Гибридная архитектура и производительность
NVIDIA переработала архитектуру модели SANA-Video 2.0, внедрив гибрид линейного и softmax-внимания. Это решение позволяет достичь высокой выразительности при линейном масштабировании параметров. Модель доступна в двух версиях: 5B и 14B. Важно отметить, что веса моделей на данный момент не опубликованы, однако код и обновления доступны на GitHub.
Скорость и совместимость с оборудованием
Ключевое преимущество новой версии — ускорение через Sol-Engine. Модель способна генерировать видео в разрешении до 720p на одном GPU, что делает её доступной для использования на потребительском оборудовании. Для сравнения, на GPU NVIDIA H100 генерация видео в разрешении 480p занимает всего 13.2 секунды при 40 шагах диффузии.
Сравнение с конкурентами
По заявлению разработчиков, SANA-Video 2.0 превосходит аналоги по скорости. В частности, она работает до 120 раз быстрее модели Wan 2.2-A14B. Ниже приведена сводная таблица ключевых характеристик:
| Параметр | Значение / Характеристика |
|---|---|
| Максимальное разрешение | 720p |
| Версии модели | 5B, 14B |
| Время генерации (480p, 40 шагов) | 13.2 с (на H100) |
| Метрика VBench | 84.30 |
| Скорость относительно Wan 2.2-A14B | До 120x быстрее |
Доступность
Проект поддерживает задачи text-to-video (t2v) и image-to-video (i2v). Исходный код и документация размещены в репозитории NVIDIA на GitHub, что позволяет разработчикам интегрировать модель в свои рабочие процессы без необходимости использования специализированных серверных кластеров.
Источник: Github ↗