Text-to-video는 작성된 텍스트 프롬프트를 비디오 클립 생성의 주 입력으로 쓰는 AI 생성 모드로, 모델이 프롬프트의 언어만으로 모션, 피사체 행동, 카메라 무브먼트, 시간적 진행을 합성합니다. Text-to-image 패러다임을 시간 차원으로 확장하며, 모델이 단일 일관 프레임뿐 아니라 일관되고 타당한 모션과 시각적 연속성을 가진 프레임 시퀀스를 생성해야 합니다.

Text-to-video는 기술적으로 text-to-image 생성보다 요구가 높습니다. 모델이 많은 프레임에 걸쳐 일관성을 유지하면서도 믿을 만한 모션, 물리, 시간적 진행을 생성해야 하기 때문입니다. 프롬프트는 보이는 것뿐 아니라 시간에 따라 어떻게 움직이고 변해야 하는지 전달해야 하며, 정적인 장면으로만 읽히는 설명에는 비디오로 효과적으로 옮기려면 모션·액션 언어가 더해져야 하는 경우가 많습니다. 선도 text-to-video 모델은 자연 환경, 단순 피사체 액션, 분위기 장면 같은 특정 콘텐츠 유형에서 강한 역량을 갖추었으나, 복잡한 다캐릭터 상호작용, 정밀한 물리적 상호작용, 매우 긴 클립 길이는 여전히 더 어렵습니다.

Text-to-video는 Morphic의 주 생성 모드이며, 프롬프트를 해석할 여러 비디오 생성 모델을 사용할 수 있습니다. 효과적인 text-to-video 프롬프트 작성은 시각적 장면뿐 아니라 그 안의 액션, 무브먼트, 진행을 묘사하는 것을 포함합니다. 시간에 따라 무엇이 변하는지, 카메라가 어떻게 움직이는지, 클립 처음부터 끝까지 무슨 일이 일어나는지 지정하면 정적 장면만 묘사하는 것보다 더 역동적이고 목적 있는 결과가 나옵니다.