알리바바, 추가 학습 없이 장면을 매끄럽게 잇는 '프롬프트 릴레이' 공개
알리바바가 동영상 생성 기술 '프롬프트 릴레이(Prompt Relay)'를 발표했다. 추가 학습 없이 교차 주의 집중(Cross Attention) 계층에서 시간대별 프롬프트를 분배해, 이질적인 장면 간의 간섭을 막고 매끄러운 화면 전환을 만들어낸다. 현재 구현 안내가 공개되었으며 전체 코드 배포를 앞두고 있다.
阿里巴巴
최신 소식 보기
알리바바, 이미지 생성·편집 모델 'Wan2.7-Image' 출시…12개 언어 텍스트 렌더링 지원
알리바바가 이미지 생성과 편집, 이해를 결합한 통합 모델 'Wan2.7-Image'를 선보였습니다. 한 번의 프롬프트로 일관된 이미지 최대 12장을 생성할 수 있으며, 12개 언어의 인쇄급 텍스트 렌더링과 얼굴 골격 및 HEX 색상 정밀 제어를 지원합니다.
알리바바, 생성·편집 통합 모델 'Wan 2.7 Image' 공개…색상 코드 제어와 표 렌더링 지원
알리바바가 이미지 생성과 편집을 하나로 합친 'Wan 2.7 Image'를 공개했다. 얼굴 골격과 자연스러운 결점을 정교하게 조정할 수 있으며, 최대 8개의 헥스 색상 코드 지정과 3000 토큰 분량의 다국어 텍스트 및 표 렌더링을 지원한다. 한 번의 프롬프트로 최대 12장의 일관된 이미지를 생성해 스토리보드 제작에 유용하다.
알리바바, 무음 영상에 효과음 입히는 'PrismAudio' 오픈소스 공개
알리바바가 무음 영상을 분석해 동작에 맞는 효과음을 자동 생성하는 'PrismAudio'를 오픈소스로 공개했습니다. 강화학습과 생각의 사슬을 결합해 먼저 추론한 뒤 소리를 만들며, 5.18억 파라미터 크기로 9초 분량의 오디오를 0.63초 만에 생성해 속도와 벤치마크 전반에서 대형 경쟁 모델들을 앞섭니다.
알리바바, 입술 모양 맞추는 영상 더빙 AI 'Fun-CineForge' 공개
알리바바가 영상 속 입술 움직임에 맞춰 대사를 생성하는 멀티모달 더빙 모델 Fun-CineForge를 오픈소스로 공개했다. 시간 정보를 독립 모달리티로 다뤄 얼굴 가림이나 빠른 화면 전환 속에서도 캐릭터별 음성과 타이밍을 정밀하게 맞춰준다.
알리바바, 개인용 AI 비서 'CoPaw' 오픈소스 공개: 웹 UI 탑재 및 로컬 구동 지원
알리바바가 개인용 AI 비서 CoPaw를 오픈소스로 공개했다. 웹 UI를 갖추고 Ollama 및 MLX를 통한 로컬 LLM 구동을 지원하며, 딩톡과 라크 등 메신저와 연동된다. 코딩 없이도 MCP 확장과 정기 작업 자동화를 구성할 수 있는 점이 특징이다.
알리바바, 'Mobile-Agent-v3.5' 공개: PC·모바일·웹 넘나드는 GUI 에이전트
알리바바가 멀티 플랫폼 GUI 에이전트 Mobile-Agent-v3.5를 공개했다. Qwen3-VL 기반의 GUI-Owl-1.5 모델군(2B~235B)을 탑재해 PC, 모바일, 웹 환경의 인지·계획·실행을 하나로 통합했으며 20개 이상의 벤치마크에서 SOTA를 달성했다. 모델 가중치와 데모가 함께 공개됐다.
알리바바, 이미지 생성·편집 통합 모델 DeepGen 1.0 오픈소스 공개
알리바바가 이미지 생성 및 편집 모델 DeepGen 1.0을 오픈소스로 공개했다. 5B 규모 설계로 텍스트 렌더링과 객체 수정은 물론 미로 풀이 같은 시각적 추론까지 지원한다. 벤치마크에서 대형 모델을 앞서는 성능을 입증했으나, 모델 크기가 72GB에 달해 일반 PC 환경 구동에는 부담이 따른다.
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.
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.
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.
알리바바의 Thinking with Map: 지도 보는 법 배운 AI, 위치 추적 정확도 2.8배↑
알리바바 연구진이 이미지 위치 추정 모델 Thinking with Map을 발표했다. 사람이 지도를 보듯 탐색하는 강화학습과 병렬 테스트 시점 스케일링을 결합해 500m 이내 위치 정확도를 22.1%까지 끌어올렸으며, 지도 검색을 연동한 Gemini-3-Pro보다 2.8배 뛰어난 성능을 보였다.
알리바바 Qwen Code v0.3.0 공개: 스트림 JSON 및 다국어 환경 지원
알리바바 Qwen 팀이 오픈소스 코딩 도구 'Qwen Code'의 v0.2.2~v0.3.0 업데이트를 발표했다. 핵심은 스트림 JSON 입출력 지원으로, CI/CD 파이프라인이나 외부 도구 연동이 수월해졌다. 원클릭 다국어 UI 전환 기능과 20MB 버퍼 제한을 통한 메모리 고갈 방지 조치도 함께 적용됐다.
Qwen, 이미지 편집 모델 'Qwen-Image-Edit' 공개: 텍스트 수정 및 180도 회전 지원
Qwen이 20B 기반 이미지 편집 모델 'Qwen-Image-Edit'을 발표했다. 원래 폰트와 스타일을 유지한 채 이미지 속 중·영문 텍스트를 직접 수정할 수 있으며, 180도 시점 회전과 정밀한 국소 부위 편집을 지원한다. 현재 Qwen Chat 내 이미지 편집 기능에서 바로 이용할 수 있다.
알리바바, 영·중 텍스트 렌더링 특화 이미지 모델 'Qwen-Image' 오픈소스 공개
알리바바가 20B 규모의 MMDiT 이미지 파운데이션 모델 'Qwen-Image'를 공개했다. 영어와 중국어의 복잡한 텍스트 렌더링과 정밀 이미지 편집에 특화되어 다단 텍스트 및 포스터 레이아웃을 정확하게 구현한다. 오픈소스 이미지 생성 분야에서 문자 표기 한계를 크게 낮췄다.
Qwen, DeepSeek-R1에 필적하는 추론 모델 'QwQ-32B' 공개
Qwen이 320억 개 파라미터의 신규 추론 모델 QwQ-32B를 출시했다. 강화학습 확장을 통해 수학과 코딩 성능을 대폭 끌어올렸으며, 중간 규모 모델로도 거대한 MoE 모델과 대등하게 경쟁할 수 있음을 입증했다.
Animate Anyone 2 발표: 캐릭터를 움직일 뿐 아니라 주변 환경과도 자연스럽게 상호작용
연구진이 캐릭터 이미지 애니메이션 모델 'Animate Anyone 2'를 공개했다. 기존 모델이 캐릭터와 배경 간 상호작용을 제대로 표현하지 못하던 한계를 극복하기 위해 환경 표상 입력과 객체 가이더를 도입했다. 캐릭터가 배경 위에 붕 뜨지 않고 주변 사물과 자연스럽게 접촉하며 동작을 수행한다.
알리바바, AI 전문가 스티븐 호이 영입: 소비자용 AI 부문 총괄로 선임
저명한 AI 연구자 스티븐 호이가 알리바바에 합류해 AI-to-Consumer 사업부 AI 팀을 이끌게 되었다고 밝혔습니다. 그는 향후 10년간 소비자 시장을 위한 파운데이션 모델과 AI 에이전트에 막대한 기회가 있다고 강조했습니다.
알리바바, 비전 모델 Qwen2-VL 공개: 2B·7B 오픈소스화 및 20분 영상 분석 지원
알리바바 Qwen 팀이 비전 언어 모델 Qwen2-VL을 출시했다. 2B와 7B 모델을 Apache 2.0 라이선스로 오픈소스 공개하고 72B는 API로 제공한다. 임의 해상도 이미지와 20분 이상의 영상 분석, 모바일 기기 조작 에이전트 기능을 지원하며 72B는 GPT-4o급 성능을 자랑한다.
알리바바, EMO 공개: 사진 한 장과 음성으로 자연스럽게 노래하는 영상 생성
알리바바 연구진이 오디오 기반 초상화 영상 생성 프레임워크인 'EMO'를 공개했다. 사진 한 장과 음성 파일만 입력하면 풍부한 표정과 자연스러운 머리 움직임을 갖춘 인물 영상을 길이 제한 없이 만들어낸다. 빠른 비트의 노래나 명화, 3D 캐릭터도 애니메이션화할 수 있다.