W
WAN 2.2-S2V
音声録音からリップシンク付きのアバター動画を作成
デフォルトのカバー
紹介
WAN 2.2-S2Vは、音声を入力するとリップシンクと自然な表情の動きを備えたアバター動画を生成する音声から動画を作るツールです。リアルなアバターを選ぶか、自分の写真をアップロードして使えます。基盤となるモデルはApache 2.0ライセンスで公開されており、Hugging FaceやModelScopeで入手できます。サイトによると720p動画を10分未満で生成できます。
- 掲載日
- 2026年11月2日
- ウェブサイト
- wan-s2v.com
製品情報
WAN 2.2-S2Vとは？
音声からアバター動画を作るツールで、基盤はオープンソースのモデルです。
WAN 2.2-S2Vの使い方
音声を録音またはアップロードし、アバターのスタイルを選ぶか写真を読み込みます。モデルが同期した動画を生成するので、結果をダウンロードします。
WAN 2.2-S2Vの主な機能
- 音声に合わせて動くリップシンク付きアバター動画
- 270億パラメータのMixture-of-Experts型モデル
- 720p動画を10分未満で生成
- 40以上の言語に対応
- Apache 2.0ライセンスのモデル
WAN 2.2-S2Vの活用例
- 1講義やチュートリアル動画の制作
- 2プレゼンテーションや社内研修
- 3マーケティングや商品紹介の動画制作
- 4ポッドキャストの映像化
WAN 2.2-S2Vに関するよくある質問
WAN 2.2-S2Vはどの音声形式と言語に対応していますか？+
MP3、WAV、M4A、FLACなどの音声ファイルに対応し、40以上の言語をサポートすると案内されています。
WAN 2.2-S2Vで自分の写真からアバターを作れますか？+
はい、写真をアップロードして個人用のアバターを作成できます。
WAN 2.2-S2Vはどのカテゴリに入っていますか？+
WAN 2.2-S2VはAIアバター動画に掲載されています。