MOVA veröffentlicht: 32B-MoE-Modell zur end-to-end synchronen Video-Audio-Generierung als vollständiger Open-Source-Stack
Originaltitel:MOVA:可扩展的同步视频-音频生成
KI-Zusammenfassung
Das OpenMOSS-Team veröffentlicht das Audio-Video-Grundmodell MOVA mit insgesamt 32B Parametern (MoE, 18B aktiv) für die end-to-end synchrone Generierung von Text oder Bild zu Audio und Video, bis 720p und 8 Sekunden pro Segment. Das Modell nutzt eine asymmetrische Doppelturm-Architektur (14B Wan 2.2 I2V Videoturm und 1,3B Audioturm) mit bidirektionaler Bridge und Aligned ROPE zur Zeitsynchronisierung; Modellgewichte, Trainings- und Inferenzcode sowie Finetuning-Rezepte sind offen.
Kernpunkte
- Das OpenMOSS-Team veröffentlicht das Audio-Video-Grundmodell MOVA mit insgesamt 32B Parametern…
- Das Modell nutzt eine asymmetrische Doppelturm-Architektur (14B Wan 2.
- 2 I2V Videoturm und 1,3B Audioturm) mit bidirektionaler Bridge und Aligned ROPE zur…
- Modellgewichte,Trainings- und Inferenzcode sowie Finetuning-Rezepte sind offen.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Kategorie
- Modellveröffentlichungen
- KI-Bewertung
- 62
原文给出架构、训练策略和开源范围,读者可以了解端到端音视频生成如何处理同步问题并可复现研究。
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: MOVA veröffentlicht: 32B-MoE-Modell zur end-to-end synchronen Video-Audio-Generierung als vollständiger Open-Source-Stack. 1. Februar 2026. https://new.nat6.net/de/news/cmtym5ry70006rou1uyjr6ods/