주요 특징

• MLLM 기반 시맨틱 플래너가 복잡한 편집 지시를 먼저 분해·계획한 뒤 DiT 렌더러가 프레임을 생성하는 2단 구조입니다. 플래너를 빼고 렌더러만 쓰는 Bernini-R 구성도 선택할 수 있어 셋업을 단순화할 수 있습니다.
• t2i, i2i, t2v, v2v, rv2v, r2v 여섯 가지 태스크를 동일한 인터페이스로 제공합니다. 실행 설정은 태스크 종류·프롬프트·입력 미디어·출력 경로를 묶은 JSON 케이스 파일(assets/testcases)로 관리해 긴 프롬프트를 명령줄에서 분리합니다.
• 렌더러 Bernini-R은 Wan2.1을 파인튜닝한 모델로 14B와 1.3B 두 크기를 공개했습니다. 1.3B는 스타일 전환, 자막·워터마크 제거, 국소 편집 같은 단순 작업에서 14B에 근접하지만 인물 생성 등 복잡한 작업에서는 뒤처진다고 저장소가 직접 밝히고 있습니다.
• EditVerse, OpenVE, OpenS2V, VBench와 자체 v2v 지표를 모델별 표로 공개했습니다. Bernini-v2 7+14B 기준 EditVerse 8.02, OpenS2V 63.83, VBench 84.46이며, 영상 편집 품질은 별도 아레나에서 사람이 쌍대 비교 투표한 결과를 Bradley-Terry 점수로 집계했습니다.
• 2026년 6월 추론 코드와 가중치를 공개한 데 이어 7월에는 Bernini-R 학습 코드까지 공개해 추론과 학습을 모두 재현할 수 있습니다. 권장 환경은 H100급 Hopper GPU에 CUDA 12.6, torch 2.7.1이며 모든 추론 경로가 Open-VeOmni를 필수로 요구합니다.