Kyutai의 AURA 토킹 아바타 모델: 당신의 목소리에 실시간 스트리밍 얼굴
산업 뉴스 및 업데이트published on 2026-11-22T00:24:38+08:00

Kyutai의 AURA 토킹 아바타 모델: 당신의 목소리에 실시간 스트리밍 얼굴

AURA(AUdio-dRiven streaming Avatar)는 Kyutai의 음성→비디오 모델 패밀리로, 2026-11-20에 논문·코드·웨이트·3만 클립의 합성 데이터셋과 함께 공개됐다. 핵심 주장: 초상화 하나와 라이브 음성 스트림이 단일 GPU에서 실시간 토킹헤드 비디오가 된다 — 아바타는 낮은 지연으로 목소리를 따라가며, 완성된 클립의 노이즈 제거를 몇 초 기다리는 게 아니라 청크 단위로 그린다. 이 페이지는 AURA가 무엇이고 무엇이 아닌지에 대한 외부 참조 — 마지막 확인: 2026-11-21.

한눈에 보기

외부 레퍼런스Kyutai AURA — kyutai.org의 릴리스 글, GitHub 저장소(kyutai-labs/aura), Hugging Face 컬렉션
Imgo에서의 가용성Imgo에 없고, Imgo에서 생성할 수도 없다 — 웨이트 라이선스가 상업적 사용을 금지하므로, 기술적으로 가능하더라도 Imgo 통합은 논외다.
마지막 확인2026-11-21
오늘 Imgo에서 생성할 수 있는 것라이브 Seedance 2 패밀리가 네이티브 동기 오디오로 토킹헤드·대화 클립을 렌더한다 — 스크립트 스팟, UGC 스타일 광고, 진행자 프레임 — 실행 전 크레딧 견적 표시.
공식 출처와 과금 단위Kyutai는 모두 공개한다 — AURA API 과금은 없다. 웨이트: AURA-1.3B는 CC BY-NC 4.0, AURA-5B는 Snap의 비상업 라이선스.

오늘 Imgo에서 토킹헤드 영상을: Seedance 2.0의 네이티브 오디오로, 영상 생성기에서.

AURA는 실제로 무엇인가

두 모델, 하나의 생각. AURA 1.3B는 576p 토킹헤드 영상을 실시간으로 스트리밍한다 — 단일 GPU에서 16 Hz 재생 기준 초당 20.7 프레임, 증류된 교사 모델보다 23배 빠르다. AURA 5B는 720p를 초당 9.7 프레임으로 스트리밍하며, 교사인 TalkVerse와 같은 품질을 17배 속도로 낸다. 둘 다 50스텝 양방향 교사에서 4스텝 인과 학생으로 증류되어, 롤링 KV 캐시로 청크 단위 생성하고 오디오를 미리 보지 않는다: 현재 청크의 오디오만 있으면 그 비디오 렌더를 시작할 수 있다. 이 마지막 성질이 전부다 — 덕분에 5초 늦게 대답하는 게 아니라 라이브 대화를 유지하는 아바타가 가능하다.

속도는 어디서 오나

이 릴리스는 모델인 동시에 증류 연구다: 1단계에서 인과 학생을 동결된 교사의 궤적으로 회귀시키고, 2단계에서 학생을 그래디언트 없이 펼치며 학생 자신의 경로 위에서 교사와 비평가 점수를 맞추는 2단 파이프라인. 엔지니어링 디테일 — 잠재 프레임 청크에 대한 블록 단위 인과 어텐션, 운동 맥락을 전부 KV 캐시가 운반, 청크별 다른 확산 타임스텝 — 이 스트리밍을 가능하게 하는 이유다. 전체 방법은 논문(BMVC 2026)에 있다.

라이선스, 분명하게

여기서 '오픈'은 '무제한'이 아니다. 코드는 자체 라이선스, 웨이트는 둘 다 비상업 — AURA-1.3B는 CC BY-NC 4.0, AURA-5B는 Snap Inc.의 비상업 라이선스(교사가 Snap의 TalkVerse에서 내려온다). 연구, 개인 프로젝트, 프로토타입은 괜찮다. 제품이라면 — 고객지원 아바타, 수익화된 컴패니언 앱 — 출시할 수 없는 웨이트 위에 짓는 셈이다. 그 주위에 한 줄이라도 코드를 쓰기 전에 저장소의 라이선스 파일을 읽어라.

AURA는 누구 것인가, 누구 것이 아닌가

AURA는 인터랙티브 시스템을 만드는 사람의 것이다: 음성 비서에 얼굴 주기(릴리스 데모는 Kyutai의 Unmute를 라이브로 구동한다), 에이전트용 스트리밍 아바타, 지연 연구 플랫폼. 완성된 마케팅 영상의 생산 도구가 아니다 — 출력은 576p/720p 토킹헤드이고, '오디오를 빨리 따라가도록' 조율됐지 '제품 미샷이 들어간 3컷 광고를 구성하도록' 조율되지 않았다. 납품물이 스크립트 진행자, UGC 스타일 광고, 대사 있는 제품 스팟이라면 네이티브 오디오의 생성 모델이 올바른 도구고, 지연은 더 이상 중요하지 않다.

토킹헤드 콘텐츠의 Imgo 경로

Imgo에서 라이브 Seedance 2 패밀리는 네이티브 동기 오디오로 대화·진행자 클립을 렌더한다 — 대사, 공간, 효과가 같은 패스의 일부이고, 컷 사이 룩을 유지하는 첫/마지막 프레임 제어와 얼굴을 고정하는 참조 이미지가 있다. 매 실행은 크레딧 비용을 제출 전에 견적한다. AURA의 실시간 대화를 포기하는 대신 완성된 숏의 품질과 상업 작업을 허용하는 라이선스를 얻는다 — 대부분의 마케팅·콘텐츠 팀이 정말로 필요로 하는 거래다.

자주 묻는 질문

AURA는 오픈소스인가요?

코드, 논문, 웨이트, 3만 클립 데이터셋이 공개돼 있다 — 단, 웨이트는 비상업이다(1.3B는 CC BY-NC 4.0, 5B는 Snap의 비상업 라이선스). 연구와 프로토타입에는 열려 있고, 제품 출시에는 열려 있지 않다.

AURA는 대화 수준 지연으로 동작하나요?

그것이 설계 목표다: 단일 GPU에서 576p 실시간(초당 20.7 프레임), 오디오 선견 없이. 공개 데모는 라이브 음성 대화를 구동한다.

Imgo에서 AURA를 쓸 수 있나요?

안 된다 — 통합되지 않았고, 비상업 라이선스 때문에 Imgo 통합은 잘못된 수가 된다. 오늘 생성할 수 있는 토킹헤드 영상은 라이브 Seedance 2 패밀리가 네이티브 오디오로 대화를 렌더한다.

AURA 1.3B와 AURA 5B의 차이는?

규모와 해상도: 1.3B는 단일 GPU에서 576p 실시간 스트리밍, 5B는 초당 9.7 프레임으로 720p를 스트리밍하며 더 큰 교사와 같은 품질. 아키텍처는 같은 인과 소수 스텝 — 다른 것은 속도/해상도 트레이드오프뿐이다.

출처: kyutai.org의 AURA 릴리스 글 2026-11-20(사양, 증류 파이프라인, 데모), github.com/kyutai-labs/aura(코드와 라이선스 파일), Hugging Face 컬렉션(웨이트 라이선스, 데이터셋) — 모두 2026-11-21 확인.

공유

Related Posts

No image

산업 뉴스 및 업데이트

AURA는 실시간 토킹 아바타에 대한 Kyutai의 오픈 웨이트 답변이다: 오디오가 들어가면 토킹헤드 비디오가 스트리밍으로 나오고, 단일 GPU에서 돈다 — 그리고 그 위에 올라타기 전에 반드시 알아야 할 비상업 웨이트 라이선스. 2026-11-21 확인.

2026-11-22T00:24:38+08:00

No image

산업 뉴스 및 업데이트

Suno Visuals는 Suno의 곡→영상 기능이다: 최대 15초 클립, 가사 동기화, 별도 판매 크레딧. 무엇을 커버하고 무엇을 못 하는지, 그리고 Imgo의 라이브 Seedance 2 패밀리로 직접 연출하는 대안 워크플로 — 2026-11-21 확인.

2026-11-22T00:24:22+08:00

No image

산업 뉴스 및 업데이트

LTX-2.5는 Lightricks의 오픈 웨이트 오디오-비디오 모델이다: 멀티샷 연속성, 동기화된 사운드, 자동 길이, 상업 작업을 허용하는 라이선스. 실무적 의미 — 2026-11-21 확인, 오늘 Imgo에서 생성하려면 라이브 Seedance 2 패밀리.

2026-11-22T00:24:08+08:00