알리바바, 소라 능가하는 오픈소스 영상 생성 AI 'Wan2.1' 공개

Wan2.1은 알리바바 퉁이 연구소가 오픈소스로 공개한 최신 비디오 생성 AI 모델군입니다. 텍스트 프롬프트나 이미지 한 장만으로 고화질 영상과 배경 오디오를 로컬에서 직접 제작할 수 있습니다.

글로벌 벤치마크인 VBench에서 종합 점수 86.22%를 기록하며 1위에 올랐으며, 오픈AI의 소라를 비롯한 주요 상용 모델들을 제치고 상위 5위권 내 유일한 오픈소스 모델로 자리 잡았습니다.

무엇을 할 수 있나

이번 릴리스는 텍스트 투 비디오 모델인 T2V-14B와 T2V-1.3B, 이미지 투 비디오 모델인 I2V-14B-720P와 I2V-14B-480P까지 총 네 가지 모델로 구성됩니다.

기존 대비 2.5배 빠른 생성 속도를 자랑하며, AI 영상 특유의 부자연스러운 떨림이나 왜곡 현상을 크게 줄였습니다. 실제 물리 법칙에 기반한 역동적인 움직임과 공간 표현력도 정교합니다.

특히 영어와 중국어 텍스트를 영상 속 화면에 깨끗하게 렌더링할 수 있는 최초의 비디오 생성 모델이기도 합니다. 영상 인페인팅 및 아웃페인팅, 다중 이미지 참조, 일관된 캐릭터 형태 유지 기능도 기본 지원합니다.

로컬 구동 환경과 사용법

일반 개발자와 크리에이터를 위한 접근성도 높였습니다.

경량화된 1.3B 모델을 활용하면 고가의 서버 없이도 일반 데스크톱용 RTX 4090 그래픽카드나 일반 노트북 환경에서 5초 길이의 480P 영상을 약 4분 만에 렌더링할 수 있습니다. 상업적 퀄리티가 필요한 환경에서는 14B 버전을 선택하면 됩니다.

모델 가중치와 코드는 허깅페이스(Hugging Face)와 알리바바 클라우드의 모델스코프(ModelScope)에 완전히 공개되어 있어 누구나 무료로 내려받을 수 있습니다.

왜 중요한가

최상위 비디오 생성 모델들이 폐쇄형 구독 서비스 뒤에 머물러 있는 상황에서, 최고 수준의 성능을 갖춘 모델이 오픈소스로 풀렸다는 점은 의미가 큽니다.

비싼 클라우드 API 비용을 들이지 않고도 개인 PC에서 1.3B로 콘티를 짜고 14B로 완성형 영상을 뽑아내는 파이프라인이 가능해진 만큼, AI 영상 제작에 관심 있는 크리에이터라면 당장 테스트해 볼 가치가 충분합니다.