6.3B 文本生成同步音视频，支持多说话人音色控制
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
短板长于 10 秒视频或非中英文输入
6.3B · apache-2.0 · 文本 512 tokens · 最大 10 秒视频 · diffusers可商用
证据104 下载 / 49 赞
本期 (2)
文本生成高保真图像，面向物理AI与创作
适合物理世界场景生成 / 文本到高保真图像创作
短板安全关键任务与精确物理模拟
Q4 ~43GB / FP16 ~155GB · OpenMDW1.1 · 4k tokens (文本输入) · vLLM-Omni需自查
证据139 下载 / 50 赞 / 4 个社区来源