알리바바가 최대 30초 길이의 영상을 생성하고 다양한 형태의 자료를 동시에 참조할 수 있는 영상 생성 모델 ‘Wan3.0’ 베타 버전을 공개했다.

Wan3.0은 고품질 영상 생성과 정밀한 시각적 일관성, 멀티모달 참조 입력 기능을 단일 모델에 통합했다. 영화와 숏폼 콘텐츠부터 기업용 마케팅·교육 영상, 자율주행 및 로보틱스 학습용 시뮬레이션까지 폭넓은 제작 환경을 지원하도록 설계됐다.

공개 베타 테스트가 시작됨에 따라 사용자는 알리바바 클라우드의 AI 개발 플랫폼 모델스튜디오(Model Studio)와 AI 네이티브 클라우드 플랫폼 Qwen Cloud에서 모델 테스트를 신청할 수 있다.

클립 길이 15초에서 30초로 확대

알리바바에 따르면 주요 AI 영상 생성 모델은 일반적으로 수초에서 최대 15초 길이의 클립을 생성한다. 알리바바의 이전 영상 생성 모델인 ‘Wan2.7-Video’도 최대 15초 길이를 지원했다.

Wan3.0은 클립 한 개당 최대 30초 길이의 영상을 기본으로 생성한다. 이에 따라 복잡한 카메라 움직임이나 여러 장면이 끊김 없이 이어지는 연속 장면을 보다 자연스럽게 구현할 수 있다.

사용자 프롬프트를 분석해 콘텐츠에 적합한 영상 길이를 추천하는 지능형 길이 설정 기능도 탑재했다. 생성된 영상의 시간적 흐름을 확장할 수 있는 영상 연장 기능도 추가해 짧은 클립 위주였던 AI 영상 제작의 제약을 줄였다.

웹페이지·PDF·PPT도 영상 생성 자료로 활용

Wan3.0의 핵심은 멀티모달 참조 입력 범위를 확장한 데 있다. 텍스트와 이미지, 영상, 오디오를 동시에 처리할 수 있으며 웹페이지와 PDF, 파워포인트 프레젠테이션 등의 문서도 영상 생성을 위한 참조 자료로 활용할 수 있다.

기업은 기존에 보유한 제품 소개 자료와 교육 문서, 마케팅 콘텐츠를 기반으로 영상을 제작할 수 있다. 별도의 영상용 자료를 처음부터 구성하지 않아도 텍스트 중심의 정적 콘텐츠를 동적인 영상으로 전환할 수 있어 제작 과정 단축에 도움이 될 전망이다.

캐릭터·제품·음성 일관성 정밀 제어

Wan3.0은 AI 생성 영상에서 나타날 수 있는 시각 요소의 흔들림과 왜곡을 줄이기 위해 고정밀 시각적 연속성을 지원한다. 사람의 얼굴과 미세한 표정 변화를 사실적으로 표현하고 자연스러운 다국어 음성도 생성할 수 있다. 소프트웨어 사용자 인터페이스와 모션 그래픽처럼 화면 배치의 안정성이 중요한 요소도 구현할 수 있도록 설계됐다.

참조 자료에 포함된 세부 요소를 재현하는 기능도 강화했다. 캐릭터와 제품의 특징, 소품, 화면 배치, 음성, 영상 스타일 등을 세밀하게 제어해 원본 자료와의 일관성을 유지한다. 생성된 영상 전체에서 화면 구성과 오디오가 갑작스럽게 달라지는 현상을 줄이고 자연스러운 움직임과 감정 표현을 결합해 스토리 중심의 영상을 만들 수 있다.

콘텐츠 제작부터 로보틱스 학습까지 활용

Wan3.0은 영화 제작자의 작업 과정 효율화와 숏폼 드라마, 소셜미디어 콘텐츠 제작 등에 활용할 수 있다. 기업은 텍스트와 이미지를 바탕으로 마케팅 영상이나 교육 콘텐츠를 제작할 수 있다.

기술 개발 분야에서는 자율주행차와 로보틱스 시스템 학습에 필요한 사실적인 시뮬레이션 영상을 생성하는 용도로 활용할 수 있다. 실제 환경에서 확보하기 어렵거나 반복 재현이 힘든 상황을 영상 데이터로 구성하는 방식이다.

알리바바의 이미지·영상 생성 모델 Wan 시리즈는 2023년 7월 처음 공개됐다. 알리바바는 이미지와 영상의 사실성, 제어 편의성, 제작자 활용성을 높이는 방향으로 Wan 시리즈를 지속해서 고도화하고 있다.

이준문 기자/jun@newstap.co.kr

ⓒ 뉴스탭(https://www.newstap.co.kr) 무단전재 및 재배포금지