무검열 AI 영상 · NVIDIA NVlabs
무검열 SANA-Video 2.0 720p: 몇 분이 아닌 몇 초 만에 만드는 시네마틱 클립
5초짜리 AI 클립 하나에 20분을 기다리다 보면 어떤 창작 아이디어도 시도해 보기 전에 시들어 버립니다. NVIDIA의 NVlabs 팀은 바로 이 문제를 해결하려고 SANA-Video 2.0을 만들었습니다. SANA-Video 2.0 720p 체크포인트는 약 44억 7천만 개의 파라미터를 가진 오픈 웨이트 모델로, 짧은 프롬프트로 24 fps 8초 영상을 만들거나 정지 이미지를 첫 프레임으로 삼아 생동감을 불어넣습니다. 팀에 따르면 H100 한 장에서 5초 720p 클립을 약 13초 만에 생성합니다. 웨이트가 공개되어 있으므로 중간에 클라우드 필터 없이 자신의 GPU에서 실행할 수 있습니다. 무엇을 잘하는지, 실제로 얼마나 빠른지, 어떻게 실행하는지, 어떤 프롬프트가 가장 잘 통하는지 알아보세요.
- 720p, 약 8초
- 오픈 웨이트
- 텍스트 및 이미지-투-비디오
무검열 대안 영상 생성기
이미지-투-비디오사진을 업로드하고 움직임을 설명하면 Spicy AI가 짧은 클립으로 만들어 줍니다.
SANA-Video에서 2.0 버전으로: 무엇이 좋아졌나
ICLR 2026에서 구두 발표 논문으로 소개된 첫 SANA-Video는 무거운 어텐션 연산 대부분을 가벼운 선형 어텐션으로 바꿔 작은 영상 모델도 빠르게 돌아갈 수 있음을 증명했습니다. 2026년 8월 NVlabs가 MIT, HKU 등 파트너와 함께 공개한 SANA-Video 2.0은 그 속도 아이디어를 유지하면서 품질 격차를 해결합니다. 모델 크기는 약 20억에서 약 45억 파라미터로 두 배 이상 커졌습니다. 4개 레이어 중 3개는 여전히 빠른 선형 어텐션을 쓰고, 네 번째 레이어마다 고전적인 소프트맥스 어텐션을 앵커로 사용해 디테일과 움직임의 일관성을 유지합니다. 또한 LTX 2.3 영상 오토인코더를 채택하고, 텍스트-투-비디오와 첫 프레임 이미지-투-비디오를 함께 학습시켰으며, 즉석 초안을 위한 4단계 증류 프리뷰도 제공합니다. 그 결과, 시리즈를 흥미롭게 만든 속도를 잃지 않으면서 더 길고 선명한 클립을 얻을 수 있습니다.
버전 1 vs 2.0 한눈에 보기
원래 모델을 써 보고 클립이 흐릿하거나 짧다고 느꼈다면, SANA-Video 2.0은 다시 볼 가치가 있습니다. 일상적으로 작업하는 크리에이터에게 중요한 변화는 다음과 같습니다.
| SANA-Video (v1) | SANA-Video 2.0 | |
|---|---|---|
| 모델 크기 | 약 2B 파라미터 | 약 4.47B 파라미터 (5B급) |
| 어텐션 설계 | 블록 인과 선형 어텐션 | 선형 + 소프트맥스 레이어 3:1 혼합 |
| 영상 오토인코더 | 이전 VAE | LTX 2.3 (128채널) |
| 모드 | 텍스트 및 이미지-투-비디오 | 텍스트-투-비디오, 첫 프레임 이미지-투-비디오, 4단계 프리뷰 |
| 720p 클립 길이 | 더 짧은 클립 | 24 fps 193프레임, 약 8초 |
빠른 영상 모델로 크리에이터가 만드는 것
속도는 작업 방식을 바꿉니다. 클립이 30분이 아니라 몇 초 만에 렌더링되면, 프롬프트 하나하나를 아끼는 대신 탐색을 시작하게 됩니다. 한 장면에 카메라 앵글 10가지, 한 제품에 조명 분위기 5가지, 한 스토리 비트에 엔딩 3가지. 그래서 SANA-Video 2.0 720p를 가장 먼저 이야기하는 사람들은 에피소드마다 수십 개의 샷을 스토리보드로 만드는 숏드라마 팀, 매주 새 B롤이 필요한 이커머스 셀러, 포스터에 숨을 불어넣고 싶은 일러스트레이터, 자체 영상 도구를 위한 저렴하고 빠른 기반을 찾는 개발자입니다. 성인(18+) 크리에이터도 글래머 워킹, 패션 룩, 로맨틱한 무드 장면에서 같은 반복 작업을 선호합니다. 이런 작업에서는 완벽한 한 번의 렌더링보다 많은 변형을 빠르게 시도하는 것이 더 중요하기 때문입니다.
숏드라마 스토리보드
세로형 드라마 샷 전체 시퀀스를 몇 분 만에 미리 봅니다. 4단계 버전으로 초안을 만든 뒤 마음에 드는 컷만 풀 퀄리티로 렌더링하세요.
제품 및 광고 샷
시계, 향수, 스니커즈의 턴테이블 회전, 느린 푸시인, 분위기 있는 조명을 스토어와 소셜 광고용 B롤로 바로 사용할 수 있습니다.
카툰 미니 스토리
춤추고, 손을 흔들고, 달리는 밝은 애니메이션 캐릭터. NVIDIA의 자체 데모도 카툰 수탉이며, 장난스러운 스타일이 이 모델과 잘 맞습니다.

Wan 2.2, LTX-2.3과 비교하면 얼마나 빠를까?
가장 큰 특징은 속도입니다. NVIDIA 프로젝트 페이지는 H100 한 장에서 5초 720p 클립을 40단계로 렌더링하는 시간을 비교합니다. Sol-Engine 추론 스택을 사용하면 SANA-Video 2.0 720p는 약 13초 만에 완료되며, 팀은 이를 Wan 2.2 A14B보다 약 120배 빠르다고 설명합니다. 이 스택 없이, 논문은 480p 클립 40단계에 13.2초, VBench 점수 84.30을 보고합니다. 이는 연구실 자체 차트이며 독립 벤치마크가 아니고, 소비자용 GPU에서의 측정치는 아직 공개되지 않았습니다. 그래도 지금 가장 빠른 오픈소스 영상 모델을 찾고 있다면, 모두가 비교 기준으로 삼는 모델이 바로 이것입니다.
| 모델 (720p, 5초, 40단계, H100 한 장) | 보고된 렌더링 시간 |
|---|---|
| Wan 2.2 14B | 1556 s |
| HunyuanVideo | 788 s |
| LTX-2.3 | 130 s |
| SANA-Video 2.0 14B (미출시) | 69.3 s |
| SANA-Video 2.0 5B + Sol-Engine | 13.06 s |
수치는 NVIDIA의 자체 프로젝트 페이지와 논문에서 가져왔습니다. 커뮤니티와 LoRA 생태계는 여전히 Wan 2.2가 더 크고, 오디오 도구는 LTX-2.3이 더 풍부합니다. SANA의 강점은 순수한 속도입니다.
720p, 8초 출력은 어떤 모습일까
SANA-Video 2.0 720p 버킷은 1280×736 해상도, 초당 24프레임으로 193프레임을 렌더링하며, 이는 약 8초 분량의 영상입니다. 완전한 카메라 무브 하나나, 캐릭터가 돌아서서 미소 짓고 프레임 밖으로 걸어 나가는 것 같은 작은 스토리 비트를 담기에 충분한 길이입니다. 크기를 바꿀 때는 너비와 높이를 32로 나누어떨어지게 하고, 프레임 수는 그 수에서 1을 뺀 값이 8로 나누어떨어지도록(예: 121 또는 193) 고르세요. 하나의 뚜렷한 피사체가 있는 깔끔한 시네마틱 샷이 가장 보기 좋습니다. 제품 턴테이블, 풍경, 부드러운 움직임의 인물, 스타일화된 애니메이션 등입니다. 사람이 많고 액션이 빠른 장면은 여전히 약점입니다.
50단계 풀 모델 vs 4단계 프리뷰
SANA-Video 2.0에는 720p 크기의 체크포인트가 두 개 있으며, 함께 쓰도록 설계되었습니다. 풀 모델은 최고의 디테일을 제공하고 첫 프레임 이미지-투-비디오를 지원합니다. 2026년 9월에 공개된 4단계 버전은 증류된 텍스트-투-비디오 모델로 거의 즉시 클립 초안을 만들어 주므로, 먼저 아이디어를 테스트하고 좋은 것만 나중에 렌더링할 수 있습니다.
| 풀 모델 | 4단계 프리뷰 | |
|---|---|---|
| 모드 | 텍스트-투-비디오 + 첫 프레임 이미지-투-비디오 | 텍스트-투-비디오만 |
| 단계 및 가이던스 | 약 50단계, CFG 8, flow shift 12, motion score 20 | 4단계, CFG 1 |
| 클립 옵션 | 720p, 193프레임, 24 fps | 16 fps 5초 또는 24 fps 8초 |
| 추천 용도 | 최종 렌더링과 정지 이미지 애니메이션 | 빠른 초안과 스토리보드 |
이미지-투-비디오: 정지 사진을 움직이게
풀 SANA-Video 2.0 720p 모델에서는 사진을 첫 프레임으로 넣고 다음에 일어날 일을 설명할 수 있습니다. 일러스트, 포스터, 제품 사진, 캐릭터 아트 모두 가능합니다. 머리카락이 바람에 날리고, 카메라가 다가가고, 미소가 떠오릅니다. 공식 프롬프트 파일에서는 각 줄에 텍스트, <image> 태그, 이미지 경로를 순서대로 적습니다. 팀에 따르면 8초 동안 영상이 원본 디테일에서 벗어날 수 있으니 움직임은 적당히 유지하세요. 4단계 프리뷰는 이미지를 받지 않으므로 이 모드에는 풀 모델을 사용하세요.

Hugging Face에서 다운로드해 로컬에서 실행하기
SANA-Video 2.0을 실행하려면 네 단계가 필요하며, 무엇이든 다운로드하기 전에 Hugging Face의 무료 온라인 데모에서 프롬프트를 테스트할 수 있습니다. 자주 묻는 두 가지 질문에는 아직 공식 답변이 없습니다. NVIDIA는 VRAM 요구 사항을 공개하지 않았고 H100 테스트 결과만 있으며, 2.0 버전의 ComfyUI나 Diffusers 네이티브 지원도 확인되지 않았습니다. 따라서 현재로서는 공식 스크립트가 믿을 만한 방법입니다.
- GitHub에서 NVlabs/Sana 저장소를 클론하고 의존성을 설치합니다.
- Hugging Face에서 Efficient-Large-Model/SANA-Video_2.0_5B_720p 체크포인트, 또는 초안용 _4step 버전을 다운로드합니다.
- 모델 카드에 안내된 LTX 2.3 영상 오토인코더를 다운로드합니다.
- 프롬프트 파일, 크기, 프레임 수를 지정해 inference_video_scripts/inference_sana_video.sh를 실행합니다.
잘 통하는 프롬프트 템플릿
팀의 조언은 간단합니다. 길고 모호한 것보다 짧고 구체적인 것이 낫고, 디테일을 많이 쌓으면 프롬프트 충실도가 떨어집니다. SANA-Video 2.0 720p에서 믿을 만한 공식은 피사체 하나, 동작 하나, 카메라 무브 하나, 광원 하나입니다. 아래 템플릿을 복사해 피사체만 바꿔 보세요.
- 제품: "A sleek silver wristwatch rotating slowly on a black marble pedestal, soft rim light, shallow depth of field, 24fps cinematic."
- 숏드라마: "Close-up of an adult woman on a rainy city street at night, neon reflections, she turns her head and smiles, handheld camera."
- 카툰: "A cheerful cartoon fox dancing in a cozy vintage room with floral wallpaper, bright colors, smooth motion."
- 풍경: "Aerial drone shot gliding over misty mountains at sunrise, slow forward motion, golden light."
- 이미지-투-비디오: 첫 프레임 + "The character gently blinks and her hair moves in the wind, camera slowly pushes in."
- 글래머 (18+): "An adult model in a satin evening gown walks down a candlelit hallway, slow tracking shot, warm light."
- 클립마다 피사체 하나, 동작 하나만 쓰세요. 8초는 금방 지나갑니다.
- 모든 프롬프트에 카메라 무브(푸시인, 오빗, 트래킹, 드론)를 명시하세요.
- 네온, 골든아워, 림 라이트 같은 광원을 하나 추가하세요.
- 4단계 모델로 초안을 만든 뒤, 가장 좋은 프롬프트를 풀 모델로 다시 렌더링하세요.
- 등장하는 모든 인물이 성인(18+)임을 명시하세요.
알려진 한계와 초기 커뮤니티 반응
NVIDIA는 SANA-Video 2.0의 약점을 솔직하게 밝힙니다. 붐비거나 매우 역동적인 장면, 인체 구조, 화면 속 텍스트, 물리 표현이 흔들릴 수 있고, 길고 복잡한 프롬프트는 덜 정확하게 따르며, 이미지-투-비디오는 원본 사진에서 벗어날 수 있습니다. VBench 점수는 자체 발표입니다. 초기 관심은 실제로 높아서 첫 달에 Hugging Face에서 체크포인트가 수천 회 다운로드되었지만, 대규모 독립 리뷰는 아직 나오지 않았습니다. 480p로 렌더링하는 14B 모델은 출시 예정으로 표시되어 있으나 날짜는 발표되지 않았습니다.
무검열 SANA-Video 2.0이 있을까?
호스팅형 영상 앱은 모든 프롬프트와 프레임을 검사하며, 합의한 성인 사이라도 수영복, 란제리, 로맨스를 거부하는 경우가 많습니다. 오픈 웨이트는 다릅니다. SANA-Video 2.0 720p를 자신의 컴퓨터에서 실행하면 중간에 모더레이션 서비스가 없으므로, 그런 의미에서 로컬 모델은 이미 무검열입니다. 솔직히 말하면 성인 콘텐츠용으로 학습되거나 튜닝되지 않았고, 2026년 11월 기준 NSFW 파인튜닝이나 LoRA도 발견되지 않아 노골적인 디테일은 강점이 아닙니다. 고급스러운 성인 장면을 위한 빠른 초안 엔진으로 활용하고, 모든 인물은 성인(18+)으로 하며, 동의 없이 실존 인물을 사용하지 마세요.
H100이 없나요? 브라우저에서 성인 영상을 만드세요
대부분의 사람은 데이터센터급 GPU도, Python 스크립트를 설정할 인내심도 없습니다. Spicy AI는 비슷한 무검열 영상 생성을 온라인으로 제공합니다. 사진을 업로드하고 움직임을 설명하면 성인(18+)용 짧은 클립이 완성되며, 설치할 것은 없습니다. 본인 소유이거나 사용 허락을 받은 사진만 사용하세요.
사진 한 장을 무검열 숏 영상으로, GPU나 설정 없이.
이미지-투-비디오 열기 →SANA-Video 2.0 셀프 호스팅 vs Spicy AI 온라인 생성
| 로컬 배포 (공식 웨이트) | Spicy AI 온라인 | |
|---|---|---|
| 콘텐츠 필터 | 직접 구성한 환경에서는 없음 | 성인용 콘텐츠 필터 없음 |
| 오픈 웨이트 | 예 | 필요 없음, 브라우저에서 실행 |
| 모델 | SANA-Video 2.0 5B 720p 또는 4단계 | 온라인으로 호스팅되는 유사한 무검열 영상 모델 |
| 시작 비용 | 무료 다운로드, 본인 GPU 사용 | 무료 플랜 제공 |
자주 묻는 질문
SANA-Video 2.0이란?
NVIDIA의 NVlabs 팀이 MIT, HKU 등 파트너와 함께 만든 오픈 웨이트 영상 모델입니다. 2026년 8월에 공개된 5B 720p 체크포인트는 텍스트나 첫 프레임 이미지로 24 fps 약 8초 클립을 만듭니다.
영상 길이와 선명도는?
720p 모델은 1280×736, 193프레임, 24 fps로 약 8초를 렌더링합니다. 4단계 프리뷰는 16 fps 5초 또는 24 fps 8초를 제공합니다.
VRAM은 얼마나 필요한가요?
NVIDIA는 아직 요구 사항을 공개하지 않았습니다. 공식 속도 수치는 모두 H100 한 장에서 측정되었습니다.
ComfyUI에서 작동하나요?
2.0 버전의 ComfyUI나 Diffusers 네이티브 지원은 확인되지 않았습니다. 현재로서는 NVlabs/Sana 저장소의 스크립트나 Hugging Face 데모를 사용하세요.
14B 버전이 나왔나요?
아직입니다. 480p 14B 모델은 프로젝트 페이지에 출시 예정으로 표시되어 있으며, 출시일은 없습니다.
정말 무검열인가요?
로컬에서 실행하면 프롬프트를 필터링하는 모더레이션 서비스가 없습니다. 다만 성인 콘텐츠용으로 학습되지 않았고 NSFW 파인튜닝도 발견되지 않아 노골적인 디테일은 제한적이며, 모든 콘텐츠는 성인만 등장해야 합니다.
Spicy AI는 NVIDIA와 제휴되어 있나요?
아니요. Spicy AI는 독립 플랫폼이며 NVIDIA와 제휴하거나 NVIDIA의 보증을 받지 않았습니다. NVIDIA와 SANA는 각 소유자의 상표입니다.