텐센트 훈위안, 130억 파라미터 이미지-투-비디오 AI 모델 오픈소스 공개

텐센트 훈위안이 이미지-투-비디오 생성 모델인 'HunyuanVideo-I2V'를 오픈소스로 공개했다. 모델 가중치뿐만 아니라 추론 코드와 LoRA 파인튜닝 코드까지 모두 포함됐다.

정지 이미지 한 장을 올리고 원하는 동작이나 카메라 구도를 짧게 입력하면, 배경 음향 효과가 자동으로 합성된 5초 길이의 2K 고화질 영상을 뽑아낼 수 있다.

어떤 기능이 가능한가

단순히 이미지를 영상으로 변환하는 것을 넘어 립싱크와 모션 구동 기능이 기본 탑재됐다.

인물 사진을 올린 뒤 텍스트나 오디오를 입력하면 사진 속 인물이 타이밍에 맞춰 말을 하거나 노래를 부르는 영상을 만들 수 있다.

모션 구동 기능을 활용하면 특정 춤 동작이나 포즈를 캐릭터에 입혀 댄스 영상을 한 번에 생성할 수 있다. 실사 인물은 물론이고 애니메이션 캐릭터나 3D CGI 캐릭터까지 무리 없이 소화한다.

일반 이용자는 훈위안 AI 비디오 공식 웹사이트에서 바로 체험해 볼 수 있으며, 기업과 개발자는 텐센트 클라우드 API를 신청해 쓸 수 있다. 로컬 환경에서 직접 구동하려는 개발자는 깃허브나 허깅페이스에서 리포지토리를 내려받으면 된다.

모델 스펙과 오픈소스 공개 범위

이번 모델은 앞서 발표된 훈위안 텍스트-투-비디오 모델의 후속 작업으로, 총 파라미터 수는 130억 개 규모다.

기술 보고서에 따르면 텍스트 기반 모델과 동일한 데이터셋에서 사전 학습을 거쳤다. 이미지, 텍스트, 오디오, 포즈 등 다양한 입력 조건을 결합해 역동적인 움직임과 자연스러운 카메라 전환을 제어할 수 있도록 설계됐다.

개발자 입장에서 가장 반가운 부분은 LoRA 훈련 코드의 공개다. 13B 전체 모델을 처음부터 다시 학습할 필요 없이, 적은 데이터로도 특정 화풍이나 특정 캐릭터에 특화된 파생 모델을 직접 훈련할 수 있다.

현재 텍스트, 이미지, 비디오, 3D 생성을 아우르는 훈위안 오픈소스 라인업은 깃허브에서 누적 2만 3천 개 이상의 스타를 받았다.

왜 중요한가

그동안 오픈소스 비디오 생성 진영은 고성능 모델의 부재와 미흡한 튜닝 툴 때문에 클로즈드 서비스에 비해 활용 폭이 좁았다.

훈위안이 13B 가중치와 실용적인 LoRA 학습 파이프라인을 온전히 개방하면서, 인디 게임 개발자나 숏폼 크리에이터가 로컬 환경에서 맞춤형 영상 파이프라인을 구축하기가 훨씬 수월해졌다.

물론 13B 모델을 로컬에서 쾌적하게 돌리고 학습시키려면 상당한 사양의 그래픽 카드가 필요하다는 제약은 여전하다. 하지만 자체 영상 제작 도구를 구축하려는 팀이라면 지금 당장 테스트해 볼 가치가 충분하며, 폐쇄형 상용 툴 중심의 시장 구도에도 적잖은 긴장감을 줄 것으로 보인다.