Alibaba CloudのWanチームが2025年2月25日にリリースしたWan2.1は、テキストと画像を基に、物理的な整合性に優れた高品質のビデオを生成するオープンソースの大規模ビデオファウンデーションモデルです。従来のビデオ生成モデルは、膨大な計算リソースを必要とし、個々の研究室や小規模なスタートアップがアクセスすることが困難でしたが、Wan2.1は、高性能なビデオ変分オートエンコーダーと効率的な拡散アーキテクチャを組み合わせることで、ビデオ生成の普及を促進しました。まるで大規模言語モデルが自然言語の文脈を理解し、自然に次の単語を予測するように、Wan2.1は、入力されたテキストや静止画像の物理的な空間および時間的な関係を学習し、滑らかで物理的に整合性のある動画フレームを生成します。特に、13億パラメータの軽量モデルから140億パラメータの高性能モデルまで、カスタマイズされたラインナップを提供し、研究者が消費者向けGPU環境でも、最大1080p解像度の整合性のあるビデオデータを直接生成および編集できるようにサポートします。 従来のフレーム補間や3Dシミュレーション方式は、高い物理演算コストと不自然な歪みという問題を抱える一方、Wan2.1は、拡散ベースの生成技術を通じて、フレーム間の時間的な整合性を維持し、自然なカメラワークと物理法則を実装します。これは、商用サービスレベルの映像制作だけでなく、実験データが不足している生命科学分野において、微小流体工学（Microfluidics）内部の細胞の流れをシミュレーションしたり、タンパク質動的フォールディング（Protein Folding Dynamics）の過程を可視化するなど、基礎研究の補助ツールとして有用に活用できます。オープンソースライセンスであるApache-2.0のもと、すべての重みとコードが完全に公開されており、データ漏洩の懸念なく、ローカルサーバーや独自の分析パイプラインに統合できる、強力なセキュリティと拡張性を保証します。 実際の研究現場では、共焦点顕微鏡（Confocal Microscopy）で撮影された静止画像や少数のタイムラプス（Time-lapse）フレームを入力として使用し、細胞分裂（Cell Division）または癌細胞の移動（Cancer Cell Migration）現象を拡張予測するシナリオを設計できます。例えば、512x512解像度の顕微鏡画像をを入力として設定し、--task i2v-1.3Bコマンドとオフロードオプションを有効にすることで、単一のGPU環境で5〜10秒分の合成動画データをわずか数分でレンダリングできます。このように生成された人工動画データは、コンピュータビジョンベースの細胞追跡（Cell Tracking）ソフトウェアの検証や、深層学習オブジェクト追跡アルゴリズムの事前学習（Pre-training）用の拡張データセット（Augmented Dataset）として、有用に連携活用されます。

Alibaba CloudのWanチームが2025年2月25日にリリースしたWan2.1は、テキストと画像を基に、物理的な整合性に優れた高品質なビデオを生成するオープンソースの大規模ビデオファウンデーションモデルです。従来のビデオ生成モデルは、膨大な計算リソースを必要とするため、個々の研究室や小規模なスタートアップが利用することが困難でしたが、Wan2.1は高性能なビデオ変分オートエンコーダーと効率的な拡散モデルを採用しています。