Linum

テキストから高品質な映画風の動画を生成する、オープンソース（Apache 2.0）のText-to-Video AIモデル

無料WebDesktopオープンソース

概要

Linumは、アニメーションおよび映画制作の民主化を目指し、20億パラメータ規模のText-to-Videoモデル（Linum v2）をオープンソース（Apache 2.0）で提供するAIリサーチラボです。DiT（Diffusion Transformer）アーキテクチャに基づき、720p解像度で最大5秒の動画を生成し、ローカル環境でも自由に実行およびファインチューニングが可能です。巨大企業ではなく小規模な研究チームがゼロから学習させたモデルであるにもかかわらず、時間的一貫性と3Dアニメーションスタイルの美的な完成度が高いという評価を受けています。

差別化ポイント

LinumはRunway Gen-3やLuma Dream Machineのようなクローズドな商用ツールとは異なり、モデルの重みをオープンソース（Apache 2.0）で公開しているため、ユーザーは自身のローカル環境でモデルを直接実行し、制御できます。20億パラメーターという効率的なモデルサイズでありながら、アニメーションスタイルの美的完成度と動きの一貫性において、同程度の規模であるAlibabaのWan 2.1モデルより優れた最適化を実現しています。

主な機能

Linum v2 — 20億パラメータのDiTアキテクチャモデル
Apache 2.0オープンソースライセンス、ローカル実行・ファインチューニングが可能
360p・720p解像度での2〜5秒の動画生成（24 FPS）
3Dアニメーション・CGIスタイルに特化
Hugging Faceでのモデルの一般提供

メリット・デメリット

ウェブ検索で収集したユーザーの声をまとめたものです

メリット

最大の利点は自由度の高さで、高額なサブスクリプションサービスに縛られることなく、自身のGPUリソースを活用して無制限に試せる点です。特に3Dアニメーション（CGI）スタイルに特化しており、キャラクターの質感やライティング処理が非常に優れ、食べ物や自然風景の描写では物理法則を無視しない安定した動きを実現します。また、大企業ではなく小規模な研究チームがゼロから開発したモデルであるにもかかわらず、時間的一貫性（Temporal Consistency）に優れ、フレーム間で被写体の変形が少ないと専門家から評価されています。

デメリット

RunwayやKling AIが10秒以上の長い動画を生成できるのに対し、Linumは現時点で最大約5秒の短いクリップしか生成できないため、物語性のある長いシーンの制作には不十分です。激しいダンスや体操のように身体構造が急激に変化する複雑な物理動作では、依然として形状が崩れるという明確な限界があります。また、動画内のテキスト表現能力が低く、文字を含むシーンではハルシネーションが頻繁に発生します。さらに、クラウド経由ではなくローカルで実行する場合はA100などの高性能GPUが必須であり、一般ユーザーにとって参入障壁となる可能性があります。