DaVinci Magihuman: 15B 크기로 오디오 동시 생성하는 오픈소스 비디오 모델

DaVinci Magihuman은 다국어 오디오가 포함된 영상을 네이티브로 생성할 수 있는 150억 파라미터 통합형 오픈소스 모델입니다.

성능과 하드웨어 제약

개발팀의 자체 벤치마크 결과에 따르면, 시각적 품질과 텍스트 정렬 점수 모두에서 기존 강자인 LTX 2.3을 앞섰으며 오류율도 더 낮았습니다. 사람을 대상으로 한 블라인드 선호도 테스트에서도 LTX 2.3 대비 60% 승률을 기록했습니다. 또한 출시 시점부터 어떠한 검열도 적용되지 않았습니다.

문제는 구동 요구 사양입니다. Hugging Face에 공개된 모델은 증류 버전조차 용량이 61GB에 달합니다. 일반 소비자용 그래픽카드로는 구동이 불가능하며, 대용량 VRAM을 갖춘 전문 장비가 필요합니다. 관련 코드와 설치 가이드는 GitHub과 Hugging Face에 공개되어 있지만, 대다수 사용자는 커뮤니티의 양자화 버전을 기다려야 하는 상황입니다.

왜 중요한가

오디오를 따로 합성할 필요 없이 영상과 음성을 한 번에 생성하는 방식이 오픈소스 생태계에서도 본격적인 기준이 되고 있음을 보여줍니다. 강력한 모델인 LTX 2.3을 맹검에서 앞섰다는 점 역시 고무적입니다.

다만 증류 모델이 61GB에 이르는 만큼 현재로서는 전문 하드웨어를 갖춘 연구자들의 영역에 가깝습니다. 일반 사용자라면 지금 무리해서 돌리기보다는 커뮤니티에서 더 가벼운 양자화 모델이 나올 때까지 지켜보는 편이 합리적입니다.