MOVA: полностью открытый 32B MoE-стек для сквозной синхронной генерации видео и аудио
Оригинальный заголовок:MOVA:可扩展的同步视频-音频生成
ИИ-резюме
Команда OpenMOSS выпустила базовую аудиовидеомодель MOVA: 32B MoE с 18B активных параметров, сквозная синхронная генерация видео и аудио из текста или изображения, до 720p и 8 секунд за сегмент. Модель использует асимметричную двухбашенную архитектуру (14B видеобашня Wan 2.2 I2V и 1,3B аудиобашня) с двунаправленным Bridge и Aligned ROPE для выравнивания временной шкалы; открыты веса, код обучения и инференса, а также схема дообучения.
Ключевые моменты
- Команда OpenMOSS выпустила базовую аудиовидеомодель MOVA: 32B MoE с 18B активных…
- Модель использует асимметричную двухбашенную архитектуру (14B видеобашня Wan 2.
- 2 I2V и 1,3B аудиобашня) с двунаправленным Bridge и Aligned ROPE для выравнивания временной шкалы
- открыты веса,код обучения и инференса,а также схема дообучения.
Кратко
- Опубликовано
- Обновлено
- Источник
- OpenMOSS / 复旦NLP / 上海创智 / MOSI(网页)
- Категория
- Релизы моделей
- Оценка ИИ
- 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。
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: MOVA: полностью открытый 32B MoE-стек для сквозной синхронной генерации видео и аудио. 1 февраля 2026. https://new.nat6.net/ru/news/cmtym5ry70006rou1uyjr6ods/