通義万相
テキスト・画像・音声から映画級の動画やリアルなデジタルヒューマンを素早く生成できる、オープンソースの動画基盤モデル。
ツール概要
採用判断：技術レビューやコミュニティの反響から、Wanxiangはオープンソース動画生成モデルの中で最先端に位置する。Wan2.5 プレビュー版は Veo3 に匹敵する音声同期生成を実現し、Wan2.2‑S2V は音声駆動による高品位なデジタルヒューマン動画をオープンソースで提供。
実際の機能とハードル：単なる写真加工アプリではなく、CM、短編動画、バーチャルパフォーマンス、教育コンテンツなどに使えるマルチモーダル基盤モデル。公式サイトでは毎日無料クレジットが付与され、オープンソースモデルは自前で動かせるが GPU 要件は高い。API の料金は I2V‑Flash で約 0.1元/秒とコミュニティ記事で言及されている（アリババクラウドの情報に基づく、最新の公式価格を確認のこと）。従来の映像制作と比べて低コスト。
向き・不向き：個人開発者、EC コンテンツチーム、教育テクノロジー企業、プリビジュアライゼーションに適する。完全なクローズドソース保証が必要な企業や、AI 生成人物に厳格な規制がある業界、コマ送りレベルの完全制御を求める VFX スタジオには不向き。正確に例えるなら「オープンソース版 Runway/Veo 基盤モデル群」であり、単なる顔交換アプリではない。
コミュニティでの評価と議論の質：技術論文の解説から実際のユーザー検証（X で Veo3 と同等と評価する投稿や、知乎の高評価）まで、多様なエビデンスが存在。デジタルヒューマン動画のバイラルが AI 詐欺への懸念を招いた面もあるが、総じて冷静な議論が多く、単なる拡散より実テストに重きが置かれており、過度な誇張は見られない。Wan2.5 のオープンソース化への期待は残る。