DEVOCEAN

주요 질문 / 답변 내용

Q. 보이저엑스는 어떤 회사이고, 어떤 제품을 만들고 있나요?

A. 2017년 설립된 보이저엑스는 영상·자막 편집 서비스 ‘브루(Vrew)’, 모바일 문서 스캐너 ‘브이플랫(vFlat)’ 등 크리에이터와 지식 노동자를 위한 AI 기반 툴을 개발하는 스타트업입니다.

• 브루(Vrew): 자동 자막 생성, 텍스트 기반 컷 편집, 텍스트 기반 비디오 생성 기능을 제공합니다.

• 브이플랫(vFlat): 책이나 문서를 스캔헤 PDF로 변환합니다.

• 이외에도 AI를 이용한 다양한 서비스들을 출시하고 있습니다.

Q. 현재 맡고 계신 역할은 무엇인가요?

A. vFlat에 들어가는 on-device 모델을 학습하기도 하고, AI 모델을 서빙하거나 서빙된 모델을 최적화하는 업무도 하고 있습니다.

보이저엑스의 모델들은 오픈소스로 공개되어 있는 모델도 있고 자체적으로 학습한 모델들도 있습니다.

Q. 최근 프로젝트에서 AI 모델 서빙과 최적화는 어떻게 진행하시나요?

A. 클라우드 환경에서 모델 서빙을 합니다.

모델의 최적화의 경우 TensorRT 를 이용해서 추론을 가속하는 작업이라고 할 수 있습니다.

TensorRT 이외에도 여러 엔진들과 클라우드 서비스에서 제공하는 NPU도 고려해보았는데요,

현재까지는 TensorRT가 가장 효율이 좋아 사용하고 있습니다

💡 TensorRT: NVIDIA의 딥러닝 추론 최적화 라이브러리로, 모델 실행 속도와 메모리 효율을 높입니다.

Q. AI 모델이나 툴 선택은 어떻게 하시나요?

A. 오픈소스 모델(HuggingFace 등)과 API 기반으로 제공되는 상용 모델을 혼합해서 사용하고 있습니다.

예를 들어서, Vrew에서 AI 비디오나 AI 이미지 같은 경우에는 일부는 txt2img나 txt2vid 모델을 API로 제공받아 사용하고 있고,

나머지 일부는 자체적으로 오픈소스로 공개되어 있는 모델을 서빙하는 형태로 제공하고 있습니다.

Q. 서빙 구조나 인프라 설계에서 중요하게 보는 점은 무엇인가요?

A. 기본 전제는 오토스케일링입니다. 서비스 상황에 맞게 필요한 만큼만 리소스를 쓰도록 되어 있습니다.

또한 모델 업데이트와 버전 교체가 일어나기 때문에, 배포의 자동화 또한 중요합니다.

Q. 영상·자막 서비스에서 AI는 어떻게 활용되나요?

A. 많은 사례들이 있습니다.

• (음성 분석 기능) 동영상 안의 말소리를 AI가 분석해서 문자로 만들어

• (AI 목소리) 별다른 녹음 없이도 대본만 입력하면 대본을 읽어주고, 사용자 본인의 음성을 AI 목소리를 만들어주는 서비스를 제공하고 있습니다.

• (AI 이미지 생성/수정) 원하는 이미지를 AI가 그려주며, 만들어진 이미지를 원하는 대로 수정도 가능합니다.

• (텍스트로 비디오 만들기) 주제를 입력하면, 대본과 이에 해당하는 이미지를 찾거나 생성해주는 방식으로 비디오를 한번에 생성해줍니다.

• (썸네일 생성) 자막을 기반으로 영상을 분석해 제목과 이미지를 넣어주는 방식으로 유튜브에 넣어줄 썸네일을 만들어줍니다.

Q. 최근에 미국 시장을 공략한다고 들었는데 전략이 있나요?

A. 최근 미국 시장에 진출하기 위해서, 여러 노력들을 하고 있습니다.

서비스가 타켓으로 하는 사용자 범위, UI/UX 등이 한국이 지향하는 바와, 미국이 지향하는 바가 꽤 다릅니다.

매우 정석적이게도, 사용자 인터뷰와 리서치 등을 통해서 타켓을 명확히 하여 온보딩을 개선하는 등의 전략을 구상 중입니다.

Q. 회사의 개발 문화는 어떤가요?

A. 하고 싶은 것을 하는 문화가 정착되어 있습니다. 저희 회사가 가지는 특별한 점 중 하나는 하고 싶은 프로젝트를 제안하면 바로 시작할 수 있다는 점입니다.

이에 따른 리소스 지원도 유연한 편입니다. 신규 프로덕트의 경우는 가설 검증부터 출시까지 빠르게 이루어지는 편이며, 반응이 없으면 과감히 종료합니다.

✏️ 마무리

보이저엑스의 사례는 스타트업이 AI 기술을 어떻게 빠르게 흡수·최적화하며 글로벌 시장에 맞춰 현지화하는지를 보여줍니다.

SK텔레콤과 같은 대기업 개발자들에게도, “큰 모델보다 최적화된 UX와 효율적인 인프라”라는 메시지는 시사하는 바가 큽니다.

1. 서비스별 최적화가 모델 자체 성능 향상보다 ROI가 높을 수 있음

2. 오토스케일링 + 경량 GPU 전략은 스타트업뿐 아니라 대규모 서비스 운영에도 유효

3. 멀티모달 확장은 기능 다변화뿐 아니라 시장 확장의 핵심 포인트

4. HW–SW 최적화 역량은 향후 AI 인프라 경쟁력의 분기점이 될 가능성 큼

마지막으로 박성수님이 했던 말이 기억나서 남깁니다.

“AI 개발은 이제 직접 학습보다, 고성능 모델을 가져와 서비스에 맞게 특화하는 시대입니다.”

– 보이저엑스 AI 엔지니어 박성수님