Show-1
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos de este modelo son OPEN WEIGHT, pero no se ha publicado ninguna cuenta de parámetros para él. Cada figura de MEMORY y velocidad comienza a partir de ese número, así que preferiríamos no mostrar nada que una estimación fabricada..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- National University of Singapore
- Tipo de Organización
- Academia
- País
- Singapore
- Publicado
- 27 September 2023
- Autores
- David Junhao Zhang, Jay Zhangjie Wu, Jia-Wei Liu, Rui Zhao, Lingmin Ran, Yuchao Gu, Difei Gao, Mike Zheng Shou
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Video
- Tarea
- Video generation, Text-to-video
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 160,358,400,000,000 tokens
WebVid-10M 10.7M video-caption pairs. 52K total video hours.
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A100
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Open — downloadable
- Acceso al modelo
- Open weights (non-commercial)
- Código de entrenamiento
- Unreleased
https://github.com/showlab/Show-1 don't see training code Attribution-NonCommercial 4.0 International
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Unknown
"Our approach achieves state-of-the-art performance on standard benchmarks including UCF-101 and MSR-VTT."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Show-1: Marrying Pixel and Latent Diffusion Models for Text-to-Video Generation
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
Show-1 fue publicado por National University of Singapore, en el país registrado como Singapore, durante September 2023. La categoría en la que se encuentra el editor es academia.
Funciona en el dominio de Video, y se registra como realizando la tarea de video generation, Text-to-video.
Debido a que sus pesos fueron liberados, nada sobre ejecutar el modelo depende de un proveedor que permanezca disponible — es tuyo una vez descargado.
Entrenamiento y procedencia
Fue entrenado en un corpus de aproximadamente 160,358,400,000,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: sOTA improvement.
Respuestas
Show-1 — preguntas comunes
Show-1— ¿Para qué se utiliza?
Funciona en el dominio de Video, y se registra como manejando la tarea de video generation, Text-to-video. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Show-1— ¿Dónde puedo descargarlo?
Los pesos están publicados, aunque no tenemos un enlace de repositorio para ello. Este sitio calcula los requisitos de hardware en lugar de alojar archivos de modelo.
Show-1— ¿Qué GPU necesito para ejecutarlo?
No podemos decir. Tiene pesos abiertos, pero no se ha publicado ningún conteo de parámetros para él, y todos los cálculos de memoria y velocidad comienzan desde ese número. Preferiríamos no mostrar nada que una estimación fabricada.
Show-1— ¿Es de código abierto?
Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.
Show-1— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
Show-1— ¿Quién lo creó?
Fue publicado por National University of Singapore, basado en Singapore, una organización categorizada como academia.
Show-1— ¿cuándo fue lanzado?
Se publicó en September 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.