HunyuanVideoとWan 2.1｜720pの生成環境とプロンプト拡張を比較

両方を720pのT2Vとして検討する場合、解像度だけでは実行条件がそろいません。初代HunyuanVideoの公式GPU構成と、Wan 2.1の14B・offload手順を分け、文章を拡張する工程まで確認します。

公式の公開ウェイトと推論資料を2026年10月19日に確認しました。モデルを実行した画質・速度・費用の測定結果ではありません。

執筆・確認：株式会社志庵編集担当　確認日：2026年10月19日

この記事の目次

同じ720pでも動く構成を別に確認する

対象は初代tencent/HunyuanVideoとWan-AI/Wan2.1-T2V-14Bです。HunyuanVideoの後継版やWanの1.3B・I2Vは含めません。両方に720pの公式例がありますが、同じGPU・同じ時間で実行できる証拠にはなりません。

新しく環境を作る場合は、解像度とフレーム数を満たせる構成を先に確保します。既存環境へ追加する場合は、現在のGPU、空きメモリ、offloadの設定を変えずに何が可能かを切り分けます。

2026年10月19日に確認した公式資料。推論方式・版を各列へ固定
判断軸	初代HunyuanVideo	Wan2.1-T2V-14B
入力	テキストから動画。	テキストから動画。
720pの公式例	1280×720、129フレーム、batch 1でGPU peak 60GB。	14Bの1280×720実行例。480pも対応。
メモリの読み方	NVIDIA/CUDA、Linuxでの公式構成。	offload・T5 CPUの手順。1.3Bの低VRAM例と区別。
文章の拡張	別モデルによるNormal／Master rewrite。	prompt extensionを使う／使わない手順。
比較の保存単位	原文・rewrite結果・重み・フレーム設定・GPU。	原文・拡張結果・task・size・重み・offload。

たとえば原文が「通路を歩く人物へカメラが近づく」だけの場合、拡張処理で照明、服装、時間帯が追加される可能性があります。両モデルの出力差を調べる前に、最終的にモデルへ渡った文章の差を確認します。

動作順や人物の数など、必ず守る条件は別の検品票へ残します。拡張処理を使った結果と使わない結果を同じ入力としてまとめず、採用した版の文章を戻せるようにします。読み込み直した重みや推論コードの版も記録します。

仮に720pの通路素材を複数案作り、人物は編集で後から重ねるとします。まず人物を含めない指示を固定し、床、奥行き、カメラ移動を確認項目にします。初代Hunyuanの129フレーム例とWanの設定を、同じ納品尺へどう合わせるかを別途決めます。生成は行っていません。

公式のピークメモリ値、生成待ち時間、1本あたりの総費用は別の情報です。計画ではGPU稼働時間に加え、環境準備と再生成を記録します。提供元のベンチマークの順位を、自社環境の結果として転記しません。

確認日は2026年10月19日です。正式な配布名、入力、推論構成を確認し、実測していない画質・速度の順位は付けていません。重みとコードの利用条件はそれぞれの配布元で確認します。本記事の例は仮の制作計画です。