🪄 Introducing daVinci-MagiHuman: The Performance-Level Audio-Video Generative Foundation Model Proudly open-sourced and jointly developed by SII GAIR Lab & Sand.ai, it sets a new standard for multimodal AI. ⏳ 1/6
Modelli video
daVinci MagiHuman Generatore Testo/Immagine a Video con Sincronizzazione Audio
Crea video con daVinci MagiHuman - un modello fondamentale audio-video open-source da 15B di Sand.ai e SII GAIR Lab. Genera video e audio sincronizzati da testo o immagini con precisione lip sync leader in 7 lingue. Fino a 1080p, 5-10 secondi. Architettura Transformer single-stream, video 5s 256p in soli 2 secondi su una H100.
/video/text-to-videoPubblico
daVinci MagiHuman Text to Video Gallery
Experience the cinematic power of daVinci MagiHuman text-to-video generation. Create stunning videos with synchronized audio from detailed text descriptions, featuring industry-leading lip sync across 7 languages.
AI Video
Rainy Tokyo Night
A woman in a red coat walks through a neon-lit Tokyo alley on a rainy night with shimmering reflections.
Prompt
“Rainy night in a neon-lit Tokyo alley, a woman in a red coat walks slowly under an umbrella. Reflections shimmer on wet cobblestones. Handheld camera follows her from behind, bokeh street lights, cinematic color grade, moody atmosphere.”
Live PipelineTake 01 / 01
daVinci MagiHuman Image to Video Gallery
Transform your static images into dynamic videos with daVinci MagiHuman. Experience seamless image-to-video conversion with realistic facial expressions, natural body motion, and synchronized lip-synced audio.
Source Feeds01 Inputs
Pipeline
00%
Program · On AirAI · Generated
Output
Transcript · 01
Podcast Host Speaking
Video YouTube daVinci MagiHuman
Guarda le dimostrazioni e recensioni della community che mostrano le capacità di generazione audio-video di daVinci MagiHuman
- daVinci-MagiHuman: Fast Audio-Video Synthesis - AI Research Roundup
- 达芬奇最新开源模型，革命Seedance2.0 DaVinci-MagiHuman：开源音视频生成新标杆，5秒视频2秒出，还能说6种语言！ - XIAOXIAO LI
- LTX 2.3, Veo и Sora больше не нужны? Тестируем daVinci-MagiHuman - ServerFlow AI Lab - R&D в области ИИ и LLM
- Ai动画224-化繁为简！daVinci-MagiHuman，快速音视频生成基础模型的单流架构，支持多国语言，音画同步，音色参考-T8 Comfyui教程 - T8star-Aix
- New OpenSource Video Model, #1 Image generator, Seedance 2.0 Drop, replit and lovable in danger - AI Research
Video YouTube daVinci MagiHuman
Guarda le dimostrazioni e recensioni della community che mostrano le capacità di generazione audio-video di daVinci MagiHuman
daVinci MagiHuman Recensioni popolari su X
Scopri cosa dicono le persone di daVinci MagiHuman su X (Twitter)
daVinci-MagiHuman is a 15B single-stream Transformer, trained from scratch to generate synced video+audio with self-attention only—no cross-attention or multi-stream paths. It is open-source, supports 6 languages, beats Ovi/LTX, and runs on one H100.
I have been testing open source daVinci-MagiHuman, a single-stream 15B Transformer trained from scratch that jointly generates video + audio. 5s 1080p video in 38s on a single H100, about 1 minute on newer gaming Nvidia GPUs By @SII_GAIR + @SandAI_HQ
daVinci-MagiHumanという新しい動画生成モデルがオープンで出た。これがLTX-2.3よりもすごいとかいう話。特にオーディオ生成がいい感じらしい。さらに多言語対応してて日本語の音声も対応してると書かれてる。開発したGAIRってのは上海イノベーション研究所内の研究ラボらしい reddit.com/r/StableDiffus…
映像と音声を同時生成のオープンソースモデル「daVinci-MagiHuman」が登場 ・OSS界隈ではトップクラスの性能 ・日中英韓独仏の6言語対応 ・音声認識誤り率14.6% クローズドのSeedance 2.0に対抗。デモの感じは精度が高そう H100で5秒間の1080p動画を38秒で生成したらしい
動画生成AIはオープンソースでも戦えるか？ daVinci-MagiHuman は、動画と音声をシングルストリームの15B Transformerで同時生成する完全オープンソースモデル。 Ovi 1.1に80.0%、LTX 2.3に60.9%勝率。 H100で1080pの5秒の動画を38.4秒で生成。日本語にも対応！ 詳細は🧵
DaVinci-MagiHuman for ComfyUI. - 15B-param single-stream model runs in ~6GB VRAM via block-level swapping; - 8-step distillation; github.com/mjansrud/Comfy…
daVinci-MagiHuman. We have another fast single-stream audio-video 15B foundation model by @SandAI_HQ > no separate pathways or cross-attention modules. > just raw self-attention doing all the heavy lifting. > wins 80% vs Ovi 1.1, 60% vs LTX 2.3; > native multilingual realistic
Reel · Specifications
Cos'è daVinci MagiHuman
Il modello fondamentale audio-video open-source da 15B di Sand.ai con il miglior lip sync
- · 0115BParametri
- · 021080pRisoluzione Max
- · 037Lingue Supportate
- · 042sVelocità 256p
daVinci MagiHuman è un Transformer single-stream da 15 miliardi di parametri che genera congiuntamente video e audio sincronizzati da testo o immagini, raggiungendo una precisione di lip sync leader con un tasso di errore parole del 14,6% in 7 lingue.
Reel · Capabilities
Funzionalità di daVinci MagiHuman
Scopri le capacità avanzate che rendono daVinci MagiHuman eccezionale per la generazione audio-video
- Feature 01 / 08
Generazione Audio-Video Congiunta
Genera video e audio sincronizzati in un singolo passaggio con architettura Transformer single-stream con solo self-attention, senza pipeline audio separata.
- Feature 02 / 08
Lip Sync Leader del Settore
Tasso di errore parole del 14,6% per la sincronizzazione labiale, superando significativamente Ovi 1.1 (40,45%) e LTX 2.3 (19,23%) nei benchmark di precisione vocale.
- Feature 03 / 08
Supporto Vocale in 7 Lingue
Genera video sincronizzati con il parlato in inglese, cinese (mandarino e cantonese), giapponese, coreano, tedesco e francese con pronuncia naturale.
- Feature 04 / 08
Generazione Ultra-Veloce
Produce un video 256p di 5 secondi in soli 2 secondi su una singola GPU H100. La distillazione DMD-2 in 8 step elimina la necessità di guidance senza classificatore.
- Feature 05 / 08
Doppia Modalità di Input
Crea video da prompt testuali o anima immagini statiche. Entrambe le modalità supportano aspect ratio, risoluzioni e durate da 5 a 10 secondi configurabili.
- Feature 06 / 08
Super-Risoluzione Fino a 1080p
Genera video in 256p, 540p, 720p o 1080p tramite pipeline di super-risoluzione nello spazio latente senza overhead aggiuntivo di decodifica-codifica VAE.
- Feature 07 / 08
Open Source Apache 2.0
Completamente open-source con licenza Apache 2.0 con stack completo inclusi pesi base, modello distillato, modello super-risoluzione e codice di inferenza per uso commerciale illimitato.
- Feature 08 / 08
Eccellenza Centrata sull'Umano
Specializzato nella generazione di umani digitali con espressioni facciali espressive, movimenti corporei realistici e preservazione coerente dei personaggi tra i frame.
FAQ
Domande Frequenti
Domande comuni sulla generazione audio-video di daVinci MagiHuman
Altre domande?
daVinci MagiHuman supporta due modalità principali: Testo-a-Video (generazione di video con audio sincronizzato da prompt testuali) e Immagine-a-Video (animazione di immagini statiche con audio opzionale). Entrambe le modalità supportano aspect ratio configurabili (16:9 paesaggio, 9:16 ritratto), risoluzioni fino a 1080p e durate da 5 a 10 secondi.
daVinci MagiHuman supporta la generazione vocale sincronizzata in 7 lingue: inglese, cinese (mandarino), cantonese, giapponese, coreano, tedesco e francese. Il modello raggiunge un tasso di errore parole del 14,6% per il lip sync, superando significativamente Ovi 1.1 (40,45%) e LTX 2.3 (19,23%).
daVinci MagiHuman supporta più risoluzioni: 256p (più veloce), 540p (super-risoluzione), 720p e 1080p (super-risoluzione). La durata del video può essere configurata da 5 a 10 secondi con granularità di 1 secondo. Sono supportati sia il formato paesaggio (16:9) che ritratto (9:16).
Su una singola GPU NVIDIA H100, daVinci MagiHuman genera un video 256p di 5 secondi in circa 2 secondi. Per risoluzioni superiori: 540p richiede circa 8 secondi e 1080p circa 38,4 secondi. Questa velocità è ottenuta tramite distillazione DMD-2 in 8 step senza classifier-free guidance.
Sì, daVinci MagiHuman è completamente open-source sotto licenza Apache 2.0 da Sand.ai e SII GAIR Lab. Lo stack completo è disponibile inclusi i pesi del modello base, il modello distillato, il modello di super-risoluzione e il codice di inferenza per uso commerciale illimitato.
daVinci MagiHuman si distingue per la sua architettura Transformer single-stream che usa solo self-attention (senza cross-attention o percorsi multi-stream), consentendo la generazione congiunta audio-video in un singolo modello. Raggiunge la migliore precisione di lip sync (14,6% WER), supporta 7 lingue e ottiene un tasso di vittoria dell'80% contro Ovi 1.1 nella valutazione umana.
Come usare daVinci MagiHuman Testo a Video
Genera video con audio sincronizzato da descrizioni testuali
Scrivi il tuo Prompt
Inserisci una descrizione dettagliata del video desiderato. Includi soggetto, azione, contenuto vocale e lingua desiderata per risultati ottimali di lip sync.
Come usare daVinci MagiHuman Immagine a Video
Anima immagini statiche in video con audio sincronizzato
Carica la tua Immagine
Carica un'immagine di riferimento della persona o scena da animare. daVinci MagiHuman eccelle nei contenuti incentrati sull'umano con espressioni facciali realistiche.
Pricing · Choose Yours
Prezzi
Scegli il piano giusto per te. Nessuna tariffa nascosta, nessuna sorpresa.
Una tantum supporta il pagamento in criptovaluta (BTC, USDT, ETH, 350+)
Fatturazione mensile