本文へスキップ

Wan2.1-T2V-14B

拡散トランスフォーマーのモデルで文章から動画を生成

公式サイトを見る

Wan2.1-T2V-14B とは

Wan2.1-T2V-14B は拡散トランスフォーマーの構成に基づき文章から動画を生成するモデルと紹介され、時空間 VAE と大規模データの学習を組み合わせる。 中国語と英語の文章入力に対応し、コンテンツ制作・広告制作・動画編集に向けられ、Hugging Face で無料提供されると説明されている。

できること

  • 文章から動画・画像から動画の生成課題を実行する
  • 480P と 720P の解像度で動画を生成する
  • 時空間圧縮で 1080P 動画を効率よく処理する
  • 単一 GPU と複数 GPU の推論コードを使う

利用例

  • 文章の説明から 5 秒の 480P 動画を生成する
  • 静止画を動きのある動画に変える
  • 中国語または英語の文字を含む動画を作る

導入の手順

  • プロジェクトのリポジトリを複製する
  • 依存パッケージをインストールする
  • Wan2.1-T2V-14B のモデルの重みをダウンロードする
  • 生成スクリプトを実行し文章から動画を生成する

長所と短所

✓ 良い点

  • 中国語と英語の文章入力の両方に対応
  • Hugging Face でモデルが無料提供される

! 注意したい点

  • 流れは文章または画像の入力から始まる
  • 推論は用意された単一 GPU または複数 GPU のコードで行う

よくある質問

どの解像度が挙がる?

機能一覧は 480P と 720P の生成、1080P 動画の処理を挙げる。

モデルはどう入手する?

資料は Hugging Face での無料提供を述べ、手順には重みのダウンロードが含まれる。

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