Show-1
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo están abiertos, pero no se ha publicado ninguna cantidad de parámetros para él. Cada cifra de memoria y velocidad comienza desde ese número, por lo que preferiríamos no mostrar nada en lugar de una estimación fabricada.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello 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 utilizaron para entrenarlo. 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.
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A100
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página 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 se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- SOTA improvement
- Registrar confianza
- 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 revisado 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 was published by National University of Singapore, in Singapore, in September 2023. academia is the category the publisher falls under.
It works in Video, and is recorded as doing video generation, Text-to-video.
Because its weights were released, nothing about running it depends on a provider staying available — it is yours once downloaded.
Training and provenance
It was trained on about 160,358,400,000,000 tokens of text.
The reason it appears in this catalogue at all is sOTA improvement.
Respuestas
Show-1 — Preguntas frecuentes
What is Show-1 used for?
Show-1 works in Video, and is recorded as handling video generation, Text-to-video. These are the areas it was designed around; they describe intent rather than a hard boundary.
¿Dónde puedo descargar Show-1?
The weights for Show-1 are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
What GPU do I need to run Show-1?
We cannot say. Show-1 has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is Show-1 open source?
Its weights are published, so Show-1 can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does Show-1 have?
No parameter count has been published for Show-1, which is why no memory or speed figure appears on this page.
Who created Show-1?
Show-1 was published by National University of Singapore, based in Singapore, categorised as academia.
When was Show-1 released?
Show-1 was published in September 2023. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.