Show-1
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
Ennek a modellnek a súlyai nyitottak, de egyetlen paraméterszám sem került nyilvánosságra. Minden memória- és sebességadat ebből a számából indul ki, így inkább nem mutatunk semmit, mint hogy egy megvezető becslést adjunk..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- National University of Singapore
- Szervezet típusa
- Academia
- Ország
- Singapore
- Kiadva
- 27 September 2023
- Szerzők
- David Junhao Zhang, Jay Zhangjie Wu, Jia-Wei Liu, Rui Zhao, Lingmin Ran, Yuchao Gu, Difei Gao, Mike Zheng Shou
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Video
- Feladat
- Video generation, Text-to-video
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Képzési adatok
- 160,358,400,000,000 tokens
WebVid-10M 10.7M video-caption pairs. 52K total video hours.
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA A100
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- Súlyok
- Open — downloadable
- Modell hozzáférés
- Open weights (non-commercial)
- Képzés kód
- Unreleased
https://github.com/showlab/Show-1 don't see training code Attribution-NonCommercial 4.0 International
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Valószínűleg 10²³ FLOP felett
- Yes
- Miért követik nyomon
- SOTA improvement
- Rögzítési bizalom
- Unknown
"Our approach achieves state-of-the-art performance on standard benchmarks including UCF-101 and MSR-VTT."
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- Show-1: Marrying Pixel and Latent Diffusion Models for Text-to-Video Generation
- Utoljára frissítve
- 28 November 2025
Mit jelentek a számok
Where it came from
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.
Válaszok
Show-1 — Gyakran ismételt kérdések
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.
Where can I download 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.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.