VASA-1
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Microsoft Research Asia
- Organisationsart
- Industry
- Land
- China
- Veröffentlicht
- 31 October 2024
- Autoren
- Sicheng Xu, Guojun Chen, Yu-Xiao Guo, Jiaolong Yang, Chong Li, Zhenyu Zang, Yizhong Zhang, Xin Tong, Baining Guo
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Video, Audio
- Aufgabe
- Video generation
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 229M
- Trainingsdaten
- tokens
"The parameter counts of our 3D-aided face latent model and diffusion transformer model are about 200M and 29M respectively"
"The total data used for training comprises approximately 500K clips, each lasting between 2 to 10 seconds. "
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 4 × 10¹⁹ FLOP
- Wie es etabliert wurde
- Hardware
38700000000000 FLOP/GPU/sec * 240 hours * 3600 sec / hour * 4 GPUs * 0.3 [assumed utilization] = 40124160000000000000 FLOP
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- NVIDIA RTX A6000
- Verwendete Chips
- 4
- Wand-Uhrzeit
- 240 hours (10 days)
- Stromverbrauch
- 2.4 kW
"Our face latent model takes around 7 days of training on a 4 NVIDIA RTX A6000 GPUs workstation, and the diffusion transformer takes around 3 days." 10 days = 240 hours
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Confident
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- VASA-1: Lifelike Audio-Driven Talking Faces Generated in Real Time
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Woher es kam
VASA-1 wurde veröffentlicht von Microsoft Research Asia, im Land aufgezeichnet als China, während October 2024. Es stammt aus einer Organisation, die kategorisiert ist als industry.
Es funktioniert im Bereich von Video, Audio, und wird als die Aufgabe von aufgezeichnet video generation.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Was in den Aufbau geflossen ist
Das Training benötigte ein Rechenbudget von ungefähr 4 × 10¹⁹ FLOP, auf Hardware erfasst als NVIDIA RTX A6000. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Antworten
VASA-1 — Häufige Fragen
VASA-1— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in October 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
VASA-1— Wofür wird es verwendet?
Es funktioniert im Bereich von Video, Audio, und wird als Bewältigung der Aufgabe von video generation. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
VASA-1— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 4 × 10¹⁹ FLOP, auf Hardware erfasst als NVIDIA RTX A6000. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
VASA-1— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
VASA-1— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
VASA-1— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 229M. "The parameter counts of our 3D-aided face latent model and diffusion transformer model are about 200M and 29M respectively". Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
VASA-1— Wer hat es erstellt?
Es wurde veröffentlicht von Microsoft Research Asia, basiert auf China, eine als kategorisierte Organisation industry.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.