Wan 2.2: 最先端の AI 動画生成モデル

Wan 2.2 は、アリババによって開発された AI クリエイティブプラットフォームであり、人工知能を通じてクリエイティブワークへの障壁を下げるように設計されています。テキストから画像、画像から画像、テキストから動画、画像から動画、画像編集などの機能を提供します。

Wan 2.2 とは?

Wan 2.2 は、アリババのビジュアル生成モデルの重要なアップグレードであり、現在オープンソース化されています。このリリースでは、機能の強化、パフォーマンスの向上、優れたビジュアル品質が提供され、MoE アーキテクチャ、データスケーリング、映画のような美学、効率的な高解像度ハイブリッド TI2V などの技術革新の組み込みに重点が置かれています。

主な機能:

映画のようなビジョンコントロール: 照明、色、構図を細かく制御することで、プロフェッショナルな映画のようなナラティブを実現します。
スウィーピングモーション: 強化された流動性と制御により、さまざまな複雑なモーションを簡単に再現します。
正確なプロンプト追従: 複雑なシーンやマルチオブジェクト生成のプロンプトをより良く理解し、実行します。
Wan Box プロジェクト: 画像や動画の生成と編集など、さまざまな作成タスクを単一のインターフェイスに統合します。

Wan 2.2 の仕組み

Wan 2.2 には、いくつかの技術革新が組み込まれています。

MoE アーキテクチャ: Mixture-of-Experts (MoE) アーキテクチャをビデオ拡散モデルに導入します。これにより、特殊なエキスパートモデルを使用してタイムステップ全体のノイズ除去プロセスを分離し、計算効率を維持しながら全体的なモデル容量を向上させます。 A14B モデルシリーズは、初期段階に高ノイズエキスパートを使用し、ビデオの詳細を洗練するために低ノイズエキスパートを使用する 2 つのエキスパート設計を採用しています。
データスケーリング: Wan 2.1 と比較して大幅に大きなデータセット (+65.6% 以上の画像と +83.2% 以上の動画) でトレーニングされ、モーション、セマンティクス、美学全体にわたるモデルの汎化を強化します。
映画のような美学: 照明、構図、色の細かいラベルが付いたキュレーションされた美的データを組み込むことで、より正確で制御可能な映画のようなスタイル生成を可能にします。
効率的な高解像度ハイブリッド TI2V: 高度な Wan2.2-VAE で構築された 5B モデルをオープンソース化し、16×16×4 の圧縮率を実現します。このモデルは、720P 解像度、24fps でのテキストから動画および画像から動画への生成をサポートし、4090 などのコンシューマーグレードのグラフィックスカードで実行できます。

オープンソースの可用性

Wan 2.2 はオープンソースであり、強力な機能、優れたパフォーマンス、優れたビジュアル品質を提供します。オープンソースリリースには以下が含まれます。

Wan2.2-T2V-A14B: 480P および 720P 解像度で 5 秒の動画の生成をサポートし、主要な評価ディメンションで主要な商用モデルを上回ります。
Wan2.2-I2V-A14B: 画像から動画への生成向けに設計されており、より安定した動画合成と、多様な様式化されたシーンの強化されたサポートを実現します。
Wan2.2-TI2V-5B: 720P 解像度、24fps でのテキストから動画および画像から動画への生成をサポートし、単一のコンシューマーグレード GPU で実行できます。

Wan Box: All in Wan, Create Anything

Wan Box を使用すると、ユーザーは、画像の生成、動画の生成、動画の編集など、さまざまなクリエイティブタスクを開始できます。タイムラインを使用してクリップをスプライスし、さらに生成を実行することで、柔軟な動画クリップ編集を実現します。

Wan 2.2 が重要な理由

Wan 2.2 は、AI 駆動のクリエイティブな動画生成への参入障壁を下げ、産業界と学術界の両方がその高度な機能を活用できるようにします。そのオープンソースの性質は、この分野におけるコラボレーションとイノベーションを促進します。

Wan 2.2 の実際の例:

映画のようなシーン: 映画のような要素を細かく制御して、素晴らしい動画を作成します。例としては、太陽の光が差し込む森の中の若い男性、スポットライトに照らされた舞台を移動する列車、鏡面反射のあるエスカレーター上の人物などがあります。
ダイナミックモーション: ヒップホップダンス、ストリートパルクール、フィギュアスケートなど、複雑で流動的なモーションを特徴とする動画を生成します。
想像力豊かなシナリオ: ミニチュア水族館が入ったシャボン玉を吹く女性や、色とりどりの花を咲かせる庭のホースを使用する女性など、ユニークで視覚的に印象的なシーンを制作します。

最先端モデルとの比較

Wan 2.2 は Wan-Bench 2.0 上の主要なクローズドソース商用モデルと比較され、複数の重要なディメンションで優れたパフォーマンスを示しています。これは、その高度な機能を強調し、AI 動画生成の分野におけるリーダーとしての地位を確立します。

Wan 2.2 はどこで使用できますか?

Wan 2.2 は、以下を含むさまざまなアプリケーションに適しています。