Vidéo IA sans censure · NVIDIA NVlabs
SANA-Video 2.0 720p sans censure : des clips cinématographiques en secondes, pas en minutes
Attendre vingt minutes pour un clip IA de cinq secondes tue chaque idée créative avant qu'elle n'ait sa chance. L'équipe NVlabs de NVIDIA a conçu SANA-Video 2.0 précisément pour régler ce problème. Le checkpoint SANA-Video 2.0 720p est un modèle à poids ouverts d'environ 4,47 milliards de paramètres qui génère huit secondes de vidéo à 24 fps à partir d'un court prompt, ou donne vie à une image fixe utilisée comme première image ; sur un seul H100, l'équipe annonce un clip de cinq secondes en 720p en environ 13 secondes. Comme les poids sont publics, vous pouvez l'exécuter sur votre propre GPU sans aucun filtre cloud entre les deux. Voici ce qu'il fait bien, sa vitesse réelle, comment l'exécuter et quels prompts fonctionnent le mieux.
- 720p, environ 8 secondes
- Poids ouverts
- Texte et image vers vidéo
Générateur vidéo alternatif sans censure
Image vers vidéoImportez une photo et décrivez le mouvement, et Spicy AI l'anime en un court clip.
De SANA-Video à la version 2.0 : ce qui s'est amélioré
Le premier SANA-Video, présenté en communication orale à ICLR 2026, a prouvé qu'un petit modèle vidéo pouvait être rapide en remplaçant l'essentiel du lourd calcul d'attention par une attention linéaire plus légère. SANA-Video 2.0, publié par NVlabs avec des partenaires dont le MIT et HKU en août 2026, conserve cette idée de vitesse tout en comblant l'écart de qualité. Le modèle fait plus que doubler de taille, passant d'environ 2 milliards à environ 4,5 milliards de paramètres. Trois couches sur quatre utilisent toujours l'attention linéaire rapide, tandis qu'une couche sur quatre utilise l'attention softmax classique comme ancre qui garde les détails et le mouvement cohérents. Il adopte aussi l'autoencodeur vidéo de LTX 2.3, ajoute un entraînement conjoint texte-vers-vidéo et image-vers-vidéo à partir de la première image, et propose un aperçu distillé en 4 étapes pour des brouillons instantanés. Résultat : des clips plus longs et plus nets, sans perdre la vitesse qui a rendu la série intéressante.
Version 1 et 2.0 en un coup d'œil
Si vous avez essayé le modèle d'origine et trouvé les clips flous ou courts, SANA-Video 2.0 mérite un second regard. Voici les changements qui comptent pour les créateurs au quotidien.
| SANA-Video (v1) | SANA-Video 2.0 | |
|---|---|---|
| Taille du modèle | Environ 2B paramètres | Environ 4,47B paramètres (gamme 5B) |
| Conception de l'attention | Attention linéaire causale par blocs | Couches linéaires + softmax dans un ratio 3:1 |
| Autoencodeur vidéo | VAE antérieur | LTX 2.3 (128 canaux) |
| Modes | Texte et image vers vidéo | Texte vers vidéo, image vers vidéo depuis la première image, aperçu en 4 étapes |
| Durée des clips en 720p | Clips plus courts | 193 images à 24 fps, environ 8 secondes |
Ce que les créateurs font avec un modèle vidéo rapide
La vitesse change votre façon de travailler. Quand un clip se génère en quelques secondes au lieu d'une demi-heure, vous cessez de ménager chaque prompt et commencez à explorer : dix angles de caméra pour une scène, cinq ambiances lumineuses pour un produit, trois fins pour un moment de l'histoire. C'est pourquoi les premiers à parler de SANA-Video 2.0 720p sont des équipes de mini-séries qui storyboardent des dizaines de plans par épisode, des vendeurs e-commerce qui ont besoin de B-roll neuf chaque semaine, des illustrateurs qui veulent faire respirer une affiche et des développeurs à la recherche d'une base rapide et bon marché pour leurs propres outils vidéo. Les créateurs de contenus pour adultes (18+) apprécient la même boucle pour des défilés glamour, des looks de mode et des scènes romantiques, où tester rapidement de nombreuses variantes compte plus qu'un seul rendu parfait.
Storyboards de mini-séries
Prévisualisez en quelques minutes toute une séquence de plans de série verticale : brouillon avec la version 4 étapes, puis rendu des meilleurs en qualité maximale.
Plans produits et publicités
Plateaux tournants, lents travellings avant et lumière d'ambiance sur des montres, parfums ou baskets, prêts comme B-roll pour boutiques et publicités sur les réseaux.
Petites histoires en dessin animé
Des personnages animés colorés qui dansent, saluent ou courent. La propre démo de NVIDIA est un coq de dessin animé, et les styles ludiques conviennent très bien au modèle.

Quelle vitesse face à Wan 2.2 et LTX-2.3 ?
La vitesse est l'argument phare. La page du projet de NVIDIA compare le temps nécessaire pour générer un clip de cinq secondes en 720p avec 40 étapes sur un seul H100. Avec sa pile d'inférence Sol-Engine, SANA-Video 2.0 720p termine en environ 13 secondes, ce que l'équipe décrit comme environ 120 fois plus rapide que Wan 2.2 A14B. Sans cette pile, l'article indique 13,2 secondes pour un clip 480p avec 40 étapes et un score VBench de 84,30. Ce sont les graphiques du laboratoire lui-même, pas des benchmarks indépendants, et aucun temps sur GPU grand public n'a encore été publié. Malgré tout, si vous cherchez le modèle vidéo open source le plus rapide du moment, c'est celui auquel tout le monde se compare.
| Modèle (720p, 5 s, 40 étapes, un H100) | Temps de rendu annoncé |
|---|---|
| Wan 2.2 14B | 1556 s |
| HunyuanVideo | 788 s |
| LTX-2.3 | 130 s |
| SANA-Video 2.0 14B (pas encore publié) | 69.3 s |
| SANA-Video 2.0 5B + Sol-Engine | 13.06 s |
Les chiffres proviennent de la page du projet et de l'article de NVIDIA. Wan 2.2 conserve une communauté et un écosystème LoRA plus vastes, et LTX-2.3 offre des outils audio plus riches ; l'atout de SANA, c'est la vitesse brute.
À quoi ressemble la sortie 720p de 8 secondes
Le format SANA-Video 2.0 720p génère en 1280×736, 193 images à 24 images par seconde, soit environ huit secondes de séquence. C'est suffisant pour un mouvement de caméra complet ou un petit moment narratif, comme un personnage qui se retourne, sourit et sort du cadre. Si vous changez la taille, gardez une largeur et une hauteur divisibles par 32, et choisissez un nombre d'images qui, moins un, est divisible par 8 (par exemple 121 ou 193). Les plans nets et cinématographiques avec un seul sujet clair donnent les meilleurs résultats : produits en rotation, paysages, portraits au mouvement doux et animation stylisée. Les scènes chargées avec de l'action rapide restent le point faible.
Modèle complet en 50 étapes ou aperçu en 4 étapes
Deux checkpoints de SANA-Video 2.0 partagent la taille 720p et sont conçus pour fonctionner ensemble. Le modèle complet offre le meilleur niveau de détail et prend en charge l'image vers vidéo depuis la première image. La version 4 étapes, publiée en septembre 2026, est un modèle texte vers vidéo distillé qui produit un brouillon presque instantanément, pour tester vos idées d'abord et générer les meilleures ensuite.
| Modèle complet | Aperçu en 4 étapes | |
|---|---|---|
| Modes | Texte vers vidéo + image vers vidéo depuis la première image | Texte vers vidéo uniquement |
| Étapes et guidage | Environ 50 étapes, CFG 8, flow shift 12, motion score 20 | 4 étapes, CFG 1 |
| Options de clip | 720p, 193 images, 24 fps | 5 s à 16 fps ou 8 s à 24 fps |
| Idéal pour | Rendus finaux et images fixes animées | Brouillons rapides et storyboards |
Image vers vidéo : faire bouger une image fixe
Dans le modèle complet SANA-Video 2.0 720p, vous pouvez fournir une image comme première image et décrire ce qui doit se passer ensuite. Illustrations, affiches, photos produits et character art fonctionnent : les cheveux bougent au vent, la caméra avance, un sourire apparaît. Dans le fichier de prompts officiel, chaque ligne contient le texte, puis la balise <image>, puis le chemin vers votre image. Gardez un mouvement modéré, car l'équipe note que la vidéo peut s'éloigner des détails d'origine sur huit secondes. L'aperçu en 4 étapes n'accepte pas d'images, utilisez donc le modèle complet pour ce mode.

Télécharger depuis Hugging Face et exécuter en local
Faire tourner SANA-Video 2.0 se fait en quatre étapes, et vous pouvez tester des prompts dans la démo en ligne gratuite sur Hugging Face avant de télécharger quoi que ce soit. Deux questions fréquentes n'ont pas encore de réponse officielle : NVIDIA n'a pas publié d'exigences en VRAM, seulement des résultats de tests sur H100, et la prise en charge native de ComfyUI ou Diffusers pour la version 2.0 n'a pas été confirmée ; pour l'instant, les scripts officiels sont donc la voie fiable.
- Clonez le dépôt NVlabs/Sana depuis GitHub et installez ses dépendances.
- Téléchargez le checkpoint Efficient-Large-Model/SANA-Video_2.0_5B_720p, ou la version _4step pour les brouillons, depuis Hugging Face.
- Téléchargez l'autoencodeur vidéo LTX 2.3 indiqué par la fiche du modèle.
- Lancez inference_video_scripts/inference_sana_video.sh avec votre fichier de prompts, la taille et le nombre d'images.
Des modèles de prompts qui fonctionnent
Le conseil de l'équipe est simple : court et précis vaut mieux que long et vague, et le respect du prompt baisse quand on empile les détails. Pour SANA-Video 2.0 720p, une formule fiable consiste en un sujet, une action, un mouvement de caméra et une source de lumière. Copiez ces modèles et remplacez le sujet par le vôtre.
- Produit : "A sleek silver wristwatch rotating slowly on a black marble pedestal, soft rim light, shallow depth of field, 24fps cinematic."
- Mini-série : "Close-up of an adult woman on a rainy city street at night, neon reflections, she turns her head and smiles, handheld camera."
- Dessin animé : "A cheerful cartoon fox dancing in a cozy vintage room with floral wallpaper, bright colors, smooth motion."
- Paysage : "Aerial drone shot gliding over misty mountains at sunrise, slow forward motion, golden light."
- Image vers vidéo : première image 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."
- Écrivez un sujet et une action par clip ; huit secondes passent vite.
- Nommez le mouvement de caméra (travelling avant, orbite, suivi, drone) dans chaque prompt.
- Ajoutez une source de lumière, comme du néon, l'heure dorée ou un éclairage de contour.
- Faites un brouillon avec le modèle 4 étapes, puis régénérez le meilleur prompt avec le modèle complet.
- Précisez que chaque personne montrée est adulte (18+).
Limites connues et premiers retours de la communauté
NVIDIA est franc sur les points faibles de SANA-Video 2.0 : les scènes chargées ou très dynamiques, l'anatomie humaine, le texte à l'écran et la physique peuvent vaciller, les prompts longs et compliqués sont suivis moins fidèlement, et l'image vers vidéo peut s'éloigner de l'image source. Le score VBench est autodéclaré. L'intérêt initial est réel, avec quelques milliers de téléchargements du checkpoint sur Hugging Face le premier mois, mais aucun grand test indépendant n'est encore paru. Un modèle 14B générant en 480p est annoncé comme bientôt disponible, sans date précise.
Existe-t-il un SANA-Video 2.0 sans censure ?
Les applications vidéo hébergées vérifient chaque prompt et chaque image, et refusent souvent les maillots de bain, la lingerie ou la romance, même entre adultes consentants. Les poids ouverts sont différents : quand vous exécutez SANA-Video 2.0 720p sur votre propre machine, aucun service de modération n'intervient, donc en ce sens le modèle local est déjà sans censure. Le bémol, en toute honnêteté, c'est qu'il n'a pas été entraîné ni ajusté pour les contenus adultes, et qu'aucun fine-tune ou LoRA NSFW n'avait été trouvé en novembre 2026 ; les détails explicites ne sont donc pas son point fort. Considérez-le comme un moteur de brouillons rapide pour des scènes adultes de bon goût, et veillez à ce que chaque personne soit adulte (18+), jamais une personne réelle sans son consentement.
Pas de H100 ? Créez des vidéos pour adultes dans votre navigateur
La plupart des gens n'ont ni GPU de centre de données ni la patience de configurer des scripts Python. Spicy AI propose en ligne une génération vidéo sans censure similaire : importez une photo, décrivez le mouvement et obtenez un court clip pour adultes (18+), sans rien installer. N'utilisez que des photos qui vous appartiennent ou que vous avez l'autorisation d'utiliser.
Transformez une photo en courte vidéo sans censure, sans GPU ni configuration.
Ouvrir image vers vidéo →SANA-Video 2.0 auto-hébergé ou génération en ligne sur Spicy AI
| Déploiement local (poids officiels) | Spicy AI en ligne | |
|---|---|---|
| Filtres de contenu | Aucun dans votre propre installation | Aucun filtre de contenu pour adultes |
| Poids ouverts | Oui | Inutile, fonctionne dans le navigateur |
| Modèle | SANA-Video 2.0 5B 720p ou 4 étapes | Modèle vidéo sans censure similaire, hébergé en ligne |
| Prix de départ | Téléchargement gratuit, votre propre GPU | Offre gratuite disponible |
FAQ
Qu'est-ce que SANA-Video 2.0 ?
C'est un modèle vidéo à poids ouverts de l'équipe NVlabs de NVIDIA, avec des partenaires comme le MIT et HKU. Le checkpoint 5B 720p, publié en août 2026, crée des clips d'environ huit secondes à 24 fps à partir de texte ou d'une image utilisée comme première image.
Quelle est la durée et la netteté des vidéos ?
Le modèle 720p génère en 1280×736 avec 193 images à 24 fps, soit environ huit secondes. L'aperçu en 4 étapes propose 5 secondes à 16 fps ou 8 secondes à 24 fps.
De combien de VRAM a-t-il besoin ?
NVIDIA n'a pas encore publié d'exigences. Les chiffres de vitesse officiels ont tous été mesurés sur un seul H100.
Fonctionne-t-il dans ComfyUI ?
La prise en charge native de ComfyUI ou Diffusers pour la version 2.0 n'a pas été confirmée. Pour l'instant, utilisez les scripts du dépôt NVlabs/Sana ou la démo Hugging Face.
La version 14B est-elle sortie ?
Pas encore. Le modèle 14B en 480p est indiqué comme bientôt disponible sur la page du projet, sans date de sortie.
Est-il vraiment sans censure ?
Exécuté en local, aucun service de modération ne filtre les prompts. Il n'a cependant pas été entraîné pour les contenus adultes et aucun fine-tune NSFW n'a été trouvé, les détails explicites sont donc limités et tout contenu doit impliquer uniquement des adultes.
Spicy AI est-il affilié à NVIDIA ?
Non. Spicy AI est une plateforme indépendante, ni affiliée à NVIDIA ni approuvée par NVIDIA. NVIDIA et SANA sont des marques de leurs propriétaires respectifs.
Sources
- Article SANA-Video 2.0 (arXiv 2607.21553)
- Page du projet SANA-Video 2.0 (NVlabs)
- Documentation de SANA-Video 2.0
- Dépôt NVlabs/Sana (GitHub)
- Fiche du modèle SANA-Video 2.0 5B 720p (Hugging Face)
- Fiche du modèle SANA-Video 2.0 5B 720p 4 étapes (Hugging Face)
- Démo en ligne gratuite (Hugging Face Space)
- Article original SANA-Video (arXiv 2509.24695)