Amazon Bedrock과 Amazon Nova를 활용한 애니펜의 빠르고 비용 효율적인 AI 서비스 개발 여정

애니펜은 인공지능(artificial intelligence, AI), 증강 현실(augmented reality, AR), 확장 현실(extended reality, XR), 디지털 트윈, 아바타 엔진 등 첨단 기술을 접목한 서비스를 통해 새로운 경험을 제공하는 스타트업입니다. 멀티 IP 환경에 최적화된 커머스 및 AI 기반 XR 플랫폼을 개발하며, 독자적인 기술력과 풍부한 경험을 바탕으로 차별화된 XR 생태계를 구축하고 있습니다. 또한 누구나 쉽게 활용할 수 있는 기술과 더 즐겁고 풍요로운 삶을 위한 서비스를 만들고자 하는 바람을 담아 다양한 혁신을 이어가고 있습니다.

애니펜의 베리모지는 2024년 8월, “사진 한 장으로 만드는 나만의 이모티콘”이라는 콘셉트로 서비스를 시작했습니다. 배리모지는 단순한 이모티콘 제작을 넘어, 누구나 쉽고 빠르게 즐길 수 있는 AI 캐주얼 콘텐츠 플랫폼, 즉 AI 놀이터를 사용자들에게 제공하는 것을 목표로 합니다. 베리모지는 이미지 생성 AI와 LLM 기술을 활용해, 다음의 4가지 핵심 콘텐츠로 구성되어 있습니다.

📷 AI 이모티콘: 최애 사진으로 만드는 귀엽고 감성적인 36종의 AI 이모티콘
✨ AI 스티커: 실사처럼 스타일리시한 24종의 고품질 AI 스티커
🔮 AI 테스트: 오늘의 운세부터 성격 유형까지 간편하게 즐기는 22종의 AI 테스트
🎮 AI 게임: 텍스트로 펼쳐지는 흥미진진한 스토리 기반 12종의 AI 게임 콘텐츠

베리모지는 여기에 만족하지 않고, 매주 10개 이상의 새로운 AI 콘텐츠를 꾸준히 업데이트하여 사용자의 흥미와 재미를 지속적으로 제공하고 있습니다. 사진 한 장에서 시작해, AI로 즐기는 나만의 콘텐츠 경험으로 일상의 작은 순간을 특별하게 만들어줄 AI 놀이터를 지향하고 있습니다.

기존 베리모지 서비스는 사용자의 사진을 입력받아 이를 분석하고, 그 결과를 바탕으로 프롬프트를 생성한 뒤 이미지를 출력하는 구조로 되어 있었습니다. 이 과정은 사진 분석을 위한 비전 모델, 프롬프트 생성을 위한 멀티모달 언어 모델, 그리고 이미지 생성을 위한 모델까지 세 가지 모델을 하나의 컨테이너 이미지에 통합해 실행하는 방식으로 구현되어 있었습니다. 이렇게 각 모델을 컨테이너 이미지 내부에 직접 포함시키는 구조는 컨테이너 이미지의 용량을 불필요하게 키우는 원인이 되었습니다. 더불어, 사용자의 요청이 들어올 때마다 이 무거운 컨테이너를 매번 새로 구동해야 했기 때문에 콘텐츠 생성에만 20~30분이 소요되는 경우도 있었습니다. 이에 대한 사용자 피드백도 지속적으로 제기되었습니다.

이러한 문제를 해결하기 위해, 애니펜은 이미지 분석, 텍스트 생성, 이미지 생성 등 각 과정을 빠르게 처리할 수 있는 Amazon Nova 모델들을 Amazon Bedrock 기반으로 도입하여 다양한 콘텐츠 기능을 보다 효율적으로 개발할 수 있었습니다.

Amazon Nova 소개

Amazon Nova는 Amazon Bedrock에서 사용할 수 있는 업계 최고 수준의 가격 대비 성능을 제공하는 차세대 최첨단 파운데이션 모델입니다. Amazon Nove는 텍스트, 이미지, 비디오 입력을 제공받아 텍스트를 생성하는 인식 모델(Amazon Nova Micro, Amazon Nova Lite, Amazon Nova Pro, Amazon Nova Premier), 이미지나 비디오를 생성하는 크리에이티브 콘텐츠 생성 모델(Amazon Nova Canvas, Amazon Nova Reel), 그리고 음성 입력을 통해 음성 또는 텍스트를 출력하는 음성-음성 모델(Amazon Nova Sonic)으로 구성되어 있습니다. 이 블로그에서는 베리모지에 Amazon Bedrock과 Amazon Nova를 적용한 사례와 이를 선택한 이유를 소개합니다.

Amazon Nova를 활용한 기능 소개

이 섹션에서는 Amazon Nova가 베리모지의 다양한 서비스에 어떻게 적용되고 있는지를 소개합니다.

사용자 사진 분석 기능

사용자가 사진을 업로드하면 Amazon Nova Lite 모델이 이미지를 분석해 인물의 특징과 분위기를 파악합니다. 이를 기반으로 이미지 생성에 최적화된 프롬프트를 자동 생성하여, 개인화된 비주얼 콘텐츠를 제공합니다. 단순한 인물 이미지뿐만 아니라, 사용자에게 어울리는 물건이나 공간까지 다양하게 생성할 수 있습니다.
개인화된 테스트 결과 생성

사용자의 사진을 입력하면 Amazon Nova Pro 모델이 이를 분석해 개인에게 어울리는 테스트 결과를 생성합니다. 나의 첫인상, 잘 어울리는 직업, 오늘의 운세 등 다양한 유형의 콘텐츠를 자동으로 만들어냅니다. 결과 화면은 이미지와 텍스트로 구성되어 사용자에게 흥미롭고 직관적인 방식으로 제공됩니다.
캐릭터 이미지 생성

사용자가 정해진 질문들에 답하면 이 응답을 바탕으로 Amazon Nova Canvas가 어울리는 캐릭터 이미지를 생성합니다. 같은 답변을 입력하더라도 매번 다른 결과가 나올 수 있어, 생성 과정의 재미와 기대감을 더합니다. 결과적으로 사용자는 “내가 캐릭터였다면 어떤 모습일까?”를 시각적으로 확인할 수 있습니다.

솔루션 아키텍처 소개

Amazon Nova를 활용한 기능들의 아키텍처는 다음과 같이 구성이 되어 있습니다.

사용자 입력 전달
모바일 클라이언트는 Amazon EKS를 통해 배포된 API 서버를 통해 사용자의 입력 텍스트 또는 이미지를 전달합니다.
입력 처리 및 분석
AWS Lambda 는 API 서버로부터 전달 받은 입력(텍스트/이미지)을 Amazon Bedrock을 통해 Amazon Nova 모델로 전달하여 콘텐츠에 따른 결과를 생성합니다.
1. 이미지 분석 텍스트 생성 – Amazon Nova Lite 모델을 사용하여 입력된 이미지를 분석합니다. 분석 결과는 Amazon S3에 저장되며, 이후 이미지 생성 모델의 프롬프트로 활용됩니다.
2. 콘텐츠 텍스트 내용 생성 – 프롬프트와 이미지를 입력으로 Amazon Nova Pro를 통해 콘텐츠 내용을 생성하고 생성된 내용을 바탕으로 적절한 디자인으로 Amazon S3에 저장됩니다.
3. 콘텐츠 내용 및 이미지 생성 – Amazon Nova Pro를 프롬프트를 이용해 콘텐츠 내용과 내용에 어울리는 적절한 이미지 프롬프트를 생성합니다. 이렇게 생성된 이미지 프롬프트를 Amazon Nova Canvas를 통해 이미지를 생성하고 생성된 이미지를 S3에 저장합니다.
(선택 사항) 이미지 분석 텍스트를 사용한 이미지 생성
Amazon Nova Lite 모델을 통해 생성된 텍스트와 분석 정보를 바탕으로 새로운 이미지를 생성합니다. 특정 그림체나 스타일을 요구하는 경우, 학습된 고유한 스타일 모델을 사용하기 위해 별도의 이미지 생성 모델을 활용합니다. 이 과정은 AWS Batch가 Amazon EC2 인스턴스를 통해 이미지 생성 모델을 호출하도록 구성되며, 생성된 이미지 파일은 Amazon S3에 저장됩니다.
결과 알림 및 수신
생성 작업이 완료되면 AWS Lambda를 통해 모바일 클라이언트에 완료 알림이 전달됩니다. 클라이언트는 알림을 받아 Amazon S3에 저장된 최종 콘텐츠(텍스트, 이미지)를 다운로드 받습니다.

솔루션 구현 상세

베리모지 앱은 Amazon Bedrock을 기반으로 Amazon Nova 모델을 호출하여 텍스트 생성, 이미지 분석, 이미지 생성 등의 AI 기능을 서비스에 통합하고 있습니다.

추론 프로파일을 통해 Amazon Bedrock 리소스 사용하기

Amazon Bedrock의 추론 프로파일(Inference Profile)은 모델 호출 요청을 특정 리전 또는 여러 리전으로 라우팅하고, 사용량 및 비용을 추적할 수 있도록 설정하는 리소스입니다. 이를 통해 애플리케이션의 요구 사항에 맞게 모델 호출을 최적화할 수 있습니다. 추론 프로파일은 여러 리전으로 라우팅하는 교차 리전 추론 프로파일(Cross-Region Inference Profile)과 사용량 및 비용을 추적하기 위한 애플리케이션 추론 프로파일( Application Inference Profile)의 2가지 유형이 있는데, 베리모지에서는 애플레케이션 추론 프로파일에 교차 리전 추론 프로파일을 내포하여 여러 리전으로 라우팅되도록 하면서 그에 대한 사용량 및 비용을 추적할 수 있도록 동시에 설정했습니다.

아래 코드는 이러한 추론 프로파일을 설정하는 Python 코드 예시입니다.
```
import boto3

client = boto3.client("bedrock", region_name="ap-northeast-1")

response = client.create_inference_profile(
    inferenceProfileName="my-inference-profile",
    modelSource={
        "copyFrom": "arn:aws:bedrock:ap-northeast-1::foundation-model/amazon.nova-canvas-v1:0"
    },
    tags=[{"key": "Sevice", "value": "serviceName"}],
)

inference_profile_arn = response["inferenceProfileArn"]
print(f"Inference profile created: {inference_profile_arn}")
```

LangChain을 통해 Amazon Bedrock Converse API를 사용하기

Amazon Bedrock의 Converse API는 다양한 생성형 AI 모델과의 통합된 대화를 지원합니다. Converse API는 기본적인 대화 기능을 충실히 제공하며, LangChain과 함께 사용하면 멀티턴 대화 상태 관리, 함수 호출 연동 등의 복잡한 작업들을 고수준으로 추상화할 수 있습니다.

아래 코드는 LangChain을 통해 Amazon Bedrock Converse API를 사용하는 Python 코드 예시입니다.

from langchain_aws import ChatBedrockConverse
from langchain_core.prompts import PromptTemplate
from langchain_core.output_parsers import JsonOutputParser

class Response(BaseModel):
    title: str
    sub_title: str
    body: str
    image_prompt: str
    image_negative_prompt: str


model = ChatBedrockConverse(
    model="apac.amazon.nova-pro-v1:0", region_name="ap-northeast-2"
)

parser = JsonOutputParser(pydnatic_object=Response)

prompt = PromptTemplate(
    template="1. Create a hunter profile based on the user's answers to 3 given questions.\nGenerate an image prompt for creating a hunter character image based on the profile.\n{content}\n\nFollow format:\n{format_instructions}\n\nUser:{query}",
    input_variable=["query"],
    partial_variables={
        "format_instructions": parser.get_format_instructions()
    },
)

chain = prompt | model | parser

chain.invoke(
    {
        "query": "I am a hunter who is good at hunting monsters.",
        "content": "hunter informations",
    }
)

이미지 분석을 위해 Amazon Nova 인식 모델 사용하기

Amazon Nova 인식 모델을 사용하여 텍스트, 이미지, 비디오, 문서 등의 멀티모달 입력 데이터를 정밀하게 분석할 수 있습니다. 베리모지에서는 사용자 이미지의 특정 요소를 분석한 결과를 새로운 이미지 생성을 위한 프롬프트로 사용합니다. 이를 통해 사용자의 얼굴 특징, 표정, 스타일 등의 세부 정보를 정밀하게 추출하고, 그 데이터를 기반으로 사용자의 개성을 보다 잘 반영한 결과 이미지를 생성할 수 있습니다.

아래 코드는 이미지와 텍스트를 입력으로 Amazon Nova Lite로 이미지를 분석하는 Python 예시 코드입니다.

import base64

MODEL_ID= response["inferenceProfileArn"]

nova_client= boto3.client("bedrock-runtime", region_name='ap-northeast-2')

with open(f"{WORK_DIR}/user_inputs/nova_img.jpg", "rb") as image_file:
    binary_data = image_file.read()
    base_64_encoded_data = base64.b64encode(binary_data)
    base64_string = base_64_encoded_data.decode("utf-8")

anipen_style1_request_body= {
    "schemaVersion": "messages-v1",
    "messages":[{
        "role": "user",
        "content": [
            {
                "image": {
                    "format": "jpg",
                    "source": {"bytes": base64_string}
                }
            },
            {
                "text": "Please describe the person and background in the image based on the given system instructions."
            }
        ]
    }],
    "system": [{"text":"Describe people in detailed, grounded terms based only on what is visible—starting with a set phrase, including race, gender, age, features, pose, clothing, and whimsical background."}],
    "inferenceConfig": {"maxTokens": 300, "topP": 0.1, "topK": 20, "temperature": 0.3}
}

response = nova_client.invoke_model(modelId=MODEL_ID, body=json.dumps(anipen_style1_request_body))
response_body = json.loads(response["body"].read())
anipen_style1_prompt = response_body["output"]["message"]["content"][0]["text"]

Amazon Bedrock을 통해 Amazon Nova Canvas로 이미지 생성하기

Amazon Nova Canvas는 텍스트나 이미지 프롬프트를 기반으로 고품질의 이미지 생성하는 효율적인 생성형 AI 모델입니다. 텍스트 입력만으로도 인페인팅(Inpainting)과 아웃페인팅(Outpainting) 등을 통한 이미지 편집이 가능합니다. 또한 한 이미지를 입력으로 다양한 변형 이미지를 생성하거나(이미지 변형, Image Variation), 입력 이미지를 참고하여 다른 이미지를 생성하거나(이미지 컨디셔닝, Image Conditioning), 이미지의 주체를 유지하며 다른 이미지를 생성하는(피사체 일관성, Subject Consistency) 등 다양한 기능도 함께 제공됩니다.

아래 코드는 텍스트 프롬프트를 입력으로 이미지를 생성하는 Python 코드 예시입니다.
```
import boto3
import json
from botocore.config import Config

client = boto3.client(
    "bedrock-runtime",
    region_name="ap-northeast-1",
    config=Config(read_timeout=5 * 60),
)

prompt = "A photograph of a cup of coffee from the side."
canvas_body = json.dumps(
    {
        "taskType": "TEXT_IMAGE",
        "textToImageParams": {"text": prompt},
        "imageGenerationConfig": {
            "numberOfImages": 1,
            "height": 1024,
            "width": 1024,
            "cfgScale": 8.0,
            "seed": 0,
        },
    }
)

response = client.invoke_model(body=canvas_body, modelId=inference_profile_arn)
response_body = json.loads(response.get("body").read())
finish_reason = response_body.get("error")
if finish_reason is not None:
    raise Exception(finish_reason)
base64_image = response_body.get("images")[0]
```

Amazon Bedrock과 Amazon Nova를 선택한 이유

애니펜은 베리모지 서비스의 AI 기능을 구축하면서 다양한 플랫폼을 비교 검토했습니다. 모델 성능뿐만 아니라 실제 서비스에 적용했을 때의 개발 편의성, 운영 효율성, 그리고 기술 지원 수준까지 종합적으로 고려하여 최종적으로 Amazon Bedrock을 선택하였습니다.

다양한 AI 기능을 유기적으로 활용할 수 있는 SDK 구조

우선 SDK 사용성 측면에서 살펴보면, 각 플랫폼마다 서로 다른 방식으로 접근하고 있었으며, 이는 실제 서비스 구현과 운영 과정에서 체감되는 난이도에 큰 영향을 미쳤습니다. 다른 플랫폼과 비교했을 때, Amazon Bedrock은 Amazon Nova Lite, Amazon Nova Pro, Amazon Nova Canvas 등 다양한 생성형 AI 기능들을 bedrock-runtime이라는 통합된 API를 통해 호출할 수 있다는 점에서 큰 강점을 보였습니다. 복수의 모델이나 기능을 별도의 SDK나 API로 분기해서 다룰 필요 없이, 일관된 방식으로 기능을 조합하고 제어할 수 있어 시스템 설계와 운영을 단순화하는 데 효과적이었습니다. 초기에는 IAM 권한 구성이나 리전 설정 등으로 인해 진입 장벽이 다소 있는 편이었지만, AWS 공식 문서와 예제 코드가 잘 정리되어 있어 학습 곡선을 빠르게 넘을 수 있었습니다.
실제 서비스 적용에서 확인한 Amazon Nova의 안정적인 성능

Amazon Nova 모델들은 실제 서비스 환경에서도 무리 없이 적용 가능한 성능을 보여주었습니다. Amazon Nova Lite와 Amazon Nova Pro는 중립적이거나 격식을 갖춘 톤의 텍스트 생성에 안정적인 결과를 제공했습니다. 또한 인물 사진을 입력으로 활용할 경우, 얼굴, 헤어스타일, 의상 등 주요 시각적 특징을 파악해 자연스럽게 반영하는 데 도움이 되었습니다. 이러한 특성은 캐릭터 기반 콘텐츠나 개인화된 결과를 생성할 때 유용했고, 모델 크기에 비해 빠른 생성 속도 덕분에 실시간 서비스에도 무리 없이 적용할 수 있었습니다.

이미지 생성을 담당하는 Amazon Nova Canvas는 생성된 이미지의 전반적인 품질이 균일하게 유지했으며, 특히 학습이 잘 된 스타일의 경우에는 프롬프트가 달라지더라도 스타일 일관성이 안정적으로 유지되는 모습을 확인할 수 있었습니다. 감정 표현 또한 비교적 잘 구현되었으며, 특히 놀람이나 슬픔처럼 다른 모델들이 표현에 어려움을 겪는 감정들도 기대 이상으로 자연스럽게 전달되었습니다. 인물 중심 구도에서는 프레임과 포즈가 안정적으로 유지되었고, 배경 제거 기능 역시 깔끔하게 작동해 실서비스에 적용하는 데 큰 문제가 없었습니다.
기존 인프라와의 연동 편의성

베리모지는 전체 인프라가 AWS 기반으로 구성되어 있어, AWS Lambda, AWS IAM, Amazon S3 등 주요 서비스에 대한 이해와 활용 경험이 충분했습니다. 이러한 배경 덕분에 Amazon Bedrock의 도입 역시 별다른 구조 변경 없이 기존 시스템에 자연스럽게 통합할 수 있었습니다. 특히 AWS Lambda에서 Amazon Bedrock API를 직접 호출하거나 AWS IAM을 통한 세분화된 접근 제어가 가능해, 개발과 운영 모두에서 높은 일관성과 효율성을 유지할 수 있었습니다. 그 결과, AI 기능을 안정적으로 운영하면서도 유지보수 부담을 최소화할 수 있었고, 전체 서비스 품질 향상에도 기여할 수 있었습니다.
실질적인 기술 지원과 협업 경험

Amazon Bedrock과 Amazon Nova 서비스를 도입하는 과정에서 AWS의 기술 지원은 특히 인상적이었습니다. 초기 도입 단계부터 AWS 솔루션즈 아키텍트가 직접 방문하여 Amazon Nova 기능에 대한 상세한 설명과 코드 구조를 안내해 주었습니다. 기술 문의나 문제 발생 시에도 전담 지원팀으로부터 신속하고 실질적인 도움을 받을 수 있었습니다. 또한 신규 기능을 테스트하고 적용하는 과정에서도 AWS 팀과의 긴밀한 커뮤니케이션과 협업이 가능해, 안정적인 서비스 확장에 큰 도움이 되었습니다.

도입 효과

Amazon Nova를 도입한 이후 컨테이너 이미지를 경량화하고, 실행 시간을 획기적으로 절감할 수 있었습니다. 기존 로컬 모델 기반 컨테이너는 22.1GB의 이미지 크기와 861초의 실행 시간이 소요되었으나, Amazon Nova를 통합한 컨테이너는 이미지 크기가19.7GB로 약 10% 감소하고 실행 시간도 47초로 95% 이상 단축되었습니다. 이러한 개선은 이미지 생성을 Amazon Nova를 통해 처리하게 되면서, 로컬 환경에 이미지 생성 모델 관련 Python 패키지를 포함할 필요가 없어진 덕분입니다. 또한 모델 파일 다운로드, 로딩, 추론에 필요한 GPU 리소스 준비 과정이 생략되어 전체 처리 흐름이 크게 간소화되었습니다. 결과적으로 Amazon Nova는 단순한 추론 API를 넘어, 시스템 아키텍처 전반의 효율성을 향상시키는 핵심 요소로 작용했으며, 더 빠르고 가벼운 컨테이너 기반의 서비스 운영을 가능하게 했습니다.

컨테이너	이미지 크기(GB)	평균 추론 시간(s)
w/o Amazon Nova	22.1	861
w/ Amazon Nova	19.7	47

마무리

이번 블로그에서는 Amazon Bedrock과 Amazon Nova 모델을 활용하여 사용자의 질문과 이미지를 바탕으로 다양한 형태의 개인화 콘텐츠를 생성하는 기능을 어떻게 구현했는지 소개해드렸습니다. 이러한 기술 혁신은 단순한 성능 개선을 넘어 사용자 경험의 질적 도약을 가능하게 했습니다. 이미지 분석 파이프라인에서는 컨테이너 용량이 최대 10% 감소하여 시스템 자원 효율성이 증대되었으며, 인프라 비용 절감과 지속 가능한 서비스 운영에 기여했습니다. 콘텐츠 생성 파이프라인에서는 생성 시간이 기존 대비 약 95% 단축되어, 사용자에게 실시간에 가까운 콘텐츠 제공이 가능해졌습니다.

애니펜은 이번 Amazon Bedrock의 성공적인 도입을 바탕으로, AI 기술 혁신을 지속적으로 추진할 계획입니다. 베리모지에 AI 기반 캐주얼 콘텐츠를 추가하여 서비스의 품질과 다양성을 높이고, 사용자 피드백을 반영한 개선을 이어갈 예정입니다. 또한 하반기 출시 예정인 신규 서비스에도 Amazon Nova를 적극 도입하여 AI 기술의 혜택을 확대하고, AWS의 안정적인 인프라와 최신 AI 모델을 기반으로 다양한 서비스 간 시너지를 창출하는 기술 생태계를 구축할 것입니다.

—

AWS 기술 블로그

Amazon Bedrock과 Amazon Nova를 활용한 애니펜의 빠르고 비용 효율적인 AI 서비스 개발 여정

Amazon Nova 소개

Amazon Nova를 활용한 기능 소개

사용자 사진 분석 기능

개인화된 테스트 결과 생성

캐릭터 이미지 생성

솔루션 아키텍처 소개

솔루션 구현 상세

추론 프로파일을 통해 Amazon Bedrock 리소스 사용하기

LangChain을 통해 Amazon Bedrock Converse API를 사용하기

이미지 분석을 위해 Amazon Nova 인식 모델 사용하기

Amazon Bedrock을 통해 Amazon Nova Canvas로 이미지 생성하기

Amazon Bedrock과 Amazon Nova를 선택한 이유

다양한 AI 기능을 유기적으로 활용할 수 있는 SDK 구조

실제 서비스 적용에서 확인한 Amazon Nova의 안정적인 성능

기존 인프라와의 연동 편의성

실질적인 기술 지원과 협업 경험

도입 효과

마무리

주요 링크 모음

팔로우하기