主なハイライト
Wan2.1は現実世界の正確性に優れ、以下の機能を提供します。
手の詳細: 指やテクスチャをレンダリング。
描画アニメーション: 静的な絵を動画クリップに変換。
物理演算: 木の曲がりなどの効果をシミュレーション。
髪の動き: 毛束をリアルにアニメーション。
オブジェクトの相互作用: 複雑な空間的相互作用を処理。
群衆レンダリング: 大規模なシーンでも明瞭さを維持。
Novita AIを利用すると、 5秒の720P動画が0.40ドル で、使いやすいAPIを提供します。Wan2.1は、動画生成における手頃さ、アクセスしやすさ、精度を兼ね備えています。
Wan 2.1の全機能を探索
Wan 2.1とは？
Alibaba Cloudは、動画生成用のWan2.1シリーズAIモデルをオープンソース化するという大きな一歩を踏み出しました。この取り組みにより、研究者、学者、商用ユーザーが多額の初期費用をかけずに最先端のAI機能を利用できるようになり、アクセシビリティの障壁が低減されます。これらのモデルを公開することで、Alibaba CloudはAIと動画生成の分野におけるイノベーションとコラボレーションを促進します。
Wan2.1の多機能性
Wan2.1は非常に多用途であり、動画および画像生成に関連するさまざまなタスクで優れた性能を発揮します。
- Text-to-Video (T2V): テキストプロンプトを動画に変換。
- Image-to-Video (I2V): 単一の画像入力から動画を生成。
- 動画編集: AIによる編集で動画の品質やエフェクトを向上。
- Text-to-Image (T2I): テキスト説明を静止画像に変換。
Wan2.1の特筆すべき機能は、 中国語と英語の両方 でテキストを生成できることであり、多言語動画生成の先駆けとなっています。堅牢なテキスト生成能力により、多様なユースケースでの実用性が高まっています。
Wan2.1の現実世界での正確性
Wan2.1シリーズは、現実世界の物理や詳細をシミュレートする際の並外れた精度で際立っています。以下はその性能を示す主な機能です。
a. 手の詳細
- このモデルは手のレンダリングに優れており、 個々の指 ** 、 ** 肌のテクスチャ ** 、さらには ** 指輪 などのアクセサリーまで正確に描写します。
b. 描画アニメーション
- Wan2.1は 静的な絵 ** を ** 短い動画クリップ に変換でき、アニメーターやデジタルアーティストにとって強力なツールです。
c. 物理シミュレーション
- モデルは現実世界の物理を正確に描写します。たとえば、 キリンが木から逆さまにぶら下がっている ** 状態を、木の枝が ** 重量に応じて現実的に曲がる 様子でレンダリングできます。
d. 髪の動き
- 動画内の 髪の動き ** を正確にレンダリングし、人が頭を回すと ** 個々の毛束 が自然に動く様子を表現します。
e. オブジェクトの相互作用
- Wan2.1は 複雑なオブジェクト間の相互作用 をシミュレートし、複数のオブジェクトが同じ空間内でリアルに相互作用することを可能にします。
f. 群衆レンダリング
- モデルは 大規模な群衆 をレンダリングする際に、各個人が明確に区別され、一貫性のある詳細なシーンを生成します。
Wan 2.1のVBench
VBenchは、個々のモデルの強みと弱みに関する有益な洞察を提供し、詳細で客観的な評価を促進するように設計されています。これらの洞察は、動画生成の将来の進歩に情報を提供するだけでなく、モデルパフォーマンスの向上にも貢献します。人間の知覚との一貫性を確保するために、VBenchは人間の選好アノテーションを統合しており、ベンチマークとしての関連性と信頼性を強化しています。以下のチャートはWan2.1のパフォーマンスを示しています。
Alizilaより引用
Wan2.1のハードウェア要件
Wan2.1はさまざまなユースケースに合わせた複数のモデルを提供しており、それぞれに特定のハードウェア要件があります。以下は4つのWan2.1モデルのハードウェア要件の詳細なまとめです。
| **モデル名 ** | ** 機能 ** | ** 対応解像度 ** | ** モデルサイズ ** | ** ハードウェア要求レベル ** | ** 推奨GPU** |
|---|---|---|---|---|---|
| T2V-14B | テキストから動画 (T2V) | 480P / 720P | 14B | ⭐⭐⭐⭐ | A100 / RTX 3090 / RTX 4090 |
| I2V-14B-720P | 画像から動画 (I2V) | 720P | 14B | ⭐⭐⭐⭐ | A100 / RTX 3090 / RTX 4090 |
| I2V-14B-480P | 画像から動画 (I2V) | 480P | 14B | ⭐⭐⭐ | RTX 3090 / RTX 4070 Ti |
| T2V-1.3B | テキストから動画 (T2V) | 低解像度 | 1.3B | ⭐⭐ | RTX 3060 / RTX 4060 以上 |
APIでWan2.1を実行
Novita AI はAIクラウドプラットフォームであり、開発者がシンプルなAPIを使用してAIモデルを簡単にデプロイできるようにするとともに、手頃で信頼性の高いGPUクラウドを提供し、構築とスケーリングを支援します。
Novita は市場で非常に競争力のある価格を提供しています。
例えば、Wan 2.1 720P 5秒動画は1本あたりわずか0.4ドルです。
一方、Replicateでの類似動画は1本あたり1ドルです。
ステップ1: ログインしてモデルライブラリにアクセス
アカウントにログインし、 モデルライブラリ ボタンをクリックします。
ステップ2: モデルを選択
利用可能なオプションを参照し、ニーズに合ったモデルを選択します。
ステップ3: 無料トライアルを開始
無料トライアルを開始して、選択したモデルの機能を試します。
ステップ4: APIキーを取得
API認証のために、新しいAPIキーを提供します。「設定」ページに移動し、画像のようにAPIキーをコピーします。
ステップ5: APIのインストール
使用しているプログラミング言語に応じたパッケージマネージャーを使用してAPIをインストールします。
インストール後、必要なライブラリを開発環境にインポートします。APIキーを使用してAPIを初期化し、Novita AI LLMとのやり取りを開始します。以下はPythonユーザー向けのチャット完了APIの使用例です。
import requests
url = "https://api.novita.ai/v3/async/wan-t2v"
payload = {
"extra": {"webhook": {
"url": "<string>",
"test_mode": {
"enabled": True,
"return_task_status": "<string>"
}
}},
"model_name": "<string>",
"width": 123,
"height": 123,
"seed": 123,
"prompt": "<string>",
"frames": 123
}
headers = {
"Content-Type": "<content-type>",
"Authorization": "<authorization>"
}
response = requests.request("POST", url, json=payload, headers=headers)
print(response.text)
よくある質問
Wan2.1を実行するにはどのようなハードウェアが必要ですか？
14Bモデルには、 A100 、 RTX 3090 、または RTX 4090 などの高性能GPUが推奨されます。
エントリーレベルのモデル（例：T2V-1.3B）は、低解像度タスクでは RTX 3060以上 で動作可能です。
Wan2.1においてNovita AIがコスト効率に優れている理由は？
競争力のある価格設定： 5秒720P動画あたり0.40ドル で、類似プラットフォームの2.39ドルと比較。
開発者向けの詳細なドキュメントを備えた使いやすいAPI。
APIでWan2.1を使用するにはどうすればよいですか？
Novita AIを通じてWan2.1を使用する手順：
ログイン してモデルライブラリにアクセス。
目的のモデルを選択。
無料トライアル を開始して機能を試す。
設定 セクションでAPIキーを取得。
APIを開発環境にインストールして統合。
Novita AI は、AIの野心を実現するオールインワンのクラウドプラットフォームです。統合されたAPI、サーバーレス、GPUインスタンス — 必要なコスト効率の高いツール。インフラを排除し、無料で始めて、AIのビジョンを現実にしましょう。
