Ovi : Génération audio-vidéo à double backbone par Character.AI
Ovi de Character.AI est un modèle de génération audio-vidéo à double backbone basé sur Wan2.2. Il génère de manière bidirectionnelle l'audio et la vidéo synchronisés avec un conditionnement MMAUDIO.
O
Ovi
Génération audio-vidéoGénération vidéoCross-modalWan2.2Character.AIOvi de Character.AI est un modèle cross-modal à double backbone qui génère de manière bidirectionnelle l'audio et la vidéo synchronisés. Basé sur Wan2.2 (architecture A14B MoE), Ovi utilise des backbones de diffusion distincts pour l'audio et la vidéo avec un conditionnement par attention croisée entre les modalités. Le pipeline audio utilise le VAE MMAUDIO et le vocodeur BigVGAN pour une synthèse audio à 16 kHz. Disponible en précision bf16, optimisé pour ComfyUI via WanVideoWrapper de Kijai.
| Développeur | Character.AI |
| Date de sortie | 2025-10 |
| Architecture | Diffusion Transformer à double backbone (basé sur Wan2.2, A14B MoE) |
| Licence | Apache-2.0 |
| Tailles du modèle | Audio ~11,4 Go / Vidéo ~10,4 Go (bf16) |
| Capacités | Vidéo→Audio, Audio→Vidéo, Génération Vidéo+Audio |
| Audio | 16kHz MMAUDIO VAE + BigVGAN vocoder |
| Inférence | ComfyUI via Kijai WanVideoWrapper |