2026-09-14

아이폰 공간 비디오, 거의 아무도 못 보는 효과에 분당 130MB (그리고 NearVid가 그 파일로 할 수 있는 것)

애플 자체 뉴스룸 페이지는 비용을 담담하게 적어 놓았다: "a minute of spatial video is approximately 130MB"(공간 비디오 1분은 약 130MB). 같은 페이지는 그렇게 용량을 잡아먹는 1분이 실제로 어디서나 어떻게 보이는지도 똑같이 담담하게 적어 놓았다: "On iPhone and other devices, spatial videos appear as regular, 2D videos and can be watched or shared just like any other video using apps like Messages"(아이폰과 다른 기기에서 공간 비디오는 평범한 2D 비디오로 보이고, 메시지 같은 앱에서 다른 영상과 똑같이 재생하거나 공유할 수 있다). 두 문장을 나란히 놓으면 이상한 그림이 나온다 — 시장에 딱 하나뿐인 기기에서만 실제 효과를 보여주는 포맷이, 평범한 영상의 대략 두 배에 달하는 용량을 요구하고 있는 것이다. 이 파일 안에 실제로 뭐가 들어 있는지, 왜 그 크기인지, 그리고 일단 내 폰에 그 파일이 있을 때 NearVid의 실제 기능들 중 무엇이 쓸모가 있는지 정리했다.

"공간(spatial)"이 실제로 뜻하는 것, 그리고 어떤 아이폰이 찍을 수 있는가

공간 비디오 촬영은 2023년 12월 iOS 17.2와 함께 아이폰 15 Pro·15 Pro Max에만 먼저 등장했다 — 애플 자체 발표문은 이를 애플 비전 프로에서 "실물 크기로, 놀라운 깊이감과 함께" 보는 경험과 곧바로 연결한다. 하지만 Pro 전용으로 오래 남지는 않았다 — 2024년 아이폰 16 출시와 함께 UploadVR이 보도한 대로 "아이폰 16 전 모델이 공간 사진과 공간 비디오를 촬영할 수 있게" 됐다. 애플이 자체적으로 "Apple HEVC Stereo Video Profile"이라 부르는 방식을 쓰며, 기사는 이를 더 이상 Pro 전용이 아닌 "이제는 표준 아이폰 기능"이라고 부른다.

그렇다고 눈에 띄게 발전하고 있는 것도 아니다. 2025년 9월 아이폰 17 라인업이 나왔을 때 UploadVR은 아이폰 17 Pro의 공간 비디오가 "여전히 1080p 30fps 촬영에 묶여 있다... 2023년 아이폰 15 Pro가 도입했던 사양 그대로"라고 확인했다 — 같은 폰의 일반 2D 비디오가 4K 120fps까지 올라간 사이, 공간 비디오만 3세대째 그 자리에 멈춰 있는 것이다. 후면 카메라가 하나뿐인 아이폰 에어는 공간 비디오를 아예 촬영할 수 없다 — 두 눈 몫의 화면을 담으려면 렌즈 두 개가 함께 움직여야 하기 때문이다.

1분이 130MB인 이유: 화소가 아니라 카메라가 하나 더 붙어 있어서다

바로 그 "눈 두 개" 부분이 용량이 큰 진짜 이유이고, 해상도와는 무관하다. 공간 비디오는 위에서 인용한 애플 자체 뉴스룸 문구 그대로 1080p·30fps·표준 다이내믹 레인지라는, 그리 화려하지 않은 사양으로 찍힌다. 파일을 크게 만드는 건 그 아래에 깔린 포맷이다 — Mike Swanson의 기술 해설은 애플 공간 비디오가 MV-HEVC(멀티뷰 HEVC)를 써서 "좌안·우안 두 시점을 모두" 저장한다고 설명한다 — 사실상 완전히 별개인 두 개의 온전한 영상 스트림을, 애플이 "vexu"라 부르는 별도 메타데이터 박스와 함께 파일 하나에 같이 인코딩해 넣어서, 호환되는 플레이어가 둘을 스테레오 쌍으로 인식하게 만드는 방식이다. 더 비싸게 렌더링한 1080p 영상 한 편이 아니라, 카메라 두 대가 동시에 찍은 1080p 영상 두 편이 .mov 파일 하나 안에 함께 타고 있는 것이다.

애플이 직접 인정하는 부분: 두 번째 눈은 거의 아무도 보지 못한다

바로 이 지점이 이 포맷을 "그냥 용량 큰 파일"이 아니라 진짜 흥미롭게 만드는 디테일이다. MV-HEVC는 공간 비디오를 전혀 모르는 플레이어에서도 그대로 재생되도록 일부러 설계됐다 — Swanson에 따르면, 스테레오를 모르는 일반 디코더는 첫 번째 시점, 즉 "좌안" 스트림만 읽고, 같은 파일 안에 나란히 들어 있는 메타데이터와 두 번째 시점은 조용히 무시한다. 오류를 내거나 열기를 거부하지 않는다 — 그냥 평범한 영상 하나를 재생할 뿐이다. 위에서 인용한 애플 자체 문구가 "아이폰과 다른 기기에서" 일어난다고 말한 바로 그 현상이다 — 이건 누군가 나중에 덧붙인 임시방편이 아니라, 포맷이 설계된 대로 작동하는 것이다.

실제로 벌어지는 일: 그 파일이 정확히 애플 비전 프로(또는 그 이후 등장한 소수의 스테레오 인식 소프트웨어)에 도달하지 않는 한, 사진 앱에서도, 메시지에서도, 파일 앱에서도, NearVid에서도, 지구상 거의 모든 영상 앱에서도 실제로 재생되는 건 촬영본의 평범하고 납작한 절반뿐이다. 두 번째 눈은 그냥 얹혀서 파일 무게만 조용히 두 배로 만들 뿐, 이 영상의 유일하게 현실적인 시청자에게는 아무 역할도 하지 않는다.

이 포맷은 일반 디코더가 애초에 뭔가 잘못됐다고 느낄 일이 없도록 설계돼 있다 — 그냥 첫 번째 스트림만 조용히 읽고, 자기가 모르는 두 번째 스트림은 무시할 뿐이다.

NearVid가 이런 파일로 실제로 할 수 있는 것

NearVid의 어떤 기능도 "공간"이 뭔지 모르는데, 알고 보면 그래도 상관없다 — 전부 컨테이너 단위로만 동작해서 디코딩 자체가 필요 없거나, 다른 평범한 플레이어와 똑같은 방식으로 디코딩할 뿐이기 때문이다. 그리고 위에서 확인했듯 그 평범한 방식이야말로 이 영상의 사실상 유일한 현실적인 시청 방법이다:

프레임 추출. 지정한 타임스탬프 하나를 JPG나 PNG로 뽑아낸다. 정지 프레임을 뽑는 건 단일 프레임을 디먹싱·디코드하는 것뿐이라 — 비전 프로가 아닌 모든 앱이 이미 보여주고 있는 바로 그 기본 시점을 읽는다 — 거대한 두 눈짜리 촬영본에서 순간 하나가 헤드셋 없이도 그냥 문자로 보낼 수 있는 평범한 사진으로 나온다.
오디오 추출. 공간 비디오는 두 영상 스트림과 함께 공간 음향(Spatial Audio)도 기록한다. 소리만 MP3(libmp3lame)로 뽑아내는 작업은 영상 레이어 어느 쪽도 건드리지 않는다.
트림. NearVid의 트림은 무손실 스트림 복사다 — 디코딩도 재인코딩도 없이 컨테이너를 필요한 초 단위로 잘라낸다. 이 경우엔 평소보다 더 의미가 있는데, 공간 촬영본은 같은 길이의 평범한 영상보다 대략 두 배 빠르게 저장 공간을 태우면서도 그중 대부분은 결국 쓰이지 않기 때문이다.
WebM 변환. 재인코딩은 먼저 디코드하고 나중에 인코드하는데, 디코드 단계는 다른 모든 것과 똑같이 기본 시점만 읽는다 — 그래서 결과로 나오는 WebM은 그 파일이 비전 프로를 뺀 모두에게 이미 보여주고 있던 바로 그 평범한 영상이고, 다만 이제는 분당 약 130MB로 고정된 컨테이너가 아니라 작고 평범하게 어디에나 공유할 수 있는 파일이 된다.

정직하게 인정하는 한 가지 공백: 실제 공간 비디오 파일로 검증하지는 못했다

위 내용은 모두 MV-HEVC가 문서상 이렇게 동작한다는 사실에서 나온 것이지 — NearVid를 실제 애플 공간 비디오 .mov 파일에 직접 돌려 검증하지는 못했고, 이 포맷의 멀티뷰 메타데이터 박스는 영상 컨테이너를 다루는 소프트웨어 상당수보다 더 최근에 나온 것이다. 실제로 파일을 넣었을 때 벌어질 수 있는 일은 둘 중 하나다 — NearVid의 FFmpeg 기반 기능들이 파일을 열어 위에서 설명한 대로 기본 시점을 처리하거나, 디먹서가 자신이 모르는 박스 구조에 걸려 업로드가 아예 거부되거나. 검증되지 않은 걸 검증된 것처럼 말하느니 이렇게 솔직히 밝히는 편이 낫다 — 특정 공간 비디오 파일이 로드되지 않는다면 그건 미스터리한 버그가 아니라 바로 이 알려진 공백이며, 잃어도 괜찮은 파일로 먼저 시험해 본 뒤에야 트림된 사본을 유일한 사본으로 믿는 게 안전하다.

이것이 아닌 것

여기 어디에도 공간 비디오를 만들거나, 3D로 미리 보여주거나, 두 번째 눈으로 뭔가를 하는 기능은 없다 — NearVid에는 스테레오 뷰어가 없고, 만들 계획도 없다. 평범한 2D 영상을 공간 비디오로 바꿔주지도 않는다. 위의 모든 기능은 사진 앱·메시지·비전 프로가 아닌 지구상 거의 모든 앱이 이 파일을 열 때 이미 보여주고 있는, 단 하나의 평범하고 이미 납작한 시점만을 건드릴 뿐이다 — NearVid가 해 주는 건 그걸 잘라내거나, 사진이나 MP3 하나를 뽑아내거나, 일반적인 포맷으로 줄이는 방법을 전부 내 기기 위에서 제공하는 것뿐이다 — 분당 약 130MB짜리 원본이 기기 밖으로 나가는 일 없이.

정직한 요약

애플 공간 비디오 1분은 약 130MB인데, 애플 자체 뉴스룸 페이지 기준으로 그렇다. 이유는 포맷 — MV-HEVC — 이 영상 하나가 아니라 온전한 영상 스트림 두 개를 기록하기 때문이고, Mike Swanson의 기술 해설이 이를 설명한다. 이 기능은 2024년부터 후면 카메라 두 개짜리 아이폰 16 이상 전 모델의 표준 기능이 됐다(UploadVR 기준). 그러면서도 출시 3년째인 아이폰 17 Pro에서도 여전히 1080p·30fps 에 머물러 있다(아이폰 17 관련 UploadVR 보도 기준). 그리고 애플 스스로 인정하듯, 비전 프로를 뺀 모든 기기에서 그 추가 데이터는 그냥 평범한 2D 영상으로 재생될 뿐이다. NearVid는 이 파일의 공간 부분을 건드릴 수 없고 애초에 그렇게 만들어지지도 않았다 — 하지만 무손실로 트림하거나, 프레임이나 오디오를 뽑아내거나, WebM으로 변환하는 작업 전부는 그 파일이 이미 보여주고 있던 바로 그 평범한 2D 영상을 대상으로, 분당 130MB짜리 원본을 아무 데도 올리지 않고 내 기기 위에서 그대로 해낸다.