Video Rebirth가 31B 규모의 MiniMax-H3를 14B급으로 압축한 HyperFlow H3 Flash를 오픈소스로 공개했습니다. 4~8단계 추론만으로 768p 영상과 오디오를 동시 생성하며, Q4 양자화 모델은 9.1GB에 불과해 24GB VRAM을 갖춘 PC에서도 돌아갑니다. B200 GPU 4장 환경에서는 실시간 생성까지 지원해 영상 AI의 로컬 구동 문턱을 크게 낮췄습니다.
메타가 모바일, 웹, Mac용 뮤즈(Muse) 앱에 실시간 음성 및 표정 반응형 아바타를 출시했습니다. 대화 톤에 맞춰 미세한 표정과 제스처를 취하며, 대화 도중 말을 끊을 수 있고 수백 가지 음성 스타일을 제공합니다. 미국 사용자부터 순차 적용되며 향후 AI 안경에도 지원될 예정입니다.
루마 AI가 기존 5초였던 영상 길이를 최대 1분까지 늘리고 최단 10초 만에 생성 가능한 'Ray 2' 모델을 공개했습니다. 동시에 AWS와의 파트너십을 통해 아마존 베드록에 모델을 제공하고 자체 AI 칩을 활용해 추론 비용 절감에 나섭니다.
Runway는 대화형 아바타를 구동하는 57B 비디오 확산 모델을 H100 8장에서 4장으로 줄여 구동하는 최적화 성과를 공개했다. 캐시 쓰기 시점 양자화와 통신 커널 융합을 통해 24fps 생성을 유지하면서 스텝당 147.4ms를 달성했다. 실시간 비디오 아바타의 대규모 서비스 비용을 크게 낮춘 셈이다.
구글이 동영상 생성 모델 '제미나이 옴니 1.2 플래시'를 정식 출시했다. 네이티브 영상 길이가 최대 15초로 늘어났고 720p 기준 초당 0.07달러로 가격이 30% 낮아졌다. 대화형 편집으로 배경이나 요소를 유지한 채 수정할 수 있으며, 구글 비즈(Google Vids)에서 매달 15초 영상 3편을 무료로 생성할 수 있다.
셀렌디스가 원본 영상을 몇 분 만에 완성본으로 자동 편집하는 AI 모델 '아콘(Archon)'을 공개했다. 뮤지션 스티브 아오키 등이 공동 개발했으며, 창작자의 과거 영상과 레퍼런스를 통해 편집 스타일을 학습한다. 현재 3개월 무료 얼리 액세스를 진행 중이다.
엔비디아가 물리 AI 월드 모델을 위한 코스모스 프레임워크와 NIM 마이크로서비스를 출시했다. 자율주행용 멀티 카메라 및 라이다 동기 생성, 로봇과 수술 시뮬레이션을 지원하며 다양한 강화학습을 갖췄다. H200 GPU에서 추측 디코딩으로 추론 속도를 2~3배 끌어올린다.
소셜미디어 X를 중심으로 Anthropic의 미공개 모델로 추정되는 'Claude Fable 5.5' 테스트 결과가 화제를 모으고 있습니다. 이미지나 영상 생성 모델 없이 순수 파이썬 코드를 2시간 40분 동안 자율 작성해 단일 HTML 애니메이션을 구현했습니다. 다만 Anthropic은 아직 공식 확인을 내놓지 않았습니다.
Runway가 Claude Code, Codex, Cursor용 Runway Dev 플러그인을 공개했다. MCP를 통해 코딩 에이전트가 에디터 안에서 계정 잔액 확인, 모델 라우팅, 워크플로 호출을 직접 처리하도록 지원한다. 플러그인에 API 키를 저장하지 않고도 영상 생성 파이프라인을 엔드투엔드로 구축할 수 있다.
Pika가 MiniMax-H3 기반 비디오·오디오 생성 모델 Pika H3 Flex를 오픈소스로 공개했다. 6단계 샘플링만으로 5~15초 분량의 입체 음향 포함 영상을 동시 생성하며, 11개 화면비와 최대 12개 멀티모달 참조를 지원한다. 단일 H100 GPU 환경에서 로컬 추론이 가능해 작업 효율을 대폭 끌어올린 점이 핵심이다.
엔비디아가 오픈소스 영상 개선 도구 ‘Open H3 Regenerate 2K’를 공개했다. MiniMax H3 등 모델로 생성한 저해상도 초안을 단 3단계 디퓨전 과정으로 2K 및 최대 4K 해상도로 재구성해 디테일을 채운다. 로컬에서 직접 구동할 수 있지만, 인물 얼굴 등 세부 묘사가 원본과 일부 달라질 수 있다.
엔비디아가 캐릭터와 로봇을 위한 실시간 동작 생성 모델 '모션브릭스(MotionBricks)'를 오픈소스로 공개했다. 전후 목표 포즈 몇 개만 지정하면 중간 동작을 자연스럽게 보간하며, 복잡한 상호작용도 블록처럼 조립할 수 있다. SOMA 인체와 유니트리 G1 로봇용 가중치가 함께 제공된다.
구글 딥마인드가 실시간 상호작용 세계 모델 Genie 4를 공개했습니다. 키보드와 텍스트로 가상 환경을 조작할 수 있을 뿐만 아니라 배경음과 대화 등 오디오까지 네이티브로 동시 생성합니다. 제미나이가 다단계 인과 추론을 보조하며, 현재는 일부 테스터에게 프리뷰로 제공됩니다.
디자이너 AmirMushich가 3D 모델링 없이 마우스로 회전 가능한 웹 상품 페이지를 만드는 오픈소스 기법을 공개했다. 의류 참고 이미지로 LTX-2.5 Pro를 통해 회전 영상을 생성한 뒤, 약 30프레임으로 쪼개 자바스크립트로 인터랙션을 제어하는 방식이다. 런타임 모델 호출이나 3D 렌더링 엔진이 필요 없어 이커머스 비주얼 제작 비용을 크게 낮출 수 있다.
머리카락 한 올과 반투명 테두리까지 정밀하게 분리하는 비디오 매팅 AI 'MatAnyone'이 공개됐다. 약 3GB VRAM만으로 실행 가능하며 단일 H200에서 4K 실시간 처리를 지원한다. 저해상도로 어려운 영역을 먼저 감지해 연산 효율을 높였으며, 향후 코드 공개와 ComfyUI 노드 지원이 예정되어 있다.
바이트댄스의 영상 편집 앱 캡컷이 챗GPT용 플러그인을 발표했다. 사용자가 챗GPT에 영상 클립과 요구사항을 입력하면 초안 컷을 자동으로 생성하며, 대화로 컷 길이와 자막을 수정할 수 있다. 영상 편집 문턱을 크게 낮출 기능이나 현재는 미공개 상태로 향후 수개월 내 테스트 예정이다.
센스타임이 코드를 생성해 애니메이션을 렌더링하는 '센스노바 6.8 코드투비디오'를 공개했다. 기존 생성 모델과 달리 코드를 직접 수정해 다른 부분에 영향 없이 개별 요소를 정밀 편집할 수 있다. Qwen3.8 27B 기반으로 모델 용량은 약 55GB이며 고사양 GPU가 필요하다.
일레븐랩스가 음성과 영상 제작 파이프라인을 묶은 신규 플랫폼 'Chimera'를 공개했습니다. 기존의 정교한 음성 복제 및 더빙 기능에 Seedance 등 비디오 생성 도구를 결합해, 앱 내에서 완성형 AI 미디어 워크플로를 구축할 수 있습니다.
긴 시퀀스 영상의 3D 재구성을 위한 계층형 포즈 그래프 프레임워크 HiP3R이 공개됐다. 영상 구간별 정렬을 먼저 거친 뒤 프레임 단위로 카메라 위치를 보정해 누적 오차를 없앤다. 기본 모델을 다시 학습할 필요 없이 기존 알고리즘에 바로 연결해 쓸 수 있는 점이 핵심이다.
텐센트가 텍스트 프롬프트와 카메라 이동으로 실시간 제어 가능한 영상 월드 모델 'Hy-Nomas'를 공개했다. 720p 24fps 영상을 생성하며 이전 프레임을 기억해 1분 이상 일관성을 유지하고, 9GB 증류 모델은 RTX 4090 단일 GPU에서도 돌아간다. 아파치 2.0 라이선스로 코드와 가중치가 모두 무료 제공된다.
