Wan 2.6 AI 비디오 생성기 - Veemo AI

캐릭터의 외모와 음성이 담긴 레퍼런스 영상을 제공한 후, 각 새로운 장면을 텍스트로 설명해요. Wan 2.6은 완전히 다른 환경에 배치하면서도 캐릭터의 얼굴, 의상, 신체 비율, 음색을 보존하는 후속 샷을 생성해요. 이를 통해 수동으로 이어 붙인 단일 샷 모델에서 흔히 발생하는 정체성 변형 없이 여러 클립에 걸쳐 내러티브 아크를 구성할 수 있어요.

Wan 2.6은 단일 생성 과정에서 자연스러운 립싱크의 대화, 주변 환경음, 폴리 효과를 함께 생성해요. 각 화자가 고유한 목소리를 유지하는 다인 대화를 지원해요. 오디오는 영상 생성 후에 추가되는 것이 아니라 두 모달리티가 함께 생성되므로, 더빙 후처리 워크플로우에서 흔히 발생하는 타이밍 불일치가 없어요.

세 가지 주요 업그레이드가 있어요: 최적화된 디퓨전 스케줄러로 생성 속도 30% 향상, Wan 2.5에는 없는 네이티브 오디오-비주얼 공동 생성, 레퍼런스 영상 지원을 갖춘 멀티샷 장면 연속성이에요. 특히 여러 피사체와 공간 관계를 포함하는 복잡한 구성 지시에 대한 프롬프트 이해력도 더욱 향상되었어요.

개별 클립은 1080p 해상도에서 최대 15초까지 생성할 수 있어요. 더 긴 내러티브를 위해서는 멀티샷 시스템을 사용해 여러 15초 샷을 이어 붙일 수 있으며, 각 새 클립은 레퍼런스에서 시각적·오디오 연속성을 이어받아요. 이 방식으로 각 생성을 빠르고 제어 가능하게 유지하면서 수 분 분량의 일관된 콘텐츠를 확장할 수 있어요.

네, 이것이 Wan 2.6의 대표적인 기능 중 하나예요. 두 명 이상의 캐릭터 간 대화를 묘사하면, 모델이 각 인물의 고유한 입술 움직임, 음색, 타이밍으로 말하는 장면을 생성해요. 대화의 주고받음이 기계적이지 않고 자연스럽게 느껴지며, 프롬프트로 지시하면 카메라 프레이밍이 활성 화자를 따라 조정되어요.

명확한 조명과 몇 마디 이상의 발화가 담긴 정면에 가까운 각도의 캐릭터 얼굴을 보여주는 3~5초 클립이 좋아요. 모델이 이 레퍼런스에서 얼굴 형태, 피부톤, 헤어스타일, 의상 디테일, 음성 특성을 추출해요. 레퍼런스에 과도한 필터나 극단적인 각도는 피하세요. 생성된 장면에서 아티팩트가 발생할 수 있어요.

Wan 2.6은 오픈소스 Wan 2.5 라인을 계승하는 알리바바의 현 플래그십 영상 생성 모델이에요. Wan 2.5는 더 간단한 작업에서 여전히 이용 가능하고 비용 효율적이지만, Wan 2.6은 오디오를 포함한 내러티브 등급의 영상 AI 분야에서 알리바바의 도전을 대표해요. 멀티샷 및 대화 기능은 스토리텔링 애플리케이션에서 구글의 Veo 라인과의 직접 경쟁자로 자리매김하게 합니다.