オープンソース動画生成AIのHunyuan VideoとWan 2.1で遊んでみた

昨日、コメント欄でHunyuan Videoという動画生成AIがあることを教えてもらいました。

動画生成できるWebサービスがあることは知っていましたが、エロに厳しいこと、寛容であってもロリは絶対無理。将来的にもまず無理。…ということでWebサービスには興味がなかったんですね。 しかし、ローカルPCで生成できるとなれば話は別です。これは試さざるを得ない！

Promptは「anime style,1girl,loli,fellatio,school uniform,cum,pov」を指定。

環境はRTX4070で最初の動画(WebP 384x512px)生成に115秒、アップスケール(768x1024px)に77秒、mp4生成に26秒

不慣れなので画質はいったん置くとして、3～4分でシーン1つ作れるなら、かなり夢が広がるのではないでしょうか？

もちろん手足がなかったり、ペニスが触手になったり、ガチャ要素はあるので言うほどスムーズに出てくるわけではありませんが、手動で作る場合でも1シーンに1時間くらいはかかっているので20本に1本くらい使える動画が出るなら実用的かも知れません。

Hunyuan VideoでImage to Videoを試してみる

個人的には動画生成の本命はi2v(image to video)や、v2v(video to video)だと思っています。

Promptからシーンが生成されるのも良いですが、Stable Diffusion等で生成した1枚絵を元に動画作ってもらったほうが、あれこれPrompt考えるよりずっと情報量が多く、精度の高い動画が作れそうじゃないですか。

先ほど補足説明で書いたHunyuan AllInOneにI2Vというワークフローがあったので、それを読み込み、必要なカスタムノードやLoRAをDLして、さっそく実行してみました。

元絵

Stable Diffusion (model:WAI-NSFW-Illustrious)で生成した1枚絵です。Promptは「loli,girl,licking,1penis」だったかな。あんまりアレコレ書かずに適当に出力しました。

生成された動画

1つ目は舌がバイブみたいになってて笑っちゃったｗ

2つ目はもうちょい舌をべろ～んと動かしてくれたら普通に実用的になりそう。

生成時間はRTX4070の環境で、512x512pxの動画が約3分。768x768pxで約7分でした。

10個くらい生成した中で、そのほとんどはあまり動かず、マシだったのが上の2つです。

Promptに「a little loli girl licks all over the penis with tongue,handjob,rubbing,grabbing」とだけ指定したのですが、もう少し細かく指定しないといけないのかな？

あるいは、civitaiでHunyuan用のNSFW LoRAが体位ごとに配布されているところを見ると、そういうLoRAで動きを補足するのかも知れませんね。

DLしたワークフローのパラメーターをほとんどイジらずに半日遊んだだけなので、まだ細かいことはよくわかりません。

Wan 2.1でもImage to Videoを試してみる

Hunyuanについて調べていた際、つい先月（2025年2月25日）に発表されたばかりのオープンソース動画生成AI、Wan 2.1というのを見かけたのでこちらも使ってみることにしました。

こちらはご丁寧にもComfyUI Wikiに使い方の詳細が掲載されており、Hunyuan Videoよりも導入は簡単でした。
https://comfyui-wiki.com/ja/tutorial/advanced/wan21-video-model

言われたとおりにモデルをDLしてワークフローをドラッグ＆ドロップするだけで、もうt2vどころかi2vもそのまま使えます。ちょーらくちん。

生成された動画

1つ目はその手どこから？！ｗｗｗと笑ってしまったし、2つ目はあまりに予想外なドヤ顔にお茶ふきましたｗ

生成時間はRTX4070の環境で、768x768pxのt2vに約4分、i2vだと約30分もかかりました。

t2vだと一番小さなモデルを使ったせいか、この記事の一番最初に掲載した動画よりも更にひどく、顔がくずれたような動画しか出ませんでした。

i2vが本命だと思っていたのでそちらをメインにテストするつもり…でしたが…1回30分はキツい。最初の2回くらいは思うようにいかず、4回試しただけでもう2時間。

寝る前とかに実行しっぱなしに出来ないこともないけど…ウーン。GPUフルパワーで動き続けるから電気代も気になっちゃうよねー。

まとめ

Civitaiでの盛り上がりや、LoRAの数から考えて、NSFW目的ならHunyuan Videoが主流なのだろうけど、Wan 2.1のi2vの動きがダイナミックかつ精度が高いので、生成速度が上がったら人気出そうだなぁ。Hunyuan Videoも標準モデルでは生成速度遅いらしく、FastVideoモデルが出てから劇的に早くなったようだし、動画生成AIの進化にワクワクしますね。

最後に先ほど掲載したWan 2.1の動画のスローバージョンを掲載しておきます。

この表情、好きだわーｗ