AI 비디오에 필요한 VRAM은 얼마나 될까? Wan 2.2, HunyuanVideo 1.5, LTX-2 GPU 크기별 (2026)
개요
간단히 말하면: Wan 2.1 1.3B나 양자화된 Wan 2.2 5B로 짧고 저해상도 클립을 만들려면 8 GB면 충분해. 720p 비디오를 위한 진짜 시작점은 24 GB야, 오늘날 최고의 오픈 모델 기준으로. 32 GB면 Wan 2.2 14B와 LTX-2를 720p에서 별다른 우회 없이 돌릴 수 있어. 가장 큰 모델의 완전 정밀 버전은 여전히 48~80 GB가 필요해서 데이터센터 카드나 클라우드를 써야 해.
비디오가 이미지보다 훨씬 더 많은 메모리를 필요로 하는 이유는, 1024x1024 이미지 하나가 약 백만 픽셀인데, 24fps에 5초짜리 클립은 120 프레임이거든. 모델이 한 번에 백 배 이상 많은 걸 처리하고, 각 프레임을 이웃 프레임과 일관되게 유지해야 해서 한 번에 하나씩 만들 수 없어. 메모리를 결정하는 세 가지 요소가 있고 이게 곱해져: 모델 크기와 정밀도(풀, FP8, GGUF), 해상도(720p는 480p보다 약 2.25배 픽셀 많음), 클립 길이(대략 비례). 480p에서 3초짜리 모델이 720p에서 5초짜리 클립에선 메모리가 부족할 수 있어.
이 가이드는 직접 다운로드하고 실행할 수 있는 오픈 웨이트 비디오 모델을 다뤄. 수치는 공식 모델 카드와 커뮤니티 테스트에서 나온 실용적인 범위로, 2026년 10월 6일에 확인했어; 결과는 ComfyUI 버전, 워크플로우, 오프로딩에 쓸 수 있는 시스템 RAM 양에 따라 달라질 수 있어. 이미지 모델은 VRAM 요구사항 가이드도 참고해; 둘 다 매달 업데이트돼.
참고 자료
이름 | 타입 | 의미 | |
|---|---|---|---|
| Wan 2.1 T2V 1.3B | 8 GB: 480p, ~5 s clips | 12 GB+: comfortable | 8 GB 옵션. 약 8.19 GB 사용, 480p 출력, RTX 4090에서 5초 클립당 약 4분 걸림. 품질은 큰 모델보다 확실히 낮음. Apache 2.0. | |
| Wan 2.2 TI2V 5B | 8 GB: GGUF Q8 with offloading, slow | 12-16 GB: quantised at 720p | 24 GB: full precision (official minimum) | 텍스트나 이미지를 720p 24fps로 변환. Alibaba는 24 GB(RTX 4090)를 풀 정밀도 최소 요구량으로, 5초 720p 클립에 9분 미만 걸린다고 함. Q8 GGUF는 약 5.4 GB; ComfyUI가 나머지를 시스템 RAM으로 오프로딩. Apache 2.0. | |
| Wan 2.2 A14B (T2V and I2V) | 최고 오픈 품질. 전문가 혼합: 총 27B 파라미터, 14B 활성, 초기 노이즈 단계용 전문가 한 명과 디테일용 전문가 한 명; VRAM에는 한 번에 한 명만 있음. FP8은 전문가당 약 14.3 GB, GGUF Q4-Q5는 약 10-11 GB. 공식 요구량 80 GB는 아무것도 오프로딩 안 한 풀 정밀도 기준. Apache 2.0. | ||
| HunyuanVideo 1.5 | 12-16 GB: ~14 GB minimum with offloading | 24 GB: quantised at 720p | 32 GB: comfortable | 28-48 GB: full precision 720p | Tencent, 2025년 11월, 8.3B 파라미터, 480p 또는 720p에 내장 업스케일러로 1080p 지원; 최고 품질에 80 GB 권장. 원래 HunyuanVideo(13B)는 풀 정밀도에 60-80 GB 필요; 이전 가이드들이 두 모델을 혼동하는 경우 많음. | |
Lightricks, 2026년 1월과 3월 가중치. 오디오 동기화된 비디오, 최대 4K, 빠름: RTX 4090에서 5초 클립에 약 90초. 메모리가 트레이드오프; Lightricks는 100 GB 이상 여유 디스크도 권장. | |||
System RAM | 32 GB workable minimum | 64 GB comfortable for 14B models on 12-24 GB cards | 오프로딩은 모델 일부를 일반 RAM으로 옮기기 때문에, 시스템 메모리가 이미지보다 비디오에 더 중요함. | |
Disk | fast NVMe SSD | 비디오 모델은 각각 수십 GB; 느린 드라이브에서 로딩하면 모델 전환마다 몇 분씩 지연됨. | |
Wan 2.5-3.0, Kling, Veo, Runway, Seedance | API only |
단계별 안내
- VRAM 확인: 윈도우 작업 관리자 > 성능 > GPU > 전용 GPU 메모리; 리눅스는 nvidia-smi. 시스템 RAM도 확인; 오프로딩하려면 최소 32 GB 필요.
- 표에서 카드에 맞는 모델 행 선택: 8 GB면 Wan 2.1 1.3B 또는 Wan 2.2 5B GGUF; 12-16 GB면 Wan 2.2 14B GGUF와 HunyuanVideo 1.5 오프로딩 포함; 24 GB는 일반 비디오 카드(5B 풀, 14B FP8, LTX-2 FP4); 32 GB면 FP8로 720p 모든 모델 실행 가능.
- 이 사이트 모델 페이지에서 해당 티어에 맞는 정밀도 다운로드(FP8은 24-32 GB, GGUF Q4-Q5는 12-16 GB) BF16 원본 대신.
- 480p와 짧은 클립(49-81 프레임)부터 시작. 모션과 구성을 맞춘 뒤 720p로 업스케일하거나 다시 렌더링. 480p에서 720p로 가면 프레임 메모리가 대략 두 배가 되니, 480p에서 14 GB로 가능한 워크플로우는 720p에서 24 GB 이상 필요할 수 있음.
- Wan 2.2 14B 24 GB에서 T5/UMT5 텍스트 인코더를 시스템 RAM으로 옮기기(로더에서 CPU 디바이스 설정 또는 ComfyUI 자동 오프로딩). 안 하면 720p 클립 중간에 24 GB 한계 넘을 수 있음.
- 5-6초 이상 클립은 여러 구간으로 나눠 생성하고 이어 붙이기: 한 클립 마지막 프레임이 다음 클립 시작 이미지가 됨. 대부분 오픈 모델은 약 5초에 최적화돼 있고 그 이상은 품질 저하.
- 그래도 클립이 안 맞으면 해상도보다 프레임 수 먼저 줄이고, 타일드 VAE 디코딩 사용, 브라우저와 게임은 GPU에서 꺼두기.
예시
24 GB에서 Wan 2.2 14B 이미지-비디오 (ComfyUI)
UNETLoader x2: wan2.2_i2v_high_noise_14B_fp8_scaled, wan2.2_i2v_low_noise_14B_fp8_scaled | CLIPLoader: umt5_xxl_fp8_e4m3fn_scaled, device: cpu | Load VAE: wan_2.1_vae
WanImageToVideo: 832x480, 81 frames | KSamplerAdvanced high (steps 0-10, cfg 3.5) -> KSamplerAdvanced low (steps 10-20, cfg 3.5) | shift 5 | VAE Decode (Tiled)
8-12 GB 카드에서 Wan 2.2 5B
UnetLoaderGGUF: wan2.2_ti2v_5B_Q8_0.gguf | CLIPLoader: umt5_xxl_fp8 (cpu) | 1280x704 is the native 720p shape; start at 832x480, 49 frames, 20 steps
python main.py --lowvram
클라우드에서 같은 클립
/workflow /run:wan22-i2v slow dolly in, she looks up and smiles, soft wind in her hair /length:81 (reply to your image on PirateDiffusion)
팁
- 5초 클립 단일 생성 시간 예: Wan 2.1 1.3B 480p는 RTX 4090에서 약 4분; Wan 2.2 5B 720p는 9분 미만(공식); Wan 이미지-비디오는 4090에서 약 12.7분, 5090에서 약 7분(한 테스트에서 약 45% 빠름); LTX-2는 4090에서 약 90초. 오프로딩하면 이들 모두 몇 배 느려질 수 있음.
- Alibaba가 제시한 Wan 2.2 A14B 80 GB는 아무것도 오프로딩 안 한 풀 정밀도 기준; 실제로는 FP8, GGUF, 텍스트 인코더를 시스템 RAM에 두고 실행함.
- 14B 전문가 모델은 두 개 파일임: LoRA가 어느 전문가(고노이즈 또는 저노이즈)에 훈련됐는지 모델 페이지에서 확인; 잘못된 전문가에 로드하면 효과 없음.
- LTX-2는 메모리를 속도와 오디오에 바꿈; 32 GB에 FP8이 들어가면 사운드 있는 완성 클립을 가장 빠르게 만들 수 있는 오픈 경로임.
- 5090은 출시가 1,999달러였지만 2026년 10월에 4,500~6,000달러에 팔렸고 여전히 풀 정밀도 모델을 다 담지 못함. 가끔 비디오 만들 때는 48 또는 80 GB GPU를 시간 단위로 빌리거나 고정 요금 클라우드 플랜이 작은 카드 오프로딩보다 싸고 훨씬 빠름.
- 이 사이트의 Wan, Hunyuan, LTX 가족 페이지에는 다운로드 가능한 모든 변형과 파일 크기가 나와 있음; 변형을 원활히 돌리려면 파일 크기보다 3-4 GB 더 VRAM 여유가 필요함.
문제 해결
24 GB에서 720p 클립 중간에 CUDA 메모리 부족
원인
텍스트 인코더가 활성 14B 전문가와 함께 VRAM에 남아 있음.
해결 방법
UMT5 인코더를 CPU에 로드하거나 480p로 낮추기; 전체 체크리스트는 CUDA 메모리 부족 가이드 참고.
메모리에는 맞지만 40분 걸림
원인
시스템 RAM으로 과도한 오프로딩, 또는 FP8을 돌릴 수 있는 카드에서 GGUF Q4 사용.
해결 방법
클립 짧게, 해상도 낮추기, 또는 최대 정밀도 유지; 작업 관리자에서 "공유 GPU 메모리"가 거의 0인지 확인.
HunyuanVideo 가이드가 60-80 GB라 함
원인
원래 13B HunyuanVideo를 설명하고 있음, HunyuanVideo 1.5(8.3B)가 아님.
해결 방법
1.5 버전 사용: 오프로딩 시 약 14 GB, 24 GB면 편안함.
16 GB에서 LTX-2 로드 불가
원인
오직 증류된 FP8 미리보기 파이프라인만 맞고, 전체 모델은 24 GB(FP4) 또는 32 GB(FP8) 필요.
해결 방법
초안은 증류된 미리보기 사용, 최종 렌더링은 더 큰 카드나 클라우드에서.
6초 넘으면 긴 클립 품질 저하
원인
오픈 모델은 약 5초에 맞춰져 있음; 그 이상은 메모리와 품질 모두 떨어짐.
해결 방법
5초 구간을 마지막 프레임으로 이어 붙이기; 이후 업스케일과 보간.
Wan 2.5 또는 3.0 가중치 찾을 수 없음
원인
API 전용 릴리스임.
해결 방법
Wan 2.2가 로컬에서 실행 가능한 최신 Wan; Wan 가족 페이지에서 변경사항 추적 가능.
질문
8 GB VRAM으로 AI 비디오 만들 수 있나요?
네, 짧고 저해상도 클립만 가능해요. Wan 2.1 1.3B는 약 8 GB로 480p 클립 만들고, Wan 2.2 5B는 GGUF 파일과 오프로딩으로 실행돼요. Wan 2.2 14B, HunyuanVideo, LTX-2는 더 많은 VRAM 필요해요.
AI 비디오에 24 GB면 충분한가요?
대부분 사람에겐 충분해요. 24 GB 카드는 Wan 2.2 5B 풀 정밀도, Wan 2.2 14B FP8(텍스트 인코더 오프로딩), HunyuanVideo 1.5, LTX-2 FP4를 돌릴 수 있어요. 로컬 비디오 작업에 가장 흔한 카드예요.
왜 Wan 2.2는 80 GB가 필요하다고 하나요?
그건 14B 모델 풀 정밀도에 아무것도 오프로딩 안 한 수치예요. FP8이나 GGUF 파일에 텍스트 인코더를 시스템 RAM에 두면 24 GB에서 돌고, 12-16 GB에서도 느리게 실행돼요.
AI 비디오에 RTX 5090이 가치 있나요?
자주 비디오 만들면 4090보다 8 GB 더 많은 32 GB가 Wan 2.2 14B와 FP8 LTX-2로 720p를 편하게 돌릴 수 있게 해주고, 약 45% 더 빨라요. 출시가 1,999달러 대비 2-3배 가격에 팔리는데, 매일 비디오 안 만들면 렌트가 더 싸요.
HunyuanVideo가 Wan보다 VRAM을 더 많이 필요로 하나요?
HunyuanVideo 1.5(8.3B)는 Wan 2.2 14B보다 적게 필요해요: 오프로딩 시 약 14 GB. 원래 HunyuanVideo(13B)는 훨씬 더 많이 필요하니 어떤 버전인지 꼭 확인하세요.
시스템 RAM은 얼마나 필요해요?
Wan 2.2와 HunyuanVideo 오프로딩에 32 GB가 최소, 12-24 GB 카드에서 14B 모델 돌리려면 64 GB가 편해요.
링크 및 출처
- Wan 2.2 official repository (requirements, timings)
- HunyuanVideo 1.5 on Hugging Face
- LTX-2 hardware notes (Lightricks)
- ComfyUI GGUF loaders
- Wan family page
- Hunyuan family page
- LTX-2 family page
- PirateDiffusionAD
- BitVector web appAD
이 가이드의 모델
작성자
사설 탐정입니다. README보다 먼저 config.json을 읽고, 마케팅보다 README를 먼저 봅니다. 어떤 새 모델이 SDXL의 파인튜닝의 파인튜닝인지 찾아내는 데 특화되어 있습니다. 먹고, 프롬프트 쏘고, 떠납니다. 오픈 소스 찬성, 미스터리 미트 반대.
P.I. Panda의 모든 가이드
관련 가이드
모든 인기 AI 이미지 및 비디오 모델의 VRAM 요구사항 (2026): 풀 정밀도, FP8 및 GGUF
2026년 10월 6일
Wan 2.2 비디오: 텍스트-투-비디오와 이미지-투-비디오 설정, 세팅 및 LoRA
2026년 5월 24일
CUDA 메모리 부족: 각 AI 모델이 필요한 VRAM 용량과 맞추는 방법
2026년 5월 18일
AI 이미지와 비디오용 GPU 및 VRAM 가이드: 각 모델에 필요한 것과 구매(또는 비구매) 기준
2026년 1월 7일
LTX 2.3 Crisp Enhance: 더 선명하고 영화 같은 비디오 디테일
2026년 10월 3일
PirateDiffusion: 텔레그램에서 어떤 모델이든 실행, GPU 필요 없음
2026년 10월 3일
HunyuanVideo 텍스트 투 비디오 ComfyUI 워크플로우: 로컬 비디오를 시작한 13B 모델
2026년 10월 9일
로컬 AI에 실제로 필요한 VRAM은 얼마나 될까?
2026년 9월 5일
2026년 최고의 오픈소스 AI 비디오 모델: 실제로 다운로드할 수 있는 것들
2026년 10월 14일
더 많은 가이드
초보자를 위한 AI 영상 생성: 이미지-투-비디오, 텍스트-투-비디오 그리고 Wan, LTX-2, H3로 첫 클립 만들기
2026년 4월 29일
HunyuanVideo 1.5 vs Wan 2.2: 2026년에 어떤 오픈 비디오 모델을 사용할까
2026년 10월 4일
정액제 대 토큰제: 2026년 AI 크리에이터에게 Graydient.ai 같은 무제한 플랜이 최고의 가치인 이유
2026년 10월 8일
Wan2GP 설치 방법: VRAM 적은 GPU에서 AI 영상과 이미지 실행하기
2026년 10월 8일
클라우드에서 AI 모델 실행하는 법 (2026 초보자 가이드): GPU 없이 Flux, Wan, SDXL 사용하기
2026년 10월 14일