Wan 3.0 리뷰: 30초 AI 영상 워크플로우를 직접 확인해 보았습니다

지금 Wan 3.0 사용해 보기

3. 주목할 만한 점

30초 전체 생성

30초 제한은 제가 가장 먼저 주목한 기능입니다.

5초나 10초는 하나의 동작이나 시각 효과를 보여주기에 충분합니다. 30초는 모델이 캐릭터 등장, 문제 발생, 반응, 그리고 결말까지 담아낼 여유를 줍니다.

이는 여러 개의 짧은 클립을 이어 붙여야 하는 번거로움을 줄여줄 수 있습니다. 또한 개별적으로 생성된 샷 사이에서 흔히 발생하는 얼굴 변화, 의상 초기화, 소품 위치 오류, 사운드 끊김, 감정의 반복 등을 피하는 데 도움이 될 수 있습니다.

길이가 길다고 해서 자동으로 일관성이 높아지는 것은 아닙니다. 하지만 저는 여러 개의 관련 없는 클립을 다시 만드는 것보다, 연결된 30초짜리 시도를 먼저 생성하고 부족한 부분을 수정하는 방식을 선호합니다.

최대 20개의 참조 에셋

Wan 3.0은 한 작업에 최대 20개의 참조 에셋을 사용할 수 있다고 합니다.

이는 진지한 영상 프롬프트에는 텍스트만으로 담을 수 없는 정보가 필요한 경우가 많기 때문에 유용합니다. 크리에이터는 모든 것을 긴 문단으로 설명하는 대신 캐릭터 이미지, 제품 사진, 위치 참조, 동작 영상, 음악, 브랜드 문서를 제공할 수 있습니다.

참조 유형	활용 방법
텍스트	스토리, 동작, 카메라 움직임, 분위기, 스타일
이미지	캐릭터, 의상, 제품, 장면, 시각적 정체성
영상	움직임, 연기, 카메라 기법, 리듬, 편집 구조
오디오	대사, 음악, 효과음, 타이밍
PPT, PDF, DOC, XLS 또는 MD	제품 정보, 강의, 보고서, 스토리 정보

발표된 파일 제한은 파일당 100MB 및 50페이지입니다. 서비스가 아직 베타 단계이므로 제작을 위해 업로드하기 전에 이러한 제한 사항과 지원 형식을 다시 확인해야 합니다.

향상된 캐릭터 및 장면 제어

Wan 3.0은 시퀀스 전반에 걸쳐 얼굴, 헤어스타일, 체형, 의상, 액세서리, 제품 패키지, 소품, 조명을 더 안정적으로 유지하도록 설계되었습니다.

이는 카메라 거리가 바뀔 때 가장 중요합니다. 캐릭터가 클로즈업에서는 정확해 보이다가도 와이드 샷에서는 다른 사람처럼 보일 수 있습니다. 누군가 기둥 뒤로 걸어갔다가 다시 나올 때도 같은 문제가 발생합니다.

단편 드라마나 다중 캐릭터 영상의 경우, 완벽한 프레임 하나보다 일관성이 훨씬 더 가치 있습니다. 장면 중간에 주연 배우가 바뀌어 버린다면 아무리 아름다운 오프닝 샷도 소용이 없기 때문입니다.

더 유용한 카메라 및 스토리 제어

이 모델은 푸시인(push-in), 풀아웃(pull-out), 팬(pan), 트래킹 샷, 오버 더 숄더(over-the-shoulder) 뷰, 클로즈업, 와이드 샷, 전경 전환, 몽타주 시퀀스, 음악 기반 컷 등을 이해하도록 설계되었습니다.

제가 흥미롭게 생각하는 것은 모델이 인식하는 카메라 용어의 개수가 아닙니다. 저는 카메라가 정보를 올바른 순서로 보여주는 데 도움이 되는지, 그리고 카메라가 움직인 후에도 위치 정보가 여전히 말이 되는지가 궁금합니다.

그래서 제가 테스트할 프롬프트 중 하나는 컷 없이 연속적으로 이어지는 공중 추격전입니다. 카메라가 장면을 떠나지 않을 때 부서진 도로나 교체된 자동차를 숨기기는 훨씬 어렵기 때문입니다.

영상과 함께 생성되는 기본 사운드

Wan 3.0은 대사, 입 모양, 환경음, 동작 효과음, 음악, 그리고 이미지를 함께 생성할 수 있습니다.

이는 단편 드라마, 광고, 소셜 미디어 클립 제작 시간을 절약해 줄 수 있습니다. 크리에이터는 무음 영상을 내보내고, 별도의 효과음을 찾고, 목소리를 녹음하고, 나중에 립싱크를 수정할 필요가 없을지도 모릅니다.

물론 오디오를 사용하기 전에는 꼼꼼히 들어봐야 합니다. 공개 베타 보고서에 따르면 음성 품질, 공간 음향, 동작과 효과음 간의 일치도 측면에서 개선의 여지가 있다고 합니다.

타겟팅된 영상 편집

편집 기능은 처음부터 생성하는 것보다 더 유용할 수 있습니다.

Wan 3.0은 요청된 부분만 변경하면서 원래의 구성, 움직임, 타이밍, 컷, 대사, 자막, 피사계 심도, 색상을 유지하도록 설계되었습니다.

예를 들어, 크리에이터는 제품을 교체하거나, 의상을 변경하거나, 배경을 업데이트하거나, 대사 한 줄을 다시 쓰거나, 몇 초간의 부족한 부분을 수정할 수 있습니다. 이는 세부 사항 하나가 실패했다고 해서 거의 성공적인 30초 클립을 버리는 것보다 훨씬 나은 워크플로우입니다.

문서의 영상 입력 활용

Wan 3.0은 PPT, Word, PDF, Excel 및 Markdown 파일을 읽을 수 있다고 합니다.

이는 완전히 다른 종류의 워크플로우를 가능하게 합니다. 제품 팀은 프레젠테이션과 제품 이미지를 결합할 수 있습니다. 교사는 수업 문서를 활용할 수 있습니다. 마케팅 팀은 브랜드 정보와 시각적 참조 자료를 함께 제공할 수 있습니다.

이 모델은 단순히 문장을 클립으로 바꾸려는 것이 아닙니다. 기존 정보를 영상 초안으로 바꾸려는 시도를 하고 있습니다.

4. Wan 3.0 가격

발표된 API 가격은 성공적으로 생성된 영상의 길이를 기준으로 합니다.

해상도	초당 가격	15초 비용	30초 비용
480P	¥0.30	¥4.50	¥9.00
720P	¥0.60	¥9.00	¥18.00
1080P	¥1.20	¥18.00	¥36.00

30초 생성 한 번은 테스트용으로 합리적인 가격입니다. 하지만 반복적인 시도가 이어지면 예산이 늘어날 수 있습니다.

사용 가능한 1080P 클립 하나를 얻기 위해 8번을 생성해야 한다면, 실제 비용은 표에 표시된 ¥36보다 훨씬 높아질 것입니다. 저는 먼저 낮은 해상도로 프롬프트를 테스트한 다음, 가장 좋은 설정을 1080P로 옮기는 방식을 사용할 것입니다.

가격과 액세스 권한은 베타 기간 동안 변경될 수 있습니다. 실제 프로젝트를 계획하기 전에 알리바바 클라우드 모델 스튜디오 영상 생성 문서와 Bailian 콘솔을 확인하십시오.

5. Wan 3.0의 장단점

장점

• 단일 클립으로 최대 30초까지 제작 가능.
• 텍스트, 이미지, 영상, 오디오, 문서를 참조로 함께 활용 가능.
• 최대 20개의 에셋으로 캐릭터, 제품, 스타일을 더 정밀하게 제어.
• 기본 사운드 지원으로 별도의 더빙 및 오디오 작업 감소.
• 타겟팅된 편집 기능으로 특정 부분만 수정하여 좋은 클립을 살릴 수 있음.
• 문서 입력 기능으로 엔터테인먼트 외의 분야에서도 유용.

단점

• 클립이 길어질수록 얼굴, 소품, 배경이 어긋날 가능성 증가.
• 빠른 격투 장면이나 겹치는 신체 부위는 여전히 손이나 팔다리 오류 발생 가능.
• 작은 텍스트, 패키지 문구, 자막은 정확하게 유지되지 않을 수 있음.
• 사운드가 동기화되더라도 완전히 자연스럽거나 공간감이 느껴지지 않을 수 있음.
• 동일한 프롬프트라도 여러 번의 시도가 필요할 수 있음.
• 공개 베타 가격, 액세스 권한, API 세부 정보는 변경될 수 있음.

6. Wan 3.0의 최적 활용 사례

활용 사례	Wan 3.0 활용 방법
AI 단편 드라마	대사, 캐릭터 참조, 연결된 카메라 워크를 포함한 20~30초 장면 제작
애니메이션 스토리	2D, 3D, 판타지, 게임 스타일 캐릭터를 여러 샷에 걸쳐 유지
제품 광고	제품 사진, 모델 참조, 음악, 기획된 제품 공개 장면 결합
이커머스 영상	제품 이미지와 설명을 짧은 시연 영상이나 판매 포인트 클립으로 변환
교육 콘텐츠	PPT, PDF, Word 파일, 보고서를 시각적 설명 영상으로 변환
제품 시연	구조, 설정, 사용법, 물리적 상호작용을 하나의 시퀀스로 보여줌
부분 영상 수정	전체를 다시 만들지 않고 인물, 소품, 대사, 특정 시간 범위만 교체
영화 프리비즈	제작 전 장면, 카메라 계획, 분위기, 액션 탐색
뮤직비디오	음악을 사용하여 움직임, 컷, 시각적 분위기 유도

저는 유용한 소스 자료를 이미 가지고 있는 사용자에게 가장 적합하다고 생각합니다. Wan 3.0은 단순히 무작위적인 영화 같은 클립을 원하는 경우보다, 캐릭터 이미지, 제품 참조, 문서, 기존 영상 등을 준비한 크리에이터에게 훨씬 더 의미가 있습니다.

7. Agent Team이란 무엇인가?

Agent Team은 Wan 3.0을 중심으로 구축된 워크플로우입니다. 모델 그 자체가 아닙니다.

서로 다른 에이전트가 작가, 감독, 아트 디렉터, 스토리보드 아티스트, 영상 생성자 역할을 할 수 있습니다. 사용자가 아이디어, 문서, 웹 페이지를 제공하면 시스템이 이를 스토리 비트, 샷, 캐릭터, 장면, 에셋으로 나눕니다.

이는 단일 프롬프트보다 완전한 영상 프로젝트에 더 적합해 보입니다. 이 기능은 현재 초대 전용으로 설명되어 있으므로 아직 일반적으로 사용할 수 있는 상태는 아닙니다.

8. Wan 3.0의 부족한 점

30초는 실수가 나타날 시간을 더 많이 줌

더 긴 생성 시간은 가치가 있지만, 모델이 세부 사항을 놓칠 가능성도 높입니다.

얼굴이 뭉개지거나, 소품 개수가 변하거나, 물체 뒤에서 돌아온 차량의 위치가 어긋나거나, 배경이 서서히 재구성될 수 있습니다. 저는 모든 긴 클립의 후반부를 오프닝보다 더 주의 깊게 검토할 것입니다.

복잡한 접촉은 여전히 어려운 문제

손, 격투, 제품 사용, 여러 사람이 서로 접촉하는 장면은 모든 영상 모델에게 어려운 과제입니다.

Wan 3.0은 전체적인 동작은 올바르게 만들 수 있지만 정확한 접촉 지점을 놓칠 수 있습니다. 이는 빠른 컨셉 영상에는 허용될 수 있지만, 정밀한 물리적 단계를 보여줘야 하는 제품 시연에는 적합하지 않습니다.

텍스트는 사람이 직접 확인해야 함

작은 라벨, 자막, 표지판, 제품 패키지는 여전히 잘못 표시될 수 있습니다.

상업용 영상의 경우, 생성된 문구를 프레임 단위로 확인하지 않는 한, 모델을 사용하여 장면을 만들고 중요한 텍스트는 나중에 추가하는 방식을 사용할 것입니다.

기본 오디오가 곧 최종 오디오는 아님

오디오 생성은 유용한 지름길이지, 완성된 사운드를 보장하는 것은 아닙니다.

대사가 얼굴과 약간 따로 놀거나, 환경음에 깊이가 부족하거나, 타격 효과음이 정확한 프레임에 맞지 않을 수 있습니다. 중요한 캠페인의 경우 여전히 목소리, 음악, 사운드 정리가 필요할 수 있습니다.

9. 제가 다음에 테스트할 내용

저는 이번 Wan 3.0 리뷰를 위해 세 가지 스트레스 테스트 프롬프트를 준비했습니다. 아직 출력 파일을 확인하지 않았으므로, 이를 실제 결과물이 아닌 테스트 계획으로 간주하고 있습니다.

테스트 1: 머슬카가 타이탄으로 변신

먼지투성이 머슬카가 버려진 다리를 가로질러 질주하고, 눈에 보이는 유압 및 기계적 단계를 거쳐 변신하며, 도로에 고정하고, 가슴에 장착된 에너지 캐논을 발사합니다.

이 테스트는 부품 간 변형, 무게감, 반동, 불꽃, 연기, 파괴, 인과 관계를 확인합니다. 핵심 질문은 최종 로봇이 단순히 교체된 것처럼 보이는 것이 아니라 원래 자동차로 만들어진 것처럼 느껴지는지 여부입니다.

테스트 2: 버려진 지하철에서의 근접 격투

분홍색 머리의 여성이 기둥, 벤치, 정차된 열차 사이를 따라다니는 핸드헬드 카메라 앞에서 거대한 보안 요원과 격투를 벌입니다.

이 테스트는 빠른 겹침 상황에서 정체성, 의상, 팔다리, 접촉, 체중, 환경 안정성을 확인합니다. 가장 어려운 순간은 캐릭터들이 서로를 가리거나 기둥 뒤로 지나갈 때입니다.

테스트 3: 12초짜리 원테이크 랠리 추격전

빨간색 랠리 카가 컷 없이 공중 카메라를 따라 세 개의 눈 덮인 헤어핀 커브를 통과합니다. 자동차는 돌다리 아래로 사라졌다가 올바른 도로로 다시 나타나고, 바위를 피하며 안전한 직선 구간에 도달합니다.

이것이 제가 가장 신뢰하는 테스트입니다. 도로 지형, 카메라 연속성, 차량 물리 법칙, 완전한 가림(occlusion), 객체 영속성, 사운드 진행, 그리고 자동차가 숨겨진 후에도 동일한 차량이 돌아오는지 확인합니다.

세 가지 테스트 모두에서 프롬프트 준수 여부, 피사체 일관성, 움직임, 물리적 인과 관계, 카메라 제어, 오디오, 그리고 사용 가능한 결과물을 얻기 위해 필요한 시도 횟수를 비교할 것입니다.

10. 최종 평결: Wan 3.0, 시도해 볼 가치가 있는가?

단순한 시각 효과 이상의 것이 필요하다면 Wan 3.0은 시도해 볼 가치가 있습니다.

이 모델의 가장 좋은 점은 단순히 30초 생성 기능이 아닙니다. 더 긴 영상, 많은 참조 에셋, 기본 사운드, 문서 이해, 타겟팅된 편집 기능의 조합입니다.

저는 단편 드라마 초안, 제품 컨셉, 이커머스 영상, 교육 콘텐츠, 프리비즈 작업에 이 모델을 사용할 것입니다. 정확한 제품 동작, 작은 텍스트, 복잡한 격투 장면, 그리고 첫 번째 생성에서 반드시 정확해야 하는 프로젝트에는 더 신중할 것입니다.

저의 최종 평가: Wan 3.0은 단순히 매력적인 샷 하나가 아니라, 완전한 장면의 첫 번째 초안을 만들 수 있는 능력을 갖추고 있습니다. 비록 크리에이터가 여전히 결과물을 검토하고, 재생성하고, 편집해야 하더라도 이는 의미 있는 한 걸음입니다.

11. Wan 3.0 리뷰 FAQ

Wan 3.0이란 무엇인가요?

Wan 3.0은 알리바바의 멀티모달 AI 영상 생성 및 편집 모델입니다. 텍스트, 이미지, 영상, 오디오 및 여러 문서 형식을 입력으로 받습니다.

Wan 3.0은 얼마나 길게 생성할 수 있나요?

발표된 최대 길이는 한 번 생성 시 30초입니다.

Wan 3.0 API 비용은 얼마인가요?

발표된 가격은 480P 초당 ¥0.30, 720P 초당 ¥0.60, 1080P 초당 ¥1.20부터 시작합니다. 베타 가격은 변경될 수 있습니다.

Wan 3.0으로 오디오를 생성할 수 있나요?

Wan 3.0은 영상과 함께 대사, 입 모양, 환경음, 동작 효과음, 음악을 생성하도록 설계되었습니다.

Wan 3.0은 문서를 읽을 수 있나요?

발표된 입력 형식에는 DOC, XLS, PPT, PDF 및 Markdown 파일이 포함됩니다. 명시된 제한은 파일당 100MB 및 50페이지입니다.

Wan 3.0은 오픈 소스인가요?

이 기사를 위해 검토한 정보에는 Wan 3.0 모델 가중치가 공개되었다는 공식적인 확인이 없습니다. 알리바바가 공개적으로 배포한 Wan 저장소는 공식 Wan GitHub 조직에서 확인하십시오. 호스팅된 공개 베타나 API를 오픈 웨이트(open-weight) 릴리스와 혼동해서는 안 됩니다.

Wan 3.0 Agent Team이란 무엇인가요?

Agent Team은 Wan 3.0을 중심으로 한 멀티 에이전트 영상 워크플로우입니다. 작가, 감독, 아트 디렉터, 스토리보드 아티스트, 영상 생성자 등의 역할로 업무를 분담할 수 있습니다.