스태빌리티 AI, 비디오 모델 '스테이블 비디오 디퓨전' 공개 및 가중치 오픈소스화

스테이블 비디오 디퓨전은 스태빌리티 AI가 처음으로 선보인 동영상 생성 파운데이션 모델이다. 한 장의 정지 이미지를 입력받아 자연스럽게 움직이는 짧은 비디오로 변환해 준다.

기존 이미지 모델인 스테이블 디퓨전을 기반으로 제작되었으며, 코드와 가중치가 함께 공개되었다.

모델 스펙과 핵심 기능

이번 릴리즈는 생성 프레임 수가 다른 2종의 이미지-투-비디오(Image-to-Video) 모델로 구성된다.

하나는 14프레임을, 다른 하나는 25프레임을 생성할 수 있다. 초당 프레임 수(FPS)는 3fps에서 30fps 사이로 자유롭게 조절 가능하다.

공식 발표에 따르면, 외부 사용자 선호도 블라인드 테스트에서 이 기초 모델들은 기존 주요 폐쇄형 상용 모델들을 앞서는 결과를 기록했다.

다운스트림 작업 적응력도 뛰어나다. 다각도 데이터셋으로 파인튜닝할 경우 단 한 장의 2D 이미지에서 다각도 시점 뷰를 합성해 낼 수 있어 3D 콘텐츠 제작에도 응용할 수 있다.

공개 범위와 이용 조건

코드 전체는 깃허브에 올라와 있고, 로컬 환경에서 모델을 구동하는 데 필요한 가중치는 허깅페이스에 공개되었다. 세부 기술을 다룬 연구 논문도 함께 열람할 수 있다.

직접 배포하기 어려운 사용자를 위해 텍스트-투-비디오 인터페이스를 갖춘 웹 서비스 대기자 명단(Waitlist)도 열렸다. 광고, 교육, 엔터테인먼트 등 다양한 분야를 겨냥한 도구다.

다만 명확한 제약 조건이 있다. 이번 릴리즈는 엄연한 '연구 프리뷰(Research Preview)' 단계다.

안전성과 품질에 관한 피드백을 수집하고 다듬는 단계이므로, 현재로서는 상업적 이용이나 실제 프로덕션 환경 도입이 엄격히 금지된다.

왜 중요한가

그동안 AI 영상 생성 시장은 독점적인 폐쇄형 유료 플랫폼들이 주도해 왔다. 사용자는 블랙박스 형태의 웹 서비스에서 결제 후 기다리는 방식이 일반적이었다.

스테이블 비디오 디퓨전의 가중치 공개는 영상 생성 영역에서도 오픈소스 생태계가 본격적으로 작동하기 시작했음을 뜻한다. 연구자와 개발자가 로컬 하드웨어에서 모델을 뜯어보고 파인튜닝을 시도할 수 있게 된 셈이다.

14프레임에서 25프레임은 몇 초 분량에 불과하고 당장 상업적으로 쓸 수도 없지만, 과거 스테이블 디퓨전이 이미지 생태계를 뒤흔들었던 것처럼 향후 오픈소스 기반 영상 툴과 파생 모델이 쏟아져 나오는 출발점이 될 것으로 보인다.