模型详情
模型介绍
中文整理NOVA (d48w1024-osp480) 模型卡片
模型用途
本模型用于根据文本提示生成和修改视频。
主要能力
非量化自回归文本到视频生成模型。使用预训练的文本编码器（Phi-2）和VAE视频分词器（OpenSoraPlanV1.2-VAE）。
输入输出
输入：文本提示
输出：视频
运行要求
模型大小：645M
模型精度：FP16（torch.float16）
分辨率：768x480
基本用法
使用Hugging Face Diffusers库运行。
限制
模型的自动编码部分存在信息损失。模型无法渲染复杂可读的文字。模型无法达到完美的逼真度。手指等细节可能无法正确生成。模型在LAION-5B和COYO-700M网络数据集的子集上训练，其中包含成人、暴力和色情内容。
偏见
图像生成模型可能强化或加剧社会偏见。
许可证
Apache 2.0许可证
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。