Novita AI가 공식적으로 최신 Wan 2.2 API를 출시했습니다. 이는 텍스트 기반 영상 생성용 최첨단 도구입니다. 이 글에서는 Wan 2.2가 무엇인지, 새로운 기능과 업데이트 내용을 소개하고 성능에 대해 논의할 것입니다. 또한 이 강력한 기술을 시작하는 데 도움이 되는 자주 묻는 질문도 다룰 것입니다.
Wan 2.2 T2V란 무엇인가요?
**Wan 2.2 T2V**는 알리바바의 최신 오픈소스 텍스트-영상(T2V) 생성 AI 모델로, 이전 Wan 2.1 시스템에 비해 대규모 업그레이드 버전입니다. 알리바바의 ‘완(Wan)’ 시리즈 영상 생성 모델(중국어로는 퉁이 완샹으로 불림)의 일원으로, Mixture-of-Experts(MoE, 전문가 혼합) 아키텍처를 사용한 업계 최초의 오픈소스 영상 모델이라는 점에서 주목할 만합니다. Wan 2.2는 전용 텍스트-영상 모델과 관련 도구를 포함한 모델 제품군을 포괄하지만, 'Wan 2.2 T2V’는 이 시리즈의 텍스트-영상 구성 요소를 specifically 가리킵니다.
Wan 2.2 T2V 사양
| 카테고리 | 설명 |
|---|---|
| 모델 아키텍처 | 두 개의 전문가 서브 모델을 사용하는 Mix-of-Experts 아키텍처를 사용합니다. |
| 파라미터 수 | 전체 모델은 270억 개의 파라미터를 가지고 있지만, 추론 시에는 140억 개만 활성화됩니다. |
| 설계 장점 | 전문화된 ‘전문가’(각 약 140억 파라미터)를 사용하여 모델 크기는 두 배로 늘리면서도 전작 **Wan 2.1(140억 파라미터)**과 유사한 실행 비용을 유지합니다. |
| 출시된 모델 변형 | 1. T2V-A14B: 텍스트로부터 영상을 생성하는 텍스트-영상 모델입니다. 2.TI2V-5B: 두 가지 작업을 모두 지원하는 하이브리드 모델로, 일반 사용자용 하드웨어에 최적화되어 있습니다(50억 파라미터). |
| 하드웨어 최적화 | TI2V-5B는 일반 사용자용 GPU에 최적화되어 있어, 예를 들어 단일 NVIDIA RTX 4090에서 실행할 수 있습니다. |
| 해상도 및 프레임률 | 표준 Wan 2.2 T2V 모델은 **720p 해상도(1280×720)**로 초당 24프레임의 5초 길이 영상을 생성할 수 있습니다. |
Wan 2.2 T2V 주요 기능
영화 같은 품질 및 제어
- 미적 레이블이 세심하게 큐레이션된 데이터셋으로 학습되어 영화 같은 느낌과 품질의 영상을 생성합니다.
- 세밀한 텍스트 제어를 지원하여 사용자가 다음 요소를 지정할 수 있습니다:
- 조명 조건
- 시간대
- 색조
- 카메라 앵글
- 초점 거리
- 기타 영화 관련 요소.
- ‘골든 아워 조명’, '광각 렌즈’와 같은 영화 용어를 이해하여 영상 출력에 대한 정밀한 제어를 보장합니다.
멀티모달 생성 제품군
- 스타일 전송 기능을 포함합니다:
- 사진이나 영상을 만화나 스케치 형식으로 변환하는 등 원클릭으로 예술 스타일을 적용할 수 있습니다(veo-video.org).
- 다양한 생성 작업을 지원하는 통합 모델 제품군을 제공하여 종합적인 창작 AI 플랫폼으로 활용할 수 있습니다.
오픈소스 및 커뮤니티 생태계 Apache 2.0 라이선스로 배포되어 상업적 사용이 허용됩니다(hackernoon.com). 다음을 포함한 활발한 커뮤니티의 지원을 받습니다:
- 가이드
- 통합 도구(예: ComfyUI용)
- 파인튜닝 최적화
- 일반 지원.
Wan 2.2의 작업 프로세스 최적화 기능은 무엇인가요?
Wan 2.2 T2V vs Wan 2.1 T2V
Wan 2.2 T2V vs Wan 2.1 T2V: 아키텍처
| 항목 | Wan 2.1 | Wan 2.2 |
|---|---|---|
| 아키텍처 | 단일 단계 디퓨전 트랜스포머(UNet). | 고노이즈 및 저노이즈 전문가를 포함한 2단계 Mixture-of-Experts(MoE). |
| 파라미터 | 140억(기본) 및 13억(소형). | 총 270억(활성 140억); 140억 T2V, 140억 I2V, 50억 하이브리드 모델. |
| 학습 데이터 | 대규모 데이터셋이지만 큐레이션 정도가 낮음. | 이미지 65% 이상, 영상 83% 이상 증가, 미적 및 영화 속성에 대해 주석 처리됨. |
| 출력 품질 | 양호하지만 깜빡임이 발생하기 쉬우며 단순한 스타일화 영상에 적합. | 더 높은 디테일, 더 나은 시간적 일관성, 사실감, 영화 같은 시각 효과. |
| 기능 | T2V, I2V, 편집(VACE 프레임워크), LoRA 파인튜닝 지원. | T2V, I2V, 더 나은 스타일 전송; 아직 VACE 없음, LoRA 호환성 제한적. |
Wan 2.2 T2V vs Wan 2.1 T2V: 성능
Wan 2.2 T2V vs Wan 2.1 T2V: 생성 결과
Wan 2.2 T2V
Wan 2.1 T2V
Wan 2.2 T2V의 비용 및 접근 방법
하드웨어 비용
| 모델 | 최소 VRAM 요구 사항(GB) | 최소 GPU 모델 | 최소 GPU 수 | 단일 GPU 480P 생성 속도(초) | 단일 GPU 720P 생성 속도(초) | 예상 GPU 가격(USD) |
|---|---|---|---|---|---|---|
| T2V-5B | 22.6 | NVIDIA RTX 4090 | 1 | 534.7 | 524.8 | $1,599 |
| T2V-A14B | 41.3 | NVIDIA A100 | 1 | 1133.9 | 4048.7 | $10,000 - $15,000 |
참고 사항:
- NVIDIA RTX 4090: 2022년 10월 출시, 권장 소비자 가격 $1,599.
- NVIDIA A100: 설정 및 시장 상황에 따라 가격이 다릅니다. 40GB PCIe 모델은 일반적으로 $10,000~$12,000, 80GB PCIe 모델은 $12,000~$15,000 사이입니다.
API 비용
Novita AI는 개발자가 간단한 API로 AI 모델을 쉽게 배포할 수 있도록 지원하는 AI 클라우드 플랫폼으로, AI 구축 및 확장을 위한 저렴하고 안정적인 GPU 클라우드도 함께 제공합니다.
| 모델 | 가격 | 해상도 | 생성 시간 |
| Wan 2.1 T2V | $0.3/영상 | 1280*720 | 5초 |
| Wan 2.2 T2V | $0.4/영상 | 1080P | 5초 |
Wan 2.2 T2V 접근 가이드
1단계: 로그인 후 모델 라이브러리 접근 계정에 로그인한 후 모델 라이브러리 버튼을 클릭하세요.
2단계: 모델 선택 사용 가능한 옵션을 둘러본 후 필요에 맞는 모델을 선택하세요.
3단계: API 키 발급 API 인증을 위해 새 API 키를 발급해 드립니다. 설정 페이지에 접속하면 이미지에 표시된 대로 API 키를 복사할 수 있습니다.
4단계: API 설치 사용 중인 프로그래밍 언어에 맞는 패키지 매니저로 API를 설치하세요.
설치 후 필요한 라이브러리를 개발 환경으로 가져오세요. API 키로 API를 초기화하면 Novita AI LLM과 상호작용을 시작할 수 있습니다. 아래는 파이썬 사용자를 위한 채팅 완성 API 사용 예시입니다.
import requests
url = "https://api.novita.ai/v3/async/wan-2.2-t2v"
payload = {
"input": {
"prompt": "<string>",
"negative_prompt": "<string>"
},
"parameters": {
"size": "<string>",
"prompt_extend": True,
"seed": 123
}
}
headers = {
"Content-Type": "<content-type>",
"Authorization": "<authorization>"
}
response = requests.post(url, json=payload, headers=headers)
print(response.json())
일반적인 Wan 2.2 T2V 문제 및 해결 방법
설치 및 GPU 호환성
- 문제: 구형 GPU(예: GTX 10 시리즈)에서 FlashAttention으로 인해 오류가 발생합니다.
- 해결 방법: RTX 30/40 시리즈 또는 A 시리즈 등 호환되는 GPU를 사용하세요. 또는 FlashAttention을 비활성화(
--disable_flashattn)하거나 xFormers로 대체하여 속도는 느리지만 정상 작동하도록 할 수 있습니다.
생성 속도 느림
- 문제: 특히 사양이 낮은 GPU에서 출력이 매우 느립니다.
- 해결 방법:
- 스텝 수를 최적화하세요(30~50 스텝이면 충분한 경우가 많습니다).
- 더 빠른 결과를 위해 작은 TI2V-5B 모델을 사용하세요.
- 올바른 전문가 전환 설정을 확인하세요(기본 설정을 사용하는 것이 권장됩니다).
출력 품질 문제(깜빡임/아티팩트)
- 문제: 생성된 영상에 깜빡이는 프레임이나 아티팩트가 발생합니다.
- 해결 방법:
- 정밀도와 부드러움의 균형을 맞추기 위해 CFG 스케일을 조정하세요.
- 최적의 디퓨전을 위해 전문가 인계 스텝을 조정하세요.
- 프레임 일관성을 유지하기 위해 시간적 어텐션을 활성화하세요.
- 필요한 경우 프레임 보간 등의 후처리 도구를 사용하세요.
프롬프트 또는 출력이 예상과 다름
- 문제: 출력이 설명한 장면과 다르거나 원하지 않는 요소가 포함됩니다.
- 해결 방법:
- 프롬프트를 재구성하고 단순화하세요.
- 특정 요소를 제외하기 위해 네거티브 프롬프트를 사용하세요.
- 올바른 모델 가중치를 사용하는지 확인하세요(예: 텍스트만 있는 프롬프트에 I2V를 사용하지 마세요).
LoRA 및 파인튜닝 문제
- 문제: Wan 2.1의 구형 LoRA 모델은 Wan 2.2와 호환되지 않습니다.
- 해결 방법: Wan 2.2 전용 LoRA나 파인튜닝 버전이 출시될 때까지 기다리세요. 모든 파인튜닝은 새로운 2-전문가 아키텍처에 맞춰져야 합니다.
소기업을 위한 Wan 2.2 T2V의 장단점
| 항목 | 장점 | 단점 |
|---|---|---|
| 라이선스 및 비용 | Apache 2.0 하에 무료로 사용 가능하며 라이선스 비용이 없어 진입 장벽이 크게 낮아집니다. | 대규모 사용 시(클라우드 또는 전기료) 높은 계산 비용이 발생합니다. |
| 콘텐츠 품질 | 영화 같은 품질의 영상을 내부에서 생성할 수 있어 디자이너나 영상 촬영 전문가를 고용할 필요가 없습니다. | 출력 품질이 예측하기 어려워 수동 검수 및 편집이 필요할 수 있습니다. |
| 창작 유연성 | 텍스트 프롬프트로 빠른 프로토타이핑이 가능하며 컨셉 영상의 빠른 제작이 가능합니다. | 실시간 또는 주문형 생성에는 느려 미리 계획된 콘텐츠 제작에 더 적합합니다. |
| 커스터마이징 | 프롬프트나 파인튜닝을 통해 브랜드 미학에 맞춤화할 수 있으며, 오픈소스의 유연성으로 심층적인 통합이 가능합니다. | 효과적으로 프롬프트를 작성하거나 모델을 파인튜닝하려면 전문 지식이 필요합니다. |
| 확장성 | 수백 개의 영상을 쉽게 생성할 수 있어 지역화 광고나 A/B 테스트에 이상적입니다. | 대량 사용을 위해서는 고가의 하드웨어(RTX 4090 또는 A100 등)가 필요합니다. |
| 커뮤니티 지원 | 오픈소스 커뮤니티의 지원을 받아 튜토리얼, 업데이트, ComfyUI 워크플로우 등의 도구를 활용할 수 있습니다. | 공식 지원이나 보증이 없으며 문제 해결 시 커뮤니티의 도움에 의존해야 합니다. |
| 사용 편의성 | 소규모 팀의 영상 제작을 간소화하여 ‘미니 창작 스튜디오’ 역할을 합니다. | 설정에 ML 지식이 필요(파이썬, CUDA, 모델 파라미터 등)하여 학습 곡선이 가파릅니다. |
| 윤리 및 법적 문제 | AI 기반 마케팅 분야의 혁신을 가능하게 합니다. | 원하지 않거나 부적절한 콘텐츠가 생성될 위험이 있으며 잠재적인 법적 책임이 발생할 수 있습니다. |
적합한 대상: 기술 전문 지식이 있거나 컨설턴트를 활용할 수 있는 소기업으로, 콘텐츠 제작 비용을 절감하고 영상 생산을 확장하려는 경우입니다. 도전 과제: 신중한 계획, 기술적 설정, 하드웨어 및 비용 모니터링이 필요합니다.
Wan 2.2 T2V 기술의 미래 트렌드
- 더 높은 해상도 및 길이
- 1080p, 4K 해상도 및 더 긴 클립(10~20초)으로 발전할 것입니다.
- 계층적 생성을 통해 장시간 영상의 일관성이 개선될 것입니다.
- 향상된 모션 및 일관성
- 모션 안정성과 자연스러운 상호작용이 개선될 것입니다.
- 다양한 모션 유형(예: 느린 모션 vs 빠른 모션)에 특화된 전문가 모델이 개발될 것입니다.
- 영상 편집 및 멀티모달
- 기존 영상 편집을 위한 텍스트 명령(예: 장면 변경, 객체 제거)이 지원될 것입니다.
- 완전한 영상 프로젝트를 위한 오디오 생성 기능이 통합될 것입니다.
- 효율성 및 확장성
- 더 작고 빠른 모델(예: 270억 수준의 품질을 가진 증류 50억 모델)이 개발될 것입니다.
- 하드웨어 발전으로 실시간 영상 생성이 가능해질 것입니다.
- 커뮤니티 및 생태계 성장
- 틈새 파인튜닝(예: 만화 스타일, 의료 영상)이 활성화될 것입니다.
- 플러그인 및 모바일 앱을 통해 더 널리 채택될 것입니다.
- 윤리 및 규제
- AI 생성 콘텐츠에 워터마크 및 메타데이터가 적용될 것입니다.
- 광고와 같은 사용 사례에서 투명성을 보장하는 기준이 마련될 것입니다.
Wan 2.2 API의 출시는 텍스트-영상 기술의 획기적인 발전을 의미합니다. 더 높은 해상도, 향상된 모션 일관성, 개선된 효율성을 바탕으로 Wan 2.2는 개발자와 창작자에게 새로운 가능성을 열어줍니다. 유연한 API 인터페이스를 통해 아이디어를 실현할 수 있게 하여 영상 생성의 새로운 기준을 제시합니다.
자주 묻는 질문
Wan 2.2란 무엇인가요? Wan 2.2는 광고, 영화 제작 등 다양한 분야에 활용할 수 있는 고품질, 모션 일관성이 높은 영상을 생성할 수 있는 오픈소스 텍스트-영상 모델입니다.
이전 버전과 비교해 Wan 2.2의 새로운 기능은 무엇인가요?
- 최대 1080p 해상도 지원
- 깜빡임을 줄인 향상된 시간적 일관성
- 복잡한 장면 처리를 위한 Mixture-of-Experts(MoE) 아키텍처 도입
Wan 2.2의 성능은 어떻게 되나요? Wan 2.2는 속도, 메모리 최적화, 출력 품질에서 뛰어난 성능을 보입니다. 고성능 GPU와 함께 사용하면 고해상도 영상을 빠르게 생성할 수 있습니다.
Novita AI는 AI 야망을 실현할 수 있는 올인원 클라우드 플랫폼입니다. 통합 API, 서버리스, GPU 인스턴스 — 필요한 비용 효율적인 도구를 모두 제공합니다. 인프라 부담을 없애고 무료로 시작하여 AI 비전을 현실로 만드세요.
