Wan2.5 - Alitongyiが発表したマルチモーダル生成モデルシリーズ

WAN2.5とは何ですか？

Wan2.5（通義万向2.5）は、アリババの最新マルチモーダル生成モデルで、通義万向2.5（Wan2.5-Preview）のプレビュー版です。テキストからビデオ、画像からビデオ、テキストから画像、画像編集の4つの主要機能を備えています。初めて音声とビデオの同期生成を実現し、24fpsの1080P HDビデオ作成、音声、効果音、音楽の生成をサポートします。中国語と英語のテキスト、複雑なチャート、芸術的なポスターを生成でき、ワンクリックでの画像編集にも対応しています。ネイティブのマルチモーダルアーキテクチャに基づいているため、入力プロンプトや音声による生成が可能で、創造性のハードルを大幅に下げ、広告、eコマース、映画などの分野で幅広く活用できます。本モデルは現在、通義万向およびアリババクラウドの百聯プラットフォームで利用可能です。

Wan2.5の主な機能

• ビデオ生成：
  • 音声と映像の同期 このモデルは、映像に合わせた人間の声（複数人を含む）、効果音、BGMを生成でき、多言語に対応し、映像と音声が完全に統合されています。
  • 期間延長 動画生成時間が5秒から10秒に延長され、より完成度の高いストーリー展開が可能になりました。
  • 高精細な画質 1秒間に24フレームの1080P高解像度ビデオの生成をサポートし、映画シーンのクリエイティブなニーズを満たします。
  • 複雑な指示を理解する 動画生成タスクにおいては、カメラの動きなど、複雑かつ連続的なコマンドの変化を理解し、制御することができる。
• 画像生成：
  • テキスト生成 中国語や英語、あまり一般的でない言語、芸術的なフォント、長文、複雑な構成などを正確にレンダリングでき、ポスターやロゴなども生成できます。
  • グラフ生成 科学グラフ、フローチャート、データ図、アーキテクチャ図、テキストコンテンツを含む表など、構造化されたグラフィックやテキストの出力に対応しています。
• 画像編集：
  • 編集作業を充実させる 背景や色の変更、要素の追加、スタイルの調整など、幅広い編集作業に対応しています。
  • 指示を正確に理解する たった一文を入力するだけで写真を編集できます。指示は正確に理解でき、プロのPhotoshopスキルは一切必要ありません。
  • 一貫性の維持 単一または複数の参照画像をサポートし、顔、製品、スタイルなどの視覚要素のIDを厳密に保持します。

Wan2.5の使い方

• 公式ウェブサイトをご覧くださいアカウント登録とログインを完了するには、同義万郷の公式サイトにアクセスしてください。
• 機能モジュールを選択ログイン後、ホームページに移動し、「動画生成」、「画像生成」、「画像編集」など、目的の機能モジュールを選択してください。
• コマンドを入力するか、素材をアップロードしてください。選択した機能モジュールの要件に基づいて、関連する指示（テキストによる説明など）を入力するか、資料（画像、音声など）をアップロードしてください。
• コンテンツを生成する「生成」ボタンをクリックして、システムが処理を完了するまでお待ちください。生成が完了すると、プラットフォームに結果が表示され、生成された動画、画像、その他のコンテンツを閲覧、ダウンロード、または共有できるようになります。

WAN2.5のアプリケーションシナリオ

• 広告制作広告代理店は、広告テーマに関連したクリエイティブな動画や画像を迅速に作成できるため、広告コンテンツ制作の効率性と多様性を大幅に向上させ、制作コストを削減できます。
• Eコマースコンテンツ制作Eコマースプラットフォームや販売業者は、商品の魅力を高め、ユーザーの購買意欲を向上させるために、商品紹介動画やポスターを作成する。
• 映画およびテレビ制作映画・テレビ制作チームは、監督や脚本家がアイデアを迅速に検証し、制作リスクを軽減できるよう、予備的なビデオスクリプト、シーンデザイン、特殊効果のプレビューを作成する。
• 教育コンテンツの作成教育機関や教師は、教育内容の鮮明さと理解度を高めるために、指導ビデオ、科学的な図表、フローチャートなどを作成することができる。