MAGI-2 Preview

O MAGI-2 Preview gera clipes de dez segundos a partir de texto ou de uma imagem estática, com áudio produzido junto com o vídeo. Seus pesos disponíveis para download e seu pipeline em duas etapas permitem que as equipes controlem a inferência local, incluindo um refinador para saída em 1080p. Esse controle vem com um custo alto de hardware: a configuração de referência usa oito GPUs Hopper e cerca de 307 GB de checkpoints. É uma opção adequada para equipes de pesquisa com essa infraestrutura; uma equipe de desenvolvimento de visual novels com uma única GPU tem poucos motivos para começar por aqui. A versão base está disponível, enquanto a versão destilada prometida continua pendente. Antes de planejar a geração de conteúdo adulto, verifique os componentes de apoio: o Stable Audio Open impõe restrições a conteúdo sexualmente explícito.

Uso comercial & licença

O repositório usa a licença Apache 2.0; os componentes de apoio mantêm seus próprios termos. Os termos da comunidade do Stable Audio Open exigem cadastro para uso comercial e uma licença separada quando a receita anual ultrapassa 1 milhão de dólares americanos. Sua política de uso aceitável (AUP) também se aplica. Verifique todas as dependências antes do uso comercial.

Regras sobre conteúdo adulto

O pipeline de áudio documentado inclui o Stable Audio Open. Sua licença da comunidade incorpora a política de uso aceitável (AUP) da Stability, que proíbe atos sexuais e outros conteúdos sexualmente explícitos mesmo com hospedagem própria. A indicação Apache no repositório MAGI não confere direitos diferentes para esse componente.

Leia a política ↗

O que você precisa

Configuração de referência oficial: oito GPUs NVIDIA Hopper, Python 3.12, um kit de ferramentas CUDA recente e ffmpeg para incluir a faixa de áudio. O modelo tem 114 bilhões de parâmetros no total, com 6 bilhões ativos por token, e aceita clipes de dez segundos. Reserve cerca de 307 GB para os checkpoints e instale as dependências dos modelos de apoio.

Os níveis são recomendações para a tarefa descrita, com base na documentação analisada. Os níveis dos modelos abrangem desenvolvimento sem conteúdo sexual explícito. Não realizamos benchmarks práticos. Verifique separadamente as políticas de conteúdo e os termos comerciais. Como os níveis funcionam →