コンサルオジの海外AI深掘りEnglish

なぜNVIDIAのLyra 2.0は、コードがApache-2.0なのに、重みを本番環境で使えないのか?

公開: 2026年11月8日 · LyraNVIDIA3D世界生成AIモデルライセンス一次資料モデル評価

YouTube で聴く・見る

YouTubeポッドキャスト本編(動画・音声)はこちら:なぜNVIDIAのLyra 2.0は、コードがApache-2.0なのに、重みを本番環境で使えないのか?

https://youtu.be/S8F7OUmN1XM

この記事が役立つ人と、読んだあとにできること

NVIDIAの研究チームが公開した、1枚の画像から3Dの世界を作る研究モデル Lyra 2.0(リラ)を、社内で試す、あるいは製品や販促に使えるかを検討している担当の方と、その上司の方に向けた記事です。「コードは Apache-2.0」「オープン」という表記を見て、モデルの中身である重みも自由に使えると考えてよいのか迷う場面を想定しています。

読み終えると、次の3つができるようになります。

  1. コードの条件と、重みの条件を、別々に読み分ける。
  2. 論文の数字と実行時間の数字を、「誰が・どの条件で測ったか」で読み分ける。
  3. 社内で試す前に、条文を法務へ回し、条件を書き出し、隔離した非本番の環境で小さく試して記録する手順を始める。

この記事は、法的な助言ではありません。条文の言い回しはそのまま引用し、解釈には「私の読み」と書きます。契約や稟議に使うときは、必ず法務で確認してください。

結論:コードは自由に使える条件、重みは「社内の研究開発かつ非本番環境」に限られる

結論から書きます。Lyra 2.0 のコードは Apache-2.0 です。一方、モデルの重み(モデルの中身にあたる数値)は、NVIDIA Internal Scientific Research and Development Model License という別の条文で提供されています。その付与範囲は「社内の科学的研究開発のためだけ、かつ非本番環境」です。配布、デプロイ(本番への展開)、再許諾、公開の表示、公開の上演は禁止され、本番環境での利用と、販売または配布のための作品の生成も禁止されています。商用で使いたい場合は、NVIDIA への個別ライセンスの申込みになります。

図1:Lyra 2.0の権利と数字

数字の側も、条件つきで読む必要があります。論文の評価は著者自身の測定で、本文は「ほぼすべての指標で最良」と書きますが、表を数え直すと最良でない項目があります。実行時間は、公式の案内が H100(80GB)で80フレームあたり約9分、論文が GB200 で約194秒と書いており、計算用の半導体が違うため、同じ物差しでは比べられません。

見るもの 公開されている内容 読み方
コード Apache-2.0 複製、改変、再許諾、配布を認める条文
重み 社内の科学的研究開発かつ非本番環境 本番・配布・販売または配布用の作品の生成は禁止
評価の数字 論文の表1・表2(著者の測定) 同じ表の中でだけ比べる。「最良」は条件つき
実行時間 約9分(H100・案内)、約194秒(GB200・論文) 半導体が違うので比べない

(表の出典は、Lyra-2 の README、モデルカード、ライセンス条文、論文です。取得は2026年11月8日です。)

背景:何が、いつ公開されたのか

図2:三つの問い

この記事は、3つの問いで進めます。何が、いつ公開されたのか。条文は、何を許し、何を禁じているのか。数字は、何と何なら比べられるのか。

まず時期です。論文(arXiv 2604.13036)は、2026年4月14日に提出されました。版は1つ(v1)で、著者は15人、所属は NVIDIA です。Hugging Face のモデルカードのリリース日欄は「Github 04/14/2026」、Lyra-2 の README の更新欄は「April 15, 2026」に論文・重み・推論コードの公開を記載しています。時差で1日ずれるため、この記事は「4月14日から15日」と書き、日付を1つに決めません。

その後の更新は3つあります。4月17日に、DMD という高速版(4ステップの蒸留版)の LoRA が公開されました。7月には、操作画面(GUI)と訓練コードが公開されています。ただし、この日付は、Lyra-2 の README が7月15日、ルートの README が7月20日と書いていて、割れています。この記事は、日付を1つに決めません。

11月の投稿についても書いておきます。NVIDIA AI の公式アカウントが、2026年11月6日の日付(X の埋め込み表示)で、「Turn a single image into a 3D world you can explore with Lyra 2.0.」から始まる紹介を投稿しました。これは、4月の成果の再紹介で、新しい公開ではありません。取得できたのは投稿の冒頭までで、全文は確認していません。新しい版は、私が確認した範囲では見つかっていません。

README の要約は「3D world you can walk through(歩き回れる3Dの世界)」と書いています。論文の題名は「Explorable(探索できる)」です。実際の出力は、カメラが動く動画と、止まった3Dのデータです。登場人物が歩く機能は、私が読んだ範囲では書かれていません。

仕組み:画像1枚から動画を作り、3Dに変える

図3:公開時期と仕組み

入力は、開始画像1枚、カメラの動かし方(カメラ軌跡)、場面ごとの短い文章です。まず、その軌跡に沿って見て回る動画を作ります。次に、その動画を3Dガウシアン(小さな色つきの粒を大量に並べて立体を表す方式)に変えます。モデルカードの出力欄は「Three-Dimensional (3D) Gaussian Scene」で、ファイルは点群の形式(.ply)です。

動画を作る部分の土台は、公開の動画生成モデル Wan 2.1 の 14B(140億パラメータ)版です。パラメータは、モデルの大きさの目安です。3Dに変える部分は、別のモデルで、論文は Depth Anything v3(DAv3)を採用し、著者が微調整したと書いています。

長い動画には、論文が整理する2つの問題があります。1つ目は「空間の忘却」で、一度見た場所に戻ると、前の見た目を忘れて作り直してしまいます。2つ目は「時間のずれ」で、小さな誤りが積み重なって、景色が崩れます。

論文の対策は2つです。空間の忘却に対しては、フレームごとの3D形状を、過去の場面を探して対応づける案内にだけ使い、見た目は生成モデルに任せます。時間のずれに対しては、自分の劣化した出力を履歴として訓練に使います(自己拡張)。

資料同士の食い違い

公開資料を読み比べると、断定できない食い違いが見つかりました。理由はどこにも書かれていません。

項目 論文 モデルカード
訓練データ DL3DV(実世界の長尺動画10K本)を使う 「合成データに頼る手法」と記載
訓練の規模 バッチ64、GB200 64基、7,000反復 H100 32ノード、4000反復
訓練コードの公開日 (記載なし) Lyra-2 README: 7月15日 / ルート README: 7月20日

どれが正しいかは、資料から判断できません。使う数字には、論文か、案内か、モデルカードかを書き添えてください。

ライセンスの条文を読む:コードと重みは別の条件

図4:ライセンス条文の読み分け

ここが、この記事の中心です。Lyra 2.0 の権利は、2つに分かれています。

コードは Apache-2.0 です。Apache License 2.0 の条文は、複製、改変の作品づくり、公開の表示、公開の上演、再許諾、配布を認めています。

重みは、NVIDIA Internal Scientific Research and Development Model License(最終更新は2025年4月11日)です。主な条項を、原文の言い回しで並べます。

条項 原文の言い回し(要旨) 意味
付与範囲 for the sole purpose of Your internal, scientific research and development and in a non-production environment 社内の科学的研究開発だけ。非本番環境で
禁止(配布など) may not be distributed, deployed, sublicensed, publicly displayed, publicly performed 配布、デプロイ、再許諾、公開の表示、公開の上演は不可
禁止(本番・販売) not use the Model or a Derivative Model in a production environment or for the purpose of generating works for sale or distribution 本番環境での利用と、販売または配布のための作品の生成は不可
目的の欄 the Models, Derivative Models, and any of their outputs may be used for research and development, including any non-production efforts 出力を含め、非本番の取り組みを含む研究開発には使える
出力 NVIDIA claims no ownership rights in outputs. You are responsible for outputs and their subsequent uses. 出力の権利は主張されないが、使い方の責任は利用者
違反 rights … will automatically terminate(モデルカード) 条件違反で権利は自動的に終了

本番環境は、顧客や業務が実際に使う環境のことです。デプロイは、本番へ展開することです。

会社の範囲と、グループ会社

条文は、法人(Legal Entity)を、取引する会社だけでなく、その会社を支配する会社、支配される会社、共通の支配下にある会社を含むひとまとまりとして定義しています。グループ会社の中で共有してよいかは、この定義だけでは判断しきれません。法務に確認してください。

題名の問いに戻る:製品と販促は、同じではない

題名の問いは、「なぜ本番環境で使えないのか」です。答えは、条文の付与範囲が「非本番環境」に限られ、本番環境での利用を明示的に禁じているからです。製品への組み込みは、本番環境での利用に当たると、私は読みます。

一方、販促の動画や画像の素材づくりはどうでしょうか。条文は「販売または配布のための作品の生成」を禁じています。販促の素材がこれに当たるかは、条文だけでは、私は断定できません。目的の欄には、出力を含め、研究開発に使える、という書き方もあります。この点は、法務に確認する事項です。

商用の道と、前作との違い

商用で使いたい場合、README は、NVIDIA Research Licensing のフォームで個別ライセンスを申し込むように書いています。条件や料金は、公開されていません。

前作の Lyra 1.0 は違います。Lyra-1 の README は、モデルが NVIDIA Open Model License で提供されると書き、その条文には「Models are commercially usable.」とあります。Lyra 2.0 で、重みの条文が研究用のものに変わりました。理由は、資料に書かれていません。

第三者の資料

README は「このプロジェクトは、第三者の公開ソフトもダウンロードしてインストールします。使う前に、それぞれのライセンスを確認してください」と書いています。Wan 2.1、Depth Anything 3、訓練データ DL3DV などの個別の条件は、この記事では確認していません。

論文の数字は、何と何なら比べられるのか

図5:比べられる数字と比べられない数字

論文は、2つの公開データ(DL3DV-Evaluation と Tanks and Temples)で比べています。表1は動画生成、表2は3Dに変えたあとの質です。先に条件を確認します。

  • 評価は、著者自身の測定です。
  • 比較相手のうち CaM と SPMem は、公開されていないため、著者が Wan2.1-14B をもとに再実装しています。
  • HY-WorldPlay と Yume-1.5 は、明示的なカメラ軌跡を取らないため、カメラ制御の欄は空欄です。
  • 評価に使ったシーンの数、軌跡の作り方、試行回数、誤差の幅は、取得した本文に見つかりませんでした。
  • 第三者による評価は、私が確認した範囲では見つかっていません。

論文の本文は、「our method achieves the best results on both datasets across nearly all metrics(ほぼすべての指標で最良)」と書きます。表1の DL3DV の数字を並べると、次のとおりです。

手法 SSIM↑ LPIPS↓ FID↓ Camera Ctrl.↑ 再投影誤差↓
GEN3C 0.346 0.535 58.96 69.54 0.068
CaM(再実装) 0.370 0.562 50.43 42.71 0.069
SPMem(再実装) 0.383 0.522 53.77 62.05 0.074
Lyra 2.0 0.388 0.498 43.43 64.67 0.076
Lyra 2.0 DMD 0.359 0.507 43.63 65.64 0.088

(↑は高いほど良い、↓は低いほど良い。出典は論文の表1です。Tanks and Temples の数字や、VMem、Yume-1.5、HY-WorldPlay の行は、論文の表を見てください。)

表を数え直すと、再投影誤差(生成した動画の3Dとしての一貫性を確かめる指標)では、GEN3C(0.068)、CaM(0.069)、SPMem(0.074)が、Lyra 2.0(0.076)より低い値です。Tanks and Temples でも、GEN3C(0.054)、CaM(0.056)、SPMem(0.059)が、Lyra 2.0(0.069)より低くなっています。カメラ制御は、GEN3C が最良(69.54)で、論文の本文もこれを認めています。「ほぼすべての指標で最良」は、著者の文として読み、表の数字は別に確かめるのが安全です。

表2(3Dに変えたあと)は、Lyra 2.0 Full が全項目で最良です。ただし、各行は「動画の手法+同じ DAv3」で、Full だけ、著者が自分の生成動画(1分の動画3,000本)で DAv3 を微調整しています。比較相手の DAv3 は微調整されていません。

論文自身が書く限界も、押さえておきます。静的な環境だけが対象で、動く場面は扱いません。訓練データ DL3DV の露出の変動が、出力に残ることがあります。

他の世界生成モデル(HY-WorldPlay 自身の技術報告、Genie 系、World Labs の Marble、HunyuanWorld など)との比較は、並べません。同じデータ、同じ設定の数字を、見つけられなかったからです。出所により異なります。順位は付けません。

実行時間:9分と194秒は、同じ物差しではない

README の実行時間は、1基の H100 80GB で、80フレームあたり約9分、DMD(--use_dmd)で約35秒です。3Dへの再構成は約1分(VIPE+DA3 深度+GS 描画)です。DMD は、サンプリングを4ステップにし、CFG(ガイダンス)を蒸留して、約15倍の高速化と書かれています。

論文の付録は、GB200 1基で、1ステップ(80フレーム)あたり約194秒(35ステップ+CFG)、DMD(4ステップ・CFGなし)で約15秒と書いています。

出所 半導体 フルモデル DMD(高速版)
README H100 80GB 1基 約9分(80フレーム) 約35秒
論文の付録 GB200 1基 約194秒(80フレーム) 約15秒

半導体が違い、測った人も条件の詳細も違います。9分と194秒を並べて「倍率」を作ることは、しません。

README の例(ズームイン81フレーム+ズームアウト241フレーム)で計算すると、フレーム数は「1+80k」の形で、80フレームの区切りは、1つ+3つで合計4つです。9分の4倍で、およそ36分。これは、時間が区切りの数に比例して増えると仮定した、私の概算です。公式の値ではありません。DMD の場合は、約35秒の4倍で、2〜3分です(同じ仮定の概算)。

DMD には注意書きがあります。「prompt following(指示への追従)が弱まり、繰り返しの模様が出ることがある」と README は書き、品質を重視するなら DMD なしを勧めています。論文の表1でも、DMD 版は Tanks and Temples の Camera Ctrl. が63.87から58.12に下がります。

費用は、書かれていません。計算用の半導体の時間単価は、この記事では取得していません。

自社で試す手順:隔離した環境で、小さく

図6:社内で試す手順

ここからは、私の提案です(一次資料の記述ではありません)。

  1. 試す前に、重みの条文を法務に見せます。使い道は「社内の科学的研究開発」と「非本番環境」だけ、と書き出します。
  2. 条件を書き出します。README の測定は H100 80GB です。入力画像は、モデルカードによると 480×832 が目安で、フレーム数は「1+80k」の形です。対象は静止した場面だけです。
  3. 社内の画像を1枚選び、隔離した本番ではない環境で、小さく試します。社外にも、顧客にも、出しません。
  4. 記録します。誰が、何を、どの設定で、どの半導体で、どれだけの時間で試したか。論文や案内の数字と、並べて書きます。
  5. 見る点は3つです。見て回る動画が崩れないか。同じ場所に戻ったとき、見た目が合うか。3Dにしたとき、ぼやけないか。

READMEの注意も、押さえてください。500フレームを超える長い動画は、1回の再構成だとぼやけることがあり、分割して再構成することを勧めています。決めたカメラの動きの途中で、ないものを作ってしまうこともあります。

記録は、次のような表にすると、後から見直せます。

項目 記入欄
試した人 (記入)
条文の確認(法務の確認日と範囲) (記入)
入力(画像の出どころ、解像度、フレーム数) (記入)
設定(半導体、DMD の有無) (記入)
かかった時間(区切りごと) (記入)
動画の崩れ、見た目の不一致、3Dのぼけ (記入)
外へ出していないことの確認 (記入)

この方法の限界は、小さく試すだけだという点です。著者の数字が正しいかを、確かめたことにはなりません。

よくある疑問に、書かれている範囲で答えます

Q1. 社内で試すだけなら、問題ないのですか。 条文の目的の欄は、非本番の取り組みを含む研究開発に使える、と書きます。社内の試作や論文の再現は、これに近いと私は読みます。ただ、グループ会社をまたぐ場合や、社外の人に見せる場合は、条文の範囲を超えうるため、法務に確認してください。

Q2. 生成した動画や画像を、販促に使えますか。 条文は「販売または配布のための作品の生成」を禁じています。販促の素材がこれに当たるかは、条文だけでは断定できません。使う前に、法務に確認してください。

Q3. 重みを少し直して、自社のモデルとして社内で使うのは。 条文は、派生モデルを作ることを認めています。ただし、派生モデルにも、配布、デプロイ、本番環境での利用の禁止が同じようにかかります。

Q4. 商用で使うには、どうすればよいですか。 NVIDIA Research Licensing のフォームで、個別ライセンスを申し込む窓口があります。条件と料金は公開されていません。

Q5. Apache-2.0 のコードだけ使って、自分で重みを訓練すれば自由ですか。 コードの条件は Apache-2.0 です。ただ、土台の Wan 2.1、3Dに変える Depth Anything 3、訓練データの条件は、この記事では確認していません。README も、使う前にそれぞれの条件を読むように書いています。確認してから決めてください。

Q6. 条文が後から変わったら、どうなりますか。 この記事の条文は、最終更新が2025年4月11日のものを、2026年11月8日に取得して読んでいます。公開ページは更新されることがあります。社内の承認を取るときは、承認した日の条文の原文を、保存して添付してください(私の提案です)。

法務に渡す1枚の紙に書くこと

法務に確認を頼むとき、口頭の説明だけでは、論点が抜けやすくなります。次の項目を1枚にまとめると、短い時間で判断を受けやすくなります(私の提案です)。

  1. 対象:モデル名、入手元、取得した日、版。ここでは、Lyra 2.0 の重み(NVIDIA Internal Scientific Research and Development Model License)です。
  2. 条文の原文:付与範囲と、禁止の2つの条項を、原文のまま貼ります。要約だけを貼ると、解釈の違いが生まれます。
  3. 想定する使い道:どの部署が、何のために、どの環境で使うのか。社内の研究開発に収まるか、本番環境に触れないか。
  4. 出力の扱い:生成した動画やデータを、社外に出すのか、出さないのか。出す場合は、販売または配布のための作品に当たるか。
  5. 確認したい点:販促の素材、グループ会社での共有、第三者の資料(Wan 2.1 など)の条件。
  6. 期限と、承認する人。

言葉のやさしい説明

  • 重み:モデルの中身にあたる数値の集まりです。コードは、その数値を使って動かす手順で、別のものです。
  • 本番環境:顧客や業務が、実際に使う環境です。試験用の環境は、本番環境ではありません。
  • デプロイ:作ったものを、本番の環境へ展開することです。
  • 3Dガウシアン:小さな色つきの粒を、大量に並べて、立体を表す方式です。
  • 再投影誤差:生成した動画が、3Dとしてつじつまが合っているかを見る指標です。低いほど良い値です。
  • DMD:生成の手順を35回から4回に減らした、高速版です。速くなる代わりに、指示への追従が弱まることがあります。
  • フレーム:動画の一コマです。80フレームが、生成の一区切りです。
  • パラメータ:モデルの大きさの目安です。14Bは、140億です。

この記事の確度

読み手が使い分けられるよう、確度を3段階で書きます(私の評価です)。

  • 確度 高:条文の言い回し、付与範囲と禁止条項、論文の表の数字、README と論文に書かれた実行時間の数字と測定の半導体。原文を取得して照合しています。
  • 確度 中:公開日(4月14日から15日)。資料によって日付が1日または複数日ずれるため、幅を持たせて書いています。11月の投稿が再紹介であるという点も、冒頭しか取得できていないため、この範囲では中です。
  • 確度 低:条文の解釈(製品への組み込み、販促の素材、グループ会社)、約36分という概算、「オープン」の読み方。私の読みと提案で、法務の確認が必要です。

【私なりの解釈】「オープン」の中身を、分けて読む

図7:オープンの中身を分けて読む

ここからは、事実ではなく、私なりの解釈です。断定ではありません。

第一の解釈です。「オープン」という言葉に、気を付けます。コードの条件と、重みの条件は、別です。Lyra 2.0 は、コードは自由に使える条件で、重みは、社内の研究開発に限られます。

第二の解釈です。「ほぼすべての指標で最良」は、著者の言葉です。表を数えると、3Dの一貫性では、最良ではない行があります。著者の測定として読み、順位は作りません。

第三の解釈です。9分と194秒は、別の物差しです。実務で計画に使えるのは、自社の半導体で測った時間だけです。

言えないことを並べます。ほかの世界生成モデルとの順位。製品に使ったときの品質。販促用の素材が条文に当たるか。費用。

使わなかった主張

この記事を作る過程で、元の資料や出回っている話から、次の主張は使いませんでした。

  • 「SOTA」を事実として扱うこと。モデルカードの記述で、表の数字だけを著者の測定として使います。
  • 「歩ける」を機能として断定すること。README の要約の言葉で、論文は「探索できる」です。
  • 11月の投稿を新しい公開・新しい版とすること。4月の成果の再紹介です。
  • 「研究用のみ」という言い換え。条文の言い回し「社内の科学的研究開発かつ非本番環境」を使います。
  • 訓練の計算量の2つの数字(論文とモデルカード)のどちらかを正とすること。
  • 会議(SIGGRAPH Asia 2026)への採択。ルートの README に表示はありますが、会議側の一覧は確認していないため、使いません。
  • 他の世界生成モデルとの順位や、他の出所の数字との並置。

結論:確かめることは3つ

図8:確かめることは三つ

1つ目は、権利です。コードは Apache-2.0。重みは、社内の科学的研究開発かつ非本番環境に限ります。本番、配布、販売または配布のための作品の生成は、条文が禁じています。商用は、個別の申込みです。

2つ目は、数字です。評価は著者の測定です。「ほぼすべての指標で最良」とありますが、3Dの一貫性を見る指標では、3つの比較相手が上です。実行時間は、9分と194秒で、半導体が違います。

3つ目は、確かめ方です。条文を法務に見せます。条件を書き出し、隔離した環境で、小さく試し、誰が何をどの設定で測ったかを記録します。これは私の提案です。

次の一歩

重みの条文を1枚の紙にして、法務に見せてください。使い道が、社内の研究開発に収まるかを、先に決めます。これは私の提案です。

公開の前に、README とモデルカードの更新、論文の改訂版を、もう一度確認します。この記事は、2026年11月8日に取得した内容に基づいています。

動画で解説しています

この記事の内容は、動画でも解説しています。

https://youtu.be/S8F7OUmN1XM

主張の対応表

記事の主張と出典の対応は、次の表のとおりです(取得は2026年11月8日)。

主張 出典
論文の提出日(2026年4月14日)、題名、著者15人 arXiv 論文ページ(S1)
4月14日から15日の公開、4月17日のDMD、7月の操作画面と訓練コード(日付が割れる) モデルカード(S4)、Lyra-2 README(S3)、ルート README(S8)
11月の投稿(再紹介) NVIDIA AI の投稿の冒頭(S9)
入力・出力、3Dガウシアン、Wan 2.1 の14B Lyra-2 README(S3)、モデルカード(S4)、論文(S2)
空間の忘却と時間のずれ、対策 論文(S2)
訓練データと訓練規模の食い違い 論文(S2)、モデルカード(S4)
コードのライセンス(Apache 2)と許諾の範囲 Lyra-2 README(S3)、Apache License 2.0(S10)
重みのライセンスの条項、法人の定義、最終更新、違反時の終了 ライセンス条文(S5)、モデルカード(S4)
個別ライセンス、第三者ソフトの確認 Lyra-2 README(S3)
Lyra 1.0 のライセンス、商用可の記載 Lyra-1 README(S7)、NVIDIA Open Model License(S6)
表1・表2の数字、再実装、「ほぼ全指標で最良」、限界 論文(S2)
実行時間(H100、GB200)、DMD の注意書き、フレーム数の形、長い動画の注意 Lyra-2 README(S3)、論文の付録(S2)
9分×4区切り=約36分 私の概算(公表値ではない)

参考にした資料(2026年11月8日に取得)

このチャンネルについて

はじめて読む方は、固定の自己紹介記事もご覧ください。https://note.com/consuloji_ch/n/n1975ecc3cf48

記事一覧へ