MOVA-720p

Открытая модель для синхронной генерации видео и аудио, разработанная для преодоления ограничений проприетарных систем (например, Sora 2, Veo 3). Она предназначена для задач Image-to-Video-Audio (IT2VA) и Text-to-Video-Audio (T2VA), обеспечивая одновременное создание высококачественного видео и соответствующего ему аудио без ошибок, связанных с каскадными подходами (когда аудио генерируется отдельно).  

Ключевые особенности:  

• Нативная бимодальная генерация: Видео и аудио создаются в одном этапе инференса, что гарантирует идеальную синхронизацию и избегает накопления ошибок.  
• Точная синхронизация губ и звуковых эффектов: Модель демонстрирует передовые результаты в мультиязычной синхронизации речи и генерации звуковых эффектов, учитывающих контекст среды.  
• Полностью открытый исходный код: Публикуются веса модели, код инференса, pipeline обучения и скрипты для fine-tuning (LoRA), что делает модель доступной для исследований и доработок.  
• Архитектура Mixture-of-Experts (MoE): Общее количество параметров — 32B (активно используется 18B во время инференса), что позволяет сочетать качество с эффективностью.  
• Resolution: 720p

---

Модель является составной частью пайплайна генерации видео, состоящего из:

• Text encoder: ~5.7B параметров,
• audio VAE: ~372M параметров, 
• audio DiT: ~1.4B параметров, 
• video DiT: ~28.6B параметров, 
• video VAE: ~127M параметров, 
• dual-tower bridge: ~2.7B параметров,

Всего: ~38.8B параметров

---

Для локального запуска авторы советуют использовать для генерации 8 секундного видео в разрешении 360p GPU как минимум с 24GB видеопамятью (при условии использования offloading).

Дата анонса: 29.01.2026
Параметров: 32B
Разработчик: OpenMOSS
Версия Diffusers: 0.36.0
Лицензия: Apache 2.0

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с MOVA-720p. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.