Wan はアリババ通義実験室の動画生成モデル群で、重みを Apache 2.0 ライセンスのもと GitHub と Hugging Face で公開し、あわせて wan.video でテキストや画像からの動画生成と画像生成を提供するスタジオを運営しています。
このツールを使いましたか？評価してください
Wan はアリババの動画生成モデル群であり、混同されやすい二つの形で存在しています。ひとつは GitHub と Hugging Face に Apache 2.0 ライセンスで公開されている開かれたモデルの重みで、誰でもダウンロードして自分のハードウェアで動かせます。もうひとつは wan.video にあるホスティング型の制作スタジオで、月額を払ってブラウザ上で生成するため、グラフィックスカードを所有する必要がありません。この分野の道具はたいていどちらか一方ですが、Wan は両方です。そしてどちらを気にすべきかは、十分なメモリを積んだグラフィックスカードが手元にあるかどうかで決まります。
帰属の問題は先に片づけておく価値があります。よく知られたオープンモデルの名を冠したドメインは、第三者に先取りされていることが少なくないからです。ここはそうではありません。wan.video のフッターにはアリババクラウドによる提供である旨の著作権表示があり、連絡先として同社ドメインのアドレスが記されています。より決定的な根拠は基盤側にあります。サイトのフロントエンド資産はアリババ自身のコンテンツ配信網の通義ラボ名前空間から配信されており、スタイルシートもアプリケーションのバンドルもそこから読み込まれます。サイト解析の識別子は Wan の中国語ブランド名である通義万相に設定され、計測スクリプトはアリババ社内のパッケージです。他社が自前の配信網の名前空間にコードを置くことはできません。ここが一次サイトです。
オープンソース側では、公式の GitHub 組織が Wan-Video、公式の Hugging Face アカウントが Wan-AI です。Wan2.2 のリポジトリは自らを開かれた先進的な大規模動画生成モデルと説明し、スター 17,280、フォーク 2,191 を数えます。先行する Wan2.1 のリポジトリはスター 16,888、フォーク 3,450 です。いずれもライセンスは Apache-2.0 であり、キャラクターアニメーション向けの Wan-Animate-2、ダンス動作向けの Wan-Dancer、そして AI エージェントに Wan の生成機能を呼び出させるスキル集として説明される Wan-skills といった派生リポジトリも同じです。
ホスティング製品は、多くの外部掲載情報が追いつく速度よりも速く動いてきました。サイトが現在前面に出しているのは Wan3.0 で、主要な実行ボタンも機能セクションの見出しもこのバージョンを指しています。一方、最も広く使われている公開重みは依然として 2.1 と 2.2 の世代です。Wan を単にテキストから画像や動画を作る基盤だと述べた説明を読んだことがあるなら、その説明は現在のバージョンより前のものです。
公開重みとホスティングスタジオは、同じ製品の包装違いではありません。ライセンスが異なり、できることが異なり、成果物で何ができるかも異なります。
重みには Apache 2.0 の条件が適用され、著作権表示とライセンス本文を保持するかぎり商用利用と改変、再配布が認められます。Hugging Face のモデルカードはさらに踏み込み、成果物に対する権利を明示的に放棄しています。同社は利用者が生成した内容についていかなる権利も主張せず、ライセンスの規定に従うかぎり自由に使ってよいと記しています。成果物の帰属についてはめずらしく明快な立場です。
ホスティングスタジオには独自の購読規約が適用されますが、この規約は今回の調査では取得できませんでした。この制約は後段でそのまま説明します。Apache 2.0 の成果物に関する立場が create.wan.video で作った内容にも自動的に及ぶと考えてはいけません。
サイトは Wan3.0 の動画側の機能を五つ挙げており、いずれも漠然とした言い回しではなく具体的な主張を伴っています。Omni-Creation は参照素材を最大 20 点まで受け付け、文書やウェブページを入力として解釈します。Native 30s Duration は短いクリップをつなぎ合わせるのではなく 30 秒の長さをそのまま生成し、同社はこれをより完全な物語運びを支えるものと位置づけています。Pixel-Perfect Consistency は制作ワークフローにおける納品の確実性を高めるという位置に置かれており、創作ではなく生産の語法である点が目を引きます。Immersive Experience が扱うのはリアリティと質感、そして音の設計の三つです。Precision Video Editing は制御可能な編集に対応します。
画像を扱う機能もさらに五つあります。Portrait Customization は骨格構造や目もとの細部にまで及びます。Advanced Text Rendering は 12 言語の長文に対応し、図表や数式、インフォグラフィックまで生成します。文字描画は長らく画像モデルの弱点でしたから、これは狙いの定まった主張です。Precise Color Control は色の分布を制御します。Multi-Image Editing は最大 9 枚の画像をひとつの成果物に統合します。Sequential Storytelling は様式と被写体の一貫した連続画像を最大 12 枚まで生成します。Interactive Editing は領域を矩形で選び、画素の水準で意図をすり合わせられるようにします。
create.wan.video の制作コンソールには八つのナビゲーション区画があります。探索と生成、キャンバスとスキル、実験場とタイムライン、そして素材とお気に入りです。とりわけキャンバスとタイムラインの存在は、ここが一度生成して落とすだけの単発のやり取りではなく、構成と時系列編集のための環境であることを示しています。コンソール上部には CLI と API の入口も別に用意されています。
Wan2.2 は五つの派生を提供しており、ここではパラメータ規模が重要になります。必要なハードウェアを決めるからです。T2V-A14B はテキストから動画を作るモデルで、専門家混合の構成を採り、総パラメータ 270 億のうち推論の各ステップで約 140 億が有効になります。I2V-A14B は同じ構成で画像から動画を作ります。TI2V-5B は 50 億パラメータの密なモデルで、テキストと画像からの動画生成をひとつのチェックポイントに統合しています。S2V-14B は音声からの動画、Animate-14B はキャラクターのアニメーションと置き換えを担当します。いずれも 480P と 720P、毎秒 24 フレームで生成します。
専門家混合の設計は構造上の見どころです。ひとつのモデルがノイズ除去の全工程を担うのではなく、ノイズの多い初期段階を受け持つ専門家と、ノイズの少ない仕上げ段階を受け持つ専門家が別々に置かれています。このモデルのネイティブワークフローを整備している ComfyUI の公式文書は、そこから得られる強みを三つに整理しています。照明と色彩、構図を多次元に制御する映画水準の美的コントロール、なめらかさと制御性が向上した大きく複雑な動き、そして被写体が複数登場する複雑な場面での正確な意味的追従です。同文書は 5B 版がメモリ最適化のために高圧縮率の VAE を用いているとも述べています。
リポジトリは、これらのモデルを動かすのに何が要るかについて言葉を濁しません。A14B 系については、文書に載る実行コマンドが少なくとも 80GB のビデオメモリを備えた GPU を必要とします。TI2V-5B は 4090 のような一般消費者向けグラフィックスカードで動き、必要なビデオメモリは最低 24GB で、文書が例に挙げる機種がまさに RTX 4090 です。
これはかなり広い隔たりで、実際の採用のかたちを目に見えて変えてきました。Hugging Face 自身のインターフェースを見ると、30 日間のダウンロード数で首位に立つのは 1.3B 規模のテキストから動画のモデルで 204,432 回、5B 規模の統合モデルが 198,975 回でこれに続きます。主力であるはずの A14B のモデルはむしろ後れを取り、画像からの動画が 134,807 回、テキストからの動画が 132,815 回です。つまり最も小さいモデルと二番目に小さいモデルが、最も大きいものより一・五倍から三倍ほど多くダウンロードされています。この技術の実質的な制約はモデルの品質ではなく、利用者の機械に挿さっているグラフィックスカードです。
サイトは API を独立した第三の製品ラインとして扱い、上部ナビゲーションで機能とオープンソースに並べて配置し、フッターにも基盤の概要と接続方法へつながる別のまとまりを設けています。料金ページには重要な商業上の細部が記されています。スタジオの購読は create.wan.video 上での制作のみを対象とし、API やほかの製品は別途購入が必要だというものです。API の具体的な料金や呼び出し仕様は、今回の調査では取得できませんでした。
自前でのホスティングによる動画生成。 公開重みの最も明快な使いどころです。24GB のカードがあれば TI2V-5B が射程に入り、データセンター級のハードウェアがあれば A14B 系も使えます。Apache 2.0 ライセンスは、記載された内容制限を守るかぎり成果物も配備も自分のものであることを意味します。
モデルの上に何かを築くこと。 重みをダウンロードでき、ライセンスが改変と再配布を認めているため、微調整や量子化、製品への組み込み、独自システムへの統合ができます。Wan2.1 のリポジトリだけでフォークが 3,450 という数字は、これが相当な規模で起きていることを示しています。
ComfyUI とノード型のワークフロー。 ComfyUI は Wan2.2 向けの公式ネイティブワークフローを整備しており、コマンド行ではなくノードグラフで作業する多くの制作者がこのモデルを扱えるようになっています。
ハードウェアなしでの見極め。 ホスティングスタジオの無料枠はまさにこのためにあります。GPU や購読に投じるかを決める前に、出力の品質を判断できます。
中規模の制作向け動画作業。 有料枠は 1080p の出力、10 秒から 30 秒の尺、そして透かしのないダウンロードを開きます。試作と納品できる成果物を分けるのは、この三つです。
多言語の文字を含む画像作業。 図表やインフォグラフィックを含む 12 言語の長文描画は、多くの画像モデルがうまく扱えない領域を狙っています。
エージェント駆動の生成。 Wan-skills のリポジトリが生成機能をエージェント向けのスキルとしてまとめ、スタジオが CLI を提供しているので、両者を合わせればプログラムによる自動化の流れに適します。
より大きなモデルを動かせる機材があっても、まず 5B から始めてください。 ダウンロード数は、コミュニティがそこに収束したのに理由があることを示しています。テキストと画像からの動画生成をひとつのチェックポイントに収め、一般消費者向けのカード一枚で動きます。拡張はその後の話です。
中国語と英語のどちらでプロンプトを書くかを意識して選びます。 これらのモデルは両言語のプロンプトを前提に作られています。扱う題材が一方の言語でより厚く表現されているなら、決めつけずに実際に試す価値があります。
制御が要るなら画像からの生成を使います。 すでに手中にある画像から出発すれば、テキストからの生成に比べてぶれの軸がひとつまるごと消えます。I2V-A14B が同アカウントのすべてのモデルの中でいいねの数が最も多い理由でもあります。
公開する成果物を無料枠に期待しないでください。 透かしのないダウンロードは有料枠からです。品質を確かめるために作った出力は、そのまま納品できる出力ではありません。
最初の請求期間は慎重に決めてください。 料金ページは、購読が自動更新でいつでも解約できる一方、最初の月または年は開始後に返金されないと述べています。すでに確信があるのでなければ、最初の試用は月単位にしてください。
スタジオがオープンソースのライセンスを引き継ぐと考えないでください。 Apache 2.0 の条件と成果物の権利を主張しないという文言は、モデルのリポジトリに由来します。ホスティングサービスには別の規約があり、今回は取得できませんでした。
再配布するならライセンス本文を残してください。 Apache 2.0 は商用利用と改変、再配布を認めますが、元の著作権表示とライセンス本文の保持を条件としています。モデルを製品に包むときに見落としやすい点です。
大規模に配備する前に内容制限を読んでください。 モデルカードは、適用される法に反する内容、個人や集団に害を与える内容、害を与える意図で個人情報を広める内容、誤情報を広める内容、弱い立場にある人々を標的にする内容を禁じ、遵守の責任は利用者にあると述べています。
GPU を使える開発者やチーム がここで最も差のある価値を得ます。寛容なライセンスの公開重みに、成果物の権利を放棄する明示的な文言まで加わった組み合わせは、動画モデルではあまり見かけません。
研究者や微調整を行う人 は派生の広がりに支えられます。課題別のモデルが五つあり、アニメーションとダンスのリポジトリも別にあるので、出発点には事欠きません。
ComfyUI の利用者 には公式に支えられた道筋があります。この生態系へ移植されたモデルのすべてがそうであるわけではありません。
ハードウェアを持たない制作者 はホスティングスタジオを使えますが、オープンソース由来であることが優れたホスティング製品を意味すると考えず、価格と出力で専業のホスティング競合と突き合わせて評価すべきです。
エージェントや自動化を作る人 には CLI と API のライン、そして Wan-skills のリポジトリがあります。
別の選択肢を探すべき場合： 一般消費者向けのハードウェアで主力モデルを自前運用しようとする人は、80GB がデータセンター級の要件である以上あてはまりません。契約前にホスティングサービスの規約を確認したい人も、その文書に到達できないため同様です。モバイルアプリが配布されない地域にいて、ウェブではなくネイティブアプリが必要な人、そしてスタジオも API もひとつの取引関係でまとめたい人も同じです。これらは別々に購入するものだからです。
自前ホスティング。 ビデオメモリの要件を満たす機械であればどれでも可能で、モデルはコードのホスティング先である GitHub とモデルのホスティング先である Hugging Face から入手します。Wan の能力を最も完全に、最も制約少なく使う方法です。
ウェブスタジオ。 create.wan.video であり、前述の八区画のコンソールを備えます。ローカルのハードウェア要件はありません。
モバイル。 サイトには App Store と Google Play の導線がありますが、同社自身が添えた但し書きが伴います。アプリはすべての地域で入手できるわけではなく、該当地域の利用者はモバイルウェブ版を使うようにというものです。この地域制限は実在します。米国の App Store を三通りの検索語で確かめましたが、アリババが配信する Wan のアプリは出てきませんでした。代わりに出てくるのは無関係の製品と、名前だけ借りた第三者のアプリが二つで、いずれも評価が一件か二件しかなく、何かを語るには標本が小さすぎますし、公式の製品と取り違えてもいけません。
API。 別の製品ラインとして提供され、別途の購入が必要です。
ComfyUI。 公式文書に裏づけられたネイティブワークフローがあります。
ここで値がついているのは二つのものであり、混ぜて考えてはいけません。
公開重みは無料です。 Apache 2.0 でダウンロードでき、商用にも使えます。費用はハードウェアと電気代です。
ホスティングスタジオは三段階を設けています。 価格は月あたりで示され、年払いには 50% の割引が付きます。
| 段階 | 年払い（月換算） | 月払い | 月あたりクレジット | 同時動画 | 同時画像 |
|---|---|---|---|---|---|
| Free | 0 ドル | 0 ドル | — | 1 | 1 |
| Pro | 5 ドル | 10 ドル | 300 | 3 | 3 |
| Premium | 20 ドル | 40 ドル | 1,200 | 8 | 5 |
同社が換算の目安を示しているのでクレジットは見積もれます。Pro の 300 クレジットは画像なら最大 1,200 枚、動画なら 60 本に、Premium の 1,200 クレジットは画像なら最大 4,800 枚、動画なら 240 本に相当します。料金ページには会員段階とは別にクレジットとギフトカードを売るタブもあります。
無料枠が何を留保しているか は、有料枠が何を与えるかと同じくらい重要です。無料は全体ではなく六種類の画像スタイルに限られ、透かしのない画像や動画をダウンロードできず、1080p の動画も 10 秒から 30 秒の長めの動画も作れません。有料枠はこれらすべてに加えて画像の高解像度化も提供します。どの段階でも毎日のチェックインでクレジットを得られます。
支払いについて目を留めるべき条項が二つあります。 購読は自動更新でいつでも解約できますが、最初の月または年は開始後に返金されません。そしてこの購読は create.wan.video 上での制作のみを対象とし、API やほかの製品は別途購入が必要です。
ホスティング専業の動画生成サービス がスタジオとの自然な比較対象です。ローカルで重みを動かすつもりがまったくないなら、出力の品質と価格、権利条件だけで Wan のスタジオを評価すべきです。オープンソース由来であることはその比較では何の利点にもなりません。
ほかの公開重みの動画モデル が、実際に自前運用する場合の比較対象です。問うべきはライセンス条件、品質段階ごとのビデオメモリ要件、そして生態系の支えです。Wan は最初の項目で高く評価できます。成果物の権利放棄まで明記された Apache 2.0 は寛容な側にありますし、ComfyUI の対応は公式に維持されています。
より小さな Wan の派生を動かすこと 自体が、主力モデルを動かすことへの代替になります。TI2V-5B のダウンロードが 1.3B に迫り、A14B の二つを明らかに上回っている以上、コミュニティが下した実質的な判断は、5B の地点における品質とハードウェアの折り合いが妥当な既定値だということです。
アリババのほかの動画モデル を Wan と取り違えてはいけません。同社は異なるチームで複数の動画生成の取り組みを走らせており、アリババのある動画モデルについての報道が自動的に Wan についての報道になるわけではありません。二次情報がこの点でしばしば誤ります。
ホスティングサービスの規約を取得できませんでした。 本稿で最大の情報の欠落であり、取り繕わずそのまま記します。フッターにある利用ポリシー、利用規約、プライバシーポリシー、学習データの概要という四つの導線は、いずれもアドレス属性を持たない JavaScript のハンドラです。対応する経路に直接要求すると、258 文字の単一ページアプリケーションの外殻しか返りません。ヘッドレスブラウザで規約のアドレスを開くとエラーページへ転送されます。したがって本稿はホスティングサービスの規約やプライバシーの取り扱い、学習データの開示について何も主張しません。商業的に依存する方は、契約前に同社から直接これらの文書を取り寄せてください。
成果物の権利は重み側では明確で、スタジオ側では不明です。 モデルカードの権利放棄の文言は具体的で検証可能であり、公開モデルに適用されます。create.wan.video が同じ立場を採るかどうかは、今回の調査では確認できませんでした。
主力モデルはデータセンター級のハードウェアを要します。 80GB という要件は A14B を個人利用者の射程外に置きます。24GB の 5B モデルが現実的な消費者側の上限であり、ダウンロードの分布がコミュニティの適応を示しています。
無料枠では公開できる成果物を作れません。 透かしのないダウンロードも 1080p も長めの尺もなく、画像スタイルは六種類だけです。
最初の請求期間は返金されません。 自動更新でいつでも解約できますが、開始後の最初の月または年は返金されません。
購入は接点をまたいで通用しません。 スタジオの購読は API やほかの製品を含みません。
モバイルの入手可能性は地域の制限を受けます。 同社が自社サイトでそう述べており、米国の App Store に公式アプリがないという事実がそれを裏づけます。
内容制限が適用され、責任は利用者にあります。 モデルカードはいくつかの類型の内容を禁じ、遵守の責任は全面的に利用者にあると述べています。
サイトのメタデータが製品に後れています。 現行は Wan3.0 ですが、出回っている説明資料の多く、この掲載が引き継いだメタデータも含めて、より古く狭い製品を描いています。現在の能力は外部の説明ではなくサイトそのもので確かめてください。
分類の置き方を正す必要がありました。 この掲載はこれまで動画編集を主分類として掲げていました。製品自身の言い方は生成が先です。代表的な四つの機能のうち三つが生成であり、五つの公開モデルの派生はすべて生成ないし駆動の系統であり、同社の見出し自体が動画生成モデルだと述べています。編集は実在しますが副次的です。
二次報道の取り違えに注意してください。 今回の調査中、ある検索要約がよく知られた動画モデルの順位を Wan のものとして示しましたが、元の記事は別のチームによる別のアリババのモデルについてのものでした。アリババの動画モデルに関する性能や順位の主張は、元記事が実際に何を扱っているかを確かめる必要があります。
どちらの製品を指すかによって、そうでもあり、そうでもありません。モデルの重みは Apache 2.0 で正真正銘の無料です。ダウンロードして動かし、商用にも使えます。条件はライセンス本文を保持し、記載された内容制限を守ることで、費用はハードウェアだけです。wan.video のホスティングスタジオにも無料枠がありますが制約が多く、動画と画像をそれぞれ一件ずつしか同時に扱えず、画像スタイルは六種類、透かしのないダウンロードも 1080p も長めの動画もありません。有料は年払い換算で月 5 ドルからです。
アリババが通義ラボを通じて作っており、公式サイトです。フッターにはアリババクラウドによる提供である旨の著作権表示と、同社ドメインの連絡先が記されています。より強い根拠は基盤側にあります。サイトのスタイルシートとアプリケーションのバンドルがアリババ自身の配信網の通義ラボ名前空間から提供され、サイト解析の識別子が通義万相に設定され、計測のためにアリババ社内のパッケージを読み込んでいます。第三者が他社の配信網の名前空間に配備することはできません。公式の GitHub 組織は Wan-Video、公式の Hugging Face アカウントは Wan-AI です。
公開モデルについては、立場がきわめて明快です。Apache 2.0 が商用利用を認めており、モデルカードは同社が利用者の生成内容にいかなる権利も主張せず、ライセンスに従うかぎり自由に使えると述べています。ホスティングスタジオについては判断できませんでした。その利用規約を今回の調査で取得できなかったためです。商業的な計画が自前運用ではなくスタジオの出力に依存しているなら、まず書面で立場を得てください。
派生によってまったく異なります。TI2V-5B は最低 24GB のビデオメモリが必要で、文書は RTX 4090 を使える消費者向けカードとして名指ししています。T2V-A14B や I2V-A14B といった A14B 系は最低 80GB、つまりデータセンター級のハードウェアが必要です。この隔たりが Wan を自前で動かすうえで最も重要な現実であり、ダウンロードの統計もそれを裏づけます。1.3B と 5B は 14B よりはるかに多く落とされています。
Wan2.2 は五つを用意しています。T2V-A14B はテキストから動画を作り、専門家混合の設計で総パラメータ 270 億のうち各ステップで約 140 億が有効になります。I2V-A14B は同じ設計で画像から動画を作ります。TI2V-5B は両方の課題をひとつのチェックポイントで扱うより小さな密なモデルで、消費者向けのハードウェアで動くのがまさにこれです。S2V-14B は音声から動画を、Animate-14B はキャラクターのアニメーションと置き換えを扱います。いずれも 480P と 720P、毎秒 24 フレームで生成します。
Wan3.0 はホスティングサイトが現在前面に出しているリリースで、主要なボタンも機能セクションの見出しもこれを指しています。30 秒の尺をそのまま生成すること、文書やウェブページの解釈を含む最大 20 点の参照素材、制作の納品を見据えた画素水準の一貫性、そして 12 言語の文字描画や 9 枚の画像統合を含む画像側の機能をもたらします。最も広く使われている公開重みは依然として 2.1 と 2.2 の世代なので、ホスティングスタジオとダウンロードできるモデルは同じバージョンにありません。
クレジットはホスティング段階における計量の単位です。Pro は月 300、Premium は月 1,200 を提供します。同社が推測に委ねず換算の目安を示しています。300 クレジットは画像なら最大 1,200 枚か動画 60 本、1,200 クレジットは画像なら最大 4,800 枚か動画 240 本です。クレジットは会員段階とは別に購入することもでき、どの段階でも毎日のチェックインで追加で得られます。
サイトには App Store と Google Play の導線がありますが、同社自身が付した但し書きがあります。アプリはすべての地域で提供されるわけではなく、該当する利用者はモバイルウェブ版へ案内されます。米国の App Store をいくつかの検索語で確かめても、アリババが配信する Wan のアプリは出てきませんでした。あるのは無関係の製品と、名前を借りた第三者のアプリが二つだけで、いずれも評価が一件か二件しかなく、意味を見いだすには標本が小さすぎます。
使えますし、公式の対応もあります。ComfyUI の文書には Wan2.2 向けのネイティブワークフローの例が載っており、それを ComfyUI における公式の利用案内と説明し、商用利用を含む Apache 2.0 ライセンスを確認しています。基盤を自分で組まずにこれらのモデルを動かしたい大半の人にとっては、こちらが現実的な入口です。
含まれません。料金ページがそれを明記しています。購読は create.wan.video 上での制作のためのものであり、API やほかの製品は別途購入が必要です。プログラムによる生成を計画しているなら、その分は別に予算を取ってください。なお今回の調査では、API の料金と呼び出し仕様は取得できませんでした。
