“패션용 AI”에는 완전히 다른 두 종류의 툴이 숨어 있다. 생성형 AI는 프롬프트에서 픽셀을 지어낸다. 편집형 AI는 이미 가진 이미지의 픽셀을 바꾼다. 둘은 강점도, 비용 구조도, 실패하는 방식도 다르다. 일에 맞는 쪽을 고르는 것이 싸움의 절반이다.
각각이 실제로 하는 일
생성형 AI는 노이즈와 프롬프트에서 출발해 이미지를 만든다. Midjourney, 날것의 Gemini, 날것의 Stable Diffusion이 그렇다. 결과물은 모델이 상상하는 대로 나오고, 프롬프트와 넣어 준 레퍼런스 이미지가 그 범위를 제한한다. 변동폭이 크고 통제는 어렵다.
편집형 AI는 기존 이미지와 요청에서 출발한다. 이 배경을 바꿔 줘, 이 물체를 지워 줘, 이 옷을 바꿔 줘, 이 해상도를 올려 줘. 이미지 대부분이 고정되어 있고 모델은 한 영역에만 작용하므로 변동폭이 훨씬 작다. 배경 제거, 고스트 마네킹, 가상 피팅이 모두 편집형 AI 범주에 속한다.
생성형 AI를 쓸 때
결과물이 아직 존재하지 않을 때다. 콘셉트 탐색, 무드보드, 브랜드가 장면을 처음부터 지어내는 대표 캠페인 비주얼, 새 제품 라인을 위한 오리지널 라이프스타일 이미지. 출발점이 될 원본 이미지가 없을 때는 생성형 AI가 맞는 도구다.
Apiway에서는 Image creation 과 White Studio 가 생성형 템플릿이다. 모델, 포즈, 프레이밍, 화면 비율을 지정하면 시스템이 이미지를 지어낸다.
편집형 AI를 쓸 때
결과물이 이미 어떤 형태로든 존재할 때다. 실제 제품 사진이 있고 스타일링한 맥락이 필요하다. 모델 사진이 있고 옷을 바꿔야 한다. 완성된 이미지가 있고 깔끔한 흰 배경이 필요하다. 편집형 AI는 이런 일을 생성형 AI보다 한 자릿수 배 빠르게, 훨씬 높은 통제력으로 끝낸다.
Apiway에서는 Virtual try-on, Ghost mannequin, 그리고 Creators UGC 포토셋 은 편집형 템플릿이다. 기존 이미지를 입력으로 받아 정해진 영역을 수정한다.
비용 구조의 차이
생성형 AI는 시도당 변동폭이 더 크다. 재생성이 더 많고, 프롬프트 손질이 더 많고, 쓸 만한 이미지 한 장을 건지는 데 주사위를 더 많이 굴린다. 편집형 AI는 원본 이미지가 신호 대부분을 담고 있어서 변동폭이 낮다. AI는 제한된 차이분만 처리하면 된다. 대부분의 패션 브랜드에서는 편집형 AI가 쓴 크레딧당 쓸 만한 이미지를 더 많이 낸다.
이것이 마켓플레이스 + 가상 피팅 패턴이 카탈로그와 라이프스타일 작업에서 순수 생성형보다 전환이 좋은 구조적 이유다. 사람이라는 신호는 크리에이터의 사진이 담고, AI는 의류 오버레이만 처리한다.
둘을 섞어 쓸 때
대부분의 제작 파이프라인에는 둘 다 필요하다. 대표 크리에이티브와 오리지널 콘셉트 작업에는 생성형, 일상적인 SKU 속도에는 편집형. Apiway에서의 전형적인 한 주는 캠페인 탐색을 위한 생성형 패스 한두 번과, 카탈로그와 상품 페이지를 채우는 편집형 패스 서른에서 쉰 번 정도다.
둘을 하나의 툴로 취급하는 것은 흔한 실수다. 예산표에서 같은 항목으로 취급하는 것도 실수다. 확장되는 방식도, 실패하는 방식도, 보상하는 팀의 기술도 다르다.
어떤 일에 무엇이 필요한지 판단하는 법
질문은 하나다. 쓸 만한 출발 이미지가 있는가? 있다 → 편집형 AI. 없다 → 생성형 AI. 이 답이 고를 템플릿, 크레딧 비용, 시간 예산, 기대해야 할 품질을 결정한다.
제품 하나로 둘 다 써 보자
무료 계정을 만들고 제품 하나를 White Studio (생성형)과 Ghost mannequin (편집형)으로 각각 돌려 보자. 각각이 무엇을 내놓았는지, 크레딧이 얼마나 들었는지 비교한다. 무료 요금제로 두 패스를 모두 할 수 있다.