시드 고정만으로는 같은 AI 비디오 샷을 두 번에 걸쳐 재현할 수 없는 이유

AI 비디오 생성에서 시드(seed)는 모델의 노이즈 패턴을 위한 시작 숫자이며, 이를 고정한다고 해도 모델 버전, 샘플러(sampler), 그리고 그 뒤에 있는 하드웨어까지 모두 동일하게 유지될 때만 결과물을 재현할 수 있는데, 이는 거의 일어나지 않습니다.

저는 Lost Garden이라는 장면에서 정확히 같은 프롬프트와 정확히 같은 시드를 사용하여 4일 간격을 두고 똑같은 샷을 두 번 실행했습니다. 카메라 방향도 같았고, 캐릭터 레퍼런스도 같았으며, 제가 통제할 수 있는 모든 것이 같았습니다. 그런데 두 번째 버전은 첫 번째 버전에는 없었던 미묘하게 다른 턱선과 카메라 드리프트(camera drift)를 가지고 돌아왔습니다. 제 설정 중 아무것도 바뀐 것이 없었습니다. 도구 뒤에 있는 모델이 바뀐 것입니다.

시드가 실제로 통제하는 것

시드는 저장 파일(save file)이 아닙니다. 이는 확산 모델(diffusion model)이 점진적으로 이미지나 클립으로 모양을 만드는 무작위 노이즈의 수치적 시작점입니다. Runway가 자체적으로 설명한 메커니즘은 그 한계에 대해 단도직입적입니다: 시드는 “초기 노이즈 패턴(initial noise patterns)”을 제어하여 “결과물을 재현”할 수 있게 하지만, 가이드의 경고 목록에는 플랫폼 간 비호환성, 버전 드리프트(version drift), 그리고 초보자들이 저지르는 가장 큰 실수로 “픽셀 단위의 완벽한 재현을 기대하는 것”이 포함되어 있습니다 (Runway, 2025).

특히 비디오의 경우, 정지 이미지보다 더 높은 수준의 난이도가 따릅니다. 시드는 단지 첫 번째 프레임의 구도뿐만 아니라 클립의 모든 프레임에 걸친 움직임과 시간적 일관성(temporal coherence)을 형성합니다. 이는 시드 불일치가 단순히 색상을 변화시키는 것이 아님을 의미합니다. 캐릭터가 걷는 방식, 카메라가 안착하는 위치, 또는 바람에 옷이 움직이는 방식까지도 바꿀 수 있습니다.

단 하나의 문장 때문에 저는 이 사실을 받아들이고 실제로 작동하는 다른 것에 집중하기 전까지 일주일 동안 혼란스러운 재생성 과정을 거쳐야 했습니다.

같은 시드라도 여전히 다른 결과를 주는 이유

모든 것을 고정했다고 생각할 때조차도, 재현성을 깨뜨리는 세 가지 요소가 있습니다:

같은 시드라도 여전히 다른 결과를 주는 이유

모든 것을 고정했다고 생각할 때조차도, 재현성을 깨뜨리는 세 가지 요소가 있습니다:

• 모델 업데이트(Model updates). Runway, Kling, 그리고 Seedance는 주요 버전 번호 사이에서 조용한 가중치 업데이트(silent weight updates)를 배포합니다. 동일한 시드와 프롬프트를 업데이트된 모델에 입력하더라도, 해석하는 주체인 모델 자체가 더 이상 같지 않기 때문에 노이즈 패턴에 대한 해석이 달라집니다.
• 내장 무작위성을 가진 샘플러(Samplers with built-in randomness). 일부 생성 파이프라인은 조상 샘플러(ancestral samplers)를 사용하는데, 이는 첫 번째 단계뿐만 아니라 모든 디노이징(denoising) 단계마다 신선한 무작위성 양을 주입합니다. 시드는 시작점만을 고정할 뿐이며, 그 위에 덧씌워진 단계별 무작위성을 되돌릴 수는 없습니다.
• 하드웨어 및 정밀도 차이(Hardware and precision differences). 부동 소수점 연산(Floating-point math)은 GPU 배치마다 완벽하게 동일하지 않습니다. 이 사실은 두 개의 클립이 쌍둥이여야 하는데 그렇지 않은 경우를 보면 사소한 것처럼 들리지만 아닙니다.

Frank Houbre's image-15c93

이것들은 버그 보고서가 아닙니다. 이것은 단지 이러한 시스템들이 구축된 방식입니다. 시드를 나중에 다시 꺼내 쓸 수 있는 결과물의 아카이브로 취급하는 것이 실책이며, 도구 자체의 문제가 아닙니다.

시드는 높은 재현성을 제공하지만, 사소한 요인들(플랫폼 업데이트, GPU 처리 변동, 환경적 차이 등)은 때때로 생성물 사이에 아주 작은 차이를 만들 수 있습니다. 절대적으로 동일한 결과가 아닌, 매우 유사한 결과를 목표로 하세요.

그 문구는 Runway의 자체 문서에서 나온 것이며, 이 기능을 두고 어떤 AI 비디오 벤더가 작성한 문장 중 가장 정직한 문장입니다. 시드는 확률을 좁힐 뿐입니다. 그것은 확률을 제거하지 않습니다.

제가 계속 저질렀던 실수

Lost Garden을 구축하는 초기 몇 달 동안, 저는 시드 번호를 세트장에서 잠긴 카메라 각도를 다루는 것처럼 취급했습니다. 영구적으로 돌아갈 수 있는 무언가라고 생각했죠. 2주 후에 리슛(reshoot)이 필요할 때면, 예전 시드를 파내서 다시 붙여넣고 같은 캐릭터가 프레임 안으로 걸어 들어오기를 기대했습니다.

거의 성공했습니다. *'거의'*라는 부분이 장면을 망치는 부분이죠. 조명에서 미세하게 달라지거나 손동작이 조금만 달라도, 고립된 상태에서는 눈에 띄지 않지만 두 개의 테이크를 붙여서 편집하는 순간 확연히 드러납니다. 저는 연속성(continuity) 문제를, 애초에 연속성을 보장하도록 만들어지지 않은 도구로 해결하려고 했습니다.

실제로 샷을 일관되게 유지시키는 방법

저에게 효과적이었고, 주요 도구들이 2026년에 수렴한 방식은 시드 기반 생성(seed-based generation)이 아니라 참조 기반 생성(reference-based generation)입니다:

• Runway Gen-4 References는 업로드된 이미지의 캐릭터, 사물 또는 위치를 고정하고 이를 새로운 샷으로 가져갈 수 있게 해줍니다. 이는 2026년 기준으로 여러 각도에서 동일한 얼굴이 필요한 장면에 가장 강력한 옵션으로 광범위하게 간주됩니다.
• Kling의 다중 이미지 참조(multi-image reference)와 Seedance의 다중 자산 참조(multi-asset references)는 같은 원리로 작동합니다. 즉, 숫자가 특정 모습을 재현하기를 기대하는 대신, 모델에게 실제 모습 자체를 전달하고 노이즈 패턴 대신 그것을 유지하도록 하는 것입니다.

Frank Houbre's image-4199

차이가 중요한 이유는 참조 이미지가 캐릭터가 무엇인지 제약(constrain)하는 반면, 시드는 모델이 어디서 추측하기 시작했는지에만 제약을 가하기 때문입니다. 전자는 리슛(reshoot)을 거쳐도 지속적입니다. 후자는 우연히 같은 결과가 나올 만큼 자주 나오는 동전 던지기일 뿐이며 위험할 수 있습니다.

ScreenWeaver 내부에서는 이것이 바로 캐릭터 바이블(character bible)이 어떤 생성 단계보다 앞서 배치되는 이유입니다. 한 번 작성된 고정 참조 이미지는 샷과 함께 어느 도구가 렌더링하든 이동하며, 연속성이 시드가 기억해주기를 기도하는 것이 아니게 만듭니다. 처음부터 대본을 작성하고 있고, 비디오 모델에 손대기 전에 그 참조 우선 구조가 어떻게 유지되는지 보고 싶다면, ScreenWeaver는 바로 이 이유로 스크립트와 스토리보드 단계를 먼저 배치합니다.

Frank Houbre's image-d7803

Frank Houbre's image-87ccb8

Frank Houbre's image-31762

Frank Houbre's image-efe828

시드가 여전히 사용될 가치가 있는 경우

시드가 쓸모없는 것은 아닙니다. 단지 초보자들이 생각하는 것보다 범위가 좁을 뿐입니다:

시드가 여전히 사용될 가치가 있는 경우

시드는 쓸모없는 것은 아닙니다. 단지 초보자들이 생각하는 것보다 범위가 좁을 뿐입니다:

• 같은 세션 내 변형 테스트 (Same-session variation testing). 시드를 고정한 채 프롬프트만 변경하여, 특정 단어나 구절이 해당 모델 버전에서 그 세션 동안 출력에 실제로 어떤 영향을 미치는지 분리할 수 있습니다.
• 배치 A/B 비교 (Batch A/B comparisons). 동일한 시드에 대해 두 가지 프롬프트 변형을 실행하면 비교 대상에서 하나의 변수가 제거되므로, 최종 장면을 촬영하는 것보다 프롬프트를 디버깅할 때 진정으로 유용합니다.
• 근처로 돌아가기 위한 간단한 자극 (A quick get me back in the neighborhood nudge). 이전 시드를 유사한 프롬프트와 함께 재사용하면 샷이 재현되지는 않겠지만, 순수한 노이즈에서 시작하는 것보다 원래의 분위기에 더 가깝게 도달할 가능성이 높습니다.

시드는 결코 실제 연속성 시스템(continuity system)을 대체해서는 안 됩니다. 즉, 작성된 캐릭터 바이블, 고정된 레퍼런스 이미지, 그리고 요청한 내용뿐만 아니라 실제로 렌더링된 내용을 기록하는 샷 로그가 필요합니다.

FAQ

시드를 고정하는 것이 AI 비디오를 두 번이나 동일하게 보장하나요?

아닙니다. 유사한 출력을 향한 확률을 좁혀줄 뿐이며, 모델 업데이트, 샘플러 무작위성(sampler randomness), 하드웨어 차이 등은 여전히 결과를 변경시킬 수 있습니다.

시드가 플랫폼 간에 전송되나요?

아닙니다. Runway에서 얻은 시드는 Kling, Seedance 또는 Sora에서는 의미 있는 것을 재현하지 못합니다. 왜냐하면 각 모델은 그 시작 숫자를 완전히 다른 아키텍처를 통해 읽기 때문입니다.

캐릭터 일관성을 위해 시드 대신 무엇을 사용해야 하나요?

Runway Gen-4 References, Kling의 다중 이미지 레퍼런스(multi-image reference), Seedance의 다중 에셋 레퍼런스(multi-asset reference)와 같이 이를 위해 설계된 기능을 통해 공급되는 레퍼런스 이미지를 사용해야 합니다. 이들은 숫자가 아닌 실제 시각적 요소를 유지합니다.

시드 번호를 기록하는 것이 가치가 있나요?

네, 전체 프롬프트, 모델 이름 및 버전과 함께 기록하는 것은 좋지만, 그 기록을 나중에 샷을 재현하기 위한 보험 정책이 아니라 디버깅 로그로 취급해야 합니다.

만약 시드 번호에 집착하여 결코 동일하게 돌아오지 않는 샷을 추적하며 피해를 입은 적이 있다면, 해결책은 더 좋은 시드가 아닙니다. 그것은 생성(generate) 버튼을 누르기 전에 레퍼런스 자체에 연속성을 구축하는 것입니다.