MAGI-2 Preview

MAGI-2 Preview

大型音视频生成模型，可根据文字提示词，或提示词加一张静态图，生成带声音的 10 秒视频，并提升到 1080p。适合拥有八块 Hopper GPU 服务器的研究者。

由 sand-ai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：MAGI-2 Preview 是一个统一的音视频生成模型，有 114B 参数，每个 token 只激活其中的 6B。它基于 MagiMoE 构建。仓库里是运行模型的代码。它把一段文字提示词，加上或不加一张静态图，变成自带生成声音的视频。

适合谁：研究大型视频生成模型、并能使用八块 NVIDIA Hopper GPU 服务器的研究团队。

行业 | 谁在用 | 怎么用 | 例子
AI 研究 | 视频生成研究者 | 研究同时生成声音和画面的稀疏模型 | 根据一段文字提示词生成 10 秒视频
媒体技术 | 有大型 GPU 服务器的团队 | 测试文生视频和图生视频的输出 | 带生成音轨的短视频
工程 | 运行大型推理任务的人 | 在自己的硬件上试用两阶段流程 | 先做低分辨率处理，再精修到 1080p

如果你没有八块 Hopper GPU，可以跳过它，因为模型卡把这一点列为要求。

用在哪里：

• 带八块 NVIDIA Hopper GPU 的服务器
• Python 3.12 和 CUDA 工具包
• 用已发布镜像启动的 Docker 容器

用途 | 适合谁 | 得到什么
文生视频 | 研究者 | 根据文字提示词生成的 10 秒视频
图加文生视频 | 研究者 | 以你的静态图为起点的 10 秒视频
画面配声音 | 生成视频的人 | 加入输出文件的音轨

如何设置：先检查硬件，再选择 Docker 或手动安装。用现成的 Docker 镜像，可以省去自己构建需要编译的依赖。

• 八块 NVIDIA Hopper GPU
• Python 3.12 加上最新的 CUDA 工具包
• PATH 中有 ffmpeg，否则视频会没有声音

1. 拉取已发布的 Docker 镜像，或者自己安装依赖。
2. 如果想让文件带声音，确保 ffmpeg 可用。
3. 从 Hugging Face 下载权重。

docker pull sandai/magi-2-preview:latest

pip install -U huggingface_hub
hf download sand-ai/MAGI-2-preview

如何使用：你给代码一段文字提示词，或提示词加一张静态图，它会写出一个视频文件。生成分两个阶段。这里用到的模型卡部分没有给出运行命令，所以接下来请读它的使用说明部分。

工具 | 作用
magi2_preview | 在低分辨率下对视频去噪
magi2_refiner | 把这个结果提升到 1080p

示例：你给出一段文字提示词，比如“a paper boat drifting down a rainy street”，也可以再附一张静态图作为起点。你会得到一个十秒长的视频文件，如果装有 ffmpeg，还会加上生成的声音。

新手与专家：如果你是新手，要知道这个模型需要大型 GPU 服务器，不适合在笔记本上运行。第一步可以先读要求，确认你有八块 Hopper GPU，再去下载。

对专家来说，这个模型是稀疏的混合专家结构，总共有 114B 参数，每个 token 只激活 6B。一个低分辨率模型和一个单独的精修器分担工作。它目前只支持 10 秒这一种片段长度，这限制了你能生成的内容。

文字提示词，可附一张图
magi2_preview 低分辨率处理
magi2_refiner 提升到 1080p
加入音轨的视频

注意事项：

Title: 参数量，单位十亿
Total: 114 B
Active per token: 6 B

• Hardware: 八块 NVIDIA Hopper GPU，外加 Python 3.12 和 CUDA 工具
• Clip length: 目前只支持 10 秒这一种时长
• Sound: PATH 中没有 ffmpeg 时视频仍会写出，只是没有声音
• License: Apache 2.0
• Cost to run: 没有提到 API 密钥或付费服务，但需要大型 GPU 服务器
• Data it reaches: 下载权重，也可以选择下载 Docker 镜像
• Not for: 其他片段长度，或者没有八块 Hopper GPU 的机器

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to video
• Formats: Safetensors
• 最近 30 天下载：0
• 点赞：125
• 许可证：apache-2.0
• Fine-tunes: 2
• 标签：safetensors, text-to-video, image-to-video, image-text-to-video, text-to-audio-video, image-to-audio-video, image-text-to-audio-video, audio-video-generation, multimodal, synchronized-audio-video, mixture-of-experts, magi-2-preview

链接

• 模型：https://huggingface.co/sand-ai/MAGI-2-preview
• 文件：https://huggingface.co/sand-ai/MAGI-2-preview/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download sand-ai/MAGI-2-preview

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。