MOVA: modelo de generación sincronizada de vídeo y audio de extremo a extremo, MoE de 32B y pila completa de código abierto
Título original:MOVA:可扩展的同步视频-音频生成
Resumen de IA
El equipo OpenMOSS lanza MOVA, un modelo fundacional de audio y vídeo con 32B de parámetros totales en arquitectura MoE y 18B activos, que permite generar de extremo a extremo audio y vídeo sincronizados a partir de texto o imagen, hasta 720p y 8 segundos por fragmento. Emplea una arquitectura asimétrica de dos torres (torre de vídeo de 14B Wan 2.2 I2V y torre de audio de 1,3B) con un Bridge bidireccional y Aligned ROPE para alinear la línea temporal, y libera los pesos del modelo, el código de entrenamiento e inferencia y el esquema de ajuste fino.
Puntos clave
- El equipo OpenMOSS lanza MOVA,un modelo fundacional de audio y vídeo con 32B de parámetros totales…
- Emplea una arquitectura asimétrica de dos torres (torre de vídeo de 14B Wan 2.
- 2 I2V y torre de audio de 1,3B) con un Bridge bidireccional y Aligned ROPE para alinear la línea…
Resumen rápido
- Publicado
- Actualizado
- Categoría
- Lanzamientos de modelos
- Puntuación IA
- 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。
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: MOVA: modelo de generación sincronizada de vídeo y audio de extremo a extremo, MoE de 32B y pila completa de código abierto. 1. febrero 2026. https://new.nat6.net/es/news/cmtym5ry70006rou1uyjr6ods/