Sora 종료와 AI 비디오 시장의 급격한 재편 — Google Veo 4가 빈자리를 노린다

OpenAI가 Sora 앱을 4월 26일자로 종료한다. API는 9월 24일까지 유지되지만, 사실상 철수 선언이다.

나는 솔직히 이 뉴스를 보고 “역시”라는 생각이 먼저 들었다. Sora가 처음 공개됐을 때의 데모 영상은 충격적이었지만, 실제로 써보면 얘기가 달라졌다. 생성 시간이 길고, 원하는 결과를 얻기까지 반복 시행착오가 너무 많았다. 무엇보다 월 $20짜리 구독으로는 만족스러운 품질의 영상을 뽑기 어려웠다.

하루 100만 달러 적자의 실체

TechCrunch의 보도에 따르면, Sora는 피크 시점에도 유료 사용자가 50만 명을 넘지 못했다. 하루 운영 비용이 약 100만 달러에 달했는데, 이는 GPU 인프라 비용만으로도 감당하기 어려운 수준이었다.

재미있는 건 OpenAI의 전략적 피벗이다. 소비자 비디오 생성에서 손을 떼고, 엔터프라이즈 코딩 에이전트(Codex)에 집중하겠다는 방향 전환. GPT-5.4 출시와 맞물려 “플랫폼 회사”로의 전환이 가속되는 모양새다.

개인적으로 이게 합리적인 판단이라고 본다. AI 비디오 생성은 아직 “제품”이 되기엔 이른 시장이다. 누구나 텍스트 한 줄로 영화급 영상을 만들 수 있다는 비전은 매력적이지만, 현실은 프롬프트 엔지니어링에 30분, 생성에 5분, 수정에 또 30분이 걸리는 구조였다.

Google Veo 4가 빈자리를 노린다

타이밍이 절묘하다. Sora 종료 발표 직후, Google DeepMind가 Veo 4를 I/O 2026 전후에 공개할 것이라는 루머가 돌고 있다. 이미 NotebookLM의 Video Overview 기능에 Veo 3가 탑재되어 있고, 품질이 꽤 괜찮다.

현재 AI 비디오 생성 도구의 지형을 정리하면 이렇다:

도구	상태	강점	약점
Sora	4/26 앱 종료, 9/24 API 종료	높은 영상 품질	느린 생성, 높은 비용
Google Veo 3/4	Veo 3 서비스 중, Veo 4 임박	Google 생태계 통합, NotebookLM 연동	아직 독립 앱 없음
Runway Gen-4	운영 중	에디터 통합, 세밀한 제어	가격이 비쌈
Kling 2.0	운영 중	가성비, 빠른 생성	품질 편차가 큼
Pika 2.5	운영 중	사용 편의성	긴 영상에 약함

”제품 vs 기능” — Sora 실패의 구조적 원인

Sora의 실패를 단순히 “기술이 부족했다”로 설명하긴 어렵다. 기술 자체는 인상적이었다. 문제는 비즈니스 모델이다.

AI 비디오 생성은 독립 제품보다 기존 워크플로우에 통합되는 기능으로서의 가치가 더 크다. NotebookLM이 Video Overview를 “기능”으로 넣은 것, Runway가 영상 편집 도구 안에 AI 생성을 포함시킨 것이 이 방향의 예시다.

반면 Sora는 “텍스트 → 비디오” 단일 기능을 독립 앱으로 제공했다. 이건 마치 “AI 이미지 생성”만을 위한 독립 앱을 만드는 것과 비슷한데, DALL-E가 ChatGPT 안에 통합되면서 성공한 것과 대비된다. Sora는 ChatGPT에 깊이 통합되지 못한 채 별도 앱으로 남았고, 결국 사용자 유지에 실패했다.

하지만 이 분석에도 한계가 있다. Runway도 독립 앱이지만 잘 되고 있으니까. 차이점이 있다면 Runway는 영상 편집이라는 명확한 워크플로우 안에 AI를 녹여냈다는 점이다.

Sora에서 이탈하는 개발자/크리에이터를 위한 워크플로우

Sora API를 사용하고 있었다면 9월까지 마이그레이션을 해야 한다. 내가 추천하는 대안 워크플로우는 용도별로 다르다:

기술 콘텐츠 제작 (블로그 → 영상)

• NotebookLM Video Overview + Gemini TTS로 자동 생성
• Remotion으로 브랜딩 인트로/아웃트로 추가
• 이 조합이면 별도 비디오 생성 AI 없이도 꽤 괜찮은 결과물이 나온다

마케팅/광고 영상

• Runway Gen-4가 현재 가장 안정적
• 세밀한 프레임 제어가 필요하면 유일한 선택지

SNS 숏폼 콘텐츠

• Kling 2.0이 가성비 최강
• 15초 이하 클립은 품질도 충분

# NotebookLM + Remotion 기반 워크플로우 예시
# 1. NotebookLM으로 비디오 생성
nlm studio_create --notebook-id $NB_ID --artifact-type video

# 2. 생성 완료 대기
nlm studio_status --notebook-id $NB_ID --artifact-id $ART_ID

# 3. 다운로드 후 Remotion으로 인트로/아웃트로 합성
nlm download_artifact --notebook-id $NB_ID --artifact-id $ART_ID
npx remotion render src/index.ts MainVideo --props='{"videoPath":"./downloaded.mp4"}'

앞으로 6개월의 관전 포인트

솔직히 AI 비디오 시장은 아직 초기 단계고, 승자를 예측하기엔 이르다. 하지만 몇 가지 확실한 트렌드는 있다:

1. 통합이 독립을 이긴다: 독립 AI 비디오 앱보다 기존 플랫폼에 통합되는 형태가 생존한다
2. 실시간 생성이 핵심: 5분 기다려서 영상 하나 받는 UX로는 대중화가 어렵다
3. Google의 유리한 고지: YouTube + NotebookLM + Veo라는 수직 통합이 강력하다

나는 Veo 4가 게임 체인저가 될 거라고 기대하진 않는다. 다만 Sora가 빠진 자리를 Google이 가장 빠르게 채울 수 있는 위치에 있다는 건 분명하다. 특히 NotebookLM이 이미 Video Overview를 제공하고 있어서, 별도 앱 출시 없이도 기존 사용자를 자연스럽게 흡수할 수 있다.

AI 비디오 생성 도구를 프로덕션에 사용하고 있다면, 지금은 특정 벤더에 올인하기보다 출력 포맷을 표준화하고 도구 교체가 쉬운 파이프라인을 만들어 두는 게 현명하다. Sora의 사례가 보여주듯, 이 시장에서 어떤 도구가 내년까지 살아남을지는 아무도 모른다.