Google AI Pro 월 19.99달러(사용량 제한)/Ultra 월 249달러; API는 초당 과금으로 약 0.35~0.75달러/초
API	✅ 제공✅ PixPix
무료 이용 한도	Gemini 앱에서 소량 체험 가능

에디터 평점

네이티브 오디오, 그 한 방이 업계를 확실히 두 진영으로 갈랐어요

Veo 3가 처음 나왔을 때 피드가 정말 심하게 도배됐었어요. '말하는 AI 영상'이라는 태그는 이 모델이 아예 못 박아버렸다고 봐도 될 정도였죠. 지금 와서 돌이켜 봐도 이 인식 선점은 그냥 마케팅으로 만들어낸 게 아니라 진짜 기술력이 뒷받침된 거였어요. 대사, 환경음, 배경음악이 화면과 함께 한 번에 생성돼서 나중에 따로 사운드 트랙을 입히고 립싱크를 맞출 필요가 없거든요. 이전까지는 다들 AI 영상은 원래 벙어리고, 더빙은 별도 공정이라고 당연하게 여겼는데, Veo 3는 이 공정을 아예 생성 프로세스 안에 녹여버린 거예요.

이 능력이 만들어낸 파급 효과 중 하나는, 프롬프트를 쓰는 사고방식 자체도 바뀌어야 한다는 거예요. 이제는 화면만 묘사하는 게 아니라 이 장면에 어떤 소리가 있어야 하는지, 캐릭터가 무슨 말을 해야 하는지까지 동시에 구상해야 해요. 사실 이건 새로운 스킬이고, 많은 사람들이 처음엔 예전 습관대로 화면 묘사만 쓰고 소리 부분은 모델이 알아서 하도록 맡기는데, 그렇게 나온 결과물은 대사와 환경음까지 공들여 설계한 것보다 한 수 처지는 게 딱 티가 나요.

물리적 사실감과 빛·그림자 표현도 업계 기준점이라 할 만한 수준이에요. 이건 딱히 이견이 없고요. 1년 넘게 지난 지금도 새로 나오는 모델 리뷰에 'Veo 3 대비'라는 표현이 여전히 자주 등장하는 걸 보면, 이 모델이 세운 기준선이 아직 완전히 뒤집히지 않았다는 뜻이겠죠.

8초는 확실한 약점이지만, 음성-영상 동기화의 안정성은 가격값을 해요

실제로 써보면서 가장 체감되는 아쉬운 점은 단일 클립 8초가 정말 짧다는 거예요. 완결된 대화 장면 하나도 말이 채 끝나기 전에 클립이 끝나버리는 경우가 잦아요. 조금이라도 복잡한 서사를 만들려면 Flow로 여러 클립을 이어 붙여야 하는데, 이 단계가 초보자에게는 은근히 진입장벽이에요. 클립과 클립 사이 컷 연결이나 캐릭터 상태를 직접 맞춰줘야 하고, 안 그러면 이어 붙인 티가 바로 나거든요.

워터마크 문제도 피해갈 수가 없어요. SynthID에 코너 로고까지 기본으로 딸려 있어서, 상업적으로 깨끗한 화면이 필요하면 더 상위 구독이나 API로 가야 해요. 일반 사용자가 평소에 무료 크레딧으로 쓴다면 워터마크가 붙는다는 현실은 그냥 받아들여야 하고요.

그래도 반대로 말하면, 음성-영상 동기화의 안정성은 확실히 이 모델의 포지션값을 하고 있어요. 저희 사이트에 올라온 150여 개의 실제 완성 영상 사례들을 보면, 인물이 입을 열어 말할 때 입 모양, 어조, 화면 속 감정의 매칭도가 오랫동안 써봐도 실망시킨 적이 없어요. 다국어 립싱크도 그냥 홍보 문구가 아니라 실제로 쓸 만한 기능이에요. 이중 언어 콘텐츠나 해외 시청자를 겨냥한 영상을 만들 때 이 능력 덕분에 후반 작업 품이 꽤 줄어들어요. Flow, Gemini 생태계와의 연동도 언급할 만한데, 원래 구글 툴체인 안에서 작업하고 있었다면 연결이 정말 매끄러워요. 포맷 맞추느라 내보내고 불러오고 왔다 갔다 할 필요가 없거든요.

캐릭터가 입을 열게 하고 싶다면, 프롬프트를 어떻게 써야 할까요

Veo 3에서 가장 낭비되기 쉬운 능력이 바로 대사예요. 많은 사람들이 프롬프트를 쓸 때 여전히 화면 묘사 단계에만 머물러 있고 대사 부분은 모델이 알아서 하도록 완전히 맡기는데, 그 결과 캐릭터가 하는 말이 상황과 맞지 않는 경우가 잦아요. 이 기능을 제대로 쓰려면 프롬프트에 대사와 어조를 명확하게 적어줘야 해요. 예를 들면:

'중년 여성이 카페 창가에 앉아 있고, 유리를 통과한 햇빛이 그녀의 얼굴에 쏟아진다. 그녀는 미소 지으며 카메라를 향해 말한다: 「사실 이 날을 정말 오래 기다렸어요」, 어조는 부드럽고 살짝 목이 메는 느낌, 배경에는 은은한 커피머신 스팀 소리와 매장 안 잔잔한 음악'

대사, 어조, 환경음 세 가지를 다 써넣어야지, 장면과 동작만 적으면 안 돼요. 그래야 나오는 결과물의 음성-영상 일체감이 완전히 달라져요.

또 다른 팁은 8초 제한에 맞춰 취사선택을 하는 거예요. 완결된 세 문장짜리 대사를 욱여넣어서 말하는 속도가 빡빡하게 압축되게 만드느니, 가장 핵심적인 한 문장만 쓰고 8초 전체를 그 한 문장의 감정을 쌓아 올리고 마무리하는 데 온전히 쓰는 편이 오히려 화면에 숨 쉴 여백이 생겨요. 이건 여러 Flow 소재를 이어 붙이는 사람들이 흔히 쓰는 방식이기도 해요. 클립 하나당 하나의 감정 포인트만 담고, 완결된 스토리를 억지로 쑤셔 넣지 않는 거죠.

비싼 건 확실히 비싸지만, 여전히 피해갈 수 없는 기준점이에요

2026년 판도에 놓고 보면 Veo 3는 이미 최신 버전이 아니에요(3.1이 이미 나왔고, 일관성과 이미지 기반 영상 제어가 더 강해졌죠). 하지만 '네이티브 오디오'라는 노선의 개척자로서 위치는 여전히 탄탄해요. Ultra 구독은 한 달에 200달러가 넘고, API 초당 과금 비용도 대량 생산 워크플로우엔 친화적이지 않아요. 가성비 항목이 이 모델 평가에서 가장 낮은 점수를 받는 건 사실이고, 이 부분은 굳이 포장할 필요가 없어요.

동시기 중국 모델들과 비교하면 Seedance나 Kling 같은 모델들도 화질과 동작 폭에서 이미 밀리지 않고, 일부 장면에서는 오히려 더 섬세하기도 해요. 하지만 음성-영상 일체화 쪽에서는 여전히 Veo 3가 기준선으로 인용되는 그 모델이에요. 다른 모델들이 못 해서가 아니라, '대사+환경음+배경음악을 네이티브로 한 번에 생성한다'는 이 조합기를 지금 가장 안정적으로 뽑아내는 게 여전히 이 라인이기 때문이에요.

콘텐츠 노선이 원래부터 캐릭터가 말을 해야 하고 음성과 영상이 고도로 동기화돼야 하는 쪽이라면(브이로그, 페이크 다큐멘터리, 대사가 있는 스토리 숏폼 등), 이 구독료는 십중팔구 값어치를 해요. 반대로 대사 없는 비주얼 위주 콘텐츠만 만든다면 이 프리미엄에 돈을 쓸 필요는 정말 없어요. 같은 가격대, 아니 더 저렴한 선택지로도 충분히 커버되니까요.

이런 분께 추천

• 대사가 있는 스토리 단편
• 브이로그/모큐멘터리
• 소리와 영상이 하나로 맞아떨어져야 하는 소셜 콘텐츠

사용자 평가

출시와 동시에 화제를 모으며 말하는 AI 영상이라는 인식을 선점했다. 창작자들의 불만은 가격과 8초 제한에 집중되지만, 음성·영상 동기화 품질은 지금도 비교 기준으로 언급된다.

Veo 3 실제 생성 사례

아래는 본 사이트에 수록된 Veo 3 실제 생성 원본 영상(전체 복사 가능한 프롬프트 포함, 재현 가능):

해 질 녘 닭 운반 트럭 · 다큐멘터리적 연민의 시선광대 얼굴 클로즈업 · 갈라진 페이스 페인트사이버 마녀 · 회로 문양 피부핑크 헤어 애니메이션 소녀 · 우수 어린 클로즈업

전체 보기 Veo 3 생성 사례 →

관련 비교