VASA-1
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
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
- Microsoft Research Asia
- Tipo de organización
- Industry
- País
- China
- Publicado
- 31 October 2024
- Autores
- Sicheng Xu, Guojun Chen, Yu-Xiao Guo, Jiaolong Yang, Chong Li, Zhenyu Zang, Yizhong Zhang, Xin Tong, Baining Guo
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Video, Audio
- Tarea
- Video generation
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.
- Parámetros
- 229M
- Datos de entrenamiento
- 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. "
Entrenamiento de computación
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de cuán rápido responde el modelo terminado.
- Entrenamiento de computación
- 4 × 10¹⁹ FLOP
- Cómo se estableció
- Hardware
38700000000000 FLOP/GPU/sec * 240 hours * 3600 sec / hour * 4 GPUs * 0.3 [assumed utilization] = 40124160000000000000 FLOP
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 RTX A6000
- Chips usados
- 4
- Tiempo en tiempo real
- 240 hours (10 days)
- Consumo de energía
- 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
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
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Registrar confianza
- Confident
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- VASA-1: Lifelike Audio-Driven Talking Faces Generated in Real Time
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
VASA-1 was published by Microsoft Research Asia, in China, in October 2024. It comes out of industry.
It works in Video, Audio, and is recorded as doing video generation.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en otro lugar de este sitio se aplica a él.
Qué se utilizó para construirlo
Training it took roughly 4 × 10¹⁹ FLOP of computation, on NVIDIA RTX A6000 — a measure of what producing the model cost, not of how fast it answers.
Respuestas
VASA-1 — Preguntas frecuentes
When was VASA-1 released?
VASA-1 was published in October 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is VASA-1 used for?
VASA-1 works in Video, Audio, and is recorded as handling video generation. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train VASA-1?
Around 4 × 10¹⁹ FLOP, on NVIDIA RTX A6000. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run VASA-1?
None. VASA-1 is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is VASA-1 open source?
No. VASA-1 has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does VASA-1 have?
VASA-1 has 229M parameters. "The parameter counts of our 3D-aided face latent model and diffusion transformer model are about 200M and 29M respectively". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created VASA-1?
VASA-1 was published by Microsoft Research Asia, based in China, categorised as industry.
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.