Paglabas ng modelo

Inilabas ang MOVA: 32B MoE end-to-end synchronized video-audio generation model, full-stack open source

Orihinal na pamagat:MOVA:可扩展的同步视频-音频生成

AI summary

Inilabas ng OpenMOSS team ang MOVA audio-video foundation model, may kabuuang 32B MoE parameter at 18B activation, sumusuporta sa end-to-end synchronized generation mula text o image patungong audio-video, hanggang 720p at 8 segundo bawat segment. Gumagamit ang modelo ng asymmetric dual-tower architecture (14B Wan 2.2 I2V video tower at 1.3B audio tower) kasama ang bidirectional Bridge at Aligned ROPE para i-align ang timeline, at inilabas ang model weights, training at inference code at fine-tuning scheme.

Mahahalagang impormasyon

  • Inilabas ng OpenMOSS team ang MOVA audio-video foundation model,may kabuuang 32B MoE parameter at…
  • Gumagamit ang modelo ng asymmetric dual-tower architecture (14B Wan 2.
  • 2 I2V video tower at 1.
  • 3B audio tower) kasama ang bidirectional Bridge at Aligned ROPE para i-align ang timeline,at…

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
OpenMOSS / 复旦NLP / 上海创智 / MOSI(网页)
Kategorya
Paglabas ng modelo
AI na marka
62
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Inilabas ang MOVA: 32B MoE end-to-end synchronized video-audio generation model, full-stack open source. 1 Pebrero 2026. https://new.nat6.net/fil/news/cmtym5ry70006rou1uyjr6ods/

Tingnan lahat →