"AI 음성·영상 생성 2026 — Suno · Runway Gen-4 · Sora 2 비교"

-

음악은 Suno, 영상 편집·캐릭터 일관성은 Runway, 시네마틱·사운드는 Sora 2

핵심 요약

  • 대상 독자: 짧은 영상(SNS·유튜브 쇼츠·광고)을 만들거나 오디오/음악을 직접 만들어 보고 싶은 일반 사용자 + 영상 편집 자동화에 관심 있는 크리에이터·개발자.
  • 얻을 것: 1) 2026년 4월 기준 음악(Suno)·영상(Runway·Sora 2) 도구 가격·기능 2) "어떤 작업에 무엇" 매칭 3) 실측 비용 (10초 영상·1곡 단가) 4) 무료 한도와 상업 사용 권리 5) 결제 결정 프레임.
  • 한 줄 결론: 음악은 Suno 한 곳, 영상은 Runway(편집·일관성) + Sora 2(시네마틱·사운드) 조합이 표준.

1. 2026년 4월 풍경

큰 변화 3가지

  1. Sora 2 일반 공개: 동기화된 다이얼로그·사운드 이펙트 + 1080p 표준. 2026-01-10부터 무료 사용자 차단, ChatGPT Plus($20)/Pro($200) 이상만 가능 (공식).
  2. Runway Gen-4 + Aleph 에디터: 영상 생성 후 재생성 없이 텍스트로 부분 편집. 캐릭터 일관성 reference. Act-Two 모션 캡처.
  3. Suno V5 / V5.5: 44.1kHz 오디오, 본인 목소리로 학습한 Persona Voice, Studio에서 12 스템 분리·MIDI 추출.

2. 도구별 깊이 보기

2.1 Suno — AI 음악 생성 1순위

가격 (2026-04, 공식)

플랜 월 가격 크레딧 상업 사용
Free $0 50/일 (소진식) ❌
Pro $10/월 (연간) 2,500/월 ✅
Premier $30/월 (연간) 10,000/월 + Studio 추가 기능 ✅

핵심 기능 - V5 / V5.5 모델: 44.1kHz 풀 음질, ELO 1,293로 Image Arena 1위에 해당하는 음악 분야 최상위 - Persona Voice: 본인 목소리(또는 업로드한 오디오)로 학습된 보컬 사용. 검증 절차로 본인만 사용 가능 - Suno Studio (Premier): DAW 같은 환경. 12 스템 분리, 멀티트랙 편집, MIDI 추출 - 상업 사용: Pro 이상 가입 기간 중 만든 곡에 한함

약점 - Free는 비상업 사용만 (홍보·SNS 광고 불가) - 일부 국가에서 저작권 분쟁 진행 중. 사용 전 약관 확인.

언제 쓰나 - 유튜브·SNS 배경 음악 (저작권 안전) - 광고·게임용 BGM 시안 - 노래방 스타일 자작곡

2.2 Runway Gen-4 — 영상 편집·일관성 강자

가격 (공식)

플랜 월 가격 (연간) 크레딧
Free $0 125 (일회성)
Standard $12 625/월
Pro $28 2,250/월
Unlimited $76 2,250 + Explore Mode 무제한 (relaxed)

1편당 비용: 10초 영상 기준 - Gen-4 Video Turbo: 50 크레딧 - Gen-4 Video: 120 크레딧 - Gen-4.5: 120 크레딧

핵심 기능 - 캐릭터 일관성: reference 이미지로 같은 인물·의상 유지 - Aleph 에디터 (2025-07): 영상 생성 후 텍스트로 부분 수정 ("배경만 야간으로", "자동차를 빨간색으로"). 재생성 안 함. - Act-Two 모션 캡처 (2025-07): 본인 연기 영상 + 캐릭터 reference → 캐릭터가 그 연기 따라함 - 최대 60초 / 4K: 한 번에 60초 연속 + 4K 해상도

언제 쓰나 - SNS·유튜브 쇼츠 (캐릭터 일관성이 중요) - 광고용 짧은 영상 (편집 반복이 잦음) - 같은 인물·의상으로 여러 컷이 필요한 작업

2.3 Sora 2 — 시네마틱·동기화 사운드

가격 (공식)

경로 가격 비고
ChatGPT Plus $20/월 480p 무제한 영상 (2026-01 정책 변경)
ChatGPT Pro $200/월 720p~1080p 더 높은 한도
API (sora-2, 720p) $0.10/초 10초 영상 = $1.00
API (sora-2-pro, 720p) $0.30/초 10초 = $3.00
API (sora-2-pro, 1024p) $0.50/초 10초 = $5.00

핵심 기능 - 동기화된 다이얼로그·사운드 이펙트: 영상에 맞는 음성·효과음 자동 생성 - 물리 정확성: 충돌·중력·물 표현 향상 - 현실 합성: 업로드한 사람·동물·물체를 Sora 환경에 정확하게 삽입 (목소리 포함) - 1080p 표준

언제 쓰나 - 시네마틱·드라마틱한 컷 - 사운드까지 한 번에 (별도 음악 작업 줄이고 싶을 때) - 짧은 다이얼로그가 있는 클립

3. 비용 실측 — 10초 영상·1곡 단가

작업 도구 단가
10초 영상 (Turbo) Runway Gen-4 Turbo 50 크레딧 (Standard $12 = 625크레딧 → ≒ $0.96)
10초 영상 (표준) Runway Gen-4 120 크레딧 ≒ $2.30
10초 영상 (720p, API) Sora 2 $1.00
10초 영상 (720p Pro, API) Sora 2 Pro $3.00
10초 영상 (1024p Pro, API) Sora 2 Pro $5.00
1곡 (3~4분, V5) Suno Pro 약 100~150 크레딧 (월 2500크 → ≒ $0.40/곡)
보컬 무제한 (480p) ChatGPT Plus + Sora 2 $20/월

해석 - 취미·비상업: ChatGPT Plus + Suno Free → 0~$20/월 - 유튜브 정기 콘텐츠: Runway Standard($12) + Suno Pro($10) = $22/월 - 광고·전문 제작: Runway Pro($28) + ChatGPT Plus($20) + Suno Pro($10) = $58/월. 필요 시 Sora 2 API로 시네마틱 컷.

4. 작업별 도구 매칭

작업 1순위 2순위 메모
유튜브 쇼츠 Runway Gen-4 Sora 2 캐릭터 일관성
시네마틱 광고 Sora 2 Runway Gen-4 사운드 동기화
음악·BGM Suno V5 - 거의 독점
노래·보컬 (본인 목소리) Suno V5.5 Persona - 보컬 학습
모션 캡처 / 캐릭터 애니 Runway Act-Two - 1인 제작 가능
영상 부분 수정 Runway Aleph - 재생성 없이 편집
짧은 다이얼로그 클립 Sora 2 - 음성 동기화
캐릭터 표정 변화 시리즈 Runway oRef Sora 2 일관성

5. 무료로 어디까지

도구 무료 한도 한계
Suno Free 50 크레딧/일 (≒ 5~10곡) 비상업 사용만
Runway Free 125 크레딧 (일회성) 한 번 쓰면 끝, 충전 안 됨
Sora 2 Free ❌ 없음 (2026-01-10부터) Plus 이상 필수

무료 시작 추천: - 음악 → Suno Free로 일주일 실험 - 영상 → Runway Free 125 크레딧으로 1~2개 시안 + ChatGPT Plus($20)로 Sora 2 480p 무제한

6. 결제 결정 — 주제별 추천

"유튜브 쇼츠·SNS 시작"

$22/월: Runway Standard ($12) + Suno Pro ($10). 영상은 Runway Turbo로 60장/월, 음악은 Suno로 250곡/월 가능. 충분.

"광고·외주 제작"

$58/월: Runway Pro ($28) + ChatGPT Plus ($20) + Suno Pro ($10). 시네마틱 컷이 필요하면 Sora 2 API로 ad-hoc 결제.

"음악만"

$10/월: Suno Pro 단독. 다른 곳 결제 불필요.

"전부 무료로 시작"

ChatGPT Plus가 이미 있으면 Sora 2 480p 무제한이 보너스. Suno Free + Runway Free 125크레딧으로 일주일 결제 가치 검증.

7. 주의 사항

  • 저작권: AI 음악·영상의 저작권 인정 여부는 국가별·도구별로 분쟁 중. 한국·미국은 "사람의 창작 기여 부재면 저작권 없음" 입장. 상업 사용 전 ToS와 본인 권리 확인.
  • 인물·연예인 모방: Sora 2는 사람·동물 합성이 강력해서 명예훼손·딥페이크 위험. 본인 또는 동의 받은 사람만.
  • 음악 학습 데이터 분쟁: Suno·Udio는 RIAA 등의 소송 진행 중. 결과에 따라 가이드라인 변경 가능.
  • 사용량 한도 변경: Sora 2는 2026-01-10에 무료 차단. 다른 도구도 정책 자주 바뀜. 결제 전 공식 페이지 재확인.

개발자 팁

API 통합 관점:

  1. Sora 2 API: 단가가 명확 ($0.10~0.50/초). 자동화 가능. 한 번에 여러 길이·해상도 조합 실험할 때 비용 산정 쉬움.
  2. Runway API: 공식 API 문서 존재. Image-to-video, text-to-video 호출.
  3. Suno API: 공식 비공개 + 비공식 wrapper(EvoLink, AI/ML API). 안정성 위험 존재. 프로덕션은 공식 발표 후 권장.
  4. 자동 파이프라인 예시: 스크립트 생성(LLM) → 보이스오버(ElevenLabs/OpenAI TTS) → 비주얼(Sora 2 / Runway) → BGM(Suno) → FFmpeg 합성. n8n으로 묶기 쉬움.
  5. 저장 즉시 다운로드: 모든 도구가 일정 기간 후 URL 만료. 생성 직후 자체 스토리지(S3, R2) 저장 필수.
  6. 품질 자동 평가: GPT-5 Vision으로 영상 첫 프레임 분석 + Whisper로 음성 검증. 일정 점수 미달은 자동 재생성 큐.

참고

이 글은 AI 입문 시리즈의 6/11 편입니다. 다음 편: AI 자동화 — n8n + AI 노드, 업무 자동화 3 레시피.

댓글

댓글 쓰기

이 블로그의 인기 게시물

"LLM 핵심 학습 (1/6) — 기본: 토큰화·임베딩·어텐션·위치 인코딩"

-
이미지
(시리즈 시작) 📚 시리즈 목차 2/6 파인튜닝 → 트랜스포머 한 블록의 데이터 흐름을 문자열 → 토큰 → 임베딩 → 어텐션 → 출력 표현 까지 손으로 풀어 본다. 이번 편이 끝나면 "왜 \(\sqrt{d_k}\)로 나누는가", "RoPE는 무엇을 회전시키는가", "한국어가 영어보다 토큰이 많은 까닭은 무엇인가"가 한 줄로 설명될 수 있다. 0. 학습 목표 이 편을 마치면 다음을 직접 할 수 있다. BPE 토크나이저 가 어휘를 어떻게 학습하고 새 문자열을 어떻게 자르는지 종이 위에서 시뮬레이션한다. 임베딩 행렬 의 모양과 초기화, weight tying의 의미를 한 줄로 설명한다. Scaled Dot-Product Attention 의 식을 차원 단위로 추적하고 PyTorch 30줄로 재현한다. Multi-Head Attention 이 한 헤드와 비교해 무엇이 다른지, 헤드 수가 늘면 어디가 비싸지는지 답한다. Sinusoidal·RoPE·ALiBi 세 위치 인코딩의 식과 외삽 성질을 구분한다. 컨텍스트 확장이 왜 \(O(N^2)\)인지, "Lost in the Middle"이 왜 발생하는지 설명한다. 1. 핵심 요약 트랜스포머의 입력은 문자열 이 아니라 정수 ID 시퀀스 다. 토크나이저가 문자열 → ID로 자른다. 임베딩은 정수 ID를 \(d\)차원 벡터로 lookup하는 학습 가능한 테이블이다. Self-Attention은 \(\text{softmax}(QK^\top / \sqrt{d_k}) V\) 한 줄이 핵심이고, 멀티헤드는 같은 연산을 여러 부분 공간에서 병렬화한 것이다. 위치 정보는 임베딩에 직접 더하거나(Sinusoidal), Q·K에 회전을 가하거나(RoPE), 어텐션 스코어에 거리 패널티를 더해서(ALiBi) 주입한다. 컨텍스트 길이 \(N\)에 대해 표준 어텐션은 \(O(N^2)\) 비용을 갖고, 긴 컨텍스트에서는 중간 위...
Read more »

"LLM 핵심 학습 (2/6) — 파인튜닝: LoRA·QLoRA·증류·Adapter"

-
이미지
← 1/6 기본 📚 시리즈 목차 3/6 디코딩과 생성 → 사전학습된 LLM을 내 데이터 에 적응시키는 방법을 비용·메모리·일반화 관점에서 정리한다. Full FT의 한계 → Adapter → LoRA → QLoRA → Distillation 순으로 같은 그림을 점점 확대해 본다. 0. 학습 목표 Full fine-tuning의 메모리 병목을 옵티마이저 상태·그래디언트·가중치·활성화 의 4분할로 설명한다. Adapter(Houlsby 2019)와 LoRA(Hu 2021)의 식 차이를 한 줄로 적는다. LoRA의 \(A, B\) 행렬이 왜 저랭크 이고, rank \(r\) 선택이 무엇을 결정하는지 답한다. QLoRA(Dettmers 2023)의 NF4·double-quant·paged optimizer를 분리해서 설명한다. Catastrophic Forgetting을 분포 시프트 관점에서 정의하고 완화 기법을 두 개 이상 든다. Hinton 2015의 Knowledge Distillation 식을 손으로 유도한다. 1. 핵심 요약 Full FT는 메모리/디스크/시간 모두 비싸다. 7B 모델 full FT는 V100 8장 + A100 1장으로도 큰 부담이다. PEFT(파라미터 효율 파인튜닝) 일가족은 극히 일부 파라미터만 학습 해 같은 효과를 얻는다. LoRA: \(\Delta W = BA\) (rank \(r \ll \min(d_{\text{in}}, d_{\text{out}})\))로 가중치 업데이트를 저랭크 분해. QLoRA: 베이스 모델을 4-bit(NF4)로 양자화한 채 LoRA만 풀-정밀(BF16)으로 학습. Catastrophic Forgetting: 새 분포에 적응하느라 이전 능력이 무너지는 현상. PEFT 자체가 부분 완화책. Distillation: 큰 교사 모델의 soft target 을 학습 신호로 써서 작은 학생 모델 을 만든다. 2. 직관: 왜 사전학습만으로는 부족한가 사전학습은 일반...
Read more »

"ML 기초 학습 (1/9) — 머신러닝과 sklearn: 학습의 좌표계"

-
이미지
(시리즈 시작) 📚 시리즈 목차 2/9 이웃 알고리즘 → 이 시리즈는 신경망과 로컬 LLM으로 가기 전에 손에 익혀 둬야 할 머신러닝 기초 9편이다. 1편은 모든 ML 코드가 공유하는 공통 문법 을 잡는 데 쓴다. sklearn은 그 문법을 가장 일관되게 보여주는 도구다. 이번 편이 끝나면 어떤 모델을 만나도 fit → predict → score → 평가 흐름이 같다는 것이 손에 잡힌다. 0. 학습 목표 이 편을 마치면 다음을 할 수 있어야 한다. 지도학습·비지도학습·강화학습을 한 문장씩 구분해 설명한다. sklearn의 estimator 인터페이스 ( fit , predict , score , transform )를 코드 한 화면 안에서 쓸 수 있다. train/validation/test 분할을 왜 하는지, 어디서 데이터 누수가 생기는지 식과 그림으로 설명한다. 분류·회귀의 핵심 평가 지표(accuracy, precision, recall, F1, MSE, R²)를 정의에서 직접 계산할 수 있다. k-fold 교차검증 을 코드 한 줄로 돌리고, 결과의 평균과 표준편차를 함께 보고할 수 있다. Pipeline 으로 전처리와 모델을 묶어 데이터 누수를 구조적으로 막는 방법을 설명한다. 1. 핵심 요약 머신러닝은 데이터에서 함수 \(f: X \to Y\)를 찾는 작업 이다. 어떤 모델이든 이 본질은 같다. sklearn은 모든 모델을 같은 인터페이스( fit , predict , score )로 통일해, 모델을 바꿀 때 한 줄만 바꾸면 되게 한다. train/val/test 세 분할이 표준이다. 검증으로 하이퍼파라미터를 고르고, 테스트는 마지막에 한 번만 본다. 데이터 누수 (test 정보가 train에 새는 현상)는 ML 입문자가 가장 자주 만드는 실수이며, Pipeline + cross_val_score 조합으로 구조적으로 막을 수 있다. 평가 지표는 문제 유형 (분류/회귀) 과 클래스 불균형...
Read more »