소리까지 함께 만드는 2K 오픈 웨이트 영상 모델, MiniMax H3가 공개 첫날부터 ComfyUI에 올라왔어요

영상 생성 AI, 이제 오픈 모델도 소리를 냅니다

영상 생성 AI 판에 또 하나 굵직한 소식이 나왔어요. '하이루오(Hailuo)' 영상 모델로 알려진 중국 AI 기업 MiniMax가 새 영상 생성 모델 H3를 오픈 웨이트로 공개했고, 노드 기반 생성 AI 툴인 ComfyUI가 공개 당일부터 이를 지원하는 Day-0 지원을 발표했거든요. 핵심 키워드는 세 가지예요. 오픈 웨이트, 네이티브 오디오, 그리고 2K 해상도.

용어부터 짚고 갈게요. '오픈 웨이트'가 뭐냐면, 모델의 학습된 파라미터 파일을 누구나 내려받아 자기 GPU에서 돌릴 수 있게 공개하는 방식이에요. 학습 데이터나 학습 코드까지 전부 여는 완전한 오픈소스와는 조금 다르지만, 사용자 입장에서는 API 없이 로컬에서 돌리고 파인튜닝도 할 수 있다는 게 커요. 'Day-0 지원'은 모델이 공개되는 바로 그날부터 해당 툴에서 쓸 수 있도록 워크플로우와 최적화를 미리 맞춰 내놓는다는 뜻이고요.

뭐가 새로운데?

가장 눈에 띄는 건 네이티브 오디오예요. 지금까지 오픈 웨이트 영상 모델들은 기본적으로 '무성영화'였거든요. 영상을 뽑고 나서 효과음이나 음악을 별도 모델로 생성해 뒤에 붙이는 식이었죠. 그런데 영상과 소리를 따로 만들면 입 모양과 대사가 안 맞거나, 화면 속 동작과 효과음 타이밍이 어긋나는 문제가 생겨요. 네이티브 오디오는 한 모델이 영상과 소리를 처음부터 같이 생성하는 방식이라 이 싱크 문제를 근본적으로 풀 수 있어요. 구글 Veo 3 같은 폐쇄형 모델이 먼저 보여준 방향인데, 이게 오픈 웨이트로 내려왔다는 게 이번 발표의 진짜 의미예요.

2K 해상도도 의미가 커요. 그동안 로컬에서 돌리는 오픈 영상 모델들은 480p~720p급 결과물을 뽑은 뒤 업스케일러로 키우는 게 일반적이었거든요. 모델이 처음부터 고해상도를 목표로 생성하면 업스케일 과정에서 뭉개지던 디테일을 살릴 수 있어요. 물론 해상도가 올라가는 만큼 VRAM(GPU 메모리) 요구량도 같이 올라가니, 일반 소비자용 GPU에서는 양자화(모델을 압축해 가볍게 만드는 기법) 버전이 나오길 기다리거나 클라우드 GPU를 쓰는 게 현실적인 선택지가 될 거예요.

업계 지형에서 보면

오픈 웨이트 영상 모델 경쟁은 사실상 중국 기업들이 주도하고 있어요. 알리바바의 Wan 시리즈, 텐센트의 HunyuanVideo가 대표적이고, 여기에 MiniMax까지 합류한 그림이에요. 반대편에서는 구글 Veo, OpenAI Sora 같은 폐쇄형 모델이 품질의 상한선을 끌어올리고 있고요. 흥미로운 건 ComfyUI의 위치예요. 새 모델이 나올 때마다 Day-0으로 받아주는 허브 역할을 하면서, 오픈 생성 AI 생태계의 사실상 표준 실행 환경이 되어가고 있거든요. 스테이블 디퓨전 시절에 시작된 이 툴이 이제는 이미지, 영상, 오디오까지 아우르는 종합 워크플로우 플랫폼이 된 거죠.

한국 개발자에게는

콘텐츠 제작 파이프라인을 만드는 분들에게는 꽤 실용적인 소식이에요. 광고 시안, 게임 시네마틱 프로토타입, 숏폼 콘텐츠처럼 '빠르게 많이' 뽑아야 하는 작업에서 API 비용 없이 자체 인프라로 돌릴 수 있는 선택지가 생긴 거니까요. 소리까지 한 번에 나오면 후반 작업 공수도 줄어들고요. 다만 오픈 웨이트 모델은 라이선스 조건이 제각각이라, 상업적 이용 범위를 반드시 확인하고 쓰셔야 해요. 일단은 ComfyUI 공식 워크플로우 템플릿으로 가볍게 돌려보면서 품질과 생성 속도를 직접 확인해보시길 추천해요.

정리하면

'소리 나는 고해상도 영상 생성'이 폐쇄형 모델의 전유물이던 시대가 끝나가고 있어요. 여러분이라면 오픈 웨이트 영상 모델을 어떤 프로젝트에 먼저 써보고 싶으세요?