MAGI-2 Previewは、テキストまたは静止画から10秒のクリップを生成し、映像と同時に音声も生成します。ダウンロード可能な重みと2段階のパイプラインにより、チームはローカル推論を制御でき、1080p出力用のリファイナーも利用できます。その自由度には高額なハードウェア費用が伴います。リファレンス構成ではHopper GPUを8基使用し、チェックポイントの容量は約307 GBです。こうしたインフラを持つ研究チーム向けであり、GPUが1基しかないビジュアルノベル開発チームがここから始める理由はほとんどありません。基本版は公開済みですが、提供が約束されている蒸留版はまだ公開されていません。成人向けコンテンツの生成を計画する前に、補助コンポーネントを確認してください。Stable Audio Openでは、性的に露骨なコンテンツに制限があります。
商用利用 & ライセンス
リポジトリのライセンスはApache 2.0ですが、補助コンポーネントにはそれぞれ独自の利用条件が引き続き適用されます。Stable Audio Openのコミュニティ利用規約では、商用利用の登録が必要であり、年間売上高が100万米ドルを超える場合は別途ライセンスが必要です。利用ポリシー（AUP）も適用されます。商用利用の前に、依存コンポーネント全体を確認してください。
成人向けコンテンツのルール
ドキュメントに記載された音声パイプラインにはStable Audio Openが含まれています。そのコミュニティライセンスにはStabilityの利用ポリシー（AUP）が組み込まれており、セルフホストで利用する場合でも、性行為やその他の性的に露骨なコンテンツは禁止されています。MAGIリポジトリにApacheと表記されていても、このコンポーネントについて異なる権利が認められるわけではありません。
必要なもの
公式リファレンス構成：NVIDIA Hopper GPU 8基、Python 3.12、新しいバージョンのCUDAツールキット、および音声トラックを含めるためのffmpeg。モデルの総パラメータ数は114B、トークンあたりのアクティブパラメータ数は6Bで、10秒のクリップに対応しています。チェックポイント用に約307 GBの容量を確保し、補助モデルの依存コンポーネントをインストールしてください。
ランクは、確認したドキュメントに基づく、記載の作業に対する推奨度です。モデルのランクは、性的に露骨な内容を扱わない開発作業を対象としています。実際のベンチマークは行っていません。コンテンツポリシーと商用利用条件は別途確認してください。 ランクの仕組み →
出典と関連資料 +
最終確認日 2026年10月5日.