コンテンツにスキップ

テキスト→動画

動画

オープンソース

  • C3

    Cosmos 3: Omnimodal World Models for Physical AI AIが発見

    2026

    言語、画像、動画、音声、およびアクションシーケンスを統合的に処理・生成する、オープンソースの多角的世界基盤モデル。物理AI、世界シミュレーション、および高精度な動画生成に最適化されたMixture-of-Transformers（MoT）アーキテクチャを採用しています。

    multimodal open-weights video-generation world-model

    GitHub · arXiv

  • L2

    LTX-2 AIが発見

    2026

    高品質で時間的に同期したオーディオビジュアルコンテンツを統一的に生成できる、オープンソースの視聴覚基盤モデル。140億パラメータのビデオストリームと50億パラメータのオーディオストリームを持つ非対称デュアルストリームTransformerで構成されています。

    audio-visual diffusion dit multimodal

    GitHub · arXiv · Hugging Face

  • H1

    HunyuanVideo 1.5 AIが発見

    2025

    83億パラメータのオープンソース動画生成モデル。選択的およびスライディングウィンドウアテンションを備えたDiffusion Transformer（DiT）アーキテクチャを採用し、高い視覚的品質と動きの一貫性を維持しながら、コンシューマー向けGPUで効率的に動作するように設計されている。

    dit open-source text-to-video video-generation

    GitHub · arXiv · Hugging Face

  • H1

    HunyuanVideo-1.5 AIが発見

    2025

    テンセントの動画生成モデルの軽量アップグレード版。テキストおよび画像からの動画生成において、高い視覚的品質とダイナミックな動きを維持しつつ、推論速度とリソース消費を最適化しています。

    lightweight text-to-video video-generation

    GitHub

  • L2

    LTX-2 / LTX-2.5 AIが発見

    2025

    Lightricksによるオープンウェイトの動画・音声生成モデルファミリー。ネイティブなマルチショットシーン生成、同期された動画・音声合成、Gemmaベースのテキストエンコーダーによる高度なプロンプト追従性を特徴とする。

    audio-video open-weights text-to-video transformer

    GitHub · Hugging Face

  • NC

    NVIDIA Cosmos AIが発見

    2025

    物理AIおよびビデオ生成向けに設計された、世界基盤モデル、データセット、ツールのオープンプラットフォーム。物理的に一貫したビデオの生成に優れた、高効率なビデオトークナイザーと拡散ベースの世界モデルを提供します。

    diffusion physical-ai video-generation world-model

    GitHub · arXiv

  • NC

    NVIDIA Cosmos AIが発見

    2025

    物理AIおよび世界シミュレーション向けに設計されたオープンな世界基盤モデルプラットフォームであり、高精度なテキストからの動画生成、画像からの動画生成、および動画から動画への変換をサポートします。

    open-weights physical-ai video-generation world-model

    GitHub · arXiv

  • W1

    Wan2.1 AIが発見

    2025

    高品質なテキストから動画（Text-to-Video）および画像から動画（Image-to-Video）の生成を最大1080p解像度でサポートする、先進的なオープンソースの動画基盤モデル。革新的な3D変分オートエンコーダー（VAE）とスケーラブルなDiffusion Transformerアーキテクチャを特徴としています。

    diffusion-transformer open-source text-to-video video-generation

    GitHub · arXiv

  • W2

    Wan2.2 AIが発見

    2025

    計算コストを抑えつつモデル容量を拡大するMixture-of-Experts（MoE）アーキテクチャを採用した、先進的なオープンソース動画生成モデル。

    moe text-to-video video-generation

    GitHub · Hugging Face

  • AL

    Allegro AIが発見

    2024

    15 FPS、720p解像度で高品質かつ時間的一貫性のある6秒間のビデオを生成する、オープンソースのテキストからビデオへの生成モデル。

    diffusion text-to-video video-generation

    GitHub · arXiv

  • CO

    CogVideoX AIが発見

    2024

    テキストと動画の表現を整合させるためにExpert Transformerアーキテクチャを採用した、オープンソースのテキストから動画への拡散モデルファミリー。大きな動きと強力な時間的一貫性を備えた、コヒーレントで高フレームレートの動画を生成します。

    diffusion-transformer open-source text-to-video video-generation

    GitHub · arXiv

  • HU

    HunyuanVideo AIが発見

    2024

    クローズドソースの動画生成モデルに対抗するために設計された、130億パラメータのDiffusion Transformerアーキテクチャを特徴とする大規模オープンソース動画基盤モデル。高精度な動き、複雑なプロンプトへの追従、およびネイティブな3D因果アテンションをサポートします。

    diffusion-transformer open-source text-to-video video-generation

    GitHub · arXiv

  • HU

    HunyuanVideo AIが発見

    2024

    3D Causal VAEとデュアルストリームDiffusion Transformerアーキテクチャを採用した、テンセントの大型オープンソース動画生成フレームワーク。テキストプロンプトから高解像度で時間的一貫性のある動画を生成できます。

    diffusion-transformer text-to-video video-generation

    GitHub

  • LV

    LTX-Video AIが発見

    2024

    わずか20億パラメータのDiffusion Transformer（DiT）アーキテクチャに基づく、非常に効率的でリアルタイムな動画生成モデル。リアルタイムの再生速度よりも速く、高品質な30 FPSの動画を生成することができます。

    diffusion-transformer real-time text-to-video video-generation

    GitHub

  • LT

    Lumina-T2X AIが発見

    2024

    テキスト指示を画像、ビデオ、マルチビュー3Dオブジェクト、オーディオクリップに変換するために設計された、フローベースの大規模拡散トランスフォーマー（Flag-DiT）に基づく統合フレームワーク。

    diffusion-transformer text-to-video video-generation

    GitHub · arXiv

  • M1

    Mochi 1 AIが発見

    2024

    非対称Diffusion Transformer（AsymmDiT）アーキテクチャに基づいて構築された、100億パラメータのオープンソース動画生成モデル。高精度な動きと強力なプロンプト追従性を実現し、寛容なApache 2.0ライセンスで公開されています。

    diffusion-transformer open-source text-to-video video-generation

    GitHub

  • NC

    NVIDIA Cosmos AIが発見

    2024

    物理AI、ロボティクス、および自律システム向けに設計された、世界モデル、データセット、ツールのオープンプラットフォーム。2000万時間以上の動画でトレーニングされた、最先端の動画トークナイザーと拡散モデルが含まれています。

    open-source physical-ai video-generation world-model

    GitHub

  • OS

    Open-Sora AIが発見

    2024

    OpenAIのSoraなどの先進的な動画生成モデルのアーキテクチャを再現し、効率的な動画制作を民主化するためのColossal-AIによるオープンソースイニシアチブ。スケーラブルなトレーニングと高品質な動画合成をサポートします。

    diffusion-transformer open-source text-to-video video-generation

    GitHub

  • OS

    Open-Sora-Plan AIが発見

    2024

    OpenAIのSora動画生成モデルの再現を目指すオープンソースプロジェクト。3D Causal VAEとDiffusion Transformerアーキテクチャを利用して、高品質で時間的一貫性のある動画を生成します。

    diffusion-transformer open-source text-to-video video-generation

    GitHub

  • PF

    Pyramid Flow AIが発見

    2024

    ピラミッド型フロー・マッチングに基づくオープンソースの動画生成モデル。潜在表現を段階的にダウンサンプリングおよびアップサンプリングすることにより、高解像度動画の効率的な学習と推論を可能にする。

    flow-matching open-source text-to-video video-generation

    GitHub · arXiv

  • VI

    Vidu AIが発見

    2024

    U-ViTをバックボーンとする拡散モデルに基づき、一貫性とダイナミックな動きに優れた高品質な1080p動画を生成可能な高性能テキスト動画生成モデル。

    diffusion high-consistency t2v u-vit

    GitHub · arXiv

  • AN

    AnimateDiff

    2023

    パーソナライズしたテキスト→画像拡散モデルにモーションモジュールを追加し、既存のチェックポイントやLoRAを短尺クリップにアニメーション化する。

    diffusion motion-module

    GitHub · arXiv

商用・業界ツール

  • RG

    Runway Gen-4.5 AIが発見

    2026

    Runwayが開発した次世代の商用動画生成基盤モデル。ダイナミックなアクション生成、時間的一貫性、および多様な生成モードにわたる精密な制御性において新たな基準を確立しています。

    commercial proprietary text-to-video video-generation

    公式サイト

  • S2

    Sora 2 AIが発見

    2025

    物理的な正確性、リアルな動き、同期された対話、および効果音を特徴とする、OpenAIの高度な動画生成モデル。

    audio-sync text-to-video video-generation

    公式サイト

  • GV

    Google Veo AIが発見

    2024

    リアルな物理挙動、滑らかな動き、およびネイティブに生成されたオーディオを備えた、高品質で映画のような動画を生成できるGoogleの最先端の商用動画生成モデル。

    proprietary text-to-video video-generation

    公式サイト

  • HA

    Hailuo AI AIが発見

    2024

    MiniMaxの先進的な動画モデルを搭載し、滑らかな動きを伴う高精細なシネマティック動画を生成できる最先端の商用動画生成プラットフォーム。

    proprietary text-to-video video-generation

    公式サイト

  • KA

    Kling AI AIが発見

    2024

    快手（Kuaishou Technology）が開発した最先端の商用AI動画生成プラットフォーム。60fpsでのネイティブ4K動画生成、マルチショットの絵コンテ作成、精密なモーションコントロール、および同期されたオーディオ生成をサポートしています。

    4k-video commercial-tool text-to-video video-generation

    公式サイト

  • LD

    Luma Dream Machine AIが発見

    2024

    テキストの指示や画像から、高速な生成速度と一貫した物理法則を備えた高品質でリアルなシネマティックショットを作成する、Luma AIによる商用の次世代動画生成モデル。

    cinematic commercial-tool text-to-video video-generation

    公式サイト

  • MA

    MiniMax AI Video Generator AIが発見

    2024

    MiniMax社（海螺AIとしても知られる）によって開発された強力な商用動画生成モデル。優れた鮮明度とリアルな動きを備えた高解像度動画の生成に秀でている。

    proprietary text-to-video video-generation

    公式サイト

  • OS

    OpenAI Sora AIが発見

    2024

    OpenAIが開発した最先端のテキスト動画生成モデル。複雑なプロンプトに忠実に従いながら、リアルな動きと高い視覚的品質を維持した最大1分間の動画を生成できます。

    proprietary text-to-video video-generation

    公式サイト

  • SO

    Sora AIが発見

    2024

    テキストや画像のプロンプトから、物理的に一貫した極めてリアルな動画を生成する、OpenAIの先進的な動画生成プラットフォーム。

    proprietary text-to-video video-generation

    公式サイト

  • VI

    Vidu AIが発見

    2024

    生数科技（ShengShu Technology）によって開発されたプロフェッショナルなAI動画生成プラットフォーム。高い視覚的一貫性と滑らかな動きを備えたテキストからの動画生成および画像からの動画生成をサポートする。

    proprietary text-to-video video-generation

    公式サイト

  • VA

    Vidu AI AIが発見

    2024

    テキストや画像プロンプトから、一貫したキャラクターの動きや物理挙動を持つ、リアルで高精細な動画を生成できる高性能AI動画生成ツール。

    image-to-video text-to-video video-generation

    公式サイト

  • PI

    Pika

    テキストや画像から短尺クリップを生成する商用動画ツール。アニメ調のスタイルにも対応。

    commercial video-generation

    公式サイト

  • RG

    Runway Gen

    プレビズ、モーションデザイン、スタイライズ動画に使われる商用のテキスト/画像→動画の生成・編集スイート。

    api commercial video-generation

    公式サイト