/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
mova · dense
Базовая модель
MOVA-720p
Опубликована
14 июл 2026

MOVA-720p-360p-ComfyUI

Мультимодальная модель3 профессии

Набор объединённых весов MOVA для мультимодальной генерации видео в ComfyUI с вариантами 360p и 720p.

25скачиваний за 30 дней1лайквеса обновлены15 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это набор объединённых весов MOVA для запуска генерации видео в ComfyUI, собранный rzgar на основе MOVA-360p и MOVA-720p от OpenMOSS. Репозиторий содержит варианты для разрешений 360p и 720p; для вариантов высокого и низкого шума используются отдельные видеодиффузионные компоненты, тогда как видео- и аудиокодировщики, токенизатор, планировщик и текстовый энкодер общие. Веса представлены в формате safetensors и поддерживают FP8.

Модель предназначена для мультимодальной генерации видео с возможностью работы со звуком через ComfyUI. README описывает пользовательский узел ComfyUI, который умеет загружать модели с ограниченной видеопамятью, но пока не завершён. Экспериментальный путь LightX2V ускоряет генерацию, однако качество видео и звука снижено; надёжная генерация синхронной речи и звука не реализована. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация видео по изображению в ComfyUI
  • создание коротких видео с синхронным звуком
  • эксперименты с генерацией видео в разрешении 360p
  • эксперименты с генерацией видео в разрешении 720p

Ограничения

Пользовательский узел ComfyUI не завершён; README отмечает проблемы с качеством видео и звука в экспериментальном быстром режиме LightX2V и отсутствие надёжной генерации синхронной речи и звука.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ComfyUI-Mova node

The ComfyUI custom node is not finished and still needs real work. What it already does well: it can run FP8 weights and has a workable low-VRAM / high-VRAM strategy (offload, streaming loads, expert swap).

Official MOVA defaults are about cfg 5 and 50 steps. On my hardware that was roughly 19 minutes for a 7 second clip.

LightX2V isn’t an official MOVA stack, it’s a Wan-style 4-step video distill. For experiments I baked it into the FP8 models anyway.

That path is much faster for me (45 seconds for 7s), but quality and audio are the weak spots. After a lot of back-and-forth (local Qwen3.6 coding assistant + Qwen3.7-plus) and still didn’t get a solid audio path (joint speech + sync, not just video with sound).

The video below is current results with the FP8 LightX2V models, take it as 'what this node can do today, not a polished fully working node'.

If you want a headache (or a starting point), this custom node is a reasonable backbone: Comfy wiring + memory plumbing are there,

generation quality, audio, and LightX2V behavior still need love. If you fix something, please share it.


Screenshot


360p and 720p

PairSame architecture?Same weights?
360p high vs 720p highYes (1095 tensors)No
360p low vs 720p low (BF16)Yes (1095 tensors)No

shared across 360p and 720p

These components are byte-identical between variants:

  • Video VAE
  • Audio VAE
  • Tokenizer (tokenizer/)
  • Scheduler (scheduler/)
  • Text encoder /text_encoder/umt5_xxl_bf16_ComfyUI.safetensors (Load CLIP wan type)

Keep separate per resolution

Component360p720p
High-noise video DiTmova_360p_high_noisemova_720p_high_noise
Low-noise video DiTmova_360p_low_noisemova_720p_low_noise
Dual-tower bridgemova_360p_dual_tower_bridgemova_720p_dual_tower_bridge
Audio DiTmova_360p_audio_diffusionmova-720p-audio-diffusion

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Класс архитектуры
MovaVideoAudioGenerator
Ревизия весов
76f042b

0 моделей