ACE-Step 1.5 오픈소스 공개: 4GB VRAM으로 로컬 음악 생성 가능
ACE Studio와 StepFun이 음악 생성 파운데이션 모델 ACE-Step 1.5를 오픈소스로 공개했다. 4GB 미만의 VRAM 환경에서 구동되며 RTX 3090 기준 10초 이내에 곡을 만들어낸다. 50개 이상의 언어 지원과 MIT 라이선스를 갖춰 일반 PC에서도 상업용 음악 제작이 가능해졌다.
오픈소스 · 데일리
토
1월 31일 토요일
MOSS-Audio 오픈소스 통합 오디오 모델 출시: 4B·8B 규격 지원
통합 오디오 이해 모델 MOSS-Audio가 오픈소스로 공개되었습니다. 4B 및 8B 크기로 제공되며 각각 Instruct와 Thinking 버전을 갖췄습니다. 음성 인식, 화자 분석, 감정 감지, 환경음 및 음악 이해를 단일 모델로 통합했으며, 타임스탬프 ASR 정밀도에서 Gemini-3.1-Pro를 크게 앞섭니다.
금
1월 30일 금요일
앤트로픽, 비개발자 위한 'Knowledge Work Plugins' 공개…마크다운으로 업무 맞춤화
앤트로픽이 영업, 법무, 마케팅 등 비개발 직군을 위한 오픈소스 'Knowledge Work Plugins'를 공개했다. 별도 코드 없이 마크다운과 JSON 파일로만 구성되어 Claude Cowork 및 Claude Code와 연동된다. 내부 업무 절차를 텍스트로 수정하기만 하면 손쉽게 맞춤형 전문 에이전트로 활용할 수 있다.
워드프레스, AI 에이전트 전용 스킬 공개: 몇 초 만에 플러그인 테스트
워드프레스 기여자가 AI 코딩 에이전트를 위한 'wp-playground' 스킬을 공개했다. Playground CLI를 통해 에이전트가 단 몇 초 만에 가상 워드프레스를 실행하고, 작성한 플러그인이나 테마를 자동 감지해 테스트할 수 있다. Claude Code 같은 AI가 자체 피드백 루프를 돌며 코드를 검증하도록 돕는다.
수
1월 28일 수요일
OpenMOSS, 영상·음성 동시 생성 모델 'MOVA' 오픈소스 공개
OpenMOSS가 단일 모델 내에서 영상과 싱크된 음성을 동시에 생성하는 'MOVA'를 오픈소스로 공개했다. 320억 개 파라미터의 MoE 구조로 180억 개가 활성화되며 정밀한 립싱크를 지원한다. 깃허브에 코드와 가중치가 공개되었으나, 720p 버전은 약 77GB에 달해 고사양 GPU가 필요하다.
LingBot-World: 16 FPS 실시간 상호작용 오픈소스 월드 모델
robbyant가 Wan2.2 기반 월드 시뮬레이터 'LingBot-World'를 공개했다. 텍스트나 이미지로 480P 및 720P 인터랙티브 환경을 16 FPS, 1초 미만 지연 속도로 생성하며 분 단위 장기 일관성을 유지한다. 폐쇄형 인터랙티브 모델에 맞서는 유의미한 오픈소스 대안이다.
TeleStyle 오픈소스 공개: 참조 이미지로 사진과 비디오 화풍 일괄 변환
이미지와 비디오 스타일 변환 모델 TeleStyle이 공개됐다. Qwen-Image-Edit을 기반으로 제작되어 참조 이미지나 텍스트 입력만으로 원본 구도를 유지한 채 화풍을 바꿀 수 있으며, 전용 비디오 모듈로 프레임 간 연속성을 확보했다. 코드와 모델 가중치가 함께 제공된다.
알리바바, 이미지 생성 AI 파운데이션 모델 'Z-Image' 오픈소스 공개
알리바바 퉁이 연구팀이 이미지 생성 기저 모델 Z-Image를 오픈소스로 공개했다. 증류 전 원본 모델로, 기존 Turbo 버전의 동일 구도나 안면 중복 한계를 개선하고 LoRA 파인튜닝과 부정 프롬프트를 지원한다. 생성 단계는 50단계로 늘어났으며 ComfyUI에서 바로 쓸 수 있다.
Clawdbot: 메신저로 내 컴퓨터를 직접 제어하는 오픈소스 AI 비서
오픈소스 개인용 AI 비서 Clawdbot(현 Moltbot)이 공개되었습니다. 텔레그램이나 왓츠앱으로 메시지를 보내면 로컬 컴퓨터에서 스크립트 실행, 파일 관리, 메일 회신을 대신 처리합니다. 데이터를 클라우드로 보내지 않고 스스로 새 기능을 코딩해 확장할 수 있습니다.
월
1월 26일 월요일
Letta, Claude Code에 무의식 더하는 오픈소스 플러그인 공개
Letta가 Claude Code용 오픈소스 플러그인 Claude Subconscious를 공개했습니다. 백그라운드 에이전트가 코드베이스를 읽고 8개의 메모리 블록을 관리하며, 프롬프트 직전에 맥락을 비동기로 전달해 작업 흐름을 방해하지 않고 기억을 유지합니다.
엔비디아, 오픈소스 기상 AI 모델군 '어스-2' 공개…연산 시간 90% 절감
엔비디아가 기상 및 기후 예측을 위한 오픈소스 AI 모델 제품군 '어스-2(Earth-2)'를 발표했다. 기업과 연구기관이 자체 인프라에서 미세조정하고 배포할 수 있도록 지원하며, 이스라엘 기상청 테스트 결과 연산 시간을 90% 줄였다. 미디엄 레인지 등 주요 모델이 깃허브에 공개됐다.
Voicebox: 음성 복제와 받아쓰기를 로컬에서 처리하는 오픈소스 AI 도구
오픈소스 로컬 음성 앱 Voicebox가 깃허브 스타 4만 2천 개 이상을 기록하며 주목받고 있습니다. 몇 초 분량의 오디오로 음성을 복제하고 전역 단축키를 통해 어떤 입력창에서든 음성 입력을 지원하며, Claude Code 등과 연동해 에이전트에 음성을 입힐 수도 있습니다. 유료 구독 없이 로컬 환경에서 음성 파이프라인을 구축할 수 있습니다.
마이크로소프트, 음성인식 모델 'VibeVoice-ASR' 공개… 60분 오디오 단일 처리
마이크로소프트가 9B 크기의 음성인식 모델 'VibeVoice-ASR'을 오픈소스로 공개했다. 오디오를 분할하지 않고 최대 60분 분량을 한 번에 처리하며 텍스트 변환, 화자 분리, 타임스탬프를 하나로 통합했다. 긴 오디오의 문맥 단절 문제를 해결하며 파인튜닝도 지원한다.
텐센트, 추론 기반 이미지 편집 모델 '혼원 이미지 3.0 인스트럭트' 오픈소스 공개
텐센트가 다중 모드 이미지 편집 모델 'HunyuanImage 3.0-Instruct'를 공개했다. 사고 사슬(CoT)을 내장해 편집할 영역과 단계를 먼저 추론한 뒤 이미지를 생성하는 것이 특징이다. 시점 변경 및 다중 이미지 합성이 가능하며 위안바오 앱에서 바로 써볼 수 있지만, 169GB에 달하는 모델 크기로 인해 구동 시 고사양 VRAM이 필요하다.
목
1월 22일 목요일
실시간 세그멘테이션 모델 'RF-DETR' 공개, 장당 최단 3.4ms 처리
실시간 이미지 세그멘테이션 모델 'RF-DETR segmentation'이 Apache 2.0 라이선스로 오픈소스 공개됐다. Nano부터 2XLarge까지 6가지 크기를 지원하며, 이미지당 3.4ms(40.3 mAP)에서 21.8ms(49.9 mAP) 사이의 성능을 제공해 엣지 환경에 유용하다.
알리바바, 오픈소스 음성 모델 Qwen3-TTS 공개: 97ms 지연율로 실시간 음성 복제
알리바바가 오픈소스 음성 합성 모델 Qwen3-TTS를 공개했다. 단 몇 초의 오디오로 목소리를 복제하거나 프롬프트로 새로운 음성을 설계할 수 있으며, 듀얼 트랙 구조를 통해 97ms의 지연율을 달성해 다국어 및 방언 실시간 변환을 지원한다.
화
1월 20일 화요일
Motion 3-to-4: 단안 비디오를 4D 동적 객체로 변환하고 모션 전이까지 지원
단안 비디오에서 고품질 4D 동적 객체를 생성하는 오픈소스 모델 Motion 3-to-4가 공개되었다. 정적 3D 형상과 모션 재구성을 분리해 프레임별 정점 궤적을 예측하며, 추출한 캐릭터의 움직임을 다른 비디오로 전이할 수 있다.
오버월드, 키보드와 마우스로 실시간 조작하는 세계 모델 '웨이포인트-1' 오픈소스 공개
오버월드가 키보드와 마우스로 실시간 제어할 수 있는 대화형 비디오 세계 모델 'Waypoint-1'을 오픈소스로 공개했습니다. 1만 시간 분량의 게임 영상으로 학습되어 RTX 5090에서 최대 60FPS의 초저지연 생성을 지원합니다. 아직 일관성 부족과 왜곡 현상이 있지만, 2.3B 소형 모델을 내려받아 로컬에서 실행할 수 있습니다.
월
1월 19일 월요일
LightOnOCR-2-1B 오픈소스 공개: 1B 크기로 9B 모델 넘은 초고속 OCR
LightOn이 엔드투엔드 비전-언어 OCR 모델 LightOnOCR-2-1B를 오픈소스로 공개했습니다. 1B 파라미터에 불과하지만 OlmOCR-Bench에서 9B 크기의 Chandra-9B를 제쳤으며 DeepSeekOCR보다 1.73배 빠릅니다. Apache 2.0 라이선스로 배포되며 1,600만 페이지 분량의 데이터셋도 함께 공개되었습니다.
금
1월 16일 금요일
메타, 'ShapeR' 공개: 일상 영상에서 크기 정확한 독립 3D 물체 추출
메타가 스마트폰으로 촬영한 영상 시퀀스에서 개별 3D 객체를 재구성하는 프레임워크 'ShapeR'를 오픈소스로 공개했습니다. 공간 전체를 한 덩어리로 생성하던 기존 방식과 달리, SLAM 포인트와 멀티모달 데이터를 활용해 각 물체를 실제 크기에 맞춘 독립된 3D 메시로 복원합니다. 개별 물체 편집이 훨씬 쉬워집니다.
FlashLabs, 실시간 음성 대화 모델 'Chroma 1.0' 오픈소스 공개…음성 복제 지원
FlashLabs가 엔드투엔드 실시간 음성 대화 모델 Chroma 1.0을 아파치 2.0 라이선스로 오픈소스 공개했습니다. 텍스트 변환을 거치지 않고 음성 입력을 직접 이해해 실시간 음성과 텍스트 답변을 생성하며, 참조 음성을 활용한 맞춤형 음성 복제도 지원합니다. Qwen2.5-Omni와 Llama 3 기반이며 현재 영어만 지원합니다.
다중 캐릭터 애니메이션 오픈소스 모델 'CoDance' 공개
여러 캐릭터를 하나의 동작 시퀀스로 자연스럽게 움직이게 만드는 'CoDance'가 오픈소스로 공개됐다. 포즈와 위치의 고정된 결합을 풀고 텍스트와 마스크로 대상을 다시 지정해 포즈 불일치 문제를 해결했다. 현재 코드와 모델 가중치가 모두 제공된다.
목
1월 15일 목요일
구글, 번역 모델 TranslateGemma 오픈소스 공개: 12B로 27B 성능 넘었다
구글이 Gemma 3 기반의 오픈 번역 모델 'TranslateGemma'를 발표했습니다. 4B, 12B, 27B 세 가지 크기로 55개 언어를 지원하며, 12B 모델이 기존 27B 기준 성능을 뛰어넘는 동시에 이미지 내 텍스트 번역 기능까지 그대로 유지했습니다.
오픈소스 음악 생성 AI 'HeartMuLa' 등장, 텍스트와 가사로 완곡 생성
오픈소스 음악 파운데이션 모델 'HeartMuLa'가 공개됐다. 스타일 프롬프트와 가사만 넣으면 보컬과 반주가 합쳐진 완곡을 생성하며, 현재 3B 파라미터 버전(약 16GB)이 배포 중이다. 다국어를 지원하고 멜로디 일관성이 뛰어나 폐쇄형 상용 모델인 Suno에 필적하는 성능을 오픈소스로 구현했다.
블랙포레스트랩, 'FLUX.2 클라인' 공개…소비자용 GPU서 1초 내 이미지 생성
블랙포레스트랩이 13GB VRAM 그래픽카드에서 1초 미만에 이미지를 생성·편집할 수 있는 FLUX.2 klein을 출시했다. 아파치 2.0 라이선스의 4B 버전과 가중치가 공개된 9B 버전으로 제공되며, API와 무료 데모 앱도 지원한다.
블랙포레스트랩스, 'FLUX.2 [klein]' 발표…초고속 생성에 4B는 아파치 2.0 개방
블랙포레스트랩스가 1초 미만 추론 속도를 내세운 고속 이미지 생성 모델 'FLUX.2 [klein]'을 선보였다. 4B 및 9B 두 가지 규격으로 제공되며, 특히 4B 모델은 아파치 2.0 라이선스로 오픈소스 공개되어 8.4GB VRAM 환경에서도 로컬 구동이 가능하다.
엔비디아, 실시간 음성 AI 'PersonaPlex' 공개: 듣기·말하기 동시 수행에 맞춤 페르소나까지
NVIDIA가 전이중 음성 대화 모델 PersonaPlex를 공개했다. 사용자의 말을 들으면서 동시에 말하고 자연스러운 끼어들기와 맞장구가 가능하다. 텍스트 설정과 음성 샘플만으로 목소리와 역할을 자유롭게 지정할 수 있어, 자연스러운 흐름과 커스텀 페르소나를 모두 잡았다.
화
1월 13일 화요일
큐타이 포켓 TTS: CPU에서 실시간 구동되는 1억 파라미터 음성 합성
큐타이가 GPU 없이 CPU만으로 구동되는 초경량 음성 합성 도구 '포켓 TTS'를 오픈소스로 공개했다. 1억 파라미터 크기로 M4 맥북 에어 2개 코어에서 6배 실시간 속도와 200ms 응답 지연을 제공하며, 음성 복제와 무제한 텍스트 입력을 지원한다.
월
1월 12일 월요일
NovaSR: 단 52KB 용량으로 실시간보다 3500배 빠른 초경량 오디오 업샘플러
개발자 yatharthsharma3501이 초경량 오디오 업샘플링 모델 NovaSR을 오픈소스로 공개했다. 모델 크기가 약 52KB에 불과하며, 10개 미만의 Conv1D 계층 구조로 A100에서 실시간 대비 3600배 속도를 기록한다. 16kHz 음성을 48kHz 고음질로 복원해 온디바이스 기기나 TTS 실시간 품질 향상에 유용하다.
ShowUI-Aloha: 사람의 화면 조작 1회 시연으로 PC 업무 학습하는 AI
ShowLab이 사람의 화면 녹화와 마우스·키보드 조작을 보고 PC 작업을 학습하는 에이전트 ShowUI-Aloha를 오픈소스로 공개했다. 한 번의 시연만으로 작업 흐름을 추상화해 새 업무를 처리하며, OSWorld 벤치마크에서 60.1%의 성공률을 기록했다.
월
1월 5일 월요일
오픈소스 이미지 편집기 'VIBE' 공개: 2K 이미지를 4초 만에 편집
초고속 오픈소스 이미지 편집 모델 VIBE가 공개됐다. 2B 파라미터의 Qwen3-VL과 1.6B의 Sana 1.5를 결합해, H100에서 2K 이미지를 약 4초 만에 편집하며 증류 버전은 2초 이내로 단축된다. 가벼운 크기로 원본 디테일을 정교하게 유지하는 점이 특징이다.
토
1월 3일 토요일
UniSH 오픈소스: 일반 영상에서 3D 공간과 인체 움직임을 한 번에 복원
UniSH가 단일 영상에서 3D 배경과 인체의 동적 움직임을 동시에 복원하는 순방향 프레임워크를 공개했습니다. 복잡한 반복 최적화 없이 흔들리는 영상에서도 장면 포인트 클라우드, 카메라 궤적, 인체 메쉬를 한 번에 추론합니다. 코드는 GitHub에 공개되어 로컬에서 실행할 수 있습니다.
화
12월 30일 화요일
텐센트, 10억 파라미터 3D 동작 생성 모델 'HY-Motion 1.0' 오픈소스 공개
텐센트가 텍스트 기반 3D 애니메이션 생성 모델 'HY-Motion 1.0'을 오픈소스로 공개했다. DiT 구조와 플로우 매칭을 기반으로 10억 개 이상의 파라미터를 갖췄으며, 200개 이상의 동작 범주를 지원해 생성된 3D 에셋을 기존 제작 파이프라인에 바로 통합할 수 있다.
