タグ: #video-generation
GPU・LLM・MLOps・Kubernetes、そしてマインドセット · 7 件
動画生成・理解の技術レポート、何を読むか — デモではなく制約を読む
動画生成と理解の技術レポート10本を、arXivの原文アブストラクトで直接確認して整理しました。CogVideoX、Movie Gen、HunyuanVideo、LTX-Video、Wan、Seedance 1.0と2.0、そして理解側のQwen2.5-VL、VideoLLaMA 3、HY-Himmelまで、何を新しく行い著者がどんな限界を述べたかを読みます。順位は扱わず、長さ・解像度・トークン予算といった実際の制約を見ます。領域別・最
2026-08-12 · 12 分で読めます #ai-papers#paper-review#technical-report#video-generation#diffusion-transformer画像1枚から動画を作る — Kling・Veo・Sora vs Wan・HunyuanVideo、何をいつ選ぶか
画像1枚とプロンプトから動画を作るモデルを選ぶとき、実際に決定を分けるのはデモリールの画質ではなく、秒あたり価格・入力画像の制約・ライセンスの3つです。2026年7月時点で、各ベンダーの公式価格表と文書だけを直接確認して整理しました。ホスティッド側はsora-2が720pで秒あたり0.10ドル、Veo 3.1 Fastがオーディオ込みの720pで秒あたり0.10ドル、Klingは秒単位ではなく5秒・10秒のクリップ単位で課金するため秒あ
2026-07-17 · 39 分で読めます #ai#video-generation#image-to-video#open-weights#licensingSOTA動画生成モデル分析 — 時空間拡散トランスフォーマー
動画生成の根本的な難題である時間的一貫性と計算コストを、時空間潜在パッチと拡散トランスフォーマーの観点から整理します。Soraが提示した概念と後続モデル系列、条件付け・評価・物理的一貫性の限界をアーキテクチャ中心に分析します。
2026-06-30 · 16 分で読めます #ai-papers#video-generation#diffusion-transformer#spatiotemporal#text-to-videoAI動画生成 2026 — Sora 2 / Veo 3 / Kling 2 / Hailuo / Runway Gen-4 / Luma Ray 2 / HunyuanVideo 徹底ガイド
2024年2月のSora 1デモが映像業界をひっくり返してから2年。Sora 2が正式リリースされ、Veo 3が音声と会話を同期生成し、Kling 2が中国発の最強動画モデルとなり、HunyuanVideoがオープンウェイトの初の競合になった。2026年5月時点のAI動画生成の地形 — クローズド/オープン/音声・音楽連携/日韓研究まで14章で整理。
2026-05-15 · 36 分で読めます #ai-video#video-generation#sora#veo#kling2025年AI研究トレンド総整理：HuggingFace人気論文からAI研究10大トレンドまで
HuggingFaceトレンディング論文TOP10と2025年AI研究10大トレンドを開発者視点でレビュー。DeepSeek-R1の純粋RL推論、Nemotron-Cascade 30B/3B MoE、GRPO、PagedAttention、100万トークンコンテキストの限界まで。
2026-03-21 · 28 分で読めます #ai-research#papers#huggingface#reasoning#moeWan Text-to-Video/Image-to-VideoとZ Image Turbo完全分析：次世代ビデオ・画像生成モデルのアーキテクチャと活用
Wanビデオ生成モデルとZ Image Turboの完全分析。アーキテクチャ、性能、実践活用ガイド。
2026-03-01 · 54 分で読めます #wan#text-to-video#image-to-video#z-image-turbo#video-generationHunyuanVideoとLTX-2の完全分析：オープンソース動画生成モデルのアーキテクチャ・性能・実践ガイド
Tencent HunyuanVideo（13B）とLightricks LTX-2（19B）のアーキテクチャ、学習手法、性能ベンチマークを詳細に分析。Wan 2.1、CogVideoX、Mochiを含むオープンソース動画生成エコシステムの包括的比較と実践的な使用ガイド。
2026-03-01 · 38 分で読めます #hunyuan-video#ltx-video#ltx2#text-to-video#image-to-video