本文へスキップ

Lumina-T2X

一つの枠組みでテキストから任意の形式へ

公式サイトを見る

lumina-t2x とは

本フレームワークは Flag-DiT 拡散変換器を土台にした、テキストから任意の形式への統合システムである。

できること

  • テキストから画像と動画を生成する
  • 指定した視点で多視点の 3D を作る
  • 狙った感情を込めた音声を合成する

始め方

  • GitHub のページで情報を確認する
  • 資料を読み、構成と実行を把握する
  • 生成の課題を選び、記述を用意する

長所と短所

✓ 良い点

  • 解像度、縦横比、長さは任意に設定できる
  • 画像、動画、3D、音声を共通の潜在空間にまとめる

! 注意したい点

  • GitHub 上の研究向けフレームワーク
  • 実行にはモデルの設定が必要

よくある質問

どんな出力に対応する?

資料では画像、動画、多視点の 3D、音声が挙げられる。

Flag-DiT とは何?

資料ではフロー型の大規模拡散変換器とされる。

最終評価日: 2026-11-15

その他 AI動画生成 ツール

すべて見る →

評価方法