알리바바, 'Wan2.6' 공개: 15초 멀티숏 영상과 네이티브 립싱크 지원

알리바바가 동영상 및 이미지 생성을 위한 네이티브 멀티모달 모델 'Wan2.6'을 공개했습니다. AI 영상 제작의 고질적인 난제였던 컷 전환 시 인물 변형과 입모양 불일치 문제를 정면으로 해결하려는 시도입니다.

Wan2.6은 15초 분량의 1080p 고화질 영상을 생성하며, 물리 법칙의 정밀도와 프롬프트 반영 능력이 대폭 향상되었습니다.

단일 컷을 넘어 자동 콘티 연출로

가장 눈에 띄는 기능은 'Starring'입니다. 참조 영상 속 인물이나 유사 인물 캐릭터를 추출해 외형과 목소리를 그대로 유지하면서 새로운 장면에 캐스팅할 수 있습니다. 복잡한 다자간 대화나 상호작용도 지원합니다.

여기에 단순한 프롬프트만으로 자동 스토리보드를 구성해 여러 컷이 연결된 영상을 만들어내는 지능형 멀티 샷 내러티브 기능이 더해졌습니다. 단일 컷 생성의 한계를 넘어 시각적 일관성을 지닌 서사를 구성할 수 있습니다.

또한 자연스러운 립싱크와 고품질 오디오를 생성하는 네이티브 음성·영상 동기화를 지원합니다. 이미지 생성에서도 렌즈와 조명에 대한 정밀 제어가 가능하며, 현실 지식과 추론을 기반으로 텍스트와 이미지가 결합된 구조적 스토리텔링도 수행합니다.

왜 중요한가

창작자 입장에서 Wan2.6은 파편화된 비디오 소스 생성을 넘어 실제 완성형 장면을 제작할 수 있는 단계로의 진전으로 보입니다. 캐릭터 일관성, 분할 컷 연출, 대사 립싱크가 하나의 모델 안에서 해결되면 제작 파이프라인이 획기적으로 단순화됩니다.

음성과 멀티 샷 기능을 네이티브로 통합한 알리바바의 접근 방식은 매우 실용적이라고 판단됩니다. 이제 영상 생성 모델 간의 경쟁은 단순한 프레임 화질 개선을 넘어 서사와 오디오를 아우르는 통합 제작 워크플로 구축으로 옮겨가고 있습니다.