AI動画モデル図鑑

複雑なマルチショット脚本の理解力はトップクラス、タイムライン形式のプロンプト(00:00-00:

コストパフォーマンスが高く、生成が速い

ネイティブ音声が分水嶺:セリフ・環境音・音楽を一度に生成

画像動画生成と参照画像コントロールが大幅強化(開始・終了フレーム/複数参照画像)

体操・流体・衝突といった複雑な動きの物理シミュレーションはトップクラス

人物の演技とカメラワークが繊細で、「監督視点」が強い

大きな動きやアクション・格闘シーンの表現力が強い

オープンソース路線が独自色を放ち、Wanのオープンソース版はローカルでのデプロイやファインチュー

生成速度が非常に速く、ほぼ即座に出力される

マルチモーダル一体型:対話の中で直接画像や動画を編集できる

キャラクター・シーンの参照一貫性(References)が得意技

初の推論型動画モデル:生成前に「下書き」して自己チェックを行う

Pikaffectsのエフェクト(潰す・溶かす・膨らませる)は拡散力が強い

アニメ風の調整が際立つ

複数被写体の参照(キャラクター＋小道具＋シーンを同一フレームに)という独自の能力

オープンソースの動画大規模モデルの中で最も活発なエコシステムの一つで、LoRAファインチューニン