「LongLive2.0-Robot-L」ロボット動画生成モデル:配布ファイル一覧

基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | Efficient-Large-Model/LongLive2.0-Robot-L |
| 公開元のまとめ | Efficient Large Model(NVIDIA・MIT) のモデルとライセンスのまとめ |
| 公開日 | 2026-10-28 |
| ライセンス | other |
| 出典の種類 | 公開元の一次情報(HuggingFace公式ページのモデル公開) |
情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。
概要
Efficient-Large-Modelより、ロボットの動画を生成するためのモデル「LongLive 2.0 Robot-L」の重みが公開されました。このモデルは、画像を入力としてロボットの動作動画を出力する、自己回帰型(autoregressive)の画像から動画への生成(image-to-video)モデルです。
本モデルは、Robot-Mから継続して長いシーケンスでのトレーニングが行われた「Stage-L」の最終チェックポイントであり、ステップ数3,972における重みが含まれています。なお、モデル名に付与されている「S」「M」「L」という表記は、モデルのパラメータサイズではなく、トレーニング時のシーケンス長の違いを表しています。
スペック
資料に記載されているスペックは以下の通りです。
- アーキテクチャ: 自己回帰型 (autoregressive)
- パラメータ数: 4,999,787,712
- 生成タイプ: 画像から動画への生成 (image-to-video)
- 重みの詳細: 825個のFP32テンソル(オプティマイザ、EMA、およびその他のトレーニング状態は含まれていません)
- ライセンス: other (元のアップストリームモデルの条件が適用されます)
本リリースの重みはオンラインジェネレーターのみを含んでおり、単体で動作するパイプラインではありません。そのため、推論を実行するには、別途、対応する推論ランタイム、VAE、およびテキストエンコーダーを準備する必要があります。
性能・品質
モデルの検証に関して、以下の内容が報告されています。
20個のStage-L固定ビデオ検証ゲート(fixed-video validation gates)がすべて承認されました。最終的な評価パネルには、サンプリングステップ数50、CFG 3.0、およびベースシード20260711の設定で評価された24個の動画が含まれています。
ただし、これらの検証はリリースのための検証(release validation)として示されているものであり、ロボット制御の安全性や、特定のベンチマークにおける性能を保証するものではないことが明記されています。
得意なこと・想定用途
このモデルは、ロボティクス(robotics)分野における動画生成を主な用途としています。自己回帰型(autoregressive)のアーキテクチャを採用しており、画像からロボットの動作動画を生成する「image-to-video」のタスクに特化しています。
モデル名に含まれる「L」は、トレーニングにおけるシーケンス長(sequence length)を指しています。本モデルはRobot-Mから継続して、より長いシーケンスでのトレーニングが行われた「Stage-L」の最終チェックポイントです。そのため、ロボットの動作をより長い時間軸で生成することを得意としています。
配布ファイル
Efficient-Large-Model/LongLive2.0-Robot-L で配布されている重みファイルを、Hugging FaceのAPIから当サイトが並べたものです。サイズは実ファイルの値です。
| ファイル | サイズ |
|---|---|
model.pt |
20.00GB |
入手方法
モデルの重みは、Hugging Faceのリポジトリから以下のコマンドを使用してダウンロードできます。
hf download Efficient-Large-Model/LongLive2.0-Robot-L --local-dir./weights/LongLive2.0-Robot-L
推論を実行する際には、いくつかの準備が必要です。本リリースの重みにはオンラインジェネレーターのみが含まれており、単体で動作するパイプラインではないためです。具体的には、対応するLongLive 2.0ジェネレーター、VAE、およびテキストエンコーダーを別途用意する必要があります。
対応する推論ランタイムや具体的な推論手順については、以下のガイドを参照してください。 Long-WAM Stage 1 guide
重みのロードには、以下のPyTorchコードを使用します。
import torch
state_dict = torch.load("model.pt", map_location="cpu", mmap=True, weights_only=True)
model.load_state_dict(state_dict, strict=True)
手元で動かせるか
ライセンス other: 公開元の独自ライセンスです。商用利用の可否を含め、条件は公開元の原文を直接確認してください。
配布形式とライセンス表記から当サイトのコードが組み立てた判定です。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。
当サイトでの実測
ライセンスの都合で行っていない実測
このモデルのライセンス(other)の商用利用の条件を、当サイトが満たしていることを確認できていません。広告を掲載している当サイトでは、ライセンスの都合上、モデルを動かす実測(CPU での実行・回答・量子化の比較・変換・生成)は行っていません。
関連記事
- 「LongLive-Plug-Wan2.2-TI2V-5B-cfg」動画生成モデル:当サイトの生成動画・配布ファイル一覧
- 「WORL-Helios」強化学習済み動画生成LoRAアダプター:配布ファイル一覧
- 「WORL-Lingbot」カメラ制御対応の動画生成LoRAモデル:配布ファイル一覧
- 「Sol-H3-VAE」高速動画デコーダモデル:必要VRAM 8GB〜・配布ファイル一覧
次に読むなら
- 公開元について調べる → Efficient Large Model(NVIDIA・MIT) のモデル・ライセンス・記事のまとめ
- 同じ用途の他のモデルを探す → 動画生成のモデル一覧

