模型发布 / 更新精选
MOVA 发布:32B MoE 端到端同步视频-音频生成模型全栈开源
原始标题:MOVA:可扩展的同步视频-音频生成
内容摘要
OpenMOSS 团队发布 MOVA 音视频基础模型,总参数 32B MoE、激活 18B,支持文本或图像到音视频的端到端同步生成,最高 720p、单段 8 秒。模型采用非对称双塔架构(14B Wan 2.2 I2V 视频塔与 1.3B 音频塔)加双向 Bridge 和 Aligned ROPE 对齐时间轴,并开放模型权重、训练与推理代码及微调方案。
内容分类AI 模型发布与更新
内容层级精选情报
发布时间(北京时间)
本站收录时间(北京时间)
信息来源OpenMOSS / 复旦NLP / 上海创智 / MOSI(网页)
站内情报编号intel-ffa44db675502ed5167cd66f