Google Flow + Veo 3.1: 이제 영상에 음성이 깔린다 — Ingredients, Frames, Extend 전 기능에 오디오 통합

"배경음악 어디서 구하지?" 이 질문이 곧 사라진다.

Google Flow가 Veo 3.1 오디오 업데이트를 적용하면서, 크리에이터가 가장 오래 시간을 쓰던 후작업 중 하나가 자동화됐다. 영상 편집에서 오디오는 항상 별도 작업이었다. 영상을 만들고, 효과음을 찾고, 배경음악을 구매하고, 싱크를 맞추고, 믹싱한다. AI 영상 생성 도구들도 이 흐름을 바꾸지 못했다—지금까지는.

이번 업데이트로 Flow는 영상을 만드는 순간부터 오디오가 함께 생성된다.

1. Veo 3.1이 만드는 오디오: 48kHz 동기화 대화

Veo 3.1의 오디오는 단순한 배경 소음이 아니다. 세 가지 층위로 구성된다.

대화(Dialogue): 등장인물이 말하는 장면이면 실제 대화가 생성된다. 음성 톤, 발화 속도, 억양까지 영상의 맥락과 동기화된다.

효과음(Sound Effects): 문이 열리고, 유리가 깨지고, 비가 내리는 장면에는 해당 효과음이 정확한 타이밍에 삽입된다.

음향 풍경(Soundscape): 배경 공간감을 주는 앰비언트 사운드가 씬 전체에 깔린다. 도시 소음, 자연 소리, 실내 공기감 등이 화면과 일치하게 생성된다.

모두 48kHz 품질로 생성된다. YouTube나 스트리밍 플랫폼의 표준 음질과 같은 수준이다.

2. 세 가지 기능별 오디오 적용 방법

Ingredients to Video — 참조 이미지에서 소리까지

가장 큰 변화가 생긴 기능이다. 이전에는 캐릭터 사진, 배경 이미지, 스타일 레퍼런스를 넣으면 무음 영상이 나왔다. 이제 같은 입력으로 소리가 나는 영상이 나온다.

사용법은 그대로다. 씬을 구성하는 재료(ingredients)를 드래그하고, 원하는 내러티브를 텍스트로 설명한다. Veo 3.1이 시각적 일관성은 물론 음향 일관성까지 유지하면서 영상을 만든다. 같은 캐릭터가 여러 씬에 등장할 때 목소리 톤이 일관되게 유지되는 것이 특징이다.

Frames to Video — 두 장면 사이를 소리로 잇는다

시작 프레임과 끝 프레임을 주면 그 사이를 이어주는 영상을 생성하는 기능이다. 시각적 전환에 오디오 전환이 더해졌다.

조용한 방 이미지에서 시작해 붐비는 카페 이미지로 끝나는 장면을 만들면, 전환 과정에서 소음 수준이 자연스럽게 높아지는 오디오가 자동 생성된다. 편집자가 별도로 오디오 페이드를 설정할 필요가 없다.

Extend — 긴 영상이 소리까지 자연스럽게 이어진다

기존 클립의 마지막 1초를 기반으로 영상을 연장하는 Extend 기능도 오디오를 지원한다. 영상이 길어질수록 사운드 연속성을 유지하는 것이 어려워지는데, Veo 3.1은 이전 클립의 음향 특성을 읽어 다음 클립에 이어지도록 생성한다.

1분 이상의 영상을 여러 Extend 호출로 만들어도 처음부터 끝까지 일관된 음향 환경이 유지된다.

3. Flow가 된 배경: Whisk + Flow + ImageFX의 합병

현재의 Google Flow는 2026년 2월에 세 개 도구가 하나로 합쳐진 결과물이다. 기존의 Flow(영상 생성), Whisk(이미지 스타일 변환), ImageFX(이미지 생성)가 단일 인터페이스로 통합됐다.

통합의 의미는 명확하다. 아이디어 → 이미지 → 영상 → 오디오의 전 파이프라인이 한 플랫폼 안에서 완결된다. 각 단계마다 다른 도구로 내보내고 가져오는 작업이 사라졌다.

이 통합 이후 5개월 만에 2억 7,500만 개의 영상이 Flow에서 생성됐다. 하루 평균 180만 개가 넘는 영상이다.

4. 에듀테크 활용: 교사가 만드는 '소리 나는 교육 영상'

교육 콘텐츠에서 영상 제작의 가장 큰 병목은 항상 오디오였다. 교사나 에듀테크 콘텐츠 제작자가 설명 영상을 만들 때, 배경음악 저작권 문제, 효과음 찾기, 음성 녹음 품질 등이 주요 걸림돌이었다.

Veo 3.1의 오디오 통합은 이 병목을 해소하는 방향으로 작동한다.

역사 교육: 특정 시대를 배경으로 한 장면에 그 시대의 음향 환경을 자동 생성. 중세 시장 씬에 시장 소음, 르네상스 궁정 씬에 현악 앙상블 같은 음향이 더해진다.

과학 실험 영상: 화학 반응이나 물리 현상을 시각화한 영상에 실험실 음향이 자동으로 추가된다. 학생들이 더 몰입감 있게 시청할 수 있다.

언어 학습: 대화 씬을 생성할 때 자연스러운 발화 오디오가 함께 생성된다. 특정 언어나 발음을 시범으로 보여주는 영상 제작이 쉬워진다.

활용 팁

1. 프롬프트에 오디오 힌트를 담아라: "조용한 도서관" "시끄러운 공사장" "빗소리 가득한 카페" 같이 음향 환경을 텍스트에 포함하면 오디오 생성 품질이 높아진다.
2. Ingredients에 목소리 톤 설명 추가: 캐릭터 설명에 "부드럽고 조용한 목소리" "거칠고 낮은 음성" 같은 음성 특성을 넣으면 대화 생성이 더 정확해진다.
3. Extend는 짧게 여러 번: 한 번에 긴 영상을 만들려고 하면 오디오 연속성이 끊길 수 있다. 15~20초씩 Extend를 반복하면 음향 연속성이 더 안정적이다.
4. 무음 버전도 항상 저장: 나레이션을 직접 얹으려는 경우를 위해, 생성 직후 영상만 따로 저장해두는 습관을 들여라.

Sources:

• Bringing new Veo 3.1 updates into Flow to edit AI video — Google Blog
• Introducing Veo 3.1 and new creative capabilities in the Gemini API — Google Developers Blog
• Veo 3.1: Features, 4K, Audio & What''s New (2026) — fluxnote.io
• Google Veo 3.1: The Flagship AI Video Model from Google — MindStudio
• Veo 3.1 Update 2026 — Whiskai Labs