動画生成AI、革命の兆し「Stable Diffusion」級の衝撃再び

2025年03月31日 07時00分更新

文● 新清士

2点間を補完する「キーフレーム」機能も実現

　リリース直後のWan 2.1のi2vには、始点と終点の画像を指定できるキーフレーム機能が搭載されていませんでした。この機能があれば、指定した2枚の画像の間を自動的に補完してくれるため、動画の内容をより自在にコントロールできるようになります。3月19日にraindrop313さんという方が、現在のモデルでも動作させる方法を発見して公開。翌日にはKjiaiさんが高速化を施したモデルへの対応したワークフローを公開し、動作するようになりました。さらに、Zuntanさんが開発する「EasyVideoWan」では、それらの新規機能を組み込んだワークフローも追加され、使いやすくなってきています。

　明日来子さんのつなぎは、実際にこのキーフレーム機能を使い、違う結果の画像をつないだ動画を作成することで、連続した動画として見せるようにしています。

キーフレーム機能に対応したZuntanさんのEasyVideoWanのワークフローの一部。様々な機能や設定が追加されており、ComfyUI初心者でも比較的扱いやすい。NVIDIA RTX 3060といったVRAMが少ないものでも動作するという

　さらに、TDSさんは独自のスクリプトで、最初と最後だけでなく、途中に画像を挟んでもなお、動作することを紹介しており、Wan 2.1の持つ柔軟性が明らかになっています。複数のフレームを指定する汎用的なワークフローは登場していませんが、一般化は進むと考えられます。

Wan2.1で中間フレームも指定できるようにしてみた
エンドフレームと同じ要領で処理してるだけ
専用モデルでもないのに凄いなあ pic.twitter.com/3Zxh55KxRU
— TDS (@TDS_95514874) March 27, 2025

▲TDSさんが実験している複数画像指定による動画生成

　その後、アリババは、3月26日に、キーフレームに対応した「Wan2.1-Fun-1.3B/14B-InP」を正式にリリースしました。ただ、49GBもある大型モデルということもあり、ユーザー開発の修正版よりも使いやすい環境とは言えず、まだ広がってはいません。一方で、さらに興味深いモデル「Wan2.1-Fun-1.3B/14B-Control」も合わせてリリースされました。このモデルにはControlNetが最初から組み込まれており、線画（Canny）や深度（Depth）などの対応した動画を入力データとして使うと、その情報を利用できるという能力を持っています。すぐにKjiaiさんが高速化版もリリースされました。

　アーティストの852話さんは、この制御を実現するワークフローをいち早く公開しました。このワークフローでは、入力した動画をControlNetの入力情報として認識し、さらに1枚目の画像を指定することで、それに合わせた動画を生成できます。たとえば白黒の動画であれば、最初の1枚に基づいて着彩をすることが可能です。また、線画だけの簡易的なアニメーションでも、不足している情報を補完しながら着彩してくれます。