アリババが「Wan2.7-Image」公開：12言語の文字描画と最大12枚の一貫画像生成に対応

AIで連続したコマ画像やポスターを作ろうとすると、キャラの顔が崩れたり文字が読めなくなったりするのが長年の課題でした。

アリババは、画像の生成・編集・理解を1つに統合した新モデル「Wan2.7-Image」を発表しました。

細部の制御と12枚の一貫出力を両立

Wan2.7-Imageの大きな特徴は、そのコントロール性の高さです。顔の骨格、目、輪郭を細かく調整できるほか、HEXカラーコードの指定や参照画像からのパレット抽出に対応しています。

さらに12言語で3Kトークンの印刷品質テキストを描画可能。画像上の視覚的指示による対話的編集に対応し、1回のプロンプトで最大12枚のスタイルやキャラクターが一貫した画像を生成できます。

なぜ重要か

漫画のネームや分鏡、多言語展開するECバナーの制作において、一貫性の維持と文字崩れの防止は最大の課題でした。1度の生成で12枚の一貫した画像を出せる点は、実制作の効率を大きく引き上げる可能性があります。

単なる高解像度化にとどまらず、精密な編集と生成を統合モデルとして仕上げた点は非常に実用的です。今後の提供形態次第では、画像生成ツールの勢力図に影響を与える動きになりそうです。