EchoShot: マルチショットポートレートビデオ生成
EchoShotはWan2.1をベースにしたマルチショットポートレートビデオ生成モデルです。複数の参照画像から一貫性のあるポートレートを生成します（NeurIPS 2025）。
E
EchoShot
Wan2.1PortraitMulti-ShotNeurIPS 2025Wan2.1をベースにしたマルチショットポートレートビデオ生成フレームワーク。複数のショットにわたって同一性を保持したポートレートビデオを生成し、柔軟なコンテンツ制御が可能。NeurIPS 2025に採択。
| Developer | D2I-ai |
| Release Date | 2025-06 |
| Architecture | Wan2.1ベース、identity LoRA採用 |
| Capabilities | テキストからマルチショットの一貫性を保持したポートレートビデオ生成 |
| Venue | NeurIPS 2025 |
概要
EchoShotはWan2.1を基盤とした、ネイティブかつスケーラブルなマルチショットポートレートビデオカスタマイズフレームワークです。従来のビデオ拡散モデルでは単一ショットの生成に限定されていましたが、EchoShotは同一人物を異なるシーンやプロンプトで表示しながら、同一性を保持した複数のビデオショットを生成できます。
本モデルはidentity LoRAエンベディングを用いてショット間で顔の特徴を保持し、カスタマイズされたテキストプロンプトによる柔軟なコンテンツ制御を実現します。このため、さまざまなシーンで一貫したキャラクター外観が求められるストーリーテリング、バーチャルアバター、映画的なポートレートビデオ制作に適しています。
ComfyUIとの統合
EchoShotは、Kijai WanVideoWrapperカスタムノードを介してComfyUIで利用可能です。fp16およびfp8スケーリングモデルバリアントは、Hugging Face上のKijai/WanVideo_comfyでホストされています。
リソース
| リソース | リンク |
|---|---|
| Paper | arXiv:2506.15838 |
| GitHub | github.com/D2I-ai/EchoShot |
| HuggingFace (Original) | JonneyWang/EchoShot |
| HuggingFace (Kijai) | Kijai/WanVideo_comfy |
| Project Page | echoshot.org |
Guides and workflows related to this model series.
No articles found.