简介
Sand.ai 是一家专注于音视频生成方向的基础模型公司,其旗舰产品 MAGI-2 Preview 是一个总参数量达 114B 的统一音视频生成大模型。模型基于自研的 MagiMoE 架构,采用混合专家(Mixture of Experts)的稀疏激活设计,每个 token 仅激活 6B 参数,在保持大模型容量的同时控制推理开销,探索出一条高效的视频生成扩展路径。与常见的「先生成画面、再单独配音」的分步流程不同,MAGI-2 由单一模型联合生成画面与声音,从架构层面实现了视觉与音频的天然对齐。
在 MAGI-2 之前,Sand.ai 已推出前代模型 MAGI-1,它是全球首个开源的自回归视频生成模型,将模型权重与相关代码开放给社区使用,这一开源传统也延续到了后续的产品路线中。对于研究者和开发者而言,这意味着可以在开放的技术基础上研究、复现与改进音视频生成方法,而不必完全依赖闭源黑盒服务。目前 Sand.ai 也通过 platform.sand.ai 提供平台与文档,方便开发者以 API 方式接入其生成能力。
主要功能
定价与费用
- 定价与获取方式:Sand.ai 官网目前未公开列示具体定价,用户可前往官网 sand.ai 查看当前的方案与使用方式,开发者相关接入信息可在 platform.sand.ai 的文档中查阅。
- 单模型统一生成:画面与声音出自同一个模型,从架构上消除了「先出画面再配音」带来的对不齐问题,音画同步不再依赖后期校准,生成结果的一致性与稳定性更有保障。
- 稀疏激活带来的成本优势:MoE 稀疏激活设计让 114B 总参数的模型保持接近 6B 参数模型的推理成本,在追求生成质量的同时控制了计算开销,是模型规模化扩展路径上的务实选择。
- 自回归路线的延展性:自回归生成方式天然支持视频续写与交互式延长,用户可以按段落推进创作,逐步扩展内容长度,适合需要迭代调整与分段控制的创作场景。
- 开源积累与社区基础:MAGI-1 的开源为团队积累了公开可验证的技术口碑,也使得 MAGI-2 的技术路线有据可循,研究者与开发者能够追溯模型家族的演进逻辑。
适用人群
Sand.ai 适合多类用户:需要批量产出广告片、MV、短视频等内容的创作者与营销团队,可以借助角色表演与音画同步能力快速获得可用素材;探索音视频联合生成方向的研究者,可以从开源的 MAGI-1 与 MAGI-2 的公开技术中获取参考;需要通过 API 集成视频生成能力的开发者,可以基于 platform.sand.ai 的文档将生成能力接入自己的产品。对镜头语言有较高要求、希望获得电影级运镜效果的视频制作者,同样可以将其作为创作工具的补充。
常见问题
Sand.ai 的 MAGI-2 是什么类型的模型?MAGI-2 Preview 是一个 114B 参数的统一音视频生成大模型,基于自研 MagiMoE 架构,由单一模型同时生成画面与声音,每个 token 仅激活 6B 参数。
画面和声音是分开生成的吗?不是。MAGI-2 的视觉与音频由同一模型联合生成,对白与口型、动作与音效、环境变化与声音反馈之间可以精确对齐。
Sand.ai 的模型开源吗?前代模型 MAGI-1 是全球首个开源自回归视频生成模型,公司延续了开源传统,具体开放范围可在官网与社区渠道确认。
可以通过 API 使用 Sand.ai 的能力吗?可以。开发者可访问 platform.sand.ai 查阅文档,将视频生成能力以 API 方式集成到自己的应用与工作流中。
Sand.ai 的定价是多少?官网目前未公开列示具体定价,建议前往 sand.ai 查看当前方案与最新信息。