Wan-2.7 Reference-to-Video API: 완전한 개발자 가이드

Alibaba의 Wan-2.7은 reference 이미지에서 캐릭터 일관성 있는 영상을 생성하는 모델이다. 이전 버전 대비 multi-subject 지원, instruction-based 편집, temporal feature transfer가 추가됐다. 이 가이드는 프로덕션 도입 여부를 판단하는 엔지니어를 위해 작성됐다.

---

Wan 2.7이 이전 버전과 다른 점

Wan 시리즈는 2.2 → 2.5 → 2.6 → 2.7 순서로 업데이트됐다. 각 버전은 Pixazo API에서 확인할 수 있듯 text-to-video, image-to-video, speech-to-video를 지원해왔는데, 2.7에서 핵심적으로 달라진 부분은 세 가지다.

1. Reference-to-Video (R2V) 기능 강화

이전 버전은 단일 reference 이미지 기반의 캐릭터 생성이 한계였다. Wan 2.7은 최대 5개의 reference 입력을 동시에 처리하며, 각 캐릭터의 외형 일관성을 유지한다 (Segmind 문서 기준). 멀티 캐릭터 씬에서 얼굴 스왑이나 캐릭터 교체 없이 원본 외형을 유지하는 것이 가능해졌다.

2. Instruction-based Video Editing

Wan 2.7 VideoEdit는 자연어 명령으로 영상을 편집한다. Replicate에 배포된 wan-video/wan-2.7-videoedit 모델 기준, 입력 영상과 텍스트 프롬프트만으로 영상 내 특정 오브젝트 교체, 배경 변경, 스타일 전환이 가능하다. 이전 버전에서는 이 기능이 없었다.

3. Temporal Feature Transfer

Together AI 문서에 따르면 2.7은 temporal feature transfer를 도입했다. 이는 reference 이미지의 외형 특징을 시간 축 전반에 걸쳐 안정적으로 전달하는 메커니즘이다. 이전 버전에서 긴 클립을 생성할 때 발생하던 캐릭터 표류(character drift) 문제를 완화한다.

⚠️ 주의: Alibaba가 공식적으로 발표한 버전 간 정량적 개선 수치(예: FID 감소 %, 처리 속도 ms)는 현재 공개된 문서에서 확인되지 않는다. 아래 벤치마크 섹션에서 이용 가능한 비교 데이터를 별도로 다룬다.

---

기술 사양 테이블

항목	사양
최대 해상도	1080P (1920×1080)
최대 reference 입력 수	5개
지원 입력 형식	이미지 (reference), 영상 (editing 모드)
출력 형식	MP4
편집 방식	Instruction-based (자연어), Reference-based
음성 클로닝	지원 (Segmind API 기준)
배포 환경	Serverless (Segmind), API endpoint (Together AI), Replicate
기반 조직	Alibaba / Wan AI
주요 사용 사례	캐릭터 일관성 영상 생성, 영상 편집, 멀티 서브젝트 씬
API 접근 방식	REST API (JSON payload)

---

벤치마크: 경쟁 모델과의 비교

현재 Wan 2.7에 대한 공식 VBench 또는 FID 수치는 Alibaba가 공개한 자료에서 찾기 어렵다. 대신, Wan 시리즈 전반이 VBench에서 경쟁력 있는 성능을 보여왔으며, 다음은 공개된 자료를 기반으로 한 기능 비교다.

기능 비교 테이블

모델	Multi-Reference 지원	Instruction Editing	최대 해상도	음성 클로닝	API 접근
Wan 2.7 R2V	✅ (최대 5개)	✅	1080P	✅	Segmind, Together AI, Replicate
RunwayML Gen-3	❌ (단일 참조)	제한적	1080P	❌	자체 API
Kling 1.6	제한적	❌	1080P	❌	자체 API
Pika 2.1	❌	제한적	1080P	❌	자체 API

참고: VBench 기준 정량 비교는 Alibaba와 독립 연구기관의 공식 발표 전까지 추가할 수 없다. 프로덕션 도입 전 자체 테스트 환경에서 직접 평가하는 것을 권장한다.

Wan 2.7이 경쟁 모델 대비 명확히 앞서는 부분은 multi-reference 입력과 API 접근 채널의 다양성이다. RunwayML, Kling, Pika 모두 단일 캐릭터 reference에 최적화되어 있고, 멀티 서브젝트 씬을 자연어 명령과 함께 처리하는 기능은 현재 Wan 2.7에서만 확인된다.

---

가격 비교

플랫폼	가격 구조	특이사항
Segmind	Serverless 종량제 (크레딧 기반)	무료 티어 있음, 해상도별 차등
Together AI	토큰/초 단위 과금	엔터프라이즈 플랜 별도 문의
Replicate	초당 GPU 사용량 기반	콜드 스타트 비용 포함 가능성 있음
RunwayML Gen-3	크레딧 구독제 ($12–$76/월)	API는 엔터프라이즈만
Kling 1.6	크레딧 구독제	API 접근 제한적

실용적 조언: Segmind는 Serverless 아키텍처라 소량 테스트에 유리하다. 대규모 배치 처리가 필요하다면 Together AI의 엔드포인트가 레이턴시 측면에서 유리할 수 있다. Replicate는 콜드 스타트가 발생하므로 레이턴시에 민감한 프로덕션에는 주의가 필요하다.

---

적합한 사용 사례

1. 버추얼 인플루언서 콘텐츠 제작

• 동일 캐릭터의 외형을 유지하면서 다양한 배경과 씬을 생성할 때. 최대 5개 reference를 활용해 의상, 각도, 조명이 다른 이미지를 입력하면 일관된 캐릭터 영상을 얻을 수 있다.

2. 광고 영상 프로토타이핑

• 실제 모델 촬영 전 가상 캐릭터로 씬을 테스트하는 워크플로우. reference 이미지 몇 장으로 캐릭터를 구성하고 배경이나 동작을 프롬프트로 지정한다.

3. 기존 영상 편집 자동화 (VideoEdit 모드)

• “배경을 도시 야경으로 바꿔줘”, “캐릭터 옷을 파란색 재킷으로 교체해줘” 같은 자연어 명령으로 후반 편집 비용을 줄이는 파이프라인 구성.

4. 멀티 캐릭터 씬 생성

• 여러 캐릭터가 동시에 등장하는 씬. 각 캐릭터의 reference를 별도로 제공해 외형 혼합(character bleeding) 없이 생성 가능하다.

5. 교육/트레이닝 콘텐츠

• 특정 강사 또는 캐릭터의 외형을 유지하며 다양한 강의 씬을 생성하는 용도.

---

사용하지 말아야 할 경우

❌ 초저지연이 요구되는 실시간 애플리케이션 영상 생성 자체가 수초~수십 초 단위의 처리 시간을 요구한다. 실시간 스트리밍이나 인터랙티브 응용에는 적합하지 않다.

❌ 정밀한 얼굴 ID 보존이 필수인 경우 Wan 2.7은 reference 기반 일관성을 지원하지만, 법적·의료적 신원 확인 수준의 얼굴 재현 정밀도를 보장하지 않는다. ID 보안이 중요한 도메인에서는 사용하지 않는다.

❌ 공개된 VBench 수치가 의사결정 기준인 경우 현재 Wan 2.7의 공식 벤치마크 수치가 공개되어 있지 않다. 정량적 품질 보증이 필수인 프로젝트라면 직접 평가 파이프라인을 구성해야 한다.

❌ 긴 클립 (60초 이상) 생성 Temporal feature transfer가 개선됐으나, 장편 클립에서의 일관성 한계는 여전히 존재할 가능성이 높다. 긴 영상은 세그먼트 단위로 분할 생성하는 방식을 고려해야 한다.

❌ 오프라인/엣지 환경 현재 공개된 접근 경로가 모두 클라우드 API다. 온프레미스나 에어갭 환경에서는 사용할 수 없다.

---

최소 동작 코드 예제

Segmind API를 사용하는 기본 reference-to-video 요청이다.

import requests

API_KEY = "your_segmind_api_key"
url = "https://api.segmind.com/v1/wan2.7-r2v"

payload = {
    "prompt": "A woman walking through a sunlit park, cinematic style",
    "reference_images": ["https://your-cdn.com/character_ref1.jpg"],
    "num_frames": 81,
    "resolution": "1280x720",
    "guidance_scale": 7.5
}

headers = {"x-api-key": API_KEY, "Content-Type": "application/json"}
response = requests.post(url, json=payload, headers=headers)

with open("output.mp4", "wb") as f:
    f.write(response.content)

reference_images 배열에 최대 5개의 URL을 넣어 multi-reference를 활성화한다. resolution은 "1920x1080"까지 지원하나 처리 시간이 증가한다.

---

기술적 제한 사항 요약

제한 항목	내용
공식 벤치마크	VBench/FID 수치 미공개
최대 reference 수	5개 (초과 불가)
레이턴시	실시간 사용 불가 수준
온프레미스	미지원 (클라우드 API 전용)
장편 일관성	긴 클립에서 검증 데이터 부족
가격 투명성	플랫폼별 상이, 대규모 사용 시 사전 계산 필요

---

결론

Wan 2.7 Reference-to-Video API는 멀티 캐릭터 씬 생성과 자연어 기반 영상 편집이 동시에 필요한 워크플로우에서 현재 가장 접근하기 쉬운 선택지다. 다만 공식 벤치마크 수치가 부재하고 클라우드 의존적인 구조이므로, 프로덕션 전환 전 반드시 자체 평가 파이프라인을 통해 품질과 비용을 검증해야 한다.

참고: 여러 AI 모델을 하나의 파이프라인에서 사용한다면, AtlasCloud는 Kling, Flux, Seedance, Claude, GPT 등 300개 이상의 모델에 단일 API로 접근할 수 있습니다. API 키 하나로 모든 모델 사용 가능. 신규 사용자는 첫 충전 시 25% 보너스(최대 $100).