本文へスキップ

Open-Sora Plan v1.2

オープンソースのテキストから動画への生成モデル

公式サイトを見る

open-sora-plan-v1-2 とは

本モデルはテキストを動画の断片へ変えることに注力するオープンソースの動画生成の仕組みと説明されている。

できること

  • テキストの指示から動画の内容を作る
  • 用意した動画データで学習を行う
  • 品質の指標で出力を確かめる

主な特徴

  • 3D 全注意による構成
  • 最適化した CausalVideoVAE の構造
  • 学習で用いる EMA 重みでの微調整

始め方

  • GitHub のページで情報を確かめる
  • 必要なライブラリと道具を入れる
  • 学習環境とデータセットを整える

長所と短所

✓ 良い点

  • 3D 全注意が空間と時間の特徴をまとめて捉える
  • コード、データ、モデルがまとめて公開される

! 注意したい点

  • 学習には環境の用意とデータセットが要る
  • 評価には PSNR、SSIM、LPIPS を用いる

よくある質問

どの構成を使う?

資料では 3D 全注意の構成と 2+1D の設計が名指しされている。

どのデータセットが出てくる?

資料では学習用に Kinetic400 の動画データセットが挙げられている。

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