MAGI-2 Preview

MAGI-2 Preview genera clips de diez segundos a partir de texto o de una imagen fija, con audio producido junto con el video. Sus pesos descargables y su flujo de procesamiento en dos etapas permiten a los equipos controlar la inferencia local, con un módulo de refinamiento para la salida en 1080p. Ese control implica un gasto considerable en hardware: la configuración de referencia utiliza ocho GPU Hopper y unos 307 GB de puntos de control. Es adecuada para equipos de investigación que cuenten con esa infraestructura; un equipo de desarrollo de novelas visuales con una sola GPU tiene pocos motivos para empezar aquí. La versión base está disponible, mientras que la versión destilada prometida sigue pendiente. Antes de planificar la generación de contenido para adultos, revisa los componentes de apoyo: Stable Audio Open impone restricciones al contenido sexualmente explícito.

Uso comercial & licencia

El repositorio está bajo la licencia Apache 2.0; los componentes de apoyo conservan sus propias condiciones. Las condiciones comunitarias de Stable Audio Open exigen registrarse para el uso comercial y obtener una licencia independiente si los ingresos anuales superan 1 millón de dólares estadounidenses. También se aplica su política de uso aceptable (AUP). Revisa todas las dependencias antes del uso comercial.

Reglas sobre contenido para adultos

El flujo de procesamiento de audio documentado incluye Stable Audio Open. Su licencia comunitaria incorpora la política de uso aceptable (AUP) de Stability, que prohíbe los actos sexuales y otros contenidos sexualmente explícitos incluso cuando se aloja en servidores propios. La indicación Apache del repositorio MAGI no otorga derechos distintos para ese componente.

Leer la política ↗

Lo que necesitas

Configuración de referencia oficial: ocho GPU NVIDIA Hopper, Python 3.12, un kit de herramientas CUDA reciente y ffmpeg para incluir la pista de audio. El modelo tiene 114 mil millones de parámetros en total, de los cuales 6 mil millones están activos por token, y admite clips de diez segundos. Reserva unos 307 GB para los puntos de control e instala las dependencias de los modelos de apoyo.

Los niveles son recomendaciones para la tarea descrita, basadas en la documentación revisada. Los niveles de los modelos cubren trabajo de desarrollo sin contenido sexual explícito. No hemos realizado pruebas prácticas de rendimiento. Consulta por separado las políticas de contenido y las condiciones comerciales. Cómo funcionan los niveles →