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
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.
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/