알리바바, 시작과 끝 프레임 잇는 14B 영상 모델 ‘Wan2.1-FLF2V’ 오픈소스 공개

Wan2.1-FLF2V-14B는 알리바바가 오픈소스로 공개한 14B 매개변수 규모의 비디오 생성 모델이다. 핵심 기능은 아주 직관적이다. 시작 프레임과 종료 프레임 두 장을 넣으면 그 사이를 자연스럽게 이어주는 전환 영상을 만들어 준다.

무엇을 할 수 있나

기존의 텍스트-비디오나 단일 이미지-비디오 생성 모델은 결과물이 어떻게 끝날지 예측하기 어려운 일종의 뽑기에 가까웠다. 원하는 마무리 장면에 정확히 도달하게 만들기는 거의 불가능했다.

Wan2.1-FLF2V는 시작과 끝을 모두 고정하는 방식으로 이 문제를 해결한다. 창작자가 첫 장면과 마지막 장면을 지정하면 모델이 그 사이의 복잡한 움직임을 부드럽게 채워주기 때문에, 쇼츠나 릴스 제작자가 연출 의도에 맞게 샷을 이어 붙이기가 훨씬 쉬워진다.

현재 Wan 공식 웹사이트에서 프롬프트를 입력해 5초 길이의 720p 해상도 영상을 무료로 생성해 볼 수 있다. 모델 가중치와 코드는 깃허브, 허깅페이스, 그리고 알리바바의 모델스코프에 모두 공개되었다.

어떤 원리로 작동하나

서로 다른 두 장의 이미지를 부드럽게 연결할 때 가장 큰 문제는 중간 과정에서 화풍이 깨지거나 피사체가 일그러지는 현상이다.

Wan2.1-FLF2V는 추가적인 제어 조정 메커니즘을 도입했다. 사용자가 제공한 첫 프레임과 마지막 프레임을 일종의 구속 조건으로 삼고, 두 이미지의 시각적·의미적 특징을 생성 과정 전반에 직접 주입한다.

덕분에 모델은 프레임이 변하는 동안에도 스타일, 내용, 구조의 일관성을 유지하며 복잡한 움직임을 안정적으로 표현해 낸다.

이 모델은 알리바바가 2025년 2월 선보인 Wan2.1 기반 모델 시리즈의 일원이다. 해당 시리즈는 허깅페이스와 모델스코프에서 누적 다운로드 220만 건을 넘겼으며, 중국어와 영어 텍스트 효과를 최초로 지원하고 비디오 벤치마크인 VBench 순위표에서도 1위를 기록한 바 있다.

왜 중요한가

애니메이터나 숏폼 크리에이터, 인디 게임 개발자에게 매우 유용한 도구다. 씬과 씬 사이의 전환이나 동세를 만들 때 매번 수작업으로 중간 과정을 그리거나 3D 렌더링을 돌릴 필요 없이, 시작과 끝 키프레임만으로 자연스러운 컷 연결을 맡길 수 있다.

많은 오픈소스 비디오 모델이 단순히 한 장의 사진을 움직이는 수준에 머물러 있는 상황에서, 시작과 종료 프레임을 정밀하게 제어하는 14B 모델을 오픈소스로 푼 알리바바의 판단은 영리하다. 로컬 구동 시 상당한 VRAM이 요구되고 현재 결과물도 5초 720p 수준에 머물러 있지만, 제어 가능한 영상 워크플로를 구축하려는 팀에게는 즉시 테스트해 볼 가치가 충분하다.