Ovi模型发布，可同时生成视频和音频

Ovi 现已在 Hugging Face 上发布

双骨干跨模态融合用于音视频生成

Ovi 是一种类似 Veo-3 的视频+音频生成模型，能从文本或文本+图像输入同时生成视频和音频内容。

视频+音频生成：同时生成同步的视频和音频内容

灵活输入：支持纯文本或文本+图像条件

5秒视频：生成 5 秒视频，24 FPS，面积 720×720，支持多种宽高比（9:16、16:9、1:1 等）