오디오 구동 아바타 · 오픈 웨이트
무검열 LongCat-Video-Avatar 1.6: 사진 한 장, 목소리 하나로 10분짜리 토킹 비디오
인물 사진과 녹음 파일을 넣으면 LongCat-Video-Avatar 1.6이 그 사람이 말하는 영상을 만들어 줍니다. 입술은 음절 하나하나에 정확히 맞고, 얼굴은 목소리 톤에 반응하며, 머리와 어깨는 실제 사람이 말할 때처럼 움직입니다. 2026년 11월 15일 Meituan LongCat 팀이 공개한 이번 업데이트의 핵심은 오래도록 자연스러움을 유지하는 것으로, 팀은 같은 얼굴과 선명한 화질을 유지한 채 10분이 넘는 클립을 만들 수 있다고 밝혔습니다. 아래에서 달라진 점, 크리에이터들의 활용 분야, 2인 대화 요령, 바로 쓸 수 있는 프롬프트, 가장 빠르게 체험하는 방법을 확인하세요.
- 사진 + 음성 → 영상
- 10분 이상 연속 촬영
- 자연스러운 립싱크
- 2인 대화
무검열 대안 비디오 생성기
이미지 투 비디오인물 사진 한 장으로 시작해 캐릭터가 어떻게 말하고 웃고 움직이는지 설명하면, 모든 항목이 채워진 이미지-투-비디오 스튜디오가 열립니다. 등장인물이 모두 18세 이상이고 가상 인물이거나 동의한 경우 성인 테마도 환영합니다.
무너지지 않는 10분짜리 토킹 비디오
AI 토킹 헤드를 써 본 사람이라면 흔한 문제를 알고 있습니다. 처음 몇 초는 훌륭하지만 점점 얼굴이 뭉개지고, 입이 깜빡이기 시작하며, 결국 처음 사진 속 인물과 닮지 않게 됩니다. LongCat-Video-Avatar 1.6은 바로 이 문제를 해결하기 위해 만들어졌습니다. 모델은 영상을 조각조각 이어 붙이며 늘려 가고, 팀은 긴 롤아웃으로 학습시켜 작은 오류가 쌓이지 않도록 했습니다. 주장은 단순하고 대담합니다. 같은 정체성, 안정적인 화질, 부드러운 움직임으로 10분이 넘는 영상을 만든다는 것입니다.
크리에이터에게는 작업 방식 자체가 달라집니다. 강의 한 편, 긴 제품 소개, 팟캐스트 에피소드, 오디오북 한 챕터를 편집기에서 15초짜리 클립 여러 개를 이어 붙이는 대신 하나의 연속 테이크로 만들 수 있습니다. 시리즈 전체에서 한 캐릭터를 유지할 수도 있습니다. 매주 새 오디오만 넣으면 같은 얼굴이 계속 말하니, 버추얼 호스트와 스토리 채널에 가장 필요한 기능입니다.
- 오디오 + 사진: 기존 인물 사진을 움직이게 하는 가장 인기 있는 모드.
- 오디오 + 텍스트: 아직 사진이 없나요? 인물을 묘사하면 모델이 새로 만들어 냅니다.
- 이어 만들기: 다음 오디오 구간으로 기존 클립을 연장하면서 외모를 유지합니다.
- 다인원: 화자마다 별도의 오디오 트랙을 넣어 대화 장면을 만듭니다.
LongCat Avatar 1.6 vs 1.5: 더 차분한 입술, 더 안정적인 얼굴
1.5 버전은 2026년 5월에 나왔고 이미 오픈소스 팬들 사이에서 인기가 높았습니다. 새 버전은 같은 베이스 모델과 같은 Whisper-Large 오디오 인코더를 유지하므로, 개선은 새로운 아키텍처가 아닌 학습에서 나왔습니다. 화면에서 실제로 보이는 차이는 이렇습니다. 단어마다 과하게 벌어지던 입이 자연스러워졌고, 입술이 부자연스럽게 붉지 않으며, 입 주변의 깜빡임이 줄었고, 표정이 머리와 몸의 움직임과 함께 어우러집니다. 유효 투표 33,051표가 모인 팀 자체 블라인드 테스트에서 1.6은 6개 시스템 중 2위를 기록해, 비공개 모델인 OmniHuman-2.0에만 뒤지고 1.5, HeyGen, OmniHuman-1.5, Kling Avatar 2.0을 앞섰습니다. 이 순위는 개발사 자체 평가이며 독립적인 벤치마크가 아닙니다.
| 1.5 버전 | 1.6 버전 | |
|---|---|---|
| 출시일 | 2026년 5월 21일 | 2026년 11월 15일 |
| 입 움직임 | 가끔 과장됨, 붉은 입술 | 더 부드럽고 자연스러움, 깜빡임 감소 |
| 긴 영상 | 시간이 지날수록 변형 누적 | 10분 이상 정체성 유지 (팀 주장) |
| 속도 | 8단계 증류 샘플링 | 8단계: DMD + OPSD 혼합 후 OPSD 단독 |
| 인간 선호도 (Elo) | 더 낮음 | 1068.1, 6개 시스템 중 2위 |
모델을 Mac용으로 변환한 한 커뮤니티 테스터는 SyncNet 립싱크 점수가 1.6은 약 6.8–7.4, 1.5는 약 6.5라고 보고했습니다(실제 영상: 7.05). 비공식 수치입니다.
사진을 토킹 비디오로: 크리에이터들의 활용 분야
오디오 구동 토킹 헤드는 예전엔 데모용 장난감에 불과했습니다. 테이크가 길어지고 얼굴이 자연스러워지면서, 이제는 발표자를 고용하거나 스튜디오를 빌리거나 직접 촬영하지 않고도 화면 속 인물이 대본을 말하게 해야 하는 모든 사람에게 실용적인 도구가 되었습니다. 인물 사진에 녹음된 목소리나 TTS 트랙을 붙이면 몇 분 만에 발표자, 강사, 내레이터, 가상 캐릭터가 완성됩니다. 아래는 숏폼 제작자, 교육자, 캐릭터 크리에이터들이 가장 먼저 시도하는 장면들입니다.
- 숏드라마와 AI 만화: TTS 대본으로 캐릭터별 대사 컷을 한 줄씩 일괄 제작.
- 제품 및 쇼핑 영상: 친근한 호스트가 자연스럽고 수다스러운 말투로 제품을 설명하거나 매장을 소개.
- 강좌와 설명 영상: 계속 손짓하고 끄덕이는 10분짜리 강사, 또는 다른 언어 더빙 버전(언어에 따라 품질이 다를 수 있음).
- 버추얼 호스트와 AI 컴패니언: 팬이나 채팅 메시지에 영상으로 답하는 캐릭터.
- 말하는 옛 사진과 그림: 가족사진이나 미술 작품에 목소리를 입혀 기억에 남는 게시물 만들기.
- 노래와 립싱크 놀이: 오디오를 따라 움직이므로 음악 클립도 시도해 볼 만하지만, 공식적으로 테스트된 결과는 아닙니다.
긴 강의와 강연
전체 내레이션을 수십 개의 짧은 클립 대신 하나의 연속된 발표자 영상으로 만드세요.
드라마 대사
두 캐릭터에게 각자의 음성 트랙을 주면 자연스러운 반응이 담긴 주고받는 장면이 완성됩니다.
버추얼 호스트
에피소드 시리즈, 제품 영상, 팬 답장 전체에서 하나의 얼굴을 유지하세요.
2인 대화, 인터뷰, 듀엣
LongCat-Video-Avatar 1.6에서 가장 재미있는 모드 중 하나는 다인원 영상입니다. 두 사람이 담긴 이미지와 각자의 오디오 트랙을 넣으면, 말하는 사람은 움직이고 다른 사람은 들으며 반응합니다. 예전엔 배우 두 명이 필요했던 포맷이 가능해집니다. 팟캐스트식 인터뷰, 숏드라마 속 커플의 말다툼, 코미디 콤비, 선생님과 학생 역할극, 게스트와 대화하는 호스트 등입니다. 긴 영상의 안정성이 그대로 이어지므로, 이런 대화도 한 번 주고받는 데 그치지 않고 몇 분 동안 이어질 수 있습니다.
좋은 요령은 장면을 단순하게 유지하는 것입니다. 두 사람이 마주 보거나 나란히 앉아 있고, 두 얼굴이 모두 선명하게 보이며, 프롬프트에 누가 먼저 말하는지 적어 주세요. 그런 다음 두 목소리를 따로 녹음하거나 생성하고, 대사 사이에 짧은 쉼을 두어 자연스럽게 주고받도록 배치하세요.
자연스러운 토킹 비디오를 위한 프롬프트 템플릿
LongCat-Video-Avatar 1.6에 프롬프트를 쓸 때 기억할 핵심은 이것입니다. 무엇을 말할지는 오디오가 정하고, 화면이 어떻게 보일지는 텍스트 프롬프트가 정합니다. 카메라 거리, 분위기, 몸짓, 조명을 묘사하고 대사 자체는 절대 적지 마세요. 긴 영상에서는 모든 구간에서 인물 묘사를 똑같이 유지해야 캐릭터가 변하지 않습니다. 아래 템플릿은 인기 포맷을 다루니, 세부 내용만 바꾸고 구조는 그대로 두세요.
- 발표자: 밝은 스튜디오의 젊은 여성, 미디엄 숏, 카메라를 향해 다정하게 말함, 자연스러운 손동작, 부드러운 자연광, 고정된 카메라.
- 제품 소개: 카페 카운터에서 커피잔을 든 남성, 미소 지으며 생동감 있는 표정으로 제품을 설명, 얕은 피사계 심도.
- 강의: 화이트보드 앞에 선 교수, 차분한 어조, 가끔 끄덕이며 가리키는 동작, 삼각대 고정 숏.
- 대화: 소파에 마주 앉은 두 친구, 왼쪽 사람이 먼저 말하고 오른쪽 사람이 대답, 편안한 거실 조명.
- 가수: 작은 무대 위의 가수, 풍부한 표정, 리듬에 맞춰 부드럽게 몸을 흔듦, 따뜻한 스포트라이트.
- 유혹적인 독백 (18+): 노을 진 해변에서 비키니를 입은 성인 가상 여성, 유혹적인 미소, 카메라에 부드럽게 말함, 머리카락에 살랑이는 바람.
Hugging Face 다운로드, ComfyUI, INT8, GGUF, Mac MLX
직접 실행하는 걸 좋아한다면 웨이트는 Hugging Face와 ModelScope에서 무료로 내려받을 수 있고, 코드는 LongCat-Video GitHub 저장소에 있습니다. 팀은 공식 메모리 요구 사항을 공개하지 않았지만 가벼운 환경을 위한 웨이트 전용 INT8 옵션을 제공하며, 커뮤니티도 빠르게 움직였습니다. ComfyUI 패키지(Comfy-Org 제작 포함), 1.6용 ComfyUI 빌드, INT8 변환본, 저VRAM 카드용 1.5 계열 GGUF 파일이 있습니다.
Mac 사용자를 위한 Apple MLX 변환본도 있습니다. 제작자에 따르면 64GB 메모리의 M5 Max에서 480p 3.7초 구간 하나에 약 8분이 걸리고 최대 약 47GB를 사용하므로, 10분짜리 영상은 밤새 돌려야 하는 작업입니다. 그래서 많은 크리에이터가 빠른 아이디어 확인은 브라우저 도구로 하고, 로컬 실행은 최종 장편 테이크용으로 아껴 둡니다.
2026년 오픈소스 토킹 아바타 모델: HeyGen과 OmniHuman의 대안?
HeyGen, OmniHuman, Kling Avatar 같은 구독형 아바타 서비스는 완성도가 높지만, 클립 길이를 제한하고 분 단위로 요금을 받으며 업로드 내용을 검열합니다. Meituan의 이 모델은 많은 사람이 기다려 온 오픈 대안입니다. MIT 라이선스의 무료 웨이트, 10분을 넘는 테이크, 그리고 제작사 테스트에서 HeyGen과 Kling Avatar 2.0을 앞선 인간 선호도 점수를 갖췄습니다. 다른 오픈 옵션으로는 텍스트 프롬프트로 전신을 움직이는 Kandinsky S2V, 다인원 장면용 MultiTalk가 있습니다. 오픈 모델의 단점은 하드웨어입니다. 긴 영상에는 강력한 GPU나 많은 인내심이 필요합니다.
Spicy AI에서 18+ 토킹 캐릭터 영상 만들기
공식 릴리스의 모델 카드에는 내장 콘텐츠 필터에 대한 설명이 없고, 커뮤니티 무검열 파인튜닝도 아직 없습니다. 현재는 자신의 성인 캐릭터 이미지로 로컬에서 실행하는 방식이 주로 쓰입니다. 브라우저에서 더 빠르게 하고 싶다면 Spicy AI의 이미지-투-비디오 스튜디오가 18세 이상 가상 캐릭터의 어떤 인물 사진이든 움직이게 해 줍니다. 장난스러운 비키니 독백부터 ASMR 스타일의 속삭이는 인사, 버추얼 여자친구의 답장까지 가능합니다.
- 1성인 가상 캐릭터의 인물 사진을 만들거나 업로드하세요. 먼저 이미지 편집기로 수영복이나 란제리 룩을 만들어 보세요.
- 2말하고 움직이는 방식을 설명하세요: 미소, 카메라 쪽으로 기울이기, 윙크, 부드러운 조명.
- 3클립을 생성한 뒤, 편집할 때 직접 녹음한 보이스오버나 TTS 트랙을 추가하세요.
가장 깔끔한 결과를 얻으려면 다음 입력 팁을 기억하세요:
- 얼굴이 밝게 비치고 손이나 머리카락에 가려지지 않은 선명한 정면 인물 사진을 사용하세요.
- 배경 음악 없는 깨끗한 음성을 사용하세요. 공식 1.5 가이드는 로컬 실행 시 오디오 CFG 3–5를 권장합니다.
- 긴 영상이 일관되도록 모든 구간에서 캐릭터 묘사를 동일하게 유지하세요.
GPU 없이 브라우저에서 18+ 캐릭터 인물 사진에 생명을 불어넣으세요.
이미지 투 비디오 시작 →LongCat Avatar 1.6 직접 호스팅 vs Spicy AI 온라인 생성
| 로컬 배포 (공식 웨이트) | Spicy AI 온라인 | |
|---|---|---|
| 콘텐츠 필터링 | 직접 실행 시 온라인 필터 없음 | 성인(18+) 콘텐츠 허용 |
| 오픈 웨이트 | 예, Hugging Face에서 MIT 라이선스 | 해당 없음, 온라인 실행 |
| 실제 사용 모델 | LongCat Avatar 1.6 (avatar-v1.6) | Spicy AI 자체 비디오 모델 |
| 가격 | 웨이트는 무료, GPU 비용은 본인 부담 | 무료로 시작, 추가 사용은 크레딧 |
- 로컬: 자신의 오디오로 구동되는 립싱크, 10분 이상 테이크, 완전한 제어.
- Spicy AI: 브라우저에서 인물 사진을 움직이게, 하드웨어나 설정 불필요.
자주 묻는 질문
이 모델은 무엇인가요?
2026년 11월 15일 Meituan LongCat 팀이 공개한 오픈 웨이트 토킹 아바타 비디오 모델입니다. 인물 사진(또는 텍스트 묘사)과 음성을 토킹 비디오로 바꿔 주며, 1인, 다인원, 장편 이어 만들기 모드를 지원합니다.
1.6은 1.5보다 무엇이 더 나은가요?
립싱크가 더 정확해졌고, 표정과 머리·몸의 움직임이 더 조화로우며, 과장된 입 모양과 지나치게 붉은 입술이 줄었고, 긴 영상에서 오류가 덜 누적됩니다. 팀은 10분을 넘길 수 있다고 밝혔으며, 전체 추론 속도도 빨라졌습니다.
영상은 얼마나 길게 만들 수 있나요?
팀은 안정적인 품질과 정체성을 유지하며 10분 이상 가능하다고 보고합니다. 영상을 구간별로 이어 늘리는 방식이며, 예를 들어 커뮤니티 Mac 빌드는 각각 약 3.7초인 93프레임 구간을 만듭니다.
로컬에서 실행하려면 어떤 하드웨어가 필요한가요?
공식 메모리 수치는 공개되지 않았습니다. 웨이트 전용 INT8 옵션이 있고, Hopper GPU에서는 FlashAttention 3가 권장되며, 커뮤니티 MLX 버전은 64GB M5 Max에서 최대 약 47GB를 사용했습니다. 대부분의 일반 사용자에게는 온라인 도구가 더 쉽습니다.
ComfyUI에서 작동하나요?
GitHub 저장소에 공식 ComfyUI 노드는 없지만, Hugging Face에 Comfy-Org 패키지, 커뮤니티 1.6 ComfyUI 빌드, 1.5 계열 GGUF 파일이 있습니다.
무검열 버전이 있나요?
2026년 11월 20일 기준 커뮤니티 무검열 파인튜닝은 나오지 않았습니다. 웨이트는 로컬에서 실행되며 모델 카드에는 콘텐츠 필터에 대한 설명이 없습니다. 성인 창작물에는 18세 이상의 가상 인물이나 동의한 인물만 사용해야 합니다.
HeyGen이나 OmniHuman과 비교하면 어떤가요?
팀 자체 인간 평가에서 6개 시스템 중 2위를 기록해 OmniHuman-2.0에 뒤지고 HeyGen과 Kling Avatar 2.0을 앞섰습니다. 주요 장점은 오픈 웨이트와 매우 긴 테이크입니다.
출처
- LongCat-Video-Avatar-1.6 모델 카드 (Hugging Face)
- meituan-longcat/LongCat-Video 저장소 (GitHub)
- LongCat-Video-Avatar 1.6 프로젝트 페이지
- LongCat-Video-Avatar 1.6 기술 보고서 (PDF)
- LongCat-Video 기술 보고서 (arXiv 2510.22200)
- LongCat-Video-Avatar-1.5 모델 카드 (Hugging Face)
- ModelScope의 LongCat-Video-Avatar 1.6
- Comfy-Org LongCat-Video-Avatar 패키지 (Hugging Face)
- Mac용 커뮤니티 MLX bf16 변환본 (Hugging Face)
더 많은 무검열 비디오 모델 가이드
- 무검열 Kandinsky S2V 1.0 Pro
- 무검열 Kling
- 무검열 Kling 2.6
- 무검열 Kling O1
- 무검열 Sora
- 무검열 Veo
- 무검열 Hailuo AI
- 무검열 MiniMax H3 Max
- 무검열 Wan
- 무검열 Wan 3.0
- 무검열 Seedance
- 무검열 Seedance 2.5
- 무검열 Seedance 2.0
- 무검열 Seedance 2.0 Mini
- 무검열 HunyuanVideo
- 무검열 LTX Video
- 무검열 Runway
- 무검열 Pika
- 무검열 Luma Dream Machine
- 무검열 Vidu
- 무검열 PixVerse
- 무검열 EdenLive
- 무검열 UniAVC
- 무검열 Grok Imagine
- 무검열 AI Avatars
- 무검열 HappyHorse 1.0
- 무검열 MiniMax H3 FL2VA Ref2VA
- 무검열 Kling 4.0
- 무검열 Kling 3.0
- 무검열 MiniMax H3 RefMods
- 무검열 Kandinsky 6.0
- 무검열 Looking Ahead
- 무검열 TaoMate-H3
- 무검열 SANA-Video 2.0
- 무검열 MiniMax H3 Remix
- 무검열 Sora 2
- 무검열 Wan 2.6
- 무검열 LTX-2.5 Slow Motion
- 무검열 LTX-2.5 Cinemagraph
- 무검열 VDN MiniMax H3
- 무검열 Hy-Nomas
- 무검열 Seedance 1.5 Pro
- 무검열 Pika H3 Flex
- 무검열 Veo 3.1
- 무검열 MiniMax H3 x Z-Image
- 무검열 Origami-H3
- 무검열 Wan 2.6 Flash
Spicy AI는 독립 사이트이며 Meituan 또는 LongCat 팀과 제휴 관계가 없습니다. 모든 콘텐츠에는 성인(18세 이상)만 등장해야 하며, 실존 인물을 본인 동의 없이 움직이게 하지 마세요.