멀티모달 AI 가이드 — 하나의 OpenAI 호환 API로 텍스트, 이미지, 비디오, 오디오 처리

대부분의 LLM 애그리게이터는 텍스트에서 멈춥니다. 제품에서 이미지를 생성하거나, 사진을 편집하거나, 정지 이미지를 동영상으로 애니메이션화하거나, 광고 음성을 만들거나, 음악을 작곡해야 하는 순간에는 다시 세 곳의 공급업체, 세 개의 청구서, 세 개의 SDK를 관리해야 합니다. Kunavo는 동일한 OpenAI 호환 API를 통해 이 모든 기능을 제공합니다. 이 가이드에서는 어떤 모달리티를 언제 사용해야 하는지, 각 모달리티의 모델 메뉴, 그리고 이를 연결해 실제 운영 환경의 멀티모달 파이프라인으로 만드는 방법을 다룹니다.

모달리티 메뉴(및 각 모달리티의 용도)

• 텍스트 생성 — Claude Opus/Sonnet/Haiku 및 GPT. 추론, 채팅, 구조화된 출력에 사용합니다. /docs/chat
• 이미지 생성(텍스트-이미지) — Nano Banana Pro, GPT-Image-2, Nano Banana 2. 사용 사례에 따라 선택이 달라집니다(아래 비교 참조).
• 이미지 편집(이미지-이미지) — Nano Banana Edit, GPT-Image-2 Edit. 패키지의 텍스트 교체, 배경 변경, 스타일 변환에 사용합니다.
• 동영상 생성 — Veo 3 Lite/Fast/Quality, Seedance 2 및 Seedance 2 Fast, Wan 2.7. 텍스트-동영상과 이미지-동영상 모두 지원됩니다.
• 오디오 — 음악 — Suno V5 / V5.5. 프롬프트로 완곡을 생성합니다.

전체 카탈로그는 /models에서 확인하세요.

이미지 모델 선택 — 30초 규칙

• 이미지에 깔끔한 텍스트가 필요한가요(사용자 인터페이스 목업, 포스터, 표지판)? → Nano Banana Pro. 비교할 필요가 없습니다.
• 문자 그대로의 상세한 프롬프트인가요? → GPT-Image-2. 프롬프트 이해력이 뛰어나며 모든 해상도에서 가격이 동일합니다.
• 비용이 중요한 대량 작업인가요? → Nano Banana 2. 1K에서 가장 저렴하며 충실도가 유지됩니다.
• 깊이감 있는 영화적 표현인가요? → Nano Banana Pro. 보케가 진정으로 영화적입니다.

전체 심층 분석은 이미지 모델 비교에서 확인하세요 — 실시간 이미지 모델 비교입니다.

동영상 모델 선택

현재 세 가지 제품군을 사용할 수 있으며, 각 제품군은 서로 다른 단위로 요금이 청구됩니다 — Veo 3는 동영상당, Seedance와 Wan은 출력 초당입니다. 아래 가격은 카탈로그 요금입니다:

엔드포인트가 모델에 종속되지 않으므로 제품군을 전환할 때는 model 필드만 변경하면 됩니다. 동영상 빠른 시작은 Veo 3 동영상 빠른 시작 가이드에서, 모델별 세부 정보는 Seedance API 및 Wan API 가이드에서 확인하세요.

이미지 생성 — 기본 사항

# Text-to-image: same OpenAI SDK, different model slug
img = client.images.generate(
    model="nano-banana-pro",          # Google's flagship — best text rendering
    prompt="a marketing hero for a fintech app, isometric, soft blue palette",
    size="1024x1024",
)
print(img.data[0].url)  # permanent: https://files.kunavo.com/...

결과 URL은 동영상과 마찬가지로 이미지도 영구적입니다. Kunavo는 모든 결과를 files.kunavo.com CDN에 보관하고, 보관한 파일의 URL을 반환합니다.

이미지-동영상 — 기존 에셋을 움직임으로 전환하기

사이트에 이미 제품 사진이 있습니다. Veo 3를 사용하면 이를 8초 제품 클립으로 애니메이션화할 수 있습니다:

# Image-to-video: upload a hero image, animate into an 8-second product clip
# (every Veo clip is 8 seconds; the Veo models ignore "duration").
# The OpenAI SDK has no method for the video route, so post to it with the
# same client.
video = client.post(
    "/video/generations",
    body={
        "model": "veo-3",
        "prompt": "camera slowly orbits, soft cinematic light, product hero shot",
        "image_url": hero_image_url,
        "aspect_ratio": "9:16",   # vertical for Reels / TikTok / IG short
        "resolution": "1080p",
    },
    cast_to=object,
    options={"timeout": 600.0},   # a clip takes minutes
)
print(video["data"][0]["url"])

이전에 동영상 촬영당 $500-1500를 지출하던 마케팅 팀은 이를 $0.18+(Veo 3.1 Lite)에서 $1.60+(Veo 3.1 Quality)까지의 클립과 약 30초의 컴퓨팅으로 줄일 수 있습니다. 전자상거래 히어로 애니메이션, App Store / Play Store 스크린샷, 소셜 미디어 제품 쇼케이스에 특히 효과적입니다.

모달리티 연결 — 진정한 강점

흥미로운 워크플로는 모달리티를 순차적으로 조합합니다. 마케팅 클립 제작 라인은 다음과 같습니다:

# Pipeline: GPT-Image generates a marketing hero, Veo 3 animates it,
# Suno scores the BGM. One API, one bill.
# Here client is AsyncOpenAI(api_key=..., base_url="https://api.kunavo.com/v1").
async def make_marketing_clip(product: dict) -> dict:
    # 1. Hero image
    img = await client.images.generate(
        model="gpt-image-2",
        prompt=f"hero shot of {product['name']}, premium aesthetic",
        size="1024x1792",
    )

    # 2. Animate to 8s vertical (the length of every Veo clip). The SDK has
    #    no method for the video and music routes, so post to them directly.
    video = await client.post(
        "/video/generations",
        body={
            "model": "veo-3",
            "prompt": f"camera orbits {product['name']}, cinematic lighting",
            "image_url": img.data[0].url,
            "aspect_ratio": "9:16",
        },
        cast_to=object,
        options={"timeout": 600.0},
    )

    # 3. BGM
    bgm = await client.post(
        "/audio/music",
        body={
            "model": "suno-v5",
            "prompt": "upbeat synth, 30 seconds, brand-friendly",
        },
        cast_to=object,
        options={"timeout": 600.0},
    )

    return {"video": video["data"][0]["url"], "bgm": bgm["data"][0]["url"]}

asyncio.gather()로 100개 SKU에 대해 이 작업을 병렬로 실행하면 마케팅 카탈로그 제작 파이프라인이 완성됩니다. 총비용은 SKU당 처음부터 끝까지 약 $1-2입니다. 크리에이티브 에이전시의 에셋당 $500-2000와 비교해 보세요.

실무 고려 사항

• 결과 URL 수명: 이미지와 동영상 모두 Kunavo의 files.kunavo.com에서 영구적으로 유지됩니다. 다른 호스트의 URL은 보관에 실패했을 때 반환되는 업스트림의 임시 URL이므로 다시 호스팅해야 합니다.
• 생성 시간: 이미지 약 5-30초, 동영상 약 30초-3분, 음악 약 30초입니다. 서버 측에서 force-dynamic를 사용하고 사용자에게 진행 상황을 표시하세요.
• 실패한 생성은 무료입니다 — Kunavo는 4xx/5xx에 절대 요금을 청구하지 않으므로 프롬프트를 자유롭게 반복 수정할 수 있습니다.
• 동영상의 텍스트 렌더링: Veo 3는 동영상에서 여러 단어로 된 텍스트를 처리하는 데 어려움이 있습니다. 모델에 렌더링을 요청하는 대신 후반 작업(CapCut, Final Cut, 브라우저 측 캔버스)에서 텍스트를 렌더링하세요.
• 실제 얼굴 / 지식재산: 모든 주요 모델은 유명인, 정치인, 저작권이 있는 캐릭터의 생성을 거부합니다. 오리지널 캐릭터 또는 라이선스를 취득한 지식재산을 사용하세요.
• 화면비: 9:16(세로형 숏폼), 16:9(가로형), 1:1(피드), 4:5(Instagram 세로형)입니다. 동영상에서는 aspect_ratio를 통해 전달하고, 이미지에서는 size="1024x1792" 등을 사용하세요.

일반적인 멀티모달 사용 사례(시작 프롬프트 포함)

• 전자상거래 제품 히어로 애니메이션 — 이미지-동영상, 궤도형 카메라, 8초, 9:16
• 부동산 가상 스테이징 — 빈 방에 가구를 추가하는 이미지 편집
• 마케팅 캐러셀 / Reels 제작 — 브랜드 스타일로 이미지를 일괄 생성한 뒤 Veo로 애니메이션화
• 교육용 설명 클립 — 슬라이드를 이미지로 생성하고 Veo 3로 애니메이션화한 뒤 Suno로 음악을 추가
• 팟캐스트 인트로 및 오디오 브랜딩 — 프롬프트로 생성한 Suno 음악 배경과 징글을 프로그램에 사용
• 게임 / 앱 에셋 생성 — Nano Banana Pro / GPT-Image-2를 사용한 캐릭터 초상화, 아이템 아이콘, 환경 배경

멀티모달을 사용하지 말아야 할 때

• 엄격한 브랜드 에셋 — 프롬프트를 정교하게 작성해도 모델 출력은 달라집니다. 마스터를 대체하는 용도가 아니라 사람이 디자인한 마스터의 변형을 만드는 데 AI를 사용하세요.
• 실제 인물의 얼굴 — 모든 주요 모델이 거부하며, 우회할 경우 법적/지식재산 위험이 있습니다.
• 라이브 동영상 / 실시간 생성 — 현재 모델은 클립 하나를 생성하는 데 30초-3분이 걸립니다. 아직 라이브 사용 사례에는 적합하지 않습니다.
• 높은 정확도가 필요한 작업 — 의료 영상, 법적 증거, 과학 출판물입니다. 멀티모달 생성은 사실적 작업이 아니라 창작 작업입니다.

하나의 청구서로 멀티모달을 사용할 수 있다는 점이 Kunavo의 진정한 용도입니다. 엔드포인트 참조는 /docs/images 또는 /docs/video에서 시작하거나, 카테고리로 필터링된 /models를 확인하세요.

이러한 파이프라인의 모델별 가격표는 이미지 생성 API 비교 및 동영상 생성 API 비교를 참조하세요.

자주 묻는 질문