就在这个月 ，，，，，，，，字节跳动宣布的音视频天生模子Seedance2.0引发普遍关注 ，，，，，，，，马斯克更是在社交平台X（原推特）揭晓谈论“生长速率太快了”。。。。。。 。
值得关注的是 ，，，，，，，，就在此前不久 ，，，，，，，，上海创智学院团结模思智能宣布海内首个开源高质量音视频同步天生模子MOVA ，，，，，，，，填补了海内开源大模子在音视频同步天生基础模子领域的空缺。。。。。。 。
先睹为快！一起来看看MOVA天生视频的效果——
是不是有一种身临其境的真实感？？ ？？？？
相比商用化的Seedance2.0 ，，，，，，，，偏“学院派”的MOVA有何特色？？ ？？？？MOVA项目认真人、上海创智学院全时导师、复旦大学盘算与智能立异学院教授邱锡鹏 ，，，，，，，，接受解放日报记者独家专访 ，，，，，，，，解读两大模子差别与行业生长。。。。。。 。
【最大的差别】
当下 ，，，，，，，，全球音视频天外行艺已成为新一轮科技竞争焦点。。。。。。 。MOVA与Seedance2.0均实现了画面与声音的同步输出 ，，，，，，，，实现了真正意义上的音画一体天生。。。。。。 。不过从单段天生效果来看 ，，，，，，，，二者仍保存一定差别：MOVA支持最长8秒、720p区分率的视频天生 ，，，，，，，，而Seedance2.0则可抵达15秒时长与2K高清区分率。。。。。。 。
现在音视频赛道中 ，，，，，，，，海内外绝大大都模子均选择闭源 ，，，，，，，，手艺蹊径也不果真 ，，，，，，，，Seedance2.0便差池外提供模子文件、不开放下载、不允许外地安排。。。。。。 。
“完全开源 ，，，，，，，，是MOVA与这些模子最大的差别。。。。。。 。”邱锡鹏体现 ，，，，，，，，选择开源是为了手艺普惠 ，，，，，，，，唯有开源才华吸引更多人加入研究 ，，，，，，，，既推下手艺快速前进 ，，，，，，，，也助力海内开源生态建设。。。。。。 。
正是基于这一理念 ，，，，，，，，MOVA不但完整开源360p、720p两个基础模子 ，，，，，，，，还开源了微调、推理、天生事情流在内的全链路组件 ，，，，，，，，具备高质量端到端音视频天生能力 ，，，，，，，，支持二次开发、外地安排和学术研究。。。。。。 。不管是做动漫照旧游戏 ，，，，，，，，都能以MOVA为“底座” ，，，，，，，，按自己的需求和气概进一步优化 ，，，，，，，，适合中小团队、笔直场景的低本钱落地。。。。。。 。
这并非邱锡鹏团队首次结构开源——2023年2月 ，，，，，，，，复旦大学宣布类ChatGPT对话式大模子MOSS ，，，，，，，，时隔两个月便正式开源 ，，，，，，，，成为海内首个支持搜索、绘图、盘算等插件的开源对话模子。。。。。。 。
除了全栈开源 ，，，，，，，，MOVA还接纳混淆专家立异架构 ，，，，，，，，兼顾天生质量与推理效率。。。。。。 。
【一个挑战者】
“我们把自己定位成一个挑战者的角色 ，，，，，，，，事实Seedance2.0是商用导向和工业级投入 ，，，，，，，，而MOVA是开源生态导向 ，，，，，，，，目的是构建开放社区。。。。。。 。”邱锡鹏坦言。。。。。。 。
相比文本模子 ，，，，，，，，音视频模子开举事度极大 ，，，，，，，，焦点在于其数据规模远超文本 ，，，，，，，，且逊需的底层基础设施尚不完善。。。。。。 。
“做这件事很是难 ，，，，，，，，在已往的学术界险些是不太可能完成的使命。。。。。。 。”邱锡鹏感伤 ，，，，，，，，算法层面险些没有可借鉴的内容 ，，，，，，，，而数据工程能力也并非高校和科研机构的强项。。。。。。 。
所幸的是 ，，，，，，，，上海创智学院提倡“研创学”融合的育人文化 ，，，，，，，，为学生提供深度加入重大项目的时机 ，，，，，，，，在实战中快速生长。。。。。。 。即便学生原本不具备人工智能相关基础 ，，，，，，，，经由半年的磨炼与实践打磨 ，，，，，，，，展现出了优异的立异能力。。。。。。 。而学院孵化的模思智能 ，，，，，，，，则依托企业自然优势 ，，，，，，，，攻克了数据工程领域的要害难题。。。。。。 。
【MOVA1.5将启】
据透露 ，，，，，，，，MOVA1.5预计在3月尾推出 ，，，，，，，，性能会有更大的提升。。。。。。 。“我们把MOVA开源 ，，，，，，，，相当于第一个果真完整的音视频同步天生模子手艺蹊径 ，，，，，，，，包括数据合成、模子训练和模子推理等要害办法 ，，，，，，，，给各人作一个参考 ，，，，，，，，复现出近似工业级的音画效果。。。。。。 。”邱锡鹏说。。。。。。 。
在他看来 ，，，，，，，，目今全球音视频天生模子虽一直涌现 ，，，，，，，，但整体仍处于起步阶段 ，，，，，，，，未来竞争必将愈发强烈。。。。。。 。行业要害突破点 ，，，，，，，，集中在模子智能提升的焦点命题上——与文本事域已确立的规模定律差别 ，，，，，，，，音视频领域现在尚未发明类似纪律 ，，，，，，，，即尚未证实能否通过让模子“寓目”视频、学习视频数据 ，，，，，，，，实现自身智能显著提升 ，，，，，，，，这也是行业亟待探索的焦点偏向。。。。。。 。
邱锡鹏以为 ，，，，，，，，音视频天生赛道才刚刚开启 ，，，，，，，，未来仍有极大探索空间 ，，，，，，，，其中之一即是通过优化视频数据指标 ，，，，，，，，提升模子治理水平、助力智能迭代。。。。。。 。他心中理想的视频智能模子 ，，，，，，，，应能像人类一样通过明确视频感知天下 ，，，，，，，，让视频成为继文本之外 ，，，，，，，，模子获取智能的第二个焦点泉源 ，，，，，，，，这与他团队提出的“视频思索”新范式高度契合 ，，，，，，，，即借助视频天生模子整合动态推理与多模态融合 ，，，，，，，，贴合人类认知逻辑 ，，，，，，，，挖掘视频模态的智能潜力。。。。。。 。
“视频天生自己只是一项基础使命 ，，，，，，，，其焦点价值在于通过这一使命赋能模子 ，，，，，，，，推动模子向更高条理智能演进。。。。。。 。当视频模子实现真正的智能提升后 ，，，，，，，，最终将指向通用人工智能 ，，，，，，，，使其能够比目今文本模子更深刻、更周全地明确天下。。。。。。 。”邱锡鹏体现。。。。。。 。
本文作者：解放日报 黄�；；；； ；；；；�<未来康健用品有限公司/p>