模型详情
模型介绍
中文整理URSA-0.6B-FSQ320 模型卡片
模型详情
开发者：BAAI
模型类型：文本到视频生成模型
模型规模：0.6B参数
模型精度：torch.float16（FP16）
模型分辨率：512x320
模型论文：Uniform Discrete Diffusion with Metric Path for Video Generation
模型系列：BAAI-Vision-URSA
模型分词器：Cosmos-Tokenize1-DV4x8x8-360p
模型描述
这是一个可以根据文本提示生成和修改视频的模型。
主要能力
根据文本描述生成视频
对现有视频进行修改
输入输出
输入：文本提示
输出：生成的视频
运行要求
支持使用🤗 Diffusers库运行
基本用法
使用Diffusers库以简单高效的方式运行URSA
限制
自动编码部分存在信息丢失
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的子集上训练，该数据集包含成人、暴力和性内容
偏见
图像生成模型的能力令人印象深刻，但可能强化或加剧社会偏见
许可证相关信息
无相关信息
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。