Wan 2.2

説明

Wan 2.2は、ビデオ拡散にMixture-of-Experts（MoE）アーキテクチャを初めて導入したオープンソースのビデオ生成モデルです。アリババのTongyi Labによって構築されており、ユーザーはテキストや画像から480Pおよび720Pの解像度で映画的なビデオを作成でき、GitHubから完全なモデルウェイトをダウンロードできます。

このモデルは、ショット言語の深い理解を通じて映画的なビジョンコントロールを強調し、照明、色、構図に対する細かなコントロールを提供し、多様なスタイルに対応します。I2V-A14B画像からビデオへのモデルは、リアルな物理学、自然な動き、非現実的なカメラの動きを減少させた安定したビデオ合成を実現し、高度な動きの理解により、ダンス、パルクール、フィギュアスケートなどの複雑な動きを滑らかに再現します。MoEアーキテクチャは、計算効率を維持しながらモデルの容量を拡大します。

Wan 2.2には、下流のビデオ統合に最適化された画像を生成する強化されたビジュアル作成パイプラインも含まれており、照明、構図、色に関するキュレーションされた美的データで調整されています。以前のバージョンより65.6%多くの画像でトレーニングされており、動き、意味、審美性における一般化を改善しています。完全にオープンソースであるため、開発者やクリエイターはそれをダウンロードして自分で実行でき、グローバルなコミュニティがこのモデルを使って作成した作品を共有しています。

Wan 2.2の主要機能

• GitHubから完全なダウンロード可能なウェイトを持つオープンソースモデル

• 効率的な大容量のためのMixture-of-Experts（MoE）アーキテクチャ

• 480Pおよび720Pでのテキストからビデオ、画像からビデオの生成

• リアルな物理学を持つ安定した合成のためのI2V-A14Bモデル

• 複雑で流動的な動きのための高度な動きの理解

• 照明、色、構図に対する映画的コントロール

• 美的調整を施したビデオ最適化画像生成パイプライン

• 最適化されたパフォーマンスで24fpsの720p出力

Wan 2.2の使い方は？

1. 1

   モデルをダウンロードする：GitHubからWan 2.2とその完全なウェイトを取得します。

2. 2

   モードを選択する：テキストからビデオまたは画像からビデオ生成を使用します。

3. 3

   入力を提供する：テキストプロンプトを書くか、視覚パイプラインで準備した開始画像を提供します。

4. 4

   映画的コントロールを設定する：希望するスタイルのために照明、色、構図、動きを指定します。

5. 5

   生成する：480Pまたは720Pの映画的クリップを作成します。

Wan 2.2の使用例

• 映画的テキストからビデオ
• 画像からビデオの作成
• 自己ホスト型生成
• 動きの多いコンテンツ

Wan 2.2のFAQ

• Wan 2.2とは何ですか？

  Wan 2.2は、アリババのTongyi Labによって構築された世界初のオープンソースMixture-of-Expertsビデオ生成モデルで、テキストからビデオ、画像からビデオの作成を720Pまで行います。

• Wan 2.2は本当にオープンソースですか？

  はい。完全にオープンソースであり、完全なモデルウェイトを持っており、GitHubからダウンロードして自分で実行できます。

• どの解像度をサポートしていますか？

  480Pおよび720Pの解像度をサポートしており、720p出力は24fpsです。

• MoEアーキテクチャは何のためですか？

  Mixture-of-Expertsアーキテクチャは、より高品質なビデオ拡散のためにモデルの容量を拡大しながら計算効率を維持します。

• その動きの処理能力はどのくらいですか？

  Wan 2.2は、ヒップホップダンス、パルクール、フィギュアスケートなどの複雑な動きを滑らかに再現し、I2V-A14Bモデルは非現実的なカメラの動きを減少させます。

• 画像生成にも役立ちますか？

  はい。照明、構図、色に関する美的データで調整された画像を生成するビジュアル作成パイプラインが含まれており、下流のビデオ生成に最適化されています。