模型详情
模型介绍
中文整理URSA-1.7B-FSQ320 模型卡片
模型用途
本模型为文本到视频生成模型，可根据文本提示生成和修改视频。
主要能力
基于文本提示生成视频内容。模型采用统一离散扩散方法（Uniform Discrete Diffusion），使用Cosmos-Tokenize1-DV4x8x8-360p作为分词器。
输入输出
输入：文本提示
输出：视频
分辨率：512x320
运行要求
参数规模：1.7B
精度：torch.float16（FP16）
运行方式：使用Hugging Face Diffusers库
基本用法
模型仅供研究使用。可用于生成模型研究、教育或创意工具、艺术作品生成、研究生成模型的局限性和偏见、安全部署可能生成有害内容的模型。
限制
模型的自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照片级真实感。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，这些数据集包含成人、暴力和色情内容。
偏见
图像生成模型可能会强化或加剧社会偏见。
许可证
未提供许可证相关信息。
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。