이미지: X — 미디어·생성AI
요약
- Pika가 Pika Soundtrack·Music·SFX·Speech 네 개 오디오 모델을 공개하고 Pika API Club에서만 제공한다고 밝혔다
- Pika는 시장의 모든 오디오 모델보다 저렴하며 최대 20배까지 싸다고 주장했고, 공개한 수치는 Soundtrack의 초당 0.617 하나다
- Pika는 영상에서 소리를 만드는 방식에서 비교 가능한 모델로 Hunyuan Foley를 지목하고 자사 Soundtrack이 비용 효율이 2배라고 밝혔다
- 발표
- Pika, 2026년 8월 14일 X 게시
- 모델 수
- 4개 — Pika Soundtrack, Pika Music, Pika SFX, Pika Speech
- 제공 경로
- Pika API Club 전용
- 가격 주장
- 시장의 모든 오디오 모델보다 저렴, 최대 20배
- Soundtrack 단가
- 초당 0.617 (원문 표기 0.617 / seconds)
- 비교 모델
- Hunyuan Foley 대비 비용 효율 2배, Pika는 이 모델을 비교 가능한 유일한 video-to-audio 모델로 지목
- 저가 근거
- Pika는 학습·추론 효율 개선을 이유로 들었다
- 예고
- Pika는 생성 미디어 접근성을 높이는 후속 발표를 예고했다
영상에 소리를 붙이는 일은 오래 사람 손이 쥐고 있던 영역이다. 발소리 하나, 문 닫히는 소리 하나를 화면에 맞춰 넣는 폴리(foley) 작업은 초 단위로 타이밍을 맞춰야 한다. Pika가 8월 14일 공개한 오디오 모델 네 개는 그 작업 전체를 API 호출로 바꾸겠다는 제안이다. 그리고 Pika가 발표에서 가장 앞세운 건 성능이 아니라 가격이었다.
네 개로 쪼갠 소리
Pika는 생성 사운드의 전 영역을 덮는 프런티어 파운데이션 모델 4종을 내놨다고 밝혔다. 이름부터 역할이 갈린다. Soundtrack은 영상에 맞는 소리를, Music은 음악을, SFX는 효과음을, Speech는 음성을 담당한다. 하나의 만능 모델로 뭉치지 않고 목적별로 쪼갠 구성이다.
| 모델 | 담당 영역 | 공개된 수치 |
|---|---|---|
| Pika Soundtrack | 영상에 맞춘 사운드(video-to-audio) | 초당 0.617 · Hunyuan Foley 대비 비용 효율 2배 |
| Pika Music | 음악 생성 | — |
| Pika SFX | 효과음 생성 | — |
| Pika Speech | 음성 생성 | — |
네 모델 가운데 구체적인 숫자가 붙은 건 Soundtrack 하나다. Pika는 초당 0.617이라고 적었는데, 통화 단위 표기는 게시물에 없다. Pika는 영상을 넣어 소리를 만드는 방식에서 견줄 만한 모델은 Hunyuan Foley뿐이라고 지목하며, 자사 Soundtrack이 그보다 비용 효율이 2배라고 주장했다. Hunyuan은 텐센트가 만드는 모델 계열이다.
가격을 제목으로 삼은 발표
Pika는 시장에 나온 모든 오디오 모델보다 싸게 만들었고 최대 20배까지 저렴하다고 밝혔다. 보통 이런 문장 뒤에는 조건을 적은 각주가 붙는다. Pika는 별표를 달아놓고 "진짜 아무 면책 조항도 없다"고 적었다(Pika, X). 농담 섞인 표현이지만, 조건 없이 숫자를 내걸었다는 자기 선언이기도 하다.
가격이 낮아진 이유로는 팀의 학습·추론 효율 개선을 들었다. 추론(inference) — 이미 학습한 모델이 실제로 결과를 뽑아내는 단계 — 비용은 오디오처럼 길이에 따라 과금되는 모달리티에서 곧바로 단가로 이어진다.
어떻게 써보나
어디서 시작하나. 진입 경로는 하나다. Pika API Club이다. Pika는 네 모델을 이곳에서만 쓸 수 있다고 못박았다. API란 프로그램끼리 서로를 부르는 창구로, 「API로 공개했다」는 말은 다른 앱이나 편집 도구가 이 모델을 갖다 쓸 수 있게 됐다는 뜻이다. 즉 이번 공개는 일반 사용자가 웹에서 버튼을 누르는 형태가 아니라, 개발자와 제작 파이프라인을 먼저 겨냥한다.
순서.
- Pika API Club에 접속해 API 이용 자격을 받는다. 여기서 사용 가능한 모델 목록에 네 개 오디오 모델이 함께 뜬다.
- 만들려는 소리에 따라 모델을 고른다. 영상에 맞춘 소리는 Soundtrack, 배경음악은 Music, 개별 효과음은 SFX, 대사·내레이션은 Speech다.
- Soundtrack은 영상을 입력으로 받아 그 장면에 맞는 소리를 만든다. 과금은 결과물 길이(초) 기준이라 테스트할 때 짧은 클립부터 넣는 편이 안전하다.
- 나온 오디오 트랙을 편집 타임라인에 얹어 화면과 어긋난 구간만 다시 호출한다.
무엇을 해볼 수 있나. 예를 들어 자체 촬영한 30초 제품 영상을 Soundtrack에 넣으면 손이 상자를 만지는 소리와 주변 공기음을 한 번에 얻는다. 짧은 광고라면 Music으로 배경 트랙을, Speech로 내레이션을 따로 뽑아 겹칠 수 있다. 게임 프로토타입처럼 효과음 수백 개가 필요한 작업에서는 SFX를 반복 호출해 목록을 채우는 쪽이 초당 단가 구조와 맞는다.
왜 가격이 먼저 나오나
올해 생성 AI 발표에서 가격표가 헤드라인을 차지하는 일은 드물지 않다. 지난 8월 12일 공개된 Grok 4.6 가격은 100만 토큰당 입력 2달러·출력 6달러로, Claude Opus 5(5달러/25달러)와 GPT-5.6 Sol(5달러/30달러)보다 낮았다. 같은 날 DeepSeek은 DeepSeek-V4-Pro-0813의 정식 요금을 캐시 미스 입력 0.435달러·출력 0.87달러로 내놨다. 언어 모델에서 벌어진 이 흐름이 오디오로 넘어온 모습이다.
오디오는 언어 모델과 과금 단위가 다르다. 토큰이 아니라 초를 센다. 그래서 5분짜리 영상 한 편, 게임 하나에 들어가는 효과음 수백 개처럼 물량이 쌓이는 작업에서 단가 차이가 곧바로 제작 가능 범위를 바꾼다.
그래서 무엇이 달라지나
지금 당장 달라지는 건 영상 제작 파이프라인을 직접 만드는 쪽이다. 영상 생성까지는 자동화했지만 소리는 여전히 별도 도구와 별도 요금으로 붙이던 팀이, 같은 API 창구 안에서 사운드트랙·음악·효과음·음성을 한 번에 호출할 수 있게 됐다. 편집 툴이나 영상 서비스를 만드는 개발자라면 자기 제품에 소리 생성 기능을 얹는 선택지가 하나 늘었다.
Pika는 이번 오디오 모델군이 물밑에서 준비한 것 중 하나일 뿐이라며, 생성 미디어를 더 많은 사람이 쓸 수 있게 하는 방식을 계속 내놓겠다고 예고했다. 네 모델의 실제 품질은 결국 같은 영상에 다른 모델을 나란히 돌려본 결과물로 판가름날 것이다. 초당 단가와 별개로, 화면과 소리가 몇 프레임 어긋나는지가 폴리 작업에서는 가격보다 먼저 눈에 걸리는 문제다.
