VASA-1
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Microsoft Research Asia
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 31 October 2024
- Autori
- Sicheng Xu, Guojun Chen, Yu-Xiao Guo, Jiaolong Yang, Chong Li, Zhenyu Zang, Yizhong Zhang, Xin Tong, Baining Guo
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Video, Audio
- Compito
- Video generation
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 229M
- Dati di addestramento
- 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. "
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 4 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
38700000000000 FLOP/GPU/sec * 240 hours * 3600 sec / hour * 4 GPUs * 0.3 [assumed utilization] = 40124160000000000000 FLOP
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA RTX A6000
- Chip utilizzati
- 4
- Tempo di parete
- 240 hours (10 days)
- Consumo energetico
- 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
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- VASA-1: Lifelike Audio-Driven Talking Faces Generated in Real Time
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
VASA-1 è stato pubblicato da Microsoft Research Asia, nel paese registrato come China, durante October 2024. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Video, Audio, ed è registrato come eseguire il compito di video generation.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il training ha richiesto un budget di calcolo di circa 4 × 10¹⁹ FLOP, su hardware registrato come NVIDIA RTX A6000. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
VASA-1 — domande comuni
VASA-1— quando è stato rilasciato?
È stato pubblicato in October 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
VASA-1— A cosa serve?
Funziona nel dominio di Video, Audio, e viene registrato come gestire il compito di video generation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
VASA-1— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 4 × 10¹⁹ FLOP, su hardware registrato come NVIDIA RTX A6000. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
VASA-1— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
VASA-1— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
VASA-1— quanti parametri ha?
Ha un numero di parametri di 229M. "The parameter counts of our 3D-aided face latent model and diffusion transformer model are about 200M and 29M respectively". Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
VASA-1— chi l'ha creato?
È stato pubblicato da Microsoft Research Asia, basato su China, un'organizzazione categorizzata come industry.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.