Wan 2.1：Tongyi Wanxiangが発表したオープンソースの動画生成モデル 259

小编 · 2025-02-21

Tongyi Wanxiangチームが最新の動画生成モデル「Wan 2.1」（万相2.1）を公開しました。動画品質、複雑な動きの描写、物理法則のシミュレーション、中国語テキスト生成など、複数の面で大きな進化を遂げています。特に中国語コンテンツ生成においては、中国語の文字エフェクトを効果的に制御できる初の動画モデルであり、従来モデルが抱えていた中国語処理の課題を解決しました。

Wan 2.1：Tongyi Wanxiangが発表したオープンソースの動画生成モデル

通義万相チームがWan 2.1（万相2.1）という最新の動画生成モデルを発表しました。このモデルは動画生成の多くの面で大きな進歩を遂げており、動画品質、複雑な動きの表現、物理法則のシミュレーション、中国語の漢字生成などが含まれます。特に中国語コンテンツ生成の面では、中国語の文字特效生成を効果的に制御できる初の動画モデルであり、従来のモデルが中国語コンテンツを処理する際の課題を解決しました。

通义万相团队即将推出WanX 2.1.webp

Wan 2.1の機能特徴

複雑な動作の表現：Wan 2.1は、回転、跳躍、翻滚など、さまざまな複雑な人物の動作を安定して表現でき、動画をより生き生きとしてリアルに見せることができます。
物理法則の再現：現実世界の物理法則をリアルに再現できるため、生成される動画がよりリアルで、ユーザーの期待にもよく合っています。
高品質な動画生成：このモデルが生成する動画は視覚効果がよりリアルで、画質も向上しています。物理法則に従ったコンテンツを生成し、複雑な指示をより正確に実行することができます。
複雑な動きの処理：Wan 2.1は複雑な動きのシーンの処理に特に優れており、フィギュアスケート、水泳、飛込などのシーンでは、動きの協調性とリアルさを維持し、複雑な身体動作の生成において顕著な向上を実現しています。
多言語サポート：Wan 2.1は中国語と英語の文字特效を同時にサポートする初の動画生成モデルであり、クリエイティブ産業における応用範囲が大きく広がりました。広告やショート動画制作など、国内外のニーズに応えることができます。
高効率なコーデック技術：自社開発のVAE（変分オートエンコーダー）とDiT（特定のディープラーニングアーキテクチャ）技術を採用しており、この技術により、無限長の1080P動画生成が可能になり、効率と画質の両方が向上しました。

Wan 2.1の技術アーキテクチャ

Wan 2.1は自社開発のVAE（変分オートエンコーダー）とDiT（Diffusion Transformer）アーキテクチャを採用しており、時空間コンテキスト関係のモデリング能力を大幅に向上させました。VAEは動画を複数のブロックに分割し中間特徴をキャッシュすることで、超長尺1080P動画を効率的にエンコードおよびデコードし、無限長の高清動画生成を可能にします。DiTは時空間フルアテンション機構とパラメータ共有機構により、生成品質と訓練効率を顕著に向上させています。

Wan 2.1モデルはまた無限長動画生成をサポートしており、VAEを使用して動画を複数の部分に分割し中間特徴をキャッシュすることで効率的なコーデックを実現し、1080P長の動画生成をサポートしています。また、その生成品質と訓練効率は時空間フルアテンション機構とパラメータ共有機構により顕著に向上しており、生成効果がより精細で安定しています。また、ユーザーがパラメータを設定する際、シンプルモードやプロフェッショナルモードなど、さまざまなプリセットモードを選択して、異なる創作レベルやプロジェクトニーズに対応することができます。