IA sin censura · video · HKUST & Huawei Research
UniAVC sin censura: el modelo de audio y vídeo de HKUST y Huawei explicado (no es UNIVAC)
Preguntar a la IA ▾
UniAVC es un modelo unificado de audio y vídeo del laboratorio HKUST LongGroup, desarrollado con Huawei Research: un solo conjunto de pesos genera un clip corto con sonido sincronizado, añade banda sonora a un vídeo mudo, construye la imagen en torno a una pista de audio o edita vídeo y audio a partir de una sola instrucción. No es el ordenador UNIVAC de los años 50. Se distribuye como pesos abiertos con acceso restringido bajo la LTX-2 Community License, necesita una GPU de 80 GB y no tiene versión sin censura. Esta guía explica qué hace, cómo ejecutarlo, cómo puntúa frente a MiniMax-H3 y cómo escribir prompts; si solo quieres vídeo para adultos a partir de tu propia foto sin descargar nada, el generador H3 Turbo de Spicy AI funciona en tu navegador.
Spicy AI no es UniAVC: esta página usa actualmente MiniMax H3 Turbo (plan gratuito) y Wan 2.6.
- Gratis para empezar
- Sin filtros
- En el navegador

UniAVC de un vistazo
- Desarrollador
- HKUST LongGroup con Huawei Research
- Artículo
- arXiv 2610.24791, 17 oct 2026 (v2 20 oct)
- Tamaño del modelo
- DiT de 19B + codificador de texto Gemma-3 12B
- Tareas
- Texto, audio o vídeo a audio y vídeo; edición conjunta
- Salida predeterminada
- 704×1280, 24 fps, unos 5 s con sonido
- GPU
- Probado en una sola tarjeta de 80 GB
- Pesos abiertos
- Sí, con acceso restringido; LTX-2 Community License
- ¿Sin censura?
- No; sin versiones NSFW ni de la comunidad
Alternativa a UniAVC: generador de vídeo H3 Turbo sin censura
Imagen a videoSube una foto y describe el movimiento: Spicy AI la convierte en un clip corto.
Prueba un prompt
Los prompts de ejemplo están en inglés, que da los resultados más fiables.
¿Qué es UniAVC?
UniAVC, abreviatura de Unified Audio-Video Creation, es un modelo de investigación del laboratorio HKUST LongGroup de la Universidad de Ciencia y Tecnología de Hong Kong, desarrollado junto con Huawei Research. El artículo (arXiv 2610.24791) se publicó el 17 de octubre de 2026 y se revisó el 20 de octubre; entre sus autores están Kien T. Pham, Yuhao Liu, Qifeng Chen y Long Chen. El checkpoint publicado combina un transformer de difusión (DiT) de 19B en bf16 con un codificador de texto Gemma-3 12B; la barra lateral de Hugging Face muestra 23B de parámetros, lo que probablemente incluye módulos adicionales como el VAE y el vocoder, así que los 19B se refieren solo a la columna vertebral DiT. El equipo publica juntos el código, los pesos y una demo en Gradio; los scripts de línea de comandos son solo una forma de ejecutarlo. Por defecto renderiza vídeo de 704×1280, 121 fotogramas a 24 fps, unos 5 segundos, con audio a juego.
Por qué la gente busca UniAVC sin censura
Quienes buscan un UniAVC sin censura quieren un modelo local de audio y vídeo sin ningún filtro de API delante. La respuesta honesta es que UniAVC no tiene versión sin censura: ni la página del proyecto ni la ficha del modelo ofrecen una variante NSFW, y la LTX-2 Community License prohíbe eludir filtros de contenido, crear deepfakes sin consentimiento y difundir contenido generado por máquina sin indicarlo. Tampoco encontramos ningún fine-tune ni LoRA de UniAVC de la comunidad; el único repositorio es el oficial. Ejecutar un UniAVC sin censura en local tampoco es una opción: los pesos locales eliminan la capa de moderación de una API, pero eso no cambia lo que permite la licencia. Si tu objetivo es vídeo para adultos a partir de tus propias fotos, la herramienta de imagen a vídeo de Spicy AI ejecuta MiniMax H3 Turbo sin una capa de moderación adicional, solo para adultos que dan su consentimiento. Es un modelo distinto, sin las funciones de edición de UniAVC.
¿Quieres un clip al estilo de UniAVC sin censura sin una GPU de centro de datos? Anima una foto en tu navegador.
Abrir imagen a vídeo →UniAVC no es UNIVAC: qué significa el nombre
Si escribes uniavc en Google, normalmente lo corrige a univac, el ordenador UNIVAC I entregado en 1951 y el nombre de la empresa Univac. No tienen nada en común salvo las letras. Este es un modelo de IA de 2026, y el nombre significa Unified Audio-Video Creation, el título de su artículo. Para encontrar el modelo y no el ordenador, añade un término como modelo de audio y vídeo, HKUST o arXiv 2610.24791. Las tres fuentes principales son el artículo, el repositorio de GitHub HKUST-LongGroup/UniAVC y el repositorio de Hugging Face TK3105/UniAVC; todas están enlazadas en la sección de fuentes más abajo.
- UniAVC: modelo de generación y edición de audio y vídeo de 2026, de HKUST con Huawei Research.
- UNIVAC: una de las primeras líneas de ordenadores comerciales, de los años 50, sin relación con este modelo.
- Consejo de búsqueda: combina el nombre con "audio video", "HKUST", "github" o "huggingface".
Cómo funciona UniAVC: primero aprender por separado, luego juntos
La mayoría de los sistemas de audio y vídeo afrontan dos problemas. Los clips emparejados con buen sonido escasean, y cuando vídeo y audio comparten un mismo calendario de ruido, las tareas en las que un lado es fijo y el otro se genera nunca se entrenan de verdad. El modelo responde con tres ideas. El entrenamiento progresivo enseña primero a la rama de vídeo y a la rama de audio a generar y editar por su cuenta con grandes conjuntos de datos de una sola modalidad; después congela ambas y entrena solo los puentes de atención cruzada entre ellas con datos emparejados. El calendario de ruido asimétrico mantiene un paso temporal compartido pero da a cada rama su propia trayectoria de ruido, porque el vídeo necesita permanecer ruidoso más tiempo para organizar el espacio y el movimiento, mientras que el audio se asienta antes. Las subtareas de rama limpia fijan una rama a una entrada limpia durante el entrenamiento, de modo que condicionar un flujo con el otro se aprende directamente. El resultado es un único checkpoint para todas las tareas, sin adaptadores específicos: cambias de tarea cambiando las entradas y el script, no los pesos.
| Etapa de entrenamiento | Datos usados (artículo) | Qué enseña |
|---|---|---|
| Rama de vídeo | 34.3M muestras de un conjunto de 15.3M | Generar y editar solo vídeo |
| Rama de audio | 54.9M muestras de un conjunto de 14.9M | Generar y editar solo sonido |
| Alineación | 0.67M muestras emparejadas de un conjunto de 0.74M | Mantener imagen y sonido sincronizados |
El conjunto emparejado es más de un orden de magnitud menor que los datos de una sola modalidad, y ese es precisamente el objetivo del diseño progresivo.
Tareas de UniAVC: generación, intermodal y edición conjunta
Cubre tres modos de generación y un modo de edición, cada uno con su propio script de inferencia. Texto a audio y vídeo crea un clip y su banda sonora solo a partir de un prompt. Audio a vídeo conserva una pista de entrada y construye imágenes a juego en torno a ella. Vídeo a audio conserva un vídeo de entrada y escribe una banda sonora a juego. La edición conjunta cambia imagen y sonido a partir de una sola instrucción; las demos oficiales cubren cinco tipos de edición: cambiar un sujeto (por ejemplo, sustituir una camiseta por un maillot de ciclismo azul mientras la barra, la pared beige y la iluminación no cambian), añadir un sujeto, eliminar uno (como una lámpara de escritorio, rellenando la ventana y la cortina que hay detrás), editar el habla para que una persona diga una frase nueva con el movimiento de labios correspondiente y reemplazar el fondo. Cada resultado dura unos 5 segundos; el equipo no ha publicado un método para vídeos largos, así que las piezas más largas tendrían que montarse a partir de varios clips.
| Tarea | Entrada | Salida | Script |
|---|---|---|---|
| Texto a audio y vídeo (t2av) | Solo prompt | Vídeo y sonido nuevos | infer_t2av.py |
| Audio a vídeo (ta2v) | Prompt y audio | Vídeo; se conserva el audio | infer_ta2v.py |
| Vídeo a audio (tv2a) | Prompt y vídeo | Audio; se conserva el vídeo | infer_tv2a.py |
| Edición conjunta (tav2av) | Instrucción, vídeo y audio | Vídeo y sonido editados | infer_tav2av.py |
Edición según la intención y autorrefinamiento
Dos funciones hacen que el modelo sea práctico para la posproducción y no solo para demos. La edición según la intención congela una rama y la usa como condición, de modo que puedes cambiar solo el audio mientras la imagen queda idéntica, o cambiar solo la imagen sin tocar la narración. Ese es el flujo de trabajo para sustituir una voz en off sin volver a renderizar el plano, o reemplazar un fondo conservando el diálogo original. El autorrefinamiento posterior a la inferencia resuelve el caso habitual en que una mitad del resultado es buena y la otra no: el modelo vuelve a añadir ruido y a eliminarlo solo en la rama débil, usando la rama aceptada como referencia fija. El ejemplo del README refina el audio con --post-refine audio y --refine-lambda 0.5, que por defecto ejecuta unos 15 pasos.
- Cambia el doblaje y conserva el plano: congela el vídeo y edita el audio.
- Cambia la escena y conserva la narración: congela el audio y edita el vídeo.
- Corrige solo la mitad débil: refina el audio o el vídeo tras la generación en lugar de empezar de cero.
Requisitos de hardware de UniAVC: GPU de 80 GB y VRAM
El hardware decide si este modelo te sirve. El DiT de 19B y el codificador Gemma-3 12B ocupan juntos unos 65 GB, y solo el archivo principal model.safetensors pesa unos 46.1 GB. Con la descarga por etapas predeterminada, la residencia máxima es de unos 39 GB para el DiT más las activaciones, y el equipo lo probó en una sola GPU de 80 GB. Desactivar la descarga con --no-offload mantiene todos los pesos residentes, lo que según el README necesita mucho más que una tarjeta de 80 GB al tamaño predeterminado de 720p, y la decodificación con --no-tiled aumenta aún más el uso de memoria. No se han mostrado ejecuciones en tarjetas de consumo de 24 GB o 48 GB, así que no cuentes con ellas. El equipo tampoco publica tiempos de generación; 30 pasos de eliminación de ruido en un DiT de 19B es un trabajo pesado, y la velocidad real depende de tu GPU y de la configuración de descarga.
| Especificación | Valor |
|---|---|
| Pesos | DiT de 19B (bf16) + codificador de texto Gemma-3 12B |
| Tamaño de descarga | Unos 65 GB en total; model.safetensors unos 46.1 GB |
| VRAM máxima (descarga activada) | Unos 39 GB más las activaciones |
| GPU probada | Una sola tarjeta de 80 GB |
| Salida predeterminada | 704×1280, 121 fotogramas, 24 fps, unos 5 s |
| Reglas de tamaño | Alto y ancho múltiplos de 32; fotogramas 8k+1 |
| Valores predeterminados | 30 pasos, semilla 42, --offload activado |
| Software | Python 3.10, CUDA 12.8, PyTorch 2.8 |

Descarga de UniAVC en GitHub y Hugging Face: pasos de instalación
El código está en GitHub, en HKUST-LongGroup/UniAVC, y los pesos en Hugging Face, en TK3105/UniAVC. El repositorio de pesos tiene acceso restringido, así que debes iniciar sesión y aceptar sus condiciones antes de que funcione la descarga. La adopción aún es pequeña: poco después del lanzamiento, el repositorio de GitHub tenía unas 35 estrellas y los pesos unas 6 descargas y 8 me gusta. Esas cifras muestran el interés temprano de investigadores, no demanda de búsqueda. La instalación sigue un flujo estándar de Python, resumido a continuación; consulta el README para ver los argumentos exactos de cada script.
- 1. Crea un entorno de Python 3.10 (por ejemplo con conda) e instala PyTorch 2.8 compilado para CUDA 12.8.
- 2. Clona el repositorio de GitHub y ejecuta pip install -r requirements.txt y pip install -e .
- 3. Inicia sesión en Hugging Face, acepta las condiciones de acceso de TK3105/UniAVC y ejecuta bash scripts/download_weights.sh; también descarga el codificador de texto Gemma-3.
- 4. Empieza con infer_t2av.py al tamaño predeterminado, luego prueba infer_ta2v.py, infer_tv2a.py e infer_tav2av.py, o lanza la app de Gradio incluida, app.py.
- Errores comunes: descarga rechazada (acceso restringido no aceptado), faltan archivos de Gemma-3, un número de fotogramas que no es 8k+1, un alto o ancho que no es múltiplo de 32 y falta de memoria tras --no-offload o --no-tiled.
¿Funciona UniAVC en ComfyUI?
No oficialmente. El README solo ofrece los scripts de línea de comandos y una app de Gradio, no hay un nodo oficial de ComfyUI y una búsqueda de UniAVC en Hugging Face Spaces no devuelve ninguna demo alojada. Puede que aparezcan nodos de la comunidad más adelante, pero no se ha podido confirmar ninguno en una fuente fiable, así que trata cualquier nodo de terceros como no oficial y comprueba qué carga realmente. Como el modelo se inicializa a partir de LTX-2.3, las herramientas de LTX podrían facilitar una adaptación, pero eso es una expectativa, no una función publicada. Por ahora, las opciones realistas son la app de Gradio en tu propia máquina con una GPU grande o integrar los scripts de CLI en tu propio pipeline.
UniAVC vs MiniMax-H3: resultados de benchmarks
El artículo compara el modelo con MiniMax-H3, InstructAV2AV, JAVEdit y JoVA. Todas las cifras las comunican los propios autores y no se han reproducido de forma independiente, y el propio artículo califica los resultados de competitivos, no de victoria absoluta. En edición, lidera en cumplimiento de instrucciones y fidelidad de vídeo en JAVEditBench y tiene un FVD mucho menor en InsAVE-80K. En generación conjunta, H3 puntúa más alto en calidad perceptual, coherencia con el texto y sincronización labial en Verse-Bench, y en PEAVS en InsAVE-80K. Un resumen justo: el modelo de HKUST es mejor como editor y H3 es mejor como generador.
| Benchmark y métrica | UniAVC | MiniMax-H3 | InstructAV2AV |
|---|---|---|---|
| JAVEditBench IC ↑ | 4.42 | 4.11 | 2.88 |
| JAVEditBench VF ↑ | 4.48 | 4.17 | 3.93 |
| JAVEditBench AQ ↑ | 2.59 | 2.42 | 1.40 |
| JAVEditBench AVS ↑ | 0.2975 | 0.2307 | 0.1759 |
| InsAVE-80K FVD ↓ | 150.86 | 211.24 | 180.38 |
| InsAVE-80K FAD ↓ | 1.99 | 3.25 | 2.75 |
| InsAVE-80K PEAVS ↑ | 3.51 | 3.75 | 3.24 |
| Verse-Bench PQ ↑ | 6.26 | 6.87 | No publicado |
| Verse-Bench LSE-C ↑ | 6.72 | 6.96 | No publicado |
| Verse-Bench WER ↓ | 0.08 | 0.13 | No publicado |
↑ más alto es mejor, ↓ más bajo es mejor. JAVEdit obtiene 0.3688 de AVS en JAVEditBench, por encima de los tres. Resultados intermodales: FVD de audio a vídeo 103.17, FAD de vídeo a audio 10.12.
UniAVC vs LTX-2.3 e InstructAV2AV: cuál elegir
LTX-2.3 de Lightricks es el modelo base del que parte: un DiT de pesos abiertos de 22B con un gran ecosistema de LoRAs de la comunidad. El equipo de HKUST añade encima una rama de audio y puentes intermodales, con la edición conjunta como objetivo; LTX-2.3 es la opción más madura para la generación sin más y tiene muchas más herramientas. InstructAV2AV es la principal referencia de edición del artículo: el modelo más nuevo lo supera en cumplimiento de instrucciones, fidelidad y FVD, mientras que InstructAV2AV puntúa más alto en algunas métricas de alineación, como TA-A en InsAVE-80K. MiniMax-H3 sigue siendo el mejor generador en las propias tablas del artículo.
| UniAVC | LTX-2.3 | MiniMax-H3 | |
|---|---|---|---|
| Enfoque | Edición conjunta de audio y vídeo | Generación de vídeo | Generación y edición conjuntas |
| Pesos abiertos | Sí, con acceso restringido | Sí | Consulta MiniMax |
| Ecosistema | Solo el repositorio oficial | Muchos LoRAs de la comunidad | Herramientas oficiales |
| Ideal para | Investigación y edición reproducible | Flujos de trabajo locales maduros | Calidad de generación pulida |
Ninguno de los tres funciona con holgura en una tarjeta gráfica de consumo.
¿Es UniAVC de código abierto? Pesos abiertos y uso comercial
UniAVC es de pesos abiertos, no de código abierto en el sentido de la OSI. El código y los pesos son públicos y se pueden descargar gratis tras aceptar las condiciones de acceso, pero están sujetos a la LTX-2 Community License de Lightricks, porque deriva de LTX-2.3 y los derivados deben mantener esa licencia. Particulares, investigadores y empresas más pequeñas pueden usarlo, modificarlo y alojarlo, mientras que las entidades con ingresos anuales de $10 millones o más, contando también sus filiales, necesitan una licencia comercial aparte de Lightricks. Quien lo redistribuya debe incluir el acuerdo completo, trasladar la política de uso aceptable a los usuarios posteriores y mantener la atribución. Lightricks no reclama tus resultados, pero tú eres responsable de las entradas, las salidas y el uso que se haga de ellas. Lee el propio acuerdo antes de cualquier proyecto comercial.
¿Existe un UniAVC sin censura?
No. No existe un UniAVC sin censura ni una versión NSFW, y la política de uso aceptable de la licencia prohíbe eludir filtros de contenido, los deepfakes hechos sin consentimiento, los medios generados por IA sin indicarlo y cualquier cosa que implique a menores. Una búsqueda en Hugging Face solo devuelve el repositorio oficial, sin fine-tunes ni LoRAs. LTX-2.3 tiene muchos LoRAs de la comunidad, pero pertenecen al modelo base, no a UniAVC, y se aplica la misma licencia. No ofrecemos prompts ni scripts para eliminar filtros. Para vídeo para adultos que tienes permitido crear, una herramienta alojada es el camino más sencillo: la página de imagen a vídeo de Spicy AI anima tu propia foto con MiniMax H3 Turbo y sin una capa de moderación adicional, solo para adultos (18+) que dan su consentimiento.
¿Buscas una alternativa a UniAVC sin censura? Anima tu propia foto en línea, sin necesidad de GPU local.
Animar una foto →Para quién es UniAVC y cómo se usa
El modelo se acerca más a un prototipo de investigación y posproducción: los clips de 5 segundos, la salida de clase 720p y el hardware de centro de datos lo dejan fuera del alcance de la mayoría de los aficionados, pero sus trucos de edición encajan con tareas reales de producción. Los equipos de microdramas y vídeo para redes sociales dedican gran parte de su tiempo a redoblajes, correcciones de frases y cambios de fondo, justo las ediciones que muestran las demos oficiales. Los equipos de localización pueden probar a sustituir una frase hablada conservando el plano, los diseñadores de sonido pueden generar una banda sonora para metraje mudo y los investigadores obtienen una referencia reproducible para la edición conjunta de audio y vídeo con código público. Cualquier edición que implique la cara o la voz de una persona real necesita su consentimiento por escrito y una etiqueta clara de IA.
- Corrección de diálogos: cambia una frase hablada con el movimiento de labios correspondiente y conserva el sonido ambiente.
- Pruebas de doblaje y localización: sustituye la pista de voz mientras la imagen queda congelada.
- Foley para clips mudos: usa vídeo a audio para añadir pasos, lluvia o tráfico que coincidan con el movimiento.
- Cambios de fondo: traslada una escena de una oficina a una calle sin volver a grabar al sujeto.
- Visuales guiados por música: introduce una pista de audio corta y genera imágenes a juego en torno a ella.
- Referencias de investigación: compara nuevos métodos de edición conjunta con las cifras publicadas.
Cómo escribir prompts para UniAVC que funcionen
Como un solo prompt controla imagen y sonido, escríbelo como una breve descripción de plano con una línea aparte para el sonido. Describe un plano con una acción principal en frases sencillas, en este orden: sujeto, acción, escenario, cámara, luz y, por último, audio. Para editar, escribe la instrucción como un cambio más lo que debe quedar igual; los ejemplos oficiales siempre nombran las partes que hay que conservar, como el fondo, la iluminación o las demás personas. Para editar el habla, cita la nueva frase exactamente e indica de quién es la voz. Limita la generación a unos 5 segundos de acción, ya que esa es la duración predeterminada del clip, y recuerda que los tamaños deben ser múltiplos de 32 con un número de fotogramas de 8k+1.
- Nombra el sonido de forma explícita: "lluvia suave en la ventana, tráfico a lo lejos" funciona mejor que "audio realista".
- Ediciones = cambio + conservar: "Sustituye la lámpara por una planta en maceta; conserva la ventana, la cortina y la luz."
- Ediciones de habla: "Dice 'Hasta mañana' con voz tranquila; conserva el murmullo de fondo."
- Para audio a vídeo, describe solo la parte visual; la pista ya marca el ritmo.
- Para vídeo a audio, enumera las fuentes de sonido en el orden en que aparecen en pantalla.

Plantillas de prompts para UniAVC listas para copiar
Sustituye las partes entre corchetes y mantén la estructura. Las primeras filas están pensadas para los scripts del propio modelo; la última está escrita para imagen a vídeo, así que también puedes probarla en el generador alternativo a UniAVC sin censura de arriba.
| Objetivo | Plantilla |
|---|---|
| Texto a audio y vídeo | [Sujeto adulto] [una acción] en [escenario], [movimiento de cámara], [fuente de luz]. Sonido: [ambiente], [voz o música]. |
| Edición de sujeto | Cambia [objeto] por [objeto nuevo]; deja sin cambios [fondo], [iluminación] y [otras personas], conserva el audio. |
| Eliminar un objeto | Elimina el [objeto] del primer plano y rellena [la zona de detrás]; conserva la banda sonora. |
| Edición de habla | Ahora [la persona] dice "[frase nueva]" con la misma voz y los labios sincronizados; conserva la imagen y el sonido de fondo. |
| Vídeo a audio | Genera el sonido de este clip: [fuente 1], luego [fuente 2], [tono de sala], sin música. |
| Imagen a vídeo (alternativa) | [Sujeto] se gira hacia la cámara y dice "[frase corta]", acercamiento lento, [luz], [sonido ambiente]. |
Paso a paso: la alternativa a UniAVC sin censura en Spicy AI
Si no tienes hardware de centro de datos, la opción del navegador te ahorra la descarga de 65 GB. Ejecuta imagen a vídeo con MiniMax H3 Turbo, no UniAVC, así que no hay edición conjunta de audio y vídeo; animas una foto con un prompt.
- 1. Abre la herramienta de imagen a vídeo con el botón de la parte superior de esta página; el modelo alternativo ya está preseleccionado.
- 2. Sube una foto nítida de un adulto que sea tuya o que tengas consentimiento para usar.
- 3. Pega la plantilla de imagen a vídeo de arriba y rellena la acción, la cámara, la luz y el sonido.
- 4. Genera un clip corto, revisa el movimiento y cambia un solo elemento en cada intento.
- 5. Descarga el resultado y etiquétalo como generado por IA cuando lo compartas.
Qué puedes crear
De foto a clip
Anima un retrato de un adulto en un clip corto en el navegador, como alternativa más ligera a UniAVC sin censura.
Planos con diálogo
Un sujeto se gira, sonríe y dice una frase corta, un formato al que también apunta el modelo de HKUST con sus ediciones de habla.
Escenas de ambiente
Habitaciones a la luz de las velas, lluvia y calles de neón para personajes adultos que dan su consentimiento.
Consejos de prompt para lograr el estilo de UniAVC
- Escribe un plano con una sola acción y dedica al sonido su propia frase.
- En las ediciones, indica siempre lo que debe quedar igual.
- Cuenta con una GPU de 80 GB; las tarjetas de consumo no se han probado.
- Mantén el número de fotogramas en 8k+1 y los tamaños en múltiplos de 32 para evitar errores.
- Usa solo caras y voces de adultos que hayan dado su consentimiento y etiqueta el contenido generado por IA.
Desplegar UniAVC por tu cuenta vs generar en línea en Spicy AI
| Despliegue local (pesos oficiales) | Spicy AI en línea | |
|---|---|---|
| Filtros de contenido | Los define HKUST & Huawei Research | Sin filtros de contenido |
| Pesos abiertos | Sí | No hace falta: funciona en el navegador |
| Modelo | UniAVC | MiniMax H3 Turbo (plan gratuito) y Wan 2.6 |
| Precio para empezar | Depende del plan | Plan gratuito disponible |
- Imagen a video en el navegador
- Cola gratuita por 0 créditos (con sesión, límite diario)
- Clips verticales (9:16) y horizontales (16:9)
Preguntas frecuentes
¿Qué es UniAVC y quién lo creó?
UniAVC es un modelo unificado de generación y edición de audio y vídeo del laboratorio HKUST LongGroup con Huawei Research, descrito en arXiv 2610.24791 (octubre de 2026). Un solo conjunto de pesos se encarga de texto a audio y vídeo, audio a vídeo, vídeo a audio y edición conjunta.
¿UniAVC es lo mismo que UNIVAC?
No. UNIVAC es una línea de ordenadores de los años 50. Google suele corregir uniavc a univac, así que añade "audio video model", "HKUST" o el número de arXiv al buscar.
¿Qué GPU necesito para UniAVC?
El equipo lo probó en una sola GPU de 80 GB. Los pesos suman unos 65 GB y, con la descarga predeterminada, el pico ronda los 39 GB más las activaciones. Las tarjetas de 24 GB y 48 GB no están verificadas.
¿Cuánto duran los clips de UniAVC?
Por defecto, 704×1280, 121 fotogramas a 24 fps, unos 5 segundos. No hay un modo oficial de vídeo largo.
¿Existe un UniAVC sin censura?
No. No hay versión NSFW ni fine-tune de la comunidad, y la licencia prohíbe eludir los filtros de contenido. Spicy AI ofrece imagen a vídeo con H3 Turbo como alternativa independiente, solo para adultos.
¿Spicy AI está afiliada a HKUST & Huawei Research?
No. Spicy AI es una plataforma independiente y no está afiliada ni respaldada por HKUST & Huawei Research. UniAVC es una marca registrada de su propietario.
¿Es gratis?
Puedes empezar gratis: inicia sesión y la cola de video gratuita de Spicy AI anima tu foto con MiniMax H3 Turbo por 0 créditos, con un límite diario. La cola rápida, otros modelos de video y los clips más largos usan créditos.
Fuentes
Spicy AI no está afiliada a HKUST & Huawei Research. UniAVC y otros nombres de productos son marcas de sus respectivos propietarios y se usan aquí solo con fines de identificación. Todo el contenido debe representar a adultos (mayores de 18 años).