ResearchMan← Technology
LingBot-Video
Research商用OK (Apache-2.0)#GenVideo#AI/Agents

LingBot-Video

Robbyant/2026-07

Overview

ロボットなど「体を持つAI」が動きを学ぶための教材としても使える、大規模な動画生成AIモデル。見た目の美しさだけでなく物理的な正しさを重視して作られている。

技術のポイント

LingBot-Videoは、きれいな映像を作るだけでなく、ロボットなど体を持ったAI(身体性AI)が動きを学習するための教材としても使える動画生成AIです。専門家ごとに得意分野を分担する「MoE(混合専門家)」という仕組みにより、通常のモデルより高速に、かつ重力・衝突・慣性といった物理法則に沿った自然な動きを再現できるのが特徴です。独自ベンチマークでは同規模の他モデルを上回るスコアを記録しています。広告制作の観点では、実写では狙いにくいカメラワークや、水しぶき・布の揺れ・崩壊する建物といった複雑な物理現象を思い通りに生成する用途に応用でき、CGでは作り込みに時間がかかるカットの下地作りや、ロボット・自動運転向け学習用シミュレーション映像の生成にも展開できそうです。

技術の詳細

仕組みとしては、動画生成の主流である拡散モデル(DiT)をベースに「MoE(Mixture of Experts)」という設計を採用しています。1つの巨大な脳がすべてを処理するのではなく、歩く・跳ねる・物が壊れるといった動きの種類ごとに得意な専門家パートを切り替えて計算する仕組みで、料理でたとえるなら「何でも作る万能シェフ」より「得意料理ごとの専門シェフ集団」の方が速くて質が高い、というイメージです。学習には一般的なネット動画に加え、7万時間分の「ロボットが実際に体を動かした映像」を組み合わせており、これが物理的なリアルさにつながっています。 従来の動画生成AIは「見た目のもっともらしさ」を重視しがちでしたが、LingBot-Videoは「物理的に正しいか」を重視して学習・評価されている点が大きな違いです。テキストや画像から動画を作る通常の使い方に加え、ロボット学習用の教師データとしても使える二面性がユニークです。 使うにはPython 3.10以上とPyTorch、複数GPU(FSDP対応)が推奨される本格的な計算環境が必要で、個人が手元のPCで気軽に試すハードルはやや高めです。ただしコード・モデル重みともに無償公開されており、クラウドGPUを借りれば動かせるため、映像制作会社がまとまった素材を生成する用途であれば現実的な選択肢です。

License

コード・モデル本体はApache 2.0で商用利用可。プロンプトリライター部分はQwenベースのため、その部分のみ別途Qwenのライセンス条件が適用される場合がある

Sources

Related Works

  • HunyuanVideo

    Tencentが公開する大規模オープン動画生成モデル

  • Wan2.2

    AlibabaがMoE構成で公開する動画生成モデル

  • UniRig

    SIGGRAPH 2025発の自動リギングモデル。身体性AI・3D生成の関連研究