GIF는 언제나 인터넷에서 매우 특별한 존재였습니다.
GIF는 정적 이미지처럼 제자리에 멈춰 있지도 않고, 영상처럼 클릭해서 재생할 필요도 없습니다. 제품 페이지의 조작 안내, 소셜 플랫폼의 밈, 브랜드 계정의 캐릭터 애니메이션 등 무엇이든 GIF는 아주 가벼운 방식으로 화면에 감정과 기억 포인트를 조금 더할 수 있습니다.
다만 과거에는 한 장의 이미지를 GIF로 만드는 일이 보기만큼 그렇게 가볍지는 않았습니다.
¶ GIF 하나를 만드는 일은, 과거에는 왜 이렇게 번거로웠을까요?
전통적인 GIF 제작 방식은 대개 “동작을 나누는 것”에서 시작됩니다.
캐릭터가 눈을 깜빡이려면 눈을 어느 정도까지 감을지 고려해야 하고, 캐릭터가 점프하려면 도약, 공중에 뜬 상태, 착지 장면을 그려야 합니다. 주변에 동전, 색종이 조각 또는 빛점이 있다면, 이러한 요소들도 각각 위치를 조정해야 합니다. 화면은 겨우 1~2초처럼 보일 수 있지만, 그 뒤에는 적지 않은 프레임별 작업이 숨어 있습니다.
소재를 준비한 뒤에는 누끼 따기, 레이어 정렬, 프레임 간 리듬 및 반복 연결도 처리해야 합니다. 동작이 너무 빠르면 갑자기 한 번 번쩍인 것처럼 보이고, 너무 느리면 또 늘어지는 느낌이 들기 쉽습니다. 어렵게 처음과 끝을 연결해도, 내보내기할 때 색상 왜곡, 거친 가장자리 또는 지나치게 큰 파일 크기 문제가 생길 수 있습니다.
이것이 바로 전통적인 GIF 제작에서 가장 골치 아픈 부분입니다. 정말 시간을 잡아먹는 것은 대개 아이디어가 아니라, 아이디어를 한 프레임씩 나누고 다시 반복해서 조정하는 일입니다.
아래 삽화는 전통적인 작업 흐름의 실제 모습을 보여 줍니다. 타임라인, 프레임별 화면, 누끼 가장자리 및 내보내기 설정이 한데 뒤섞여 있으며, 겉보기에는 간단한 작은 애니메이션도 쉽게 길고 긴 디테일의 줄다리기가 될 수 있습니다.
¶ GPT Image 2.6은 “애니메이션 만들기”를 “애니메이션 설명하기”로 바꾸었습니다
GPT Image 2.6이 가져온 변화는 단순히 GIF 내보내기 형식이 하나 더 생긴 것이 아니라, 이미지 생성과 경량 애니메이션 제작을 연결했다는 점입니다.
크리에이터는 캐릭터가 무엇을 해야 하는지, 어떤 요소가 움직여야 하는지, 어떤 감정을 표현하고 싶은지, 그리고 애니메이션이 어떻게 반복되어야 하는지를 직접 설명할 수 있습니다. 모델은 이러한 요구를 바탕으로 연속된 화면을 생성한 다음, 바로 미리 보고 사용할 수 있는 GIF를 출력합니다.
OpenAI가 Images 2.6에 부여한 위치도 밈에만 국한되지 않습니다. 브랜드 마스코트, 소셜 미디어 리액션 이미지, 제품 비주얼 및 애니메이션 콘티 모두 비교적 적합한 활용 방향에 속합니다. 동시에 Images 2.6은 Flare와 Sunburst라는 두 가지 API 모델도 제공하며, 각각 생성 속도와 더 높은 품질의 일관된 표현에 중점을 둡니다.
이는 과거에 타임라인에서 여러 번 오가며 디버깅해야 했던 짧은 애니메이션을, 이제 한 장의 캐릭터 이미지와 자연어 문장 하나로 시작할 수 있다는 뜻입니다.
물론 이것은 짧고 명확하며 반복성이 강한 동작에 더 적합합니다. 예를 들어 눈 깜빡임, 손 흔들기, 가볍게 뛰기, 물체가 떨어지기 또는 캐릭터 표정 변화 같은 동작입니다. 복잡한 카메라 워크, 장시간의 연기 및 다중 캐릭터 스토리를 완성하고 싶다면, 여전히 영상 모델이 더 적합합니다.
GIF의 장점은 길이가 아니라, 짧은 시간 안에 하나의 동작을 명확히 전달하는 데 있습니다.
¶ 춤추는 양 한 마리를 만들어 봅시다
이번 테스트에는 이미 디자인된 양 캐릭터 이미지 한 장을 사용했습니다.
캐릭터 자체에는 비교적 뚜렷한 특징이 있습니다. 복슬복슬한 흰 양털, 굽은 양뿔, 연한 색의 체크무늬 스카프, 그리고 주변을 둘러싼 동전, 금원보 및 방울입니다. 원본 이미지 속 주체와 장식 요소가 모두 명확하기 때문에, 캐릭터 동작과 주변 물체의 연속적인 변화를 테스트하기에 매우 적합합니다.
원본 캐릭터 이미지는 다음과 같습니다.
우리의 아이디어는 매우 간단합니다. 양이 귀여운 춤을 추며 뛰게 하고, 동시에 주변의 동전과 금원보가 자연스럽게 떨어지게 하는 것입니다. 캐릭터의 외형, 색상 조합 및 전체적인 분위기는 최대한 유지하고, 애니메이션은 가볍고 재미있으며 매끄럽게 반복될 수 있어야 합니다.
¶ Ace Data Studio에서 창작 시작하기
Ace Data Studio를 열고 대화형 창작 페이지로 들어가 GIF 출력을 지원하는 GPT Image 2.6 모델을 선택한 다음, 준비한 원본 이미지를 업로드합니다.
실제 작업에서는 프롬프트를 복잡한 기술 문서처럼 작성할 필요가 없습니다. 평소 말하는 방식으로 주체, 동작, 환경 변화 및 기대 효과를 명확하게 설명하면 됩니다.
이번에 사용한 프롬프트는 대략 다음과 같습니다.
내가 제공한 캐릭터 이미지를 바탕으로 반복되는 GIF 애니메이션을 만들어 주세요. 양의 외형, 양뿔, 스카프, 털의 질감 및 전체 색상 조합을 일관되게 유지하세요. 양이 즐겁게 제자리에서 춤추도록 하고, 몸은 가볍게 좌우로 흔들리며, 팔다리에는 자연스러운 춤 동작이 있도록 하세요. 주변의 동전, 금원보, 방울은 동작에 맞춰 위에서 떨어지며, 가벼운 회전 효과를 포함하세요. 전체 스타일은 귀엽고 가벼우며, 동작은 자연스럽게 이어지고, 처음과 끝이 자연스럽게 연결되도록 하며, 텍스트나 새로운 캐릭터는 추가하지 마세요.
프롬프트에 많은 형용사를 쌓아 넣을 필요는 없으며, 정말 중요한 것은 동작 간의 관계를 명확하게 설명하는 것입니다.
“양이 춤춘다”는 주체의 동작일 뿐이고, “동전이 떨어지면서 가볍게 회전한다”는 주변 물체를 설명하며, “처음과 끝이 자연스럽게 연결된다”는 것은 모델에 이것이 한 번 재생되고 끝나는 영상이 아니라 계속 반복되어야 하는 GIF라는 점을 알려 주는 것입니다.
우리의 실제 창작 화면은 다음과 같습니다.
¶ GIF 파라미터는 어떻게 설정해야 할까요?
이번 창작에는 비교적 안정적인 미리보기 파라미터 세트를 사용했습니다:
{
"size": "512x512",
"frame_count": 9,
"frame_duration_ms": 200,
"output_format": "gif"
}
size는 GIF 화면의 크기를 결정합니다. GIF를 생성할 때 이 매개변수를 생략하거나 auto로 설정하면 시스템은 일반적으로 512x512의 미리보기 규격을 사용합니다. 서로 다른 호출 환경에서 기본값 처리에 차이가 발생하는 것을 피하려면 "size": "512x512"를 직접 명시하는 것이 좋습니다.
frame_count는 애니메이션에 몇 개의 프레임이 포함되는지를 나타냅니다. 여기서는 9프레임을 사용하여 동작 변화를 유지하면서도 생성 부담과 파일 크기가 너무 커지지 않도록 합니다. 프레임 수가 너무 적으면 동작이 끊겨 보일 수 있고, 프레임 수가 늘어나면 동작은 일반적으로 더 섬세해지지만 화면 일관성과 생성 리소스에 대한 요구도 함께 높아집니다.
frame_duration_ms는 각 프레임이 얼마나 오래 유지되는지를 제어합니다. 200으로 설정하면 각 프레임이 200밀리초 동안 표시된다는 의미입니다. 9프레임을 이어 붙이면 한 번의 완전한 루프는 약 1.8초입니다. 이 리듬은 춤추기, 손 흔들기, 눈 깜빡이기, 표정 변화 같은 가벼운 동작에 비교적 적합합니다.
특히 주의해야 할 점은 GIF에는 자체적인 크기, 프레임 수 및 픽셀 예산이 있으므로 정적 이미지의 2K 또는 4K 매개변수를 직접 적용할 수 없다는 것입니다. 크기와 프레임 수를 동시에 늘리면 전체 애니메이션에서 처리해야 하는 총 픽셀 수가 빠르게 증가하며, 일부 모델은 예산에 따라 실제 출력 크기를 조정할 수도 있습니다. 더 안정적인 방법은 먼저 512x512와 9프레임으로 동작 검증을 완료한 뒤, 효과를 확인하고 나서 규격을 높이는 것을 고려하는 것입니다.
생성 결과가 너무 빠르게 보인다면 frame_duration_ms를 적절히 늘릴 수 있습니다. 동작이 끊겨 보인다면 프레임 수를 늘리거나 프롬프트 속 동작의 폭을 조금 줄여 볼 수 있습니다.
¶ 최종 생성 효과
생성 후, 정적인 양이 진짜로 “살아” 움직이기 시작했습니다.
양의 주요 형태는 비교적 잘 유지되었고, 뿔, 곱슬거리는 털, 격자무늬 스카프는 여전히 식별성을 갖고 있습니다. 캐릭터는 더 이상 단순히 위아래로만 움직이지 않고, 가벼운 몸통 회전과 팔다리 변화를 갖게 되었습니다. 주변의 금화와 원보도 움직임에 참여하여 화면이 더욱 활기차게 보입니다.
실제 결과로 볼 때, 이번 생성은 원본 이미지에 단순한 상하 이동을 추가한 것에 그치지 않고, 캐릭터 설정을 유지하는 기반 위에서 몸의 동작과 주변 요소 간의 관계를 다시 이해했습니다.
특히 금화, 원보, 방울의 움직임은 화면에 더욱 뚜렷한 리듬감을 더했습니다. 이들은 원본 이미지의 위치에 완전히 머무르지 않고 캐릭터의 동작에 따라 회전과 이동을 만들어 내며, 전체적으로 하나의 완성도 있게 설계된 짧은 애니메이션처럼 보입니다.
브랜드 계정에 사용한다면 이런 애니메이션은 명절 인사, 이벤트 예고 또는 댓글 영역 이모티콘으로 바로 사용할 수 있습니다. 제품 팀이라면 제품 마스코트를 로딩 애니메이션, 안내 메시지 또는 기능 출시 알림으로 만들 수도 있습니다.
¶ 생성 효과를 어떻게 하면 더 안정적으로 만들 수 있을까요?
이번 테스트로 볼 때, 원본 이미지가 선명할수록 모델은 캐릭터 특징을 더 쉽게 포착합니다.
캐릭터와 배경이 붙어 있거나 화면에 크기가 비슷한 주체가 많이 동시에 존재하면, 모델은 누가 애니메이션의 중심인지 판단하지 못할 수 있습니다. 배경이 투명하고, 윤곽이 완전하며, 주체가 돋보이고, 장식 요소 간의 관계가 명확한 이미지는 일반적으로 애니메이션을 계속 생성하기에 더 적합합니다.
프롬프트 속 동작도 너무 많아서는 안 됩니다.
1~2초 분량의 GIF에서 캐릭터가 몸을 돌리고, 뛰고, 손을 흔들고, 표정을 바꾸는 동시에 많은 물체가 서로 다른 방향으로 움직이도록 요구하면 화면은 쉽게 초점을 잃습니다. 먼저 하나의 핵심 동작을 정한 다음, 소량의 환경 변화를 보완하는 방식이 모든 아이디어를 한꺼번에 넣는 것보다 더 안정적인 경우가 많습니다.
루프 관계도 따로 명시할 가치가 있습니다. “처음과 끝의 자세가 가깝게”, “끊김 없는 루프 형성” 또는 “마지막 프레임이 자연스럽게 시작 동작으로 돌아가기”를 명확히 요구할 수 있습니다. 이런 설명이 매번 완전히 끊김 없음을 보장하지는 못하지만, 모델이 동작을 설계할 때 시작점으로 돌아가는 것을 고려하게 할 수 있습니다.
첫 번째 버전이 이미 기대에 가깝다면, 즉시 모두 뒤엎고 다시 만들 필요는 없습니다. 원본 이미지와 주체 설명은 유지하고, 리듬, 동작 폭 또는 특정 장식 요소의 움직임 방식만 수정할 수 있습니다. 한 번에 하나의 변수만 바꾸면, 정확히 어떤 조정이 결과에 영향을 주었는지 판단하기가 더 쉽습니다.
¶ 한 장의 이미지를 생성하는 것에서 생명력 있는 캐릭터를 생성하는 것으로
GPT Image 2.6의 GIF 기능이 낮춘 것은 단지 애니메이션 소프트웨어의 조작 진입 장벽만이 아닙니다.
더 중요한 것은 “머릿속에 하나의 동작이 있다”에서 “실제로 그 동작을 본다”까지의 거리를 단축했다는 점입니다. 디자이너는 캐릭터 연기를 빠르게 검증할 수 있고, 운영 팀은 임시로 이벤트용 움직이는 이미지를 제작할 수 있으며, 제품 팀도 정적인 마스코트를 더 많은 인터랙션 시나리오에 등장시킬 수 있습니다.
이미지 기능을 WorkBuddy와 같은 Agent 작업 공간에 더 연결한다면, 창작 역시 단일 대화에 머무를 필요가 없습니다. WorkBuddy는 사용자 정의 모델을 통해 OpenAI 호환 인터페이스 연결을 지원하며, Ace Data Cloud의 구성 가이드는 인터페이스 주소, API Key, 모델 이름 등의 구체적인 설정 방법을 제공합니다.
사용자 정의 커넥터를 지원하는 데스크톱 워크플로에서는 MCP를 통해 실시간 도구를 Agent가 호출하도록 넘겨 이미지 생성, 비디오 생성 및 작업 처리를 동일한 워크플로에 포함할 수도 있습니다.
정적 이미지가 이로 인해 시대에 뒤처리지는 않겠지만, 움직이는 이미지는 분명 하나의 표현 방식을 더 갖게 됩니다.
예전에는 캐릭터를 움직이게 하려면 먼저 타임라인, 키프레임, 내보내기 설정을 배워야 했습니다. 이제 더 자연스러운 시작점은 어쩌면 한 문장일 뿐일 수 있습니다:
그것을 뛰게 하세요.
¶ 참고 링크
Ace Data Cloud 문서: WorkBuddy 사용자 정의 모델 구성 가이드