SkyReels-V2は、昆仑万维SkyReelsチームが発表した、拡散強制フレームワークを使用する世界初の無限長映画生成モデルです。このモデルは、マルチモーダル大規模言語モデル、多段階事前トレーニング、強化学習、拡散強制フレームワークを組み合わせることで協調的な最適化を実現し、プロンプトの遵守、視覚品質、モーションダイナミクス、動画の長さの調整における従来の動画生成技術の大きな課題を克服しました。コンテンツクリエイターに強力なツールを提供するだけでなく、AIを活用した動画のナラティブと創造的な表現の可能性を無限に広げます。

Wan2.1-FLF2V-14Bは、ビデオ生成分野の進歩を促進することを目的とした、オープンソースの大規模ビデオ生成モデルです。このモデルは、複数のベンチマークテストで優れた性能を示しており、消費者向けGPUに対応し、480Pおよび720Pのビデオを効率的に生成できます。テキストからビデオ、画像からビデオなど、複数のタスクで優れた性能を発揮し、強力なビジュアルテキスト生成能力を備えており、様々な現実的なアプリケーションシナリオに適しています。

Pusaはフレームレベルのノイズ制御によって動画拡散モデリングに革新的な手法を取り入れ、高品質な動画生成を実現します。テキストから動画、画像から動画など、様々な動画生成タスクに適用可能です。優れたモーションの忠実度と効率的なトレーニングプロセスにより、ユーザーが容易に動画生成タスクを実行できるオープンソースのソリューションを提供します。

SkyReels-A2は、動画拡散トランスフォーマーに基づくフレームワークであり、ユーザーは動画コンテンツの合成と生成を行うことができます。このモデルは深層学習技術を活用することで、柔軟な創作能力を提供し、アニメーションや特殊効果制作など、様々な動画生成アプリケーションに適しています。本製品の利点は、オープンソースであることと、効率的なモデル性能であり、研究者や開発者による使用に適しており、現在無料で提供されています。

Step-Video-TI2Vは、上海階躍星辰智能科技有限公司が開発した、高度な画像から動画を生成するモデルです。300億パラメーターのStep-Video-T2Vを基にトレーニングされており、テキストと画像の入力に基づいて最長102フレームの動画を生成できます。このモデルの主な利点は、モーションの幅とカメラワークの制御が可能で、動画生成結果のダイナミックさと安定性のバランスを取れる点です。さらに、アニメスタイルの動画生成において優れたパフォーマンスを発揮し、アニメーション制作、ショート動画制作などの用途に最適です。このモデルのオープンソース化は、動画生成分野に強力な技術サポートを提供し、マルチモーダル生成技術の発展を促進します。

Stable Virtual Cameraは、Stability AIが開発した13億パラメーターの汎用拡散モデルであり、Transformer画像からビデオへの変換モデルです。その重要性は、新しいビュー合成（NVS）に技術的なサポートを提供することであり、入力ビューとターゲットカメラに基づいて、3D整合性のある新しいシーンビューを生成できます。主な利点としては、ターゲットカメラの軌跡を自由に指定でき、大きな視点の変化と時間的に滑らかなサンプルを生成でき、追加のニューラル放射場（NeRF）蒸留なしで高い整合性を維持でき、さらに最長30秒の高品質でシームレスなループビデオを生成できることが挙げられます。このモデルは、研究および非商業目的でのみ無料で使用でき、研究者や非商業クリエイターに革新的な画像からビデオへの変換ソリューションを提供することを目的としています。

SkyReels-V2は、昆仑万维SkyReelsチームが発表した、拡散強制フレームワークを使用する世界初の無限長映画生成モデルです。このモデルは、マルチモーダル大規模言語モデル、多段階事前トレーニング、強化学習、拡散強制フレームワークを組み合わせることで協調的な最適化を実現し、プロンプトの遵守、視覚品質、モーションダイナミクス、動画の長さの調整における従来の動画生成技術の大きな課題を克服しました。コンテンツクリエイターに強力なツールを提供するだけでなく、AIを活用した動画のナラティブと創造的な表現の可能性を無限に広げます。

Wan2.1-FLF2V-14Bは、ビデオ生成分野の進歩を促進することを目的とした、オープンソースの大規模ビデオ生成モデルです。このモデルは、複数のベンチマークテストで優れた性能を示しており、消費者向けGPUに対応し、480Pおよび720Pのビデオを効率的に生成できます。テキストからビデオ、画像からビデオなど、複数のタスクで優れた性能を発揮し、強力なビジュアルテキスト生成能力を備えており、様々な現実的なアプリケーションシナリオに適しています。

FramePackは、入力フレームのコンテキストを圧縮することで、ビデオ生成の品質と効率を向上させる革新的なビデオ生成モデルです。主な利点として、ビデオ生成におけるドリフト問題を解決し、双方向サンプリング手法によりビデオ品質を維持することで、長尺ビデオの生成が必要なユーザーに適しています。この技術的背景は、既存モデルの徹底的な研究と実験に基づいており、ビデオ生成の安定性と一貫性を向上させます。

Pusaはフレームレベルのノイズ制御によって動画拡散モデリングに革新的な手法を取り入れ、高品質な動画生成を実現します。テキストから動画、画像から動画など、様々な動画生成タスクに適用可能です。優れたモーションの忠実度と効率的なトレーニングプロセスにより、ユーザーが容易に動画生成タスクを実行できるオープンソースのソリューションを提供します。

SkyReels-A2は、動画拡散トランスフォーマーに基づくフレームワークであり、ユーザーは動画コンテンツの合成と生成を行うことができます。このモデルは深層学習技術を活用することで、柔軟な創作能力を提供し、アニメーションや特殊効果制作など、様々な動画生成アプリケーションに適しています。本製品の利点は、オープンソースであることと、効率的なモデル性能であり、研究者や開発者による使用に適しており、現在無料で提供されています。

DreamActor-M1は、拡散トランスフォーマー(DiT)に基づいたヒューマンアニメーションフレームワークであり、きめ細やかな全体制御性、マルチスケール適応性、長期的な時間的一貫性を達成することを目指しています。本モデルは混合誘導によって、肖像画から全身アニメーションまで、様々なシーンに適用可能な、高表現力かつリアルなヒューマンビデオを生成できます。主な利点は高忠実度とアイデンティティ保持であり、ヒューマンビヘイビアアニメーションに新たな可能性をもたらします。

Runway Gen-4は、メディア生成と世界の一貫性に特化した高度なAIモデルです。複数のシーンにおいて、一貫性のあるキャラクター、場所、オブジェクトを正確に生成でき、クリエイターに前例のない創作の自由を提供します。映画制作、広告、製品写真など、幅広い用途に適しています。この製品は、細かい調整や追加のトレーニングは不要で、創作プロセスを簡素化し、動画制作の品質と効率を向上させます。

GAIA-2は、ウェイブが開発した高度なビデオ生成モデルであり、自動運転システムに多様で複雑な運転シナリオを提供し、安全性と信頼性を向上させることを目的としています。このモデルは、現実世界のデータ収集への依存という制約に対処するために合成データの生成を行い、一般的なケースとエッジケースを含む様々な運転状況を作成できます。GAIA-2は、様々な地理的および環境条件のシミュレーションをサポートしており、開発者は高額なコストをかけることなく、自動運転アルゴリズムを迅速にテストおよび検証できます。