로컬 이미지·영상 생성 성능 비교
로컬 장비로 썸네일, 포스터, 이미지 변형, 사진 영상화와 오디오 숏폼을 만들 수 있는지 생성 시간과 필요한 메모리로 확인합니다.
비교할 수 있는 항목
- 결과 한 개를 만드는 예상 시간
- 출력 해상도와 영상 길이에 따른 차이
- GPU 메모리 적재 여부와 오프로딩 필요성
- 한 번 생성할 때의 예상 전력량
로컬에서 할 수 있는 작업
- 썸네일과 시안 여러 장 만들기
- 글자가 들어간 포스터와 제품 이미지 만들기
- 참고 이미지를 바탕으로 변형하고 합성하기
- 사진 한 장을 짧은 영상으로 만들기
- 대사와 효과음이 포함된 숏폼 만들기
이미지 생성 모델
- FLUX.2 [klein] 4B: 빠른 시안, 썸네일, 반복 생성
- FLUX.2 [klein] 9B: 4B보다 높은 충실도의 로컬 이미지 제작
- Qwen-Image-2512: 포스터, 한글·영문이 섞인 이미지, 사실적 표현
- FLUX.2 [dev] 32B: 프롬프트 충실도와 복잡한 합성
영상 생성 모델
- MiniMax H3-Base: 대사·효과음이 포함된 숏폼, 첫·끝 프레임 제어
- LTX-2.5 Audio Video: 오디오와 영상을 한 번에 만드는 로컬 파이프라인
- HunyuanVideo-1.5: 한 장의 이미지에 움직임을 주는 짧은 영상
- Wan2.2 TI2V-5B: 24GB 그래픽카드에서 720p 영상 생성
MiniMax H3 로컬 범위
이 비교는 공개 H3-Base의 768p 로컬 실행만 다룹니다. 문맥 해석과 2K 재생성 단계는 로컬 생성 시간에서 제외합니다.
생성 시간은 실행 도구, 드라이버, 단계 수와 오프로딩에 따라 크게 달라질 수 있으므로 같은 조건의 장비 비교용으로 사용하세요.