24 GB Mac의 Draw Things: 되면 빠르고, 되기 전엔 깜깜

테스터는 Mac App Store에서 Draw Things를 다운로드했습니다. 소개 페이지에는 'Offline AI Art', 개발자 Draw Things, Inc., 별점 4.6(평가 175개), 연령 18세 이상, 사진 및 비디오 카테고리 8위, 471 MB로 표시되어 있었습니다.

소개 페이지는 'Offline AI Art' 외에는 앱이 로컬에서 실행된다는 점을 분명히 밝히지 않습니다. M1, M2, M3에 대한 최적화는 언급하지만 더 새로운 칩은 언급하지 않습니다(테스터가 읽은 바에 따름).

기술 사양은 설명 없이 나열되어 있고, 제약 사항은 보이지 않습니다.

환영 대화 상자(3단계 중 1단계, 영어)가 모델 입수 방법을 묻습니다. Cloud Compute(Apple 로그인 필요), Draw Things를 통한 다운로드, 로컬 저장소에서 가져오기 중에서 고르며, FLUX.1을 'mighty and popular'라며 제안합니다.

3단계 중 2단계는 공식 모델을 이름과 계열별로 나열합니다. 각 행에는 파일 크기, 작업 유형, 하드웨어 안내가 나타나지 않습니다. 목록 위에는 검색 필드가 있습니다.

어떤 모델이 이미지를 만들고 어떤 모델이 영상을 만드는지, 서로 어떻게 다른지, 메모리에 들어가는지 설명하는 곳이 없습니다. 테스터는 목록을 '끝이 없다'고, 과정을 '눈 감고 더듬는 기분'이라고 표현했습니다.

테스터 노트에 대한 정정: 노트에는 검색창이 없다고 적혀 있으나 스크린샷에는 검색창이 있습니다. 따라서 이 발견 사항은 크기, 작업, 하드웨어별 필터가 없다는 점으로 한정됩니다.

테스터는 24 GB에 맞는 모델을 찾았습니다. 다운로드 대화 상자에서 읽은 바로는 FLUX 모델이 약 32 GB, Chrono Edit 14B가 약 25 GB, LTX 2.3 22B distilled(6-bit)가 약 57 GB였습니다. 이 세 가지의 대화 상자는 노트에 없습니다.

SeedVR2 7B는 16,757.66 MiB(약 16.4 GiB)로 충분히 작아 보여 다운로드했습니다.

다운로드 대화 상자에는 퍼센트와 MiB가 표시되고 남은 시간은 표시되지 않습니다. 테스터에 따르면 모델을 내려받는 동안에는 앱의 나머지 부분을 사용할 수 없었습니다.

이 정도 크기의 다운로드라면 대부분의 앱처럼 예상 소요 시간을 보여 주어야 합니다.

설정의 3단계 중 3단계는 생성한 이미지를 어디에 저장할지 묻는데, 모델 다운로드와 같은 창 안에 있습니다. 이 단계는 선택 사항으로 표시되어 있습니다. 테스터는 왜 설정 안에 있는지 의문을 가졌습니다.

가격 페이지에는 Free Edition(무료 에디션)이 올라와 있으며, 'Create prompts and download models from our servers to generate images locally and privately on your own device'라는 설명과 함께 로컬 연산, 모델 다운로드, 무한 캔버스, 로컬 LoRA 학습이 나열됩니다.

테스터는 무료 계정('Community')이 Free Edition과 어떻게 다른지 알 수 없었습니다. 테스터의 해석은 Free Edition은 Mac에서 실행되고, Community는 사용량 제한이 있는 클라우드 연산을 더한다는 것입니다. 확인하지 않았습니다.

릴리스 이력은 활발해 보였습니다. 테스터가 읽기로는 두 달에 한 번꼴입니다. 정확한 날짜는 기록되지 않았습니다.

문서에는 Basic UI, Models, LoRA, ControlNet, Textual inversion, Others, CoreML, Scripts 페이지가 있습니다. Basic UI 페이지에는 이미지 자리 표시자가 있고, 목차에는 '[old version]' 줄이 남아 있습니다.

문서는 내용이 얕고, LoRA가 무엇인지 안다고 가정합니다.

프롬프트: 'red ball please. with gold dot in middle'. 앱은 예상 시간 11분을 표시했고, 테스터는 컴퓨터가 작동하는 소리를 들을 수 있었습니다. 결과는 단색 회색 정사각형이었습니다.

'Negative' 프롬프트 필드가 활성화되어 있었습니다. 테스터는 이를 추가하지 않았고 왜 있는지도 알지 못했습니다.

두 번째 시도에서는 ChatGPT가 쓴 긴 프롬프트(노이슈반슈타인 성, Keith Haring 스타일, 정확히 4색)를 사용했습니다. 시도별 예상 시간은 약 11분, 10분, 20분이었습니다. 노트에는 이 시도의 결과가 적혀 있지 않으며, 테스터는 이후 원인을 찾아 나섰습니다.

테스터는 예상 시간이 프롬프트에 좌우되지 않는다고 추정합니다. 데이터 포인트는 세 개뿐이며, 예상 시간은 선택된 모델을 반영한 것일 수도 있습니다.

앱은 SeedVR2 7B를 원스텝 diffusion 영상 복원 모델로 설명합니다. 이 모델이 두 번의 이미지 시도 모두에 선택되어 있었습니다.

테스터가 텍스트-이미지 프롬프트에 복원 모델을 선택했습니다.

앱은 이 모델이 텍스트 프롬프트에 맞지 않는다고 알려 주었어야 합니다. 노트에는 경고가 있었다는 기록이 없습니다.

Grok은 답하지 않았습니다. Perplexity는 답했습니다. 24 GB MacBook용으로는 ERNIE Image Turbo 1.0(6-bit S와 8-bit S)을 가장 안전한 이미지 모델로, SeedVR2 7B를 업스케일링과 복원용으로 꼽았습니다. LTX-2.3 22B distilled(6-bit)는 짧고 해상도가 낮은 영상용의 실험적 모델로 평가했고, [dev] LTX 모델과 전체 ERNIE Base 모델은 권하지 않았습니다. 이 답변의 출처는 여기서 확인하지 않았습니다.

앱이 이런 기능을 제공해야 합니다. 하드웨어를 입력하면 미리 걸러진 목록을 받는 것입니다.

테스터는 ERNIE Image Turbo 1.0(8-bit S)을 다운로드했습니다. 11,644.41 MiB, 약 11.4 GiB, 파일 3개입니다.

이 모델이 이후 이미지를 만든 모델이라고 봅니다. 노트에는 모델 이름이 적혀 있지 않습니다.

이미지는 각각 1분 미만이 걸렸습니다. 시간은 기록되지 않았습니다.

노이슈반슈타인 프롬프트는 알아볼 수 있는 성과 Haring 스타일의 인물, 방사형 선을 만들어 냈습니다(이 페이지 상단). 돌, 숲, 하늘의 자연스러운 색조가 남아 있어 '정확히 4색' 지시는 충족되지 않았습니다.

생성된 캠핑카는 그럴듯해 보이지만 측면의 글자는 의미 없는 텍스트입니다. 프롬프트는 기록되지 않았습니다.

이미지 품질은 훌륭합니다. 이미지 속 글자는 약합니다.

테스터는 PromptQuorum을 'the world's leading directory for local LLM and local AI apps'로 소개하는 히어로 이미지를 요청했습니다. 첫 시도는 긴 프롬프트(길이 카운터 3,670)를 썼고, 알아볼 수 없는 라벨이 여럿 있는 어두운 인터페이스 콜라주가 나왔습니다.

설정을 바꾸자 출력이 여러 색의 노이즈가 되었습니다. 패널에서 Text Guidance는 45.5로 표시됩니다.

높은 guidance 값이 노이즈의 원인이었다고 봅니다. 원인을 따로 분리해 확인하지는 않았습니다.

테스터의 말로는 'iteration' 설정을 낮추자 도움이 되었습니다.

더 짧은 프롬프트(카운터 51)를 쓰자 헤드라인을 읽을 수 있게 되었습니다. 작은 라벨은 여전히 깨져 있었습니다.

테스터는 최신 대화형 모델처럼 '이 그림은 유지하고 여기만 바꿔 줘'라고 말할 방법을 찾지 못했습니다. 새 이미지를 시작하려고 이전 프롬프트를 직접 지웠습니다.

Version History('Generated image'와 'Cleared canvas' 항목 포함), 'Edit' 버튼, Canvas Tools, Image Interpreter, CLIP Score가 스크린샷에 보입니다. 이 중 어느 것도 평가하지 않았습니다.

처음 쓰는 사용자는 컨트롤을 이해하지 못할 것이며, 컨트롤과 모델의 관계도 불분명합니다. 패널에는 설명 문구가 있고, 컨트롤이 모델 위에 추가되는 별도 파일이라는 안내도 있습니다.

테스터는 앱이 무료인데도 계속 사용하지 않을 계획입니다. 이유: 쉬운 모드가 없고, 결과를 조정하기 어려우며, 하우스 스타일을 적용하거나 시스템을 정확히 한 장의 그림으로 유도하는 방법이 불분명합니다.

로컬 모델은 클라우드 모델이 거부할 이미지도 만들 수 있다는 테스터의 견해는 테스트하지 않았습니다.

'나에게는 맞지 않고, 지금은 아니다.' 이런 도구를 다루는 노하우가 부족할 수도 있다고 테스터는 말합니다.