Wan

Wanは、Alibabaが開発したオープンソースのAI動画生成プラットフォームで、先進的なマルチモーダル技術を通じてテキストから画像、画像から画像、テキストから動画、画像から動画の生成を提供します。Apache 2.0ライセンスでオープンソース化されており、一般ユーザーがコンシューマーGPUで高品質な動画生成モデルを実行できるよう、AI制作のハードルを下げることを目指しています。

主な機能

• マルチモーダルなコンテンツ生成: テキストから画像、画像から画像、テキストから動画、画像から動画などの作成モードに対応します
• 高品質な動画出力: 最新のWan 2.5は、セリフ、効果音、環境音を同期させた480p〜1080p解像度の動画生成に対応します
• オープンソースかつデプロイ可能: 14Bのプロフェッショナル版と1.3Bの軽量版を提供し、軽量版は8GBのVRAMだけでRTX 4090などのコンシューマーカードで動作します
• ComfyUI統合: ネイティブのComfyUIワークフロー対応で、ワンクリックのデプロイパッケージと完全なチュートリアルによりすぐに始められます
• 多言語テキスト描画: 動画内に視認可能な中国語と英語のテキストを描画できる、初のAI動画モデルです

活用シーン コンテンツ制作では、動画制作者がシンプルなテキストや画像のプロンプトからショート動画の素材をすばやく生成し、制作サイクルを劇的に短縮できます。SNS運用では、クリエイターが画像から動画への変換で静的な素材を動的なコンテンツに変えられます。学術研究者や開発者は、オープンソースのコードを基にモデルの最適化とカスタマイズが可能です。

独自の強み Wanの最大の強みは、オープンソースであることとハードウェアへのやさしさです。Google Veo 3のようなクローズドソースの商用モデルと比べ、Wan 2.1はVBenchベンチマークで86.22%という高いスコアを記録し、SoraやHunyuanを含むいくつかの著名なモデルを上回りながら、実行要件を極めて低く保っています。Wan 2.5はさらに、音声と映像の同期生成における早期のリーダーとして、手頃な価格で商用グレードに近い制作体験を提供します。