오과장입니다. 요즘 로컬 AI에서 가장 많이 헷갈리는 영역 중 하나가 영상 생성입니다. 텍스트 챗봇은 8GB VRAM 그래픽카드나 맥북에서도 어느 정도 감을 잡을 수 있지만, 이미지 한 장을 짧은 영상으로 움직이는 작업은 이야기가 다릅니다. 오늘은 오픈소스 영상 생성 모델 Wan 2.1을 ComfyUI에서 돌린다고 가정하고, RTX 4080 노트북 12GB VRAM급이 왜 현실적인 기준선이 되는지 정리하겠습니다.
Wan 2.1을 로컬에서 영상 생성용으로 만져보고 싶다면 RTX 3050 6GB급 노트북은 추천하기 어렵습니다. 최근 GitHub PR의 실사용 기록에서는 RTX 3050 6GB + RAM 16GB 조합이 페이지파일 스와핑과 긴 렌더 시간 때문에 “비현실적”으로 정리됐습니다.
입문 실험은 RTX 4060/4070 노트북 8GB에서도 낮은 해상도와 짧은 길이로 가능할 수 있지만, 구매 판단 기준은 12GB VRAM 이상, RAM 32GB 이상으로 잡는 편이 안전합니다. 그래서 오늘의 현실 권장선은 RTX 4080 노트북급입니다.
이 도구가 뭔가요?
Wan 2.1은 공개된 비디오 생성 모델 묶음입니다. 텍스트를 영상으로 바꾸는 T2V, 이미지를 영상으로 움직이는 I2V, 편집 계열 작업을 다룹니다. 공식 저장소는 T2V 1.3B 모델이 8.19GB VRAM으로 소비자 GPU에서도 접근 가능하다고 설명하지만, 이미지 한 장을 영상으로 만드는 I2V 쪽은 14B 계열이 중심이라 훨씬 무겁게 봐야 합니다.
중요한 차이는 여기 있습니다. “Wan 2.1이 일반 소비자용 GPU를 지원한다”는 말과 “내 6GB 노트북에서 쾌적하게 영상이 뽑힌다”는 말은 같지 않습니다. 공식 문서의 8.19GB VRAM 언급은 T2V 1.3B 기준입니다. 반면 많은 사람이 관심 갖는 I2V, 즉 인물 사진이나 제품 사진을 짧은 영상으로 움직이는 작업은 더 큰 모델과 텍스트 인코더, VAE, LoRA, 프레임 결합 노드까지 함께 올라옵니다.
용어 먼저 정리
- VRAM: 그래픽카드 전용 메모리입니다. 영상 생성에서는 모델과 프레임 계산이 여기에 먼저 올라갑니다.
- RAM: 노트북 전체 메모리입니다. VRAM이 부족하면 일부 계산이 RAM이나 저장장치로 밀려나며 속도가 크게 떨어집니다.
- I2V: Image to Video입니다. 이미지 한 장을 기준으로 짧은 영상을 만드는 작업입니다.
- ComfyUI: AI 이미지·영상 생성 과정을 노드로 이어 쓰는 그래픽 작업 도구입니다. 코드를 몰라도 워크플로우를 구성할 수 있습니다.
- checkpoint / safetensors: 모델 파일입니다. Wan, VAE, LoRA, 텍스트 인코더가 각각 따로 필요할 수 있습니다.
- quantization: 모델을 더 작은 정밀도로 줄여 메모리를 아끼는 방식입니다. 대신 품질이나 안정성이 조금 흔들릴 수 있습니다.
실사용 사례에서 나온 기준
최근 7일 안의 공개 GitHub 기록을 보면 낮은 사양에서 부딪히는 지점이 꽤 선명합니다. 2026년 5월 27일 생성된 ai-influencer PR #61은 RTX 3050 6GB + RAM 16GB에서 로컬 I2V를 검토한 뒤, Wan 2.1은 실사용이 어렵다고 결론 냈습니다. 본문에는 14B Q4가 약 5.5GB에 들어가더라도 렌더 중 피크가 30GB 부근까지 튀고, 페이지파일 스왑으로 클립 하나에 25~40분까지 밀릴 수 있다는 기록이 남아 있습니다.
이 기록이 중요한 이유는 “실행 여부”가 아니라 “작업으로 쓸 수 있는가”를 봤기 때문입니다. 영상 생성은 한 번 눌러서 끝나는 작업이 아닙니다. 프롬프트를 고치고, 시드를 바꾸고, 길이와 움직임을 조절하면서 여러 번 다시 뽑습니다. 한 번에 30분씩 걸리고 메모리 스왑이 반복되면 취미 실험도 금방 지칩니다.
2026년 6월 1일의 discomfy 이슈 #7은 Wan 2.2 I2V 워크플로우를 라이브 RTX 5090 32GB VRAM에서 반드시 스모크 테스트하라고 적고 있습니다. Wan 2.1이 아니라 2.2 이슈이긴 하지만, ComfyUI 영상 워크플로우가 단순 체크포인트 하나가 아니라 HIGH/LOW UNET, LoRA, VAE, 텍스트 인코더, 비디오 결합 노드까지 포함하는 무거운 구성이 된다는 점을 잘 보여줍니다.
또 2026년 5월 28일의 strix-halo-comfyui 이슈 #3은 AMD Strix Halo 환경에서 ComfyUI와 Wan 2.1 워크플로우를 다루며, attention 모드, ROCm, VAE 로딩 문제를 함께 확인합니다. 여기서도 병목은 단순히 “GPU가 있느냐”가 아니라 드라이버, PyTorch, attention backend, VAE 로딩까지 엮입니다.
- RTX 3050 6GB + RAM 16GB: 실행 실험은 가능해도 I2V 작업용으로는 피하는 편이 좋습니다.
- RTX 4060/4070 노트북 8GB: 낮은 해상도, 짧은 길이, 강한 offload 조건에서 입문 실험용입니다.
- RTX 4080 노트북 12GB + RAM 32GB: 로컬 영상 생성 입문에서 현실적인 구매 기준선입니다.
- RTX 4090/5090 데스크톱급: 반복 생성과 긴 영상 실험까지 염두에 둔 작업용 기준입니다.
맥 계열과 NVIDIA 계열 체감 차이
MacBook이나 Mac mini의 Apple Silicon도 로컬 AI에는 매력이 있습니다. 통합 메모리를 크게 잡을 수 있고, 팬 소음과 전력 효율이 좋습니다. 그런데 Wan 2.1 I2V를 ComfyUI에서 돌리는 관점에서는 아직 NVIDIA 쪽이 더 편합니다. CUDA와 PyTorch, ComfyUI 커스텀 노드, 각종 최적화가 NVIDIA GPU를 먼저 기준으로 잡는 경우가 많기 때문입니다.
맥 계열은 “메모리 용량은 넉넉한데 속도와 호환성에서 답답할 수 있는” 쪽입니다. NVIDIA 계열은 “VRAM 용량이 작으면 바로 막히지만, 조건을 맞추면 워크플로우 자료와 문제 해결 사례가 많다”는 쪽입니다. 그래서 영상 생성 입문 구매라면 맥 16GB보다 RTX 4080 12GB VRAM 노트북 + RAM 32GB 조합이 훨씬 직접적인 선택입니다.
설치/세팅 흐름
- NVIDIA 드라이버를 최신 안정 버전으로 설치하고, Windows라면 재부팅 후 GPU가 정상 인식되는지 확인합니다.
- ComfyUI를 설치합니다. 처음이면 공식 Desktop 앱 또는 Windows portable 패키지부터 시작하는 편이 쉽습니다.
- ComfyUI Manager를 설치하고, Wan 2.1 예제 워크플로우에 필요한 커스텀 노드가 있는지 확인합니다.
- Wan 2.1 모델 파일, VAE, text encoder, 필요한 LoRA를 정해진 폴더에 넣습니다. 보통
ComfyUI/models/아래의 checkpoints, vae, text_encoders, loras 경로를 확인합니다. - 처음 실행은 480p 이하, 짧은 프레임 수, 낮은 batch로 시작합니다. 결과가 나온 뒤 길이와 해상도를 올립니다.
- OOM이 나면 해상도, 프레임 수, LoRA 수를 먼저 줄입니다. 그다음 offload나 fp8/quantized 모델을 검토합니다.
어떤 설정을 낮추면 버틸까
낮은 사양에서 제일 먼저 줄일 것은 해상도와 영상 길이입니다. 720p를 욕심내기보다 480p 짧은 클립으로 시작하는 편이 낫습니다. 두 번째는 프레임 수입니다. 프레임이 많아질수록 계산량과 저장공간이 함께 늘어납니다. 세 번째는 LoRA와 보조 모델입니다. 움직임을 더 예쁘게 만들려고 여러 보조 모델을 얹으면 VRAM 여유가 빠르게 사라집니다.
하지만 이 조정에도 한계가 있습니다. RTX 3050 6GB처럼 VRAM이 작은 노트북은 모델이 겨우 올라간 뒤 중간 렌더 피크에서 무너질 수 있습니다. 이때는 “조금 느림”이 아니라 “시스템 전체가 버벅이고 결과를 기다리기 어려움”으로 바뀝니다. 그래서 구매 판단에서는 최소 사양과 권장 사양을 분리해야 합니다.
사도 되는 사람: 짧은 제품 영상, 인물 사진 모션, SNS용 3~5초 클립을 로컬에서 반복 실험하고 싶은 사람입니다. RTX 4080 노트북 12GB VRAM과 RAM 32GB 이상을 고르면 시행착오가 줄어듭니다.
보류할 사람: 이미 RTX 3050/3060 6GB급 노트북을 쓰고 있고, 큰 비용 없이 영상 생성까지 기대하는 사람입니다. 이 경우에는 로컬 Wan 2.1보다 클라우드나 가벼운 CV 모션 도구가 더 현실적입니다.
제품 소개: MSI 스텔스 18 RTX 4080 노트북
이번 글의 결론에 맞춰 연결할 제품은 MSI 2024 스텔스 18 코어 Ultra 9 지포스 RTX 4080 계열입니다. 핵심은 브랜드명보다 조건입니다. Wan 2.1 I2V를 로컬에서 만져볼 장비라면 12GB VRAM급 외장 GPU, 넉넉한 시스템 RAM, 긴 렌더 중 발열을 버틸 냉각 구조가 필요합니다.
RTX 4080 노트북은 가벼운 문서용 노트북이 아닙니다. 들고 다니는 편의성보다 영상 생성, 3D, 게임, CUDA 기반 작업을 우선하는 장비입니다. 대신 RTX 4070 노트북 8GB에서 애매하게 버티는 것보다, 처음부터 12GB VRAM급으로 가는 쪽이 Wan 2.1 같은 영상 모델에서는 덜 답답합니다.
자주 하는 질문
Q1. RTX 4060 8GB 노트북은 완전히 안 되나요?완전히 불가능하다고 보기는 어렵습니다. 다만 해상도, 길이, 모델 조합을 강하게 낮춰야 하고 반복 작업은 답답할 가능성이 큽니다.
Q2. RAM 16GB로 시작해도 되나요?텍스트 LLM이나 이미지 생성 입문은 가능하지만, Wan 2.1 I2V에서는 권장하기 어렵습니다. 최근 사례에서도 16GB RAM은 T5 offload 기준으로 부족한 쪽으로 정리됐습니다.
Q3. 맥북 프로 36GB면 더 좋은 선택인가요?메모리만 보면 여유가 있지만 ComfyUI 영상 워크플로우와 CUDA 최적화 자료는 NVIDIA 쪽이 많습니다. 영상 생성 로컬 입문 구매라면 NVIDIA GPU 노트북이 더 직접적입니다.
Q4. 저장공간은 얼마나 필요하나요?최소 1TB SSD를 권합니다. 모델 파일, VAE, LoRA, 결과 영상, 임시 파일이 쌓이면 512GB는 금방 답답해집니다.
구매 판단
정리하면 Wan 2.1 I2V는 “일단 실행되는가”보다 “여러 번 다시 뽑을 수 있는가”를 기준으로 봐야 합니다. RTX 3050 6GB급은 최근 공개 실사용 기록에서도 보류 결론이 나왔고, RTX 4060/4070 노트북 8GB는 실험용에 가깝습니다. 처음부터 로컬 영상 생성을 목적으로 장비를 고른다면 RTX 4080 노트북처럼 12GB VRAM급으로 올라가는 편이 더 낫습니다.
반대로 영상 생성이 가끔 한두 번 필요한 정도라면 비싼 노트북을 바로 살 필요는 없습니다. 클라우드 생성 서비스나 가벼운 Ken Burns식 모션 도구를 먼저 써보고, 정말 로컬 반복 생성이 필요해질 때 하드웨어를 고르는 쪽이 비용을 아낍니다. 이 작업은 노트북을 혹사하는 작업입니다. 그래서 “가성비”보다 “버틸 수 있는 여유”가 더 중요합니다.
출처 참고: Wan 2.1 공식 GitHub, ComfyUI 공식 GitHub, RTX 3050 6GB 실사용 판단 PR, Wan I2V ComfyUI 워크플로우 이슈, Strix Halo ComfyUI/Wan 2.1 이슈.