MOVA

收录理由

开源视频生成工具大多只能产出无声画面，音画同步得靠你自己另想办法。MOVA 是少数能把视频和配乐一次生成出来的全开源项目，说话时口型对得上，音效也跟动作走，不会出现漂移。它内部用交叉注意力把预训练的视频模型和音频模型接在一起，用过扩散模型工具的人会觉得很顺手。仓库里不只有权重，还有推理代码、能在单张 4090 上跑的 CPU 卸载方案、ComfyUI 集成和 LoRA 微调脚本，拿来就能干活。它还自带了口型同步和音视频对齐的评测指标，想比较不同模型在说话人头或多语言旁白场景下的表现时，就有了明确的判断依据。