Ovi: Generación de audio y video con doble backbone por Character.AI
Ovi de Character.AI es un modelo de audio y video con doble backbone basado en Wan2.2 que genera audio y video sincronizados en ambos sentidos.
Ovi
Generación de audio y videoGeneración de videoCross-ModalWan2.2Character.AIOvi de Character.AI es un modelo transmodal de doble backbone que genera audio y video sincronizados bidireccionalmente. Construido sobre Wan2.2 (arquitectura MoE A14B), Ovi utiliza backbones de difusión separados para audio y video con condicionamiento de atención cruzada entre modalidades. El pipeline de audio utiliza MMAUDIO VAE y el vocoder BigVGAN para síntesis de audio a 16 kHz. Disponible en precisión bf16, optimizado para ComfyUI a través de WanVideoWrapper de Kijai.
| Desarrollador | Character.AI |
| Fecha de lanzamiento | 2025-10 |
| Arquitectura | Transformer de difusión de doble backbone (basado en Wan2.2, MoE A14B) |
| Licencia | Apache-2.0 |
| Tamaños del modelo | Audio ~11.4 GB / Video ~10.4 GB (bf16) |
| Capacidades | Video→Audio, Audio→Video, generación de Video+Audio |
| Audio | 16kHz MMAUDIO VAE + BigVGAN vocoder |
| Inferencia | ComfyUI a través de Kijai WanVideoWrapper |
Variantes
| Variante | Descripción | Licencia | Publicado |
|---|---|---|---|
| Ovi | Modelo de audio-video de doble backbone: backbones separados de audio y video con condicionamiento de atención cruzada | Apache 2.0 | 2025-10 |
Selecciona una variante para ver tutoriales, nodos personalizados y noticias relacionadas. Las descargas de pesos seleccionadas se encuentran en el catálogo del Model Hub.
Comentarios
Inicia sesión con GitHub para unirte a la conversación.