60억 파라미터 애니메이션 생성 AI '자니메' 공개…4스텝 초고속 생성 지원

Zanime(Z-Anime)은 개발자 SeeSee21이 알리바바의 오픈소스 'Z-Image Base' 아키텍처를 기반으로 애니메이션 데이터를 사용해 전면 미세조정(Full Fine-Tune)한 이미지 생성 모델이다. 기존 커뮤니티의 LoRA 병합 방식을 벗어나, 60억 파라미터(6B) 규모의 S3-DiT(Single-Stream Diffusion Transformer) 구조를 바닥부터 다시 학습시켰다.

해상도는 512×512부터 2048×2048까지 모든 화면비를 지원하며, Diffusers 라이브러리와 ComfyUI 환경에서 곧바로 활용할 수 있다.

주요 성능과 특징

기본 모델인 Z-Anime Base는 완성도 높은 2D 캐릭터 일러스트레이션에 강하다. 28~50 스텝과 CFG 3.0~5.0 설정에서 깨끗한 선화, 옷감의 정교한 명암, 눈동자의 반사광 표현은 물론 벽지급 풍경 배경까지 안정적으로 그려낸다.

빠른 속도가 필요하다면 4스텝 증류 버전인 'Distill-4-Step'이 유용하다. CFG 1.0 고정 환경에서 단 4단계 만에 이미지를 완성하므로 일반적인 GPU에서도 수 초 안에 시안을 얻을 수 있다. 미세 디테일은 다소 줄어들지만, SeedVR2나 hires fix 같은 업스케일러를 덧붙이면 실사용 수준의 화질을 무리 없이 확보할 수 있다.

하드웨어 장벽도 낮다. LoRA 훈련에 알맞은 BF16 체크포인트(약 12GB) 외에도 6GB 크기의 FP8 버전과 비 CUDA 기기를 지원하는 GGUF 포맷이 함께 제공된다. VAE와 텍스트 인코더를 한데 묶은 일체형(AIO) 파일도 갖추고 있어 8GB VRAM 그래픽카드만 있어도 로컬에서 가볍게 구동된다.

사용 시 주의할 점

기존 서브컬처 생성 AI에 익숙한 사용자라면 프롬프트 방식을 바꿔야 한다. 단어를 쉼표로 나열하는 전형적인 태그 목록을 넣으면 결과물이 크게 망가지며, 문장 형태의 자연어 묘사를 입력해야 제 성능이 나온다.

초고속 증류 모델의 조작 제약도 명확하다. CFG를 1.5 이상으로 올릴 수 없고 네거티브 프롬프트의 영향력이 거의 사라지기 때문에, 공식적으로는 ConditioningZeroOut 노드를 사용하는 워크플로를 권장한다.

자체 안전 검사기(SafetyChecker)가 탑재되지 않아 일부 성인용(NSFW) 이미지가 생성될 수 있으며, 깃허브 등에 기본 파이썬 실행 코드가 포함되어 있지 않아 입문자는 ComfyUI를 통해 접근하는 편이 가장 안전하다.

왜 중요한가

그동안 오픈소스 서브컬처 생성 생태계는 구형 Stable Diffusion 기반 모델을 계속 재탕하며 구조적 한계에 부딪혀 있었다. Zanime는 최신 DiT 아키텍처를 전면 학습시킴으로써 광원 처리와 형태 유지력에서 한층 높은 기본기를 보여준다.

태그 중심의 프롬프트 자산을 문장형으로 재작성해야 하는 번거로움은 있지만, 6GB 수준의 FP8 경량화와 4스텝 초고속 생성은 일반 PC 사용자에게도 충분히 매력적이다. 향후 자체 애니메이션 LoRA를 제작하려는 창작자들에게도 훌륭한 새 출발점이 될 것으로 보인다.