Unzensiertes KI-Video · NVIDIA NVlabs

SANA-Video 2.0 720p unzensiert: Kinoreife Clips in Sekunden statt Minuten

KI fragen ▾

Zwanzig Minuten auf einen fünfsekündigen KI-Clip zu warten, erstickt jede kreative Idee, bevor sie eine Chance hat. Das NVlabs-Team von NVIDIA hat SANA-Video 2.0 genau dafür entwickelt. Der Checkpoint SANA-Video 2.0 720p ist ein Open-Weight-Modell mit rund 4,47 Milliarden Parametern, das aus einem kurzen Prompt acht Sekunden Video mit 24 fps erzeugt oder ein Standbild als erstes Frame zum Leben erweckt; auf einer einzigen H100 meldet das Team einen fünfsekündigen 720p-Clip in etwa 13 Sekunden. Da die Gewichte öffentlich sind, kannst du es auf deiner eigenen GPU ausführen, ganz ohne Cloud-Filter dazwischen. Hier erfährst du, worin es gut ist, wie schnell es wirklich ist, wie du es ausführst und welche Prompts am besten funktionieren.

  • 720p, etwa 8 Sekunden
  • Offene Gewichte
  • Text und Bild zu Video
Jetzt ein Foto animieren →

Unzensierter alternativer Videogenerator

Bild zu Video

Lade ein Foto hoch und beschreibe die Bewegung, und Spicy AI animiert es zu einem kurzen Clip.

Dein Foto wird animiert.

Von SANA-Video zu Version 2.0: Was besser geworden ist

Das erste SANA-Video, auf der ICLR 2026 als Oral-Paper vorgestellt, bewies, dass ein kleines Videomodell schnell sein kann, wenn man den Großteil der aufwendigen Attention-Berechnung durch leichtere lineare Attention ersetzt. SANA-Video 2.0, im August 2026 von NVlabs mit Partnern wie MIT und HKU veröffentlicht, behält diese Geschwindigkeitsidee bei, schließt aber die Qualitätslücke. Das Modell ist mehr als doppelt so groß, von etwa 2 Milliarden auf etwa 4,5 Milliarden Parameter. Drei von vier Schichten nutzen weiterhin die schnelle lineare Attention, während jede vierte Schicht klassische Softmax-Attention als Anker einsetzt, der Details und Bewegung konsistent hält. Außerdem übernimmt es den Video-Autoencoder von LTX 2.3, ergänzt gemeinsames Training für Text-zu-Video und Bild-zu-Video ab dem ersten Frame und liefert eine destillierte 4-Schritt-Vorschau für sofortige Entwürfe. Das Ergebnis sind längere, schärfere Clips, ohne die Geschwindigkeit zu verlieren, die die Reihe so interessant gemacht hat.

Version 1 und 2.0 im Überblick

Wenn du das ursprüngliche Modell ausprobiert hast und die Clips weich oder kurz fandest, ist SANA-Video 2.0 einen zweiten Blick wert. Das sind die Änderungen, die für Creator im Alltag zählen.

SANA-Video (v1)SANA-Video 2.0
ModellgrößeEtwa 2B ParameterEtwa 4,47B Parameter (5B-Klasse)
Attention-DesignBlockkausale lineare AttentionLineare + Softmax-Schichten im Verhältnis 3:1
Video-AutoencoderÄlteres VAELTX 2.3 (128 Kanäle)
ModiText und Bild zu VideoText zu Video, Bild zu Video ab dem ersten Frame, 4-Schritt-Vorschau
Cliplänge in 720pKürzere Clips193 Frames bei 24 fps, etwa 8 Sekunden

Was Creator mit einem schnellen Videomodell machen

Geschwindigkeit verändert die Arbeitsweise. Wenn ein Clip in Sekunden statt in einer halben Stunde fertig ist, hörst du auf, jeden Prompt zu schonen, und fängst an zu experimentieren: zehn Kamerawinkel für eine Szene, fünf Lichtstimmungen für ein Produkt, drei Enden für einen Story-Moment. Deshalb sprechen als Erste über SANA-Video 2.0 720p Kurzdrama-Teams, die Dutzende Shots pro Folge storyboarden, E-Commerce-Händler, die jede Woche frische B-Roll brauchen, Illustratoren, die ein Poster zum Atmen bringen wollen, und Entwickler, die eine günstige, schnelle Basis für eigene Videotools suchen. Creator von Erwachseneninhalten (18+) schätzen denselben Ablauf für Glamour-Walks, Fashion-Looks und romantische Stimmungsszenen, bei denen viele schnelle Varianten wichtiger sind als ein einzelner perfekter Render.

Storyboards für Kurzdramen

Eine ganze Sequenz vertikaler Drama-Shots in Minuten vorab ansehen: Entwurf mit der 4-Schritt-Version, dann die besten in voller Qualität rendern.

Produkt- und Werbeaufnahmen

Drehteller, langsame Kamerafahrten und stimmungsvolles Licht auf Uhren, Parfüm oder Sneakern, fertig als B-Roll für Shops und Social-Media-Anzeigen.

Cartoon-Kurzgeschichten

Bunte Zeichentrickfiguren, die tanzen, winken oder rennen. NVIDIAs eigene Demo ist ein Cartoon-Hahn, und verspielte Stile liegen dem Modell gut.

Silberne Armbanduhr dreht sich auf einem schwarzen Marmorsockel unter weichem Streiflicht, eine KI-Produktvideoaufnahme

Wie schnell ist es im Vergleich zu Wan 2.2 und LTX-2.3?

Geschwindigkeit ist die Schlagzeile. NVIDIAs Projektseite vergleicht die Zeit, um einen fünfsekündigen 720p-Clip mit 40 Schritten auf einer einzigen H100 zu rendern. Mit dem Inferenz-Stack Sol-Engine ist SANA-Video 2.0 720p in etwa 13 Sekunden fertig, was das Team als rund 120-mal schneller als Wan 2.2 A14B beschreibt. Ohne diesen Stack nennt das Paper 13,2 Sekunden für einen 480p-Clip mit 40 Schritten und einen VBench-Wert von 84,30. Das sind die eigenen Diagramme des Labors, keine unabhängigen Benchmarks, und Zeiten auf Consumer-GPUs wurden noch nicht veröffentlicht. Trotzdem: Wenn du gerade das schnellste Open-Source-Videomodell suchst, ist das hier der Maßstab, an dem sich alle messen.

Modell (720p, 5 s, 40 Schritte, eine H100)Angegebene Renderzeit
Wan 2.2 14B1556 s
HunyuanVideo788 s
LTX-2.3130 s
SANA-Video 2.0 14B (noch nicht veröffentlicht)69.3 s
SANA-Video 2.0 5B + Sol-Engine13.06 s

Die Zahlen stammen von NVIDIAs eigener Projektseite und dem Paper. Wan 2.2 hat weiterhin die größere Community und das größere LoRA-Ökosystem, LTX-2.3 bietet umfangreichere Audio-Tools; SANAs Stärke ist die reine Geschwindigkeit.

So sieht die 720p-Ausgabe mit 8 Sekunden aus

Das Format SANA-Video 2.0 720p rendert in 1280×736, 193 Frames bei 24 Bildern pro Sekunde, also etwa acht Sekunden Material. Das reicht für eine komplette Kamerabewegung oder einen kleinen Story-Moment, etwa eine Figur, die sich umdreht, lächelt und aus dem Bild geht. Wenn du die Größe änderst, halte Breite und Höhe durch 32 teilbar und wähle eine Frame-Anzahl, bei der die Zahl minus eins durch 8 teilbar ist (zum Beispiel 121 oder 193). Klare, kinoreife Aufnahmen mit einem eindeutigen Motiv sehen am besten aus: Produkt-Drehteller, Landschaften, Porträts mit sanfter Bewegung und stilisierte Animation. Volle Szenen mit schneller Action bleiben die Schwachstelle.

Volles 50-Schritt-Modell und 4-Schritt-Vorschau im Vergleich

Zwei Checkpoints von SANA-Video 2.0 teilen sich die 720p-Größe und sind als Team gedacht. Das volle Modell liefert die besten Details und unterstützt Bild-zu-Video ab dem ersten Frame. Die 4-Schritt-Version, im September 2026 veröffentlicht, ist ein destilliertes Text-zu-Video-Modell, das fast sofort einen Entwurf erstellt, sodass du Ideen zuerst testen und die Gewinner später rendern kannst.

Volles Modell4-Schritt-Vorschau
ModiText zu Video + Bild zu Video ab dem ersten FrameNur Text zu Video
Schritte und GuidanceEtwa 50 Schritte, CFG 8, Flow Shift 12, Motion Score 204 Schritte, CFG 1
Clip-Optionen720p, 193 Frames, 24 fps5 s bei 16 fps oder 8 s bei 24 fps
Ideal fürFinale Renders und animierte StandbilderSchnelle Entwürfe und Storyboards

Bild zu Video: ein Standbild in Bewegung bringen

Im vollen Modell SANA-Video 2.0 720p kannst du ein Bild als erstes Frame übergeben und beschreiben, was als Nächstes passieren soll. Illustrationen, Poster, Produktfotos und Charakter-Art funktionieren: Haare wehen im Wind, die Kamera fährt heran, ein Lächeln erscheint. In der offiziellen Prompt-Datei enthält jede Zeile den Text, dann das Tag <image> und anschließend den Pfad zu deinem Bild. Halte die Bewegung moderat, denn das Team weist darauf hin, dass sich das Video über acht Sekunden von den ursprünglichen Details entfernen kann. Die 4-Schritt-Vorschau nimmt keine Bilder an, nutze für diesen Modus also das volle Modell.

Fröhlicher Cartoon-Fuchs tanzt in einem gemütlichen Vintage-Zimmer mit Blumentapete, eine Idee für ein kurzes animiertes KI-Video

Von Hugging Face herunterladen und lokal ausführen

SANA-Video 2.0 zum Laufen zu bringen dauert vier Schritte, und du kannst Prompts in der kostenlosen Online-Demo auf Hugging Face testen, bevor du irgendetwas herunterlädst. Zwei häufige Fragen haben noch keine offizielle Antwort: NVIDIA hat keine VRAM-Anforderungen veröffentlicht, nur H100-Testergebnisse, und native Unterstützung in ComfyUI oder Diffusers für Version 2.0 ist nicht bestätigt; vorerst sind daher die offiziellen Skripte der verlässliche Weg.

  • Klone das Repository NVlabs/Sana von GitHub und installiere die Abhängigkeiten.
  • Lade den Checkpoint Efficient-Large-Model/SANA-Video_2.0_5B_720p oder die _4step-Version für Entwürfe von Hugging Face herunter.
  • Lade den Video-Autoencoder LTX 2.3 herunter, auf den die Modellkarte verweist.
  • Führe inference_video_scripts/inference_sana_video.sh mit deiner Prompt-Datei, Größe und Frame-Anzahl aus.

Prompt-Vorlagen, die funktionieren

Der Rat des Teams ist einfach: kurz und konkret schlägt lang und vage, und die Prompt-Treue sinkt, wenn du viele Details stapelst. Für SANA-Video 2.0 720p ist eine verlässliche Formel: ein Motiv, eine Aktion, eine Kamerabewegung und eine Lichtquelle. Kopiere diese Vorlagen und setze dein eigenes Motiv ein.

  • Produkt: "A sleek silver wristwatch rotating slowly on a black marble pedestal, soft rim light, shallow depth of field, 24fps cinematic."
  • Kurzdrama: "Close-up of an adult woman on a rainy city street at night, neon reflections, she turns her head and smiles, handheld camera."
  • Cartoon: "A cheerful cartoon fox dancing in a cozy vintage room with floral wallpaper, bright colors, smooth motion."
  • Landschaft: "Aerial drone shot gliding over misty mountains at sunrise, slow forward motion, golden light."
  • Bild zu Video: erstes Frame plus "The character gently blinks and her hair moves in the wind, camera slowly pushes in."
  • Glamour (18+): "An adult model in a satin evening gown walks down a candlelit hallway, slow tracking shot, warm light."
  1. Schreibe ein Motiv und eine Aktion pro Clip; acht Sekunden vergehen schnell.
  2. Nenne in jedem Prompt die Kamerabewegung (Heranfahrt, Orbit, Tracking, Drohne).
  3. Füge eine Lichtquelle hinzu, etwa Neon, goldene Stunde oder Streiflicht.
  4. Erstelle Entwürfe mit dem 4-Schritt-Modell und rendere den besten Prompt dann mit dem vollen Modell neu.
  5. Gib an, dass jede gezeigte Person erwachsen (18+) ist.

Bekannte Grenzen und erste Reaktionen der Community

NVIDIA ist offen, was die Schwachstellen von SANA-Video 2.0 angeht: Volle oder sehr dynamische Szenen, menschliche Anatomie, Text im Bild und Physik können wackeln, lange komplizierte Prompts werden weniger genau befolgt, und Bild-zu-Video kann sich vom Ausgangsbild entfernen. Der VBench-Wert ist selbst angegeben. Das frühe Interesse ist echt, mit einigen tausend Downloads des Checkpoints auf Hugging Face im ersten Monat, aber große unabhängige Tests gibt es noch nicht. Ein 14B-Modell mit 480p ist als demnächst verfügbar gelistet, ohne angekündigtes Datum.

Gibt es ein unzensiertes SANA-Video 2.0?

Gehostete Video-Apps prüfen jeden Prompt und jedes Frame und lehnen oft Bademode, Dessous oder Romantik ab, selbst zwischen einvernehmlich handelnden Erwachsenen. Offene Gewichte sind anders: Wenn du SANA-Video 2.0 720p auf deinem eigenen Rechner ausführst, ist kein Moderationsdienst zwischengeschaltet, in diesem Sinne ist das lokale Modell also bereits unzensiert. Der ehrliche Haken: Es wurde nicht für Erwachseneninhalte trainiert oder abgestimmt, und bis November 2026 war kein NSFW-Fine-Tune oder LoRA zu finden, explizite Details sind also nicht seine Stärke. Betrachte es als schnelle Entwurfs-Engine für geschmackvolle Szenen für Erwachsene, und achte darauf, dass jede Person erwachsen (18+) ist und niemals eine reale Person ohne Einwilligung.

Keine H100? Erstelle Videos für Erwachsene im Browser

Die meisten Menschen haben weder eine Rechenzentrums-GPU noch die Geduld, Python-Skripte einzurichten. Spicy AI bietet eine ähnliche unzensierte Videogenerierung online: Foto hochladen, Bewegung beschreiben und einen kurzen Clip für Erwachsene (18+) erhalten, ohne etwas zu installieren. Verwende nur Fotos, die dir gehören oder für die du eine Erlaubnis hast.

Verwandle ein Foto in ein unzensiertes Kurzvideo, ohne GPU oder Einrichtung.

Bild zu Video öffnen →

SANA-Video 2.0 selbst hosten oder online mit Spicy AI generieren

Lokale Bereitstellung (offizielle Gewichte)Spicy AI online
InhaltsfilterKeine in deinem eigenen SetupKeine Inhaltsfilter für Erwachsene
Offene GewichteJaNicht nötig, läuft im Browser
ModellSANA-Video 2.0 5B 720p oder 4-SchrittÄhnliches unzensiertes Videomodell, online gehostet
EinstiegspreisKostenloser Download, eigene GPUKostenloser Tarif verfügbar

FAQ

Was ist SANA-Video 2.0?

Es ist ein Open-Weight-Videomodell des NVlabs-Teams von NVIDIA mit Partnern wie MIT und HKU. Der im August 2026 veröffentlichte 5B-720p-Checkpoint erzeugt Clips von etwa acht Sekunden bei 24 fps aus Text oder aus einem Bild als erstem Frame.

Wie lang und wie scharf sind die Videos?

Das 720p-Modell rendert 1280×736 mit 193 Frames bei 24 fps, etwa acht Sekunden. Die 4-Schritt-Vorschau bietet 5 Sekunden bei 16 fps oder 8 Sekunden bei 24 fps.

Wie viel VRAM wird benötigt?

NVIDIA hat noch keine Anforderungen veröffentlicht. Die offiziellen Geschwindigkeitswerte wurden alle auf einer einzigen H100 gemessen.

Funktioniert es in ComfyUI?

Native Unterstützung in ComfyUI oder Diffusers für Version 2.0 ist nicht bestätigt. Nutze vorerst die Skripte im Repository NVlabs/Sana oder die Hugging-Face-Demo.

Ist die 14B-Version schon erschienen?

Noch nicht. Das 14B-Modell mit 480p ist auf der Projektseite als demnächst verfügbar markiert, ohne Veröffentlichungsdatum.

Ist es wirklich unzensiert?

Lokal ausgeführt gibt es keinen Moderationsdienst, der Prompts filtert. Es wurde jedoch nicht für Erwachseneninhalte trainiert, und es wurde kein NSFW-Fine-Tune gefunden, daher sind explizite Details begrenzt, und alle Inhalte dürfen nur Erwachsene zeigen.

Ist Spicy AI mit NVIDIA verbunden?

Nein. Spicy AI ist eine unabhängige Plattform und steht weder in Verbindung mit NVIDIA noch wird sie von NVIDIA unterstützt. NVIDIA und SANA sind Marken ihrer jeweiligen Inhaber.

Quellen

Sign in

Welcome to Spicy AI

or