NAVA (Baidu)
6.3B 文本生成同步音视频，支持多说话人音色控制
- 对位
- 对位 Ovi 1.1、MOVA、Davinci、LTX 2.3 等
- 适合
- 文本/图片生成 720p 同步音视频 / 多说话人音色控制配音视频
- 不适合
- 长于 10 秒视频或非中英文输入
- 入选理由
- 有详细使用示例和评测，需手动下载数十GB权重并配置8卡环境。
- 规模
- 6.3B · 文本 512 tokens · 最大 10 秒视频 · 最低 ~3.8GB · 4-bit(估算)
- 授权
- apache-2.0 · 可商用
- 框架
- diffusers / torchrun
- 视频
- 文生 · 720p · 10s · 推荐 8 卡 Ulysses 并行
- 血统
- 微调自 Wan2.2-TI2V-5B
- 国内访问
- 需代理
- 可信度
- VerseBench Sync-C 7.79，基于 Wan2.2-TI2V-5B，论文 arxiv 2605.30073
本形态 ~3.8GB 4-bit · 国内 需代理 · 104 下载
仅 safetensors · 无 pickle 加载风险
快速上手
Gradio Web UI: bash gradio_demo/start_gradio.sh 点击复制
本形态源 ↗
下载动量
30天下载 216 → 105 · likes +3