什么是 MAGI 2
MAGI 2 是一个同时生成视频与音频的统一模型。文本、画面与声音处于同一条 token 序列中，让语音、音乐、动作与情绪自然同步。
统一架构
文本、视频与音频由同一个主干网络处理，而非多个独立分支。
一个模型，多种输出
对白、音乐、音效与画面同时生成。
面向规模化设计
MagiMoE 保持 114B 容量，每个 token 仅激活 6B 参数。
通向物理 AGI 的基础
把视频压缩为可生成、可组合的世界知识。
为什么选择 MAGI 2
效率与表现力协同设计——从模型架构到训练系统再到数据方法。
对白、演唱与情绪变化，配合自然的口型、表情、眼神与肢体语言。
核心能力
MAGI-2 Preview 为音视频生成带来的能力。
角色表演
精准的对白、演唱与情绪表达，口型、表情与肢体协调一致。
音乐生成视频
从音乐生成画面，节奏感知的场景流动。
高效 MoE 扩展
MagiMoE：12 个头 x 256 维路由子空间，每个头 256 个专家取 Top-6。
统一音视频序列
同一个 Transformer 主干同时处理文本、视频与音频。
系统协同设计
Head Parallel 结合 NVLink 与 InfiniBand，让 114B 训练切实可行。
创意伙伴
越来越多创作者用它制作广告、电影、MV 等作品。
常见问题
关于 MAGI 2 的问题。更多信息请访问 sand.ai。