NVIDIA, 소비자 GPU 1대로 60초 720p 영상 생성하는 오픈소스 월드 모델 'SANA-WM' 공개

NVIDIA가 RTX 5090 GPU 단 한 대로 60초짜리 720p 영상을 34초 만에 생성하는 오픈소스 월드 모델 SANA-WM을 공개했어요.

NVIDIA가 소비자용 RTX 5090 GPU 한 대만으로 60초짜리 720p 영상을 불과 34초 만에 생성할 수 있는 오픈소스 영상 월드 모델 'SANA-WM'을 공개했어요. 기존 고품질 AI 영상 생성에 필요하던 고비용 클라우드 인프라 없이도 개인 워크스테이션 수준에서 분량급 영상을 뽑아낼 수 있게 됐다는 점에서 큰 주목을 받고 있어요. SANA-WM의 'WM'은 World Model(월드 모델)의 약자로, 단순한 픽셀 예측을 넘어 3D 공간의 물리적 구조와 연속성을 이해하고 재현하는 방식을 채택해 더욱 일관성 있는 영상을 만들어내요.

기술적으로는 2.6B 파라미터 규모의 Diffusion Transformer 아키텍처를 기반으로 하며, 초기 이미지 한 장과 카메라 궤적 데이터를 입력받아 6-DoF(6축 자유도) 카메라 제어와 함께 분 단위 길이의 영상을 자동으로 합성해줘요. 모델 학습에는 64대의 H100 GPU가 동원됐지만, 실제 영상을 뽑아내는 추론 단계에서는 소비자용 GPU 단 한 대면 충분해요. NVIDIA에 따르면 기존 오픈소스 영상 생성 모델 대비 36배 빠른 처리 속도로 산업 수준의 품질을 달성했으며, 모델 가중치와 전체 코드가 GitHub 및 arXiv 논문을 통해 완전 공개돼 있어요.

이번 공개는 고품질 AI 영상 파이프라인의 문턱을 크게 낮춰, 대형 스튜디오가 아닌 독립 창작자나 소규모 제작팀도 직접 운용할 수 있는 환경을 만들어줬다는 점에서 의미가 있어요. 씬 전환 영상, 배경 루프, 게임 트레일러 소재 등 다양한 콘텐츠 제작에 바로 응용할 수 있으며, 정밀한 카메라 제어가 가능하다는 점은 영상 연출이 중요한 작업에서 특히 큰 강점이에요.

원문: MarkTechPost