MiniMax H3로 영상 하나 만들 때마다 몇 분씩, 때로는 수십 분씩 기다리다 보면, 프롬프트를 조금 고쳐 다시 뽑을 때마다 부담스러워. 그래서 기본 20~50 스텝인 생성단계를 4~8스텝으로 줄인 Turbo LoRA가 인기를 끌고 있지.
그런데 종류가 너무 많아서 뭐가뭔지 헷갈려.
✦ 네 가지 고속화 로라, 한눈에 비교
각 모델의 확인된 장단점
| 모델 | 확인된 장점 | 눈에 띈 약점 | 공개 실행 스텝 |
|---|---|---|---|
| Pika H3 Flex | 피부·손 표현이 자연스러워 | 긴 영상 멈춤 프레임, 다인물 대사 오류 | 6스텝 |
| LightX2V Turbo | 4스텝 속도, 8스텝 안정성 | 4스텝 잔상·흔들림, 음악 겹침 | 4·8스텝 |
| Alibaba ACC | 동작 진행이 매끄러워 | 51~60% 더 오래 걸려, VRAM 약 23.27GB, 전용 노드 | 8스텝 |
| DMAD | 4스텝에서도 색감·음성 품질에서 좋은 평가 | 동작·배경이 프롬프트와 어긋난 사례 | 4스텝, 별도 8스텝 파일 |
그래서 현재 주목받는 Pika H3 Flex, LightX2V Turbo, Alibaba ACC, DMAD 로라를 비교해보려고 해. 모두 MiniMax H3를 빠르게 실행하는 로라인데, 결과가 잘 나오는 장면과 속도를 줄이는 방식은 달라.
LightX2V 4스텝이 속도는 빨라
✦ LightX2V 속도 비교
RTX 4070 12GB, 576×832, 124프레임, 5.17초 영상
LightX2V의 장점은 4스텝과 8스텝을 상황에 따라 바꿔 쓸 수 있다는 거야.
일본의 한 제작자가 RTX 4070 12GB에서 5.17초 영상을 만들며 측정한 평균 시간은 기본 H3 20스텝이 273초, LightX2V 8스텝이 131초, 4스텝이 79초였어.
여기서 4스텝 수치는 8스텝용 v1.0 LoRA를 생성 단계만 4스텝으로 낮춰 실행한 결과이긴 하지만, 어쨌든 같은 조건에서 4스텝은 8스텝보다 약 39% 빠르게 영상을 생성했고, 기본 설정과 비교하면 생성 시간이 약 3분의 1로 줄었어.
하지만 4스텝 결과물을 최종 영상으로 쓰기에는 품질이 아쉬워. 사람이 일어나서 걷는 영상에서는 움직인 자리 뒤로 잔상이 남기도 하고, 무기를 휘두르는 장면에서는 손과 무기가 흔들려 보이기도 하거든.
결국 4스텝은 구도와 프롬프트를 빠르게 시험할 때 사용하는 용도고, 8스텝이 최종 결과물을 낼 때 적합해. 새로운 4스텝 버전이 계속 나오고 있지만, 결과물이 더 좋아졌다는 의견도 있고 오히려 이전 버전이 낫다는 의견도 있어.
노래하며 기타를 연주하는 테스트도 있었는데, LightX2V 4스텝과 8스텝 모두 음악이 겹치거나 흐트러지는 문제가 나타났어.
물론 Turbo Lora를 사용해본 사람들의 공통적인 의견이 '오디오 성능이 떨어진다'는 거라서, LightX2V 로라만의 특징은 아니야. 하지만 오디오 품질이 좀 아쉬울 때가 많아.
속도와 품질을 모두 잡으려 하는 DMAD
LightX2V로라를 써보고 '내가 만드는 영상에는 맞지 않다'라고 느낀 사용자라면, DMAD를 고려해볼만 해. DMAD는 MiniMax H3의 4스텝 생성에서도 DMD2보다 높은 선호도를 기록한 고속화 기술이야.
최근에 출시된 Pika H3 Flex에 사용된 기술이 'PDMD'여서 이름이 비슷한데, 둘 다 목표는 같지만 빠르게 생성하도록 모델을 훈련시키는 방법이 달라.
기존 DMD는 원본 모델이 만들어낼 법한 영상의 경향을 기준으로 빠른 모델의 결과가 어느 쪽으로 치우쳤는지 계산하고, 그 차이를 줄이는 방향으로 학습시키는 방식이야.
이때 빠른 모델의 결과를 평가하는 별도 보조 모델도 계속 학습해야 하는데, 이 과정에서 계산 비용이 늘어나고 평가 모델의 판단이 틀리면 학습 방향도 흔들릴 수 있어.
DMAD는 이 과정을 바꿨어. DMD가 MiniMax H3 원본이 만든 영상만 따라가도록 했다면, DMAD는 실제 영상 데이터셋을 학습에 사용했어.
원본 H3가 생성한 영상과 실제 촬영 영상을 각각 비교 대상으로 삼아, 빠른 모델이 두 가지 특성을 모두 배우도록 만든 거지. 덕분에 원본 모델의 표현을 유지하면서 실제 촬영물에 가까운 결과까지 만들어낼 여지를 얻었어.
Pika가 사용하는 PDMD도 비교해보자. AI는 영상을 만든 뒤 그 결과가 얼마나 잘 나왔는지 평가받고, 그 평가를 바탕으로 다음에는 어떻게 만들어야 할지 배워.
그런데 평가가 잘못되면 고칠 필요가 없는 부분까지 바꾸는 방향으로 학습할 수 있지. PDMD는 이런 잘못된 평가가 학습에 미치는 영향을 줄여, 엉뚱한 방향으로 학습이 치우치는 문제를 줄이는 기술이야.
그렇다면 실제 생성된 영상에서는 어떤 차이가 나타났을까?
한 제작자가 RTX 5080 16GB에서 같은 프롬프트와 시드로 DMAD와 PDMD를 각각 4스텝으로 실행한 결과가 있어.
832×480 해상도의 5초 영상에서 DMAD는 약 30.8초, PDMD는 약 29.6초가 걸렸고, 720p에서는 각각 약 99.8초와 98.4초가 걸렸어. 생성 속도는 거의 차이가 없다고 봐도 돼.
눈에 띈 차이는 색감이었어. 밤거리 포장마차를 구현하는 장면에서 DMAD는 기본 H3의 영화 같은 분위기에 가까운 어두운 색조를 유지하면서 물웅덩이의 반사와 피어오르는 김, 등불의 빛을 자연스럽게 표현했어.
반대로 PDMD는 간판과 주변 색상이 더 밝고 선명하게 나왔지. 차분하고 현실적인 야간 장면을 만들고 싶다면 DMAD 쪽이 더 마음에 들 수 있는 결과야.
✦ DMAD 4스텝, 사람 선호도
VideoGenEval 387개 프롬프트, 774쌍 비교, 동점 제외
사람을 대상으로 하는 평가에서도 흥미로운 결과가 나왔어. MiniMax H3를 모두 4스텝으로 실행해 비교했을 때, 동점을 제외한 선택 결과에서 DMAD는 DMD2와 비교해 79.1%의 선택을 받았고, DMD2는 20.9%를 기록했어.
rCM과 비교했을 때는 DMAD가 84.6%, rCM이 15.4%였지. 세부 항목에서도 DMAD가 앞섰어.
시각적 품질은 DMD2와 비교해 DMAD 84.2%, DMD2 15.8%였고, rCM과 비교해서는 DMAD 91.3%, rCM 8.7%였어.
오디오 품질은 각각 DMAD 87.9% 대 DMD2 12.1%, DMAD 86.0% 대 rCM 14.0%였지.
움직임 품질은 DMAD 60.3% 대 DMD2 39.7%, DMAD 73.8% 대 rCM 26.2%였고, 프롬프트 이행은 DMAD 54.3% 대 DMD2 45.7%, DMAD 61.1% 대 rCM 38.9%였어.
물론 실제 프롬프트를 얼마나 잘 따라가는지는 별개의 문제야. 앞서 진행된 야간 포장마차 테스트에서는 '고양이가 일어나 스트레칭하도록' 요청했지만, 720p 결과에서는 오히려 앉아 있던 고양이가 엎드리는 모습이 나왔어.
배경에 요청하지 않은 가게 주인까지 등장했지. 이런 문제는 PDMD 결과에서도 관찰됐어. 색감과 전체적인 화면의 완성도가 좋아도 세부 동작과 배경 구성이 항상 프롬프트대로 나오는 것은 아니야.
10월 29일에는 DMAD의 8스텝 버전도 추가됐어. 이건 단순히 기존 4스텝 LoRA를 8번 실행하도록 바꾼 것이 아니라, 처음부터 8스텝 생성에 맞춰 별도로 학습한 모델이야.
개발팀은 이 버전이 4스텝보다 영상과 음성 품질이 눈에 띄게 향상됐다고 밝혔어. 따라서 빠른 반복 생성에는 4스텝, 품질을 더 중시하는 작업에는 8스텝을 선택하면 되겠지.
결국 DMAD의 매력은 4스텝에서도 영상의 색감과 시각적 완성도, 오디오 품질에서 좋은 평가를 받았다는 거야. 빠른 동작이나 복잡한 행동을 정확히 구현해야 한다면 8스텝을 사용하면 돼.
Pika는 움직임이 적은 영상에 강해
PDMD 기술을 바탕으로 하는 Pika H3 Flex는 가장 최근에 주목받고 있는데, 인물의 얼굴과 피부, 손에 든 제품을 보여주는 장면에서 좋은 평가를 받고 있어.
기본 스텝이 6스텝이기 때문에 대부분 8스텝이 기본인 기존 로라보다 속도 면에서 분명한 강점이 있지.
✦ 생성시간 비교
RTX 5090, 참조 사진·프롬프트·seed 동일, 768×1344, 8초 영상
RTX 5090에서 같은 프롬프트와 참조 사진으로 8초 제품 시연 영상을 만드는 비교 테스트에서는 Pika 6스텝이 116초, LightX2V 8스텝이 148초, 기본 H3 20스텝이 327초 걸렸어.
Pika 결과는 피부가 자연스러웠고, 화장품 병을 열어 손바닥에 덜어내는 장면에서도 손가락이 더 생기는 오류가 없었지. 같은 테스트의 LightX2V 영상은 피부가 플라스틱처럼 보이고 손가락이 추가되는 문제가 있었어.
이 결과만 보면 Pika가 좋아 보이지만, 영상 길이와 장면이 달라지면 평가도 달라져. RTX 5090으로 15초 영상 12개씩을 만든 다른 실험에서는 Pika 영상에서 멈춘 프레임이 233개 발견됐어.
12개 중 6개는 멈춤이 없었지만, 나머지 영상에서는 모두 문제가 발견됐지. 얼굴이 잘 유지되고 전체적으로 품질은 좋은데, 영상의 길이가 길고 움직임이 많은 경우에는 결과가 들쑥날쑥한 거야.
5명의 캐릭터가 차례로 말하는 10초짜리 영상 생성 테스트에서도 차이가 있었어. RTX 5060 Ti 16GB에서 같은 프롬프트와 시드로 만든 결과를 보면 Pika 6스텝은 인물별 장면 전환이 어긋나고 캐릭터들의 목소리도 비슷비슷하게 나왔어.
반면에 LightX2V 8스텝은 남녀 목소리를 구분했고, 대사 순서와 화면 속 인물 배치도 더 잘 맞췄지. 생성시간은 LightX2V가 826초로 Pika의 638초보다 오래 걸렸지만, 대사와 장면 구성이 더 정확했어.
따라서 Pika는 1~2명 정도의 인물을 중심으로 얼굴과 제품을 보여주는 영상에 적합해. 특히 움직임이 적은 영상 제작에 더 좋겠지.
반면에 여러 사람이 번갈아 말하고 움직임이 많은 장면을 자주 만든다면, 다른 로라가 더 좋은 선택이 될 거야.
액션 장면은 Alibaba ACC에게 맡겨
✦ 액션 장면, 생성 시간 비교
RTX 3090, 832×480, 프롬프트·seed 동일
| 장면 | LightX2V 4스텝 | Alibaba ACC 8스텝 |
|---|---|---|
| 검술 15.08초 영상 | 229.5초 | 366.4초 |
| 격투 5.17초 영상 | 79.9초 | 120.3초 |
RTX 3090에서 같은 프롬프트와 시드로 검술 대결 장면을 만든 비교에서는 LightX2V 4스텝 대비 Alibaba ACC 8스텝이 약 1.5배의 생성시간을 기록했어. 하지만 품질에서는 Alibaba ACC가 확실한 우위야.
LightX2V 영상은 검을 맞댄 자세가 몇 초 동안 거의 그대로 이어졌지만, ACC 영상은 두 인물이 거리를 벌리며 다음 동작으로 넘어갔어. 격투 장면에서도 동작의 진행이 더 또렷했지.
액션 장면에서 중요한 건 칼을 들고있는 멋진 프레임 하나보다 타격과 회피가 시간에 따라 경쾌하게 이어지는 모습이잖아. 그런 장면을 만들 때 ACC가 특히 강점을 보여.
ACC는 전용 ComfyUI 노드도 필요하고, 다른 로라에 비해서 세팅이 까다로운 편이야. 그냥 일반적인 로라 로딩방식으로는 제대로 작동하지 않거든(물론 이렇게 사용할 수 있도록 튜닝된 버전도 있어).
그래도 만약 네가 만들고자 하는 영상이 격렬한 동작이 많거나 액션 컷이 다수라면, ACC를 고려하면 좋을 거야.
마치며
✦ 상황별 첫 선택
제품을 들고 카메라 앞에서 설명하는 인물 영상이라면 Pika부터 시험해 봐. 빠르게 영상을 생성하려면 LightX2V 4스텝, DMAD 4스텝을 선택하고. 검술과 격투처럼 액션이 많다면 ACC가 강점이 있어.
DMAD 8스텝도 한 번 써보면 좋을 거야. 전반적인 평가가 가장 우수한 로라 중 하나니까.
이번 글은 여기서 마칠게. 또 만나자.
관련 글
- 포토샵 구독료 인상... 차라리 무료 GIMP에 AI 이미지 편집 기능을 추가하는 OpenFill을 써볼까?
- 영상생성을 넘어, 가상세계를 만드는 AI의 시대가 온다. 텐센트 Hy-Nomas와 구글 Genie 4 등장
- 허접했던 MS의 이미지 편집 기술... MAI Image 2.7이 GPT Image 2.5를 따라잡았다!
🌐 영어 버전: MiniMax H3 Turbo LoRAs: Pika vs LightX2V vs ACC vs DMAD
