IA sans censure · Vidéo · HKUST & Huawei Research

UniAVC non censuré : le modèle audio-vidéo de HKUST et Huawei expliqué (pas UNIVAC)

Demander à l'IA ▾

UniAVC est un modèle audio-vidéo unifié du laboratoire HKUST LongGroup, conçu avec Huawei Research : un seul jeu de poids génère un court clip avec un son synchronisé, ajoute une bande sonore à une vidéo muette, construit une image autour d'une piste audio ou édite la vidéo et l'audio à partir d'une seule instruction. Ce n'est pas l'ordinateur UNIVAC des années 1950. Il est distribué sous forme de poids ouverts à accès restreint sous la LTX-2 Community License, exige un GPU de 80 Go et n'existe en aucune version non censurée. Ce guide explique ce qu'il fait, comment le lancer, comment il se compare à MiniMax-H3 et comment écrire les prompts ; si vous voulez simplement une vidéo pour adultes à partir de votre propre photo sans rien télécharger, le générateur H3 Turbo de Spicy AI fonctionne dans votre navigateur.

Spicy AI n'est pas UniAVC — cette page fonctionne actuellement avec MiniMax H3 Turbo (offre gratuite) et Wan 2.6.

  • Gratuit pour commencer
  • Sans filtre
  • Dans le navigateur
Essayer l'alternative vidéo H3 Turbo →Images de film et ondes sonores lumineuses fusionnant en un seul flux, représentant le modèle audio-vidéo unifié UniAVC

UniAVC en bref

Développeur
HKUST LongGroup avec Huawei Research
Article
arXiv 2610.24791, 17 oct. 2026 (v2 20 oct.)
Taille du modèle
DiT 19B + encodeur de texte Gemma-3 12B
Tâches
Texte, audio ou vidéo vers audio-vidéo ; édition conjointe
Sortie par défaut
704×1280, 24 fps, environ 5 s avec son
GPU
Testé sur une seule carte de 80 Go
Poids ouverts
Oui, à accès restreint ; LTX-2 Community License
Non censuré ?
Non ; aucune version NSFW ni communautaire

Alternative à UniAVC : générateur vidéo H3 Turbo non censuré

Image vers vidéo

Importez une photo et décrivez le mouvement — Spicy AI l'anime en un court clip.

Votre photo sera animée.

Essayer un prompt

Les prompts d'exemple sont en anglais, ce qui donne les résultats les plus fiables.

Qu'est-ce que UniAVC ?

UniAVC, abréviation de Unified Audio-Video Creation, est un modèle de recherche du laboratoire HKUST LongGroup de l'Université des sciences et technologies de Hong Kong, développé avec Huawei Research. L'article (arXiv 2610.24791) a été publié pour la première fois le 17 octobre 2026 et révisé le 20 octobre ; Kien T. Pham, Yuhao Liu, Qifeng Chen et Long Chen figurent parmi les auteurs. Le checkpoint publié associe un transformer de diffusion (DiT) de 19B en bf16 à un encodeur de texte Gemma-3 12B ; la barre latérale de Hugging Face affiche 23B paramètres, ce qui inclut probablement des modules supplémentaires comme le VAE et le vocodeur, si bien que 19B désigne uniquement le backbone DiT. L'équipe publie ensemble le code, les poids et une démo Gradio ; les scripts en ligne de commande ne sont qu'une façon de l'exécuter. Par défaut, il produit une vidéo en 704×1280, 121 images à 24 fps, soit environ 5 secondes, avec l'audio correspondant.

Pourquoi on cherche UniAVC sans censure

Les recherches d'un UniAVC non censuré viennent de personnes qui veulent un modèle audio-vidéo local sans filtre d'API devant. La réponse honnête est qu'il n'existe pas d'UniAVC non censuré : la page du projet et la fiche du modèle ne proposent aucune variante NSFW, et la LTX-2 Community License interdit de contourner les filtres de contenu, les deepfakes non consentis et les contenus générés par machine non signalés. Nous n'avons trouvé aucun fine-tune ni LoRA communautaire d'UniAVC non plus ; le seul dépôt est le dépôt officiel. Faire tourner un UniAVC non censuré en local n'est pas une option non plus : des poids locaux suppriment une couche de modération d'API, mais cela ne change rien à ce que la licence autorise. Si votre objectif est une vidéo pour adultes à partir de vos propres photos, l'outil image-vers-vidéo de Spicy AI utilise MiniMax H3 Turbo sans couche de modération supplémentaire, réservé aux adultes consentants. C'est un modèle différent, sans les fonctions d'édition d'UniAVC.

Vous voulez un clip façon UniAVC non censuré sans GPU de datacenter ? Animez une photo dans votre navigateur.

Ouvrir l'image-vers-vidéo →

UniAVC n'est pas UNIVAC : ce que signifie le nom

Tapez uniavc dans Google et la recherche est généralement corrigée en univac, l'ordinateur UNIVAC I livré en 1951 et le nom de l'entreprise Univac. Les deux n'ont rien en commun hormis les lettres. Il s'agit ici d'un modèle d'IA de 2026, et le nom signifie Unified Audio-Video Creation, le titre de son article. Pour trouver le modèle plutôt que l'ordinateur, ajoutez un qualificatif comme audio video model, HKUST ou arXiv 2610.24791. Les trois sources principales sont l'article, le dépôt GitHub HKUST-LongGroup/UniAVC et le dépôt Hugging Face TK3105/UniAVC ; tous sont liés dans la section des sources ci-dessous.

  • UniAVC : modèle de génération et d'édition audio-vidéo de 2026, HKUST avec Huawei Research.
  • UNIVAC : gamme d'ordinateurs commerciaux pionniers des années 1950, sans rapport avec ce modèle.
  • Astuce de recherche : associez le nom à "audio video", "HKUST", "github" ou "huggingface".

Comment fonctionne UniAVC : apprendre seul d'abord, puis ensemble

La plupart des systèmes audio-vidéo se heurtent à deux problèmes. Les clips appariés avec un bon son sont rares, et lorsque la vidéo et l'audio partagent un même calendrier de bruit, les tâches où un côté est fixe et l'autre généré ne sont jamais vraiment entraînées. Le modèle répond avec trois idées. L'entraînement progressif apprend d'abord à la branche vidéo et à la branche audio à générer et éditer seules sur leurs grands jeux de données monomodaux, puis gèle les deux et n'entraîne que les ponts de cross-attention entre elles sur des données appariées. Le calendrier de bruit asymétrique conserve un pas de temps commun mais donne à chaque branche sa propre trajectoire de bruit, car la vidéo doit rester bruitée plus longtemps pour organiser l'espace et le mouvement, tandis que l'audio se stabilise plus tôt. Les sous-tâches à branche propre fixent une branche sur une entrée propre pendant l'entraînement, de sorte que le conditionnement d'un flux sur l'autre est appris directement. Résultat : un seul checkpoint pour toutes les tâches, sans adaptateur spécifique ; on change de tâche en changeant les entrées et le script, pas les poids.

Étape d'entraînementDonnées utilisées (article)Ce qu'elle enseigne
Branche vidéo34.3M échantillons issus d'un pool de 15.3MGénérer et éditer la vidéo seule
Branche audio54.9M échantillons issus d'un pool de 14.9MGénérer et éditer le son seul
Alignement0.67M échantillons appariés issus d'un pool de 0.74MGarder l'image et le son synchronisés

Le jeu apparié est plus d'un ordre de grandeur plus petit que les données monomodales, et c'est tout l'intérêt de la conception progressive.

Tâches d'UniAVC : génération, cross-modal et édition conjointe

Il couvre trois modes de génération et un mode d'édition, chacun avec son propre script d'inférence. Le texte-vers-audio-vidéo crée un clip et sa bande sonore à partir d'un simple prompt. L'audio-vers-vidéo conserve une piste en entrée et construit des images correspondantes autour. La vidéo-vers-audio conserve une vidéo en entrée et écrit une bande sonore assortie. L'édition conjointe modifie l'image et le son à partir d'une seule instruction ; les démos officielles couvrent cinq types d'édition : changer un sujet (par exemple remplacer un T-shirt par un maillot de cycliste bleu tandis que le bar, le mur beige et l'éclairage restent en place), ajouter un sujet, en retirer un (comme une lampe de bureau, avec la fenêtre et le rideau reconstitués derrière), éditer la parole pour qu'une personne dise une nouvelle réplique avec un mouvement des lèvres assorti, et remplacer l'arrière-plan. Chaque sortie dure environ 5 secondes ; l'équipe n'a pas publié de méthode pour les vidéos longues, il faudrait donc assembler plusieurs clips pour des contenus plus longs.

TâcheEntréeSortieScript
Texte vers audio-vidéo (t2av)Prompt seulNouvelle vidéo et nouveau soninfer_t2av.py
Audio vers vidéo (ta2v)Prompt et audioVidéo ; audio conservéinfer_ta2v.py
Vidéo vers audio (tv2a)Prompt et vidéoAudio ; vidéo conservéeinfer_tv2a.py
Édition conjointe (tav2av)Instruction, vidéo et audioVidéo et son éditésinfer_tav2av.py

Édition selon l'intention et auto-affinage

Deux fonctions rendent le modèle utile en post-production et pas seulement en démo. L'édition selon l'intention gèle une branche et l'utilise comme condition : vous pouvez ainsi ne modifier que l'audio en gardant l'image identique, ou ne modifier que l'image sans toucher à la narration. C'est le flux de travail qui permet de remplacer une voix off sans refaire le rendu du plan, ou de changer un arrière-plan en conservant le dialogue d'origine. L'auto-affinage après inférence gère le cas fréquent où une moitié du résultat est bonne et l'autre non : le modèle rebruite puis débruite uniquement la branche faible, en utilisant la branche acceptée comme référence fixe. L'exemple du README affine l'audio avec --post-refine audio et --refine-lambda 0.5, ce qui exécute environ 15 étapes par défaut.

  • Changer le doublage, garder le plan : geler la vidéo, éditer l'audio.
  • Changer la scène, garder la narration : geler l'audio, éditer la vidéo.
  • Corriger seulement la moitié faible : affiner l'audio ou la vidéo après génération au lieu de tout recommencer.

Configuration matérielle d'UniAVC : GPU de 80 Go et VRAM

C'est le matériel qui décide si ce modèle vous est utilisable. Le DiT de 19B et l'encodeur Gemma-3 12B occupent ensemble environ 65 Go, et le fichier principal model.safetensors pèse à lui seul environ 46.1 Go. Avec le déchargement par étapes activé par défaut, l'occupation maximale est d'environ 39 Go pour le DiT plus les activations, et l'équipe a testé sur un seul GPU de 80 Go. Désactiver le déchargement avec --no-offload garde tous les poids en mémoire, ce qui, selon le README, nécessite bien plus qu'une carte de 80 Go à la taille 720p par défaut, et le décodage --no-tiled augmente encore la consommation mémoire. Aucune exécution sur des cartes grand public de 24 Go ou 48 Go n'a été démontrée, ne comptez donc pas dessus. L'équipe ne publie pas non plus de temps de génération ; 30 étapes de débruitage sur un DiT de 19B représentent une lourde charge, et la vitesse réelle dépend de votre GPU et du réglage de déchargement.

CaractéristiqueValeur
PoidsDiT 19B (bf16) + encodeur de texte Gemma-3 12B
Taille du téléchargementEnviron 65 Go au total ; model.safetensors environ 46.1 Go
VRAM maximale (déchargement activé)Environ 39 Go plus les activations
GPU testéUne seule carte de 80 Go
Sortie par défaut704×1280, 121 images, 24 fps, environ 5 s
Règles de tailleHauteur et largeur multiples de 32 ; images 8k+1
Valeurs par défaut30 étapes, seed 42, --offload activé
LogicielsPython 3.10, CUDA 12.8, PyTorch 2.8
Serveur GPU de datacenter illuminé dans une baie sombre, illustrant la carte graphique de 80 Go nécessaire à l'inférence audio-vidéo locale

Téléchargement d'UniAVC sur GitHub et Hugging Face : étapes d'installation

Le code se trouve sur GitHub à HKUST-LongGroup/UniAVC et les poids sur Hugging Face à TK3105/UniAVC. Le dépôt des poids est à accès restreint : vous devez vous connecter et accepter ses conditions avant que le téléchargement fonctionne. L'adoption reste modeste : peu après la sortie, le dépôt GitHub comptait environ 35 étoiles et les poids environ 6 téléchargements et 8 likes. Ces chiffres montrent un intérêt précoce des chercheurs, pas une demande de recherche. L'installation suit un flux Python classique, résumé ci-dessous ; consultez le README pour les arguments exacts de chaque script.

  • 1. Créez un environnement Python 3.10 (par exemple avec conda) et installez PyTorch 2.8 compilé pour CUDA 12.8.
  • 2. Clonez le dépôt GitHub, puis exécutez pip install -r requirements.txt et pip install -e .
  • 3. Connectez-vous à Hugging Face, acceptez les conditions d'accès de TK3105/UniAVC et lancez bash scripts/download_weights.sh ; il récupère aussi l'encodeur de texte Gemma-3.
  • 4. Commencez par infer_t2av.py à la taille par défaut, puis essayez infer_ta2v.py, infer_tv2a.py et infer_tav2av.py, ou lancez l'application Gradio fournie app.py.
  • Erreurs fréquentes : téléchargement refusé (accès restreint non accepté), fichiers Gemma-3 manquants, nombre d'images qui n'est pas 8k+1, hauteur ou largeur qui n'est pas un multiple de 32, et mémoire insuffisante après --no-offload ou --no-tiled.

UniAVC fonctionne-t-il dans ComfyUI ?

Pas officiellement. Le README ne propose que les scripts en ligne de commande et une application Gradio, il n'existe aucun nœud ComfyUI officiel, et une recherche UniAVC sur Hugging Face Spaces ne renvoie aucune démo hébergée. Des nœuds communautaires pourraient apparaître plus tard, mais aucun n'a pu être confirmé par une source fiable : considérez donc tout nœud tiers comme non officiel et vérifiez ce qu'il charge réellement. Comme le modèle est initialisé à partir de LTX-2.3, l'outillage LTX pourrait faciliter un portage, mais c'est une attente, pas une fonctionnalité publiée. Pour l'instant, les options réalistes sont l'application Gradio sur votre propre machine dotée d'un gros GPU, ou l'intégration des scripts CLI dans votre propre pipeline.

UniAVC vs MiniMax-H3 : résultats des benchmarks

L'article compare le modèle à MiniMax-H3, InstructAV2AV, JAVEdit et JoVA. Tous les chiffres sont déclarés par les auteurs et n'ont pas été reproduits de manière indépendante, et l'article lui-même qualifie les résultats de compétitifs, pas de victoire sur toute la ligne. En édition, il arrive en tête pour le respect des instructions et la fidélité vidéo sur JAVEditBench et obtient un FVD bien plus bas sur InsAVE-80K. En génération conjointe, H3 obtient de meilleurs scores en qualité perceptuelle, cohérence avec le texte et synchronisation labiale sur Verse-Bench, ainsi qu'en PEAVS sur InsAVE-80K. Résumé honnête : le modèle de HKUST est plus fort comme éditeur, H3 est plus fort comme générateur.

Benchmark et métriqueUniAVCMiniMax-H3InstructAV2AV
JAVEditBench IC ↑4.424.112.88
JAVEditBench VF ↑4.484.173.93
JAVEditBench AQ ↑2.592.421.40
JAVEditBench AVS ↑0.29750.23070.1759
InsAVE-80K FVD ↓150.86211.24180.38
InsAVE-80K FAD ↓1.993.252.75
InsAVE-80K PEAVS ↑3.513.753.24
Verse-Bench PQ ↑6.266.87Non communiqué
Verse-Bench LSE-C ↑6.726.96Non communiqué
Verse-Bench WER ↓0.080.13Non communiqué

↑ plus c'est élevé, mieux c'est ; ↓ plus c'est bas, mieux c'est. JAVEdit obtient 0.3688 en AVS sur JAVEditBench, au-dessus des trois. Résultats cross-modaux : FVD audio-vers-vidéo de 103.17, FAD vidéo-vers-audio de 10.12.

UniAVC vs LTX-2.3 et InstructAV2AV : lequel choisir

LTX-2.3 de Lightricks est le modèle de base dont il part : un DiT à poids ouverts de 22B doté d'un vaste écosystème de LoRAs communautaires. L'équipe de HKUST y ajoute une branche audio et des ponts cross-modaux, avec l'édition conjointe pour objectif ; LTX-2.3 est le choix le plus mûr pour la génération simple et dispose de bien plus d'outils. InstructAV2AV est la principale référence d'édition de l'article : le nouveau modèle le bat en respect des instructions, en fidélité et en FVD, tandis qu'InstructAV2AV obtient de meilleurs scores sur certaines métriques d'alignement, comme TA-A sur InsAVE-80K. MiniMax-H3 reste le meilleur générateur dans les tableaux de l'article lui-même.

UniAVCLTX-2.3MiniMax-H3
SpécialitéÉdition audio-vidéo conjointeGénération vidéoGénération et édition conjointes
Poids ouvertsOui, à accès restreintOuiVoir MiniMax
ÉcosystèmeDépôt officiel uniquementNombreuses LoRAs communautairesOutils officiels
Idéal pourRecherche et édition reproductibleFlux de travail locaux maturesQualité de génération soignée

Aucun des trois ne tourne confortablement sur une carte graphique grand public.

UniAVC est-il open source ? Poids ouverts et usage commercial

UniAVC est à poids ouverts, pas open source au sens de l'OSI. Le code et les poids sont publics et téléchargeables gratuitement après acceptation des conditions d'accès, mais ils relèvent de la LTX-2 Community License de Lightricks, car le modèle est dérivé de LTX-2.3 et les dérivés doivent conserver cette licence. Les particuliers, les chercheurs et les petites entreprises peuvent l'utiliser, le modifier et l'héberger, tandis que les entités dont le chiffre d'affaires annuel atteint 10 millions de dollars ou plus, filiales comprises, ont besoin d'une licence commerciale distincte de Lightricks. Quiconque le redistribue doit inclure l'accord complet, transmettre la politique d'utilisation acceptable aux utilisateurs en aval et conserver l'attribution. Lightricks ne revendique pas vos sorties, mais vous êtes responsable des entrées, des sorties et de leur usage. Lisez l'accord lui-même avant tout projet commercial.

Existe-t-il un UniAVC non censuré ?

Non. Il n'existe ni UniAVC non censuré ni version NSFW, et la politique d'utilisation acceptable de la licence exclut le contournement des filtres de contenu, les deepfakes réalisés sans consentement, les médias générés par IA non signalés et tout ce qui implique des mineurs. Une recherche sur Hugging Face ne renvoie que le dépôt officiel, sans fine-tunes ni LoRAs. LTX-2.3 dispose de nombreuses LoRAs communautaires, mais elles appartiennent au modèle de base, pas à UniAVC, et la même licence s'applique. Nous ne fournissons ni prompts ni scripts pour supprimer les filtres. Pour une vidéo pour adultes que vous avez le droit de créer, un outil hébergé est la voie la plus simple : la page image-vers-vidéo de Spicy AI anime votre propre photo avec MiniMax H3 Turbo, sans couche de modération supplémentaire, réservée aux adultes consentants (18+).

Vous cherchez une alternative à UniAVC non censuré ? Animez votre propre photo en ligne, sans GPU local.

Animer une photo →

À qui s'adresse UniAVC et comment on l'utilise

Le modèle s'apparente surtout à un prototype de recherche et de post-production : des clips de 5 secondes, une sortie de classe 720p et du matériel de datacenter le mettent hors de portée de la plupart des amateurs, mais ses astuces d'édition correspondent à de vraies corvées de production. Les équipes de mini-séries et de vidéos pour les réseaux sociaux passent une bonne partie de leur temps sur le redoublage, les corrections de répliques et les changements d'arrière-plan, exactement les éditions montrées dans les démos officielles. Les équipes de localisation peuvent tester le remplacement d'une réplique en gardant le plan, les sound designers peuvent générer une bande sonore pour des images muettes, et les chercheurs disposent d'une référence reproductible pour l'édition audio-vidéo conjointe, avec du code public. Toute édition impliquant le visage ou la voix d'une personne réelle exige son consentement écrit et une mention IA claire.

  • Corrections de dialogue : changer une réplique avec un mouvement des lèvres assorti en gardant le son de la pièce.
  • Tests de doublage et de localisation : remplacer la piste vocale pendant que l'image reste figée.
  • Bruitage pour clips muets : lancer la vidéo-vers-audio pour ajouter des pas, de la pluie ou de la circulation qui suivent le mouvement.
  • Changements d'arrière-plan : déplacer une scène d'un bureau à une rue sans retourner le sujet.
  • Visuels guidés par la musique : fournir une courte piste audio et générer des images assorties autour.
  • Références de recherche : comparer de nouvelles méthodes d'édition conjointe aux chiffres publiés.

Comment écrire des prompts UniAVC efficaces

Comme un seul prompt pilote à la fois l'image et le son, rédigez-le comme une courte description de plan avec une ligne séparée pour le son. Décrivez un seul plan avec une action principale en phrases simples, dans cet ordre : sujet, action, décor, caméra, lumière, puis audio. Pour l'édition, formulez l'instruction comme un changement plus ce qui doit rester identique ; les exemples officiels nomment toujours les éléments à préserver, comme l'arrière-plan, l'éclairage ou les autres personnes. Pour les éditions de parole, citez la nouvelle réplique mot pour mot et précisez à qui appartient la voix. Limitez la génération à environ 5 secondes d'action, puisque c'est la durée de clip par défaut, et n'oubliez pas que les tailles doivent être des multiples de 32 avec un nombre d'images de 8k+1.

  • Nommez le son explicitement : "pluie douce sur la fenêtre, circulation au loin" vaut mieux que "audio réaliste".
  • Édition = changement + conservation : "Remplace la lampe par une plante en pot ; garde la fenêtre, le rideau et la lumière."
  • Éditions de parole : "Elle dit 'À demain' d'une voix calme ; garde le brouhaha en arrière-plan."
  • Pour l'audio-vers-vidéo, décrivez uniquement les visuels ; la piste donne déjà le rythme.
  • Pour la vidéo-vers-audio, listez les sources sonores dans l'ordre où elles apparaissent à l'écran.
Timeline de montage vidéo avec pistes image et forme d'onde côte à côte, illustrant l'édition conjointe de la vidéo et du son

Modèles de prompts UniAVC à copier

Remplacez les parties entre crochets et conservez la structure. Les premières lignes visent les scripts du modèle lui-même ; la dernière est rédigée pour l'image-vers-vidéo, vous pouvez donc aussi l'essayer dans le générateur alternatif à UniAVC non censuré ci-dessus.

ObjectifModèle
Texte vers audio-vidéo[Sujet adulte] [une action] dans [décor], [mouvement de caméra], [source de lumière]. Son : [ambiance], [voix ou musique].
Édition de sujetChange [objet] en [nouvel objet] ; garde [arrière-plan], [éclairage] et [autres personnes] inchangés, garde l'audio.
Retirer un objetRetire [l'objet] au premier plan et reconstitue [la zone derrière] ; garde la bande sonore.
Édition de parole[La personne] dit maintenant "[nouvelle réplique]" avec la même voix et des lèvres synchronisées ; garde l'image et le son d'ambiance.
Vidéo vers audioGénère le son de ce clip : [source 1], puis [source 2], [ambiance de la pièce], sans musique.
Image-vers-vidéo (alternative)[Sujet] se tourne vers la caméra et dit "[courte réplique]", lent travelling avant, [lumière], [son d'ambiance].

Pas à pas : l'alternative à UniAVC non censuré sur Spicy AI

Si vous n'avez pas de matériel de datacenter, la solution dans le navigateur évite le téléchargement de 65 Go. Elle utilise l'image-vers-vidéo MiniMax H3 Turbo, pas UniAVC, il n'y a donc pas d'édition audio-vidéo conjointe ; vous animez une photo avec un prompt.

  • 1. Ouvrez l'outil image-vers-vidéo depuis le bouton en haut de cette page ; le modèle alternatif est présélectionné.
  • 2. Importez une photo nette d'un adulte qui vous appartient ou que vous avez le consentement d'utiliser.
  • 3. Collez le modèle image-vers-vidéo ci-dessus et complétez l'action, la caméra, la lumière et le son.
  • 4. Générez un court clip, vérifiez le mouvement, puis changez un seul élément à chaque nouvel essai.
  • 5. Téléchargez le résultat et indiquez qu'il est généré par IA lorsque vous le partagez.

Ce que vous pouvez créer

De la photo au clip

Animez un portrait d'adulte en court clip dans le navigateur, comme alternative plus légère à UniAVC non censuré.

Plans parlants

Un sujet se tourne, sourit et dit une courte réplique, un format que le modèle de HKUST vise aussi avec ses éditions de parole.

Scènes d'ambiance

Pièces éclairées à la bougie, pluie et rues au néon pour des personnages adultes consentants.

Conseils de prompt pour des résultats dans le style de UniAVC

  1. Écrivez un seul plan avec une seule action, et donnez au son sa propre phrase.
  2. Pour les éditions, précisez toujours ce qui doit rester identique.
  3. Prévoyez un GPU de 80 Go ; les cartes grand public n'ont pas été testées.
  4. Gardez un nombre d'images de 8k+1 et des tailles multiples de 32 pour éviter les erreurs.
  5. N'utilisez que les visages et voix d'adultes ayant donné leur consentement, et signalez les contenus IA.

Déployer UniAVC soi-même vs générer en ligne sur Spicy AI

Déploiement local (poids officiels)Spicy AI en ligne
Filtres de contenuDéfinis par HKUST & Huawei ResearchAucun filtre de contenu
Poids ouvertsOuiInutile — fonctionne dans le navigateur
ModèleUniAVCMiniMax H3 Turbo (offre gratuite) et Wan 2.6
Prix de départSelon l'abonnementOffre gratuite disponible
  • Image vers vidéo dans le navigateur
  • File gratuite à 0 crédit (connexion, limite quotidienne)
  • Clips en portrait (9:16) et en paysage (16:9)

FAQ

Qu'est-ce qu'UniAVC et qui l'a créé ?

UniAVC est un modèle unifié de génération et d'édition audio-vidéo du laboratoire HKUST LongGroup avec Huawei Research, décrit dans arXiv 2610.24791 (octobre 2026). Un seul jeu de poids gère le texte-vers-audio-vidéo, l'audio-vers-vidéo, la vidéo-vers-audio et l'édition conjointe.

UniAVC est-il la même chose qu'UNIVAC ?

Non. UNIVAC est une gamme d'ordinateurs des années 1950. Google corrige souvent uniavc en univac : ajoutez donc "audio video model", "HKUST" ou le numéro arXiv lors de vos recherches.

De quel GPU ai-je besoin pour UniAVC ?

L'équipe a testé un seul GPU de 80 Go. Les poids totalisent environ 65 Go, et le déchargement par défaut culmine autour de 39 Go plus les activations. Les cartes de 24 Go et 48 Go ne sont pas vérifiées.

Quelle est la durée des clips UniAVC ?

Par défaut : 704×1280, 121 images à 24 fps, soit environ 5 secondes. Il n'existe pas de mode vidéo longue officiel.

Existe-t-il un UniAVC non censuré ?

Non. Il n'existe ni version NSFW ni fine-tune communautaire, et la licence interdit de contourner les filtres de contenu. Spicy AI propose l'image-vers-vidéo H3 Turbo comme alternative distincte, réservée aux adultes.

Spicy AI est-il affilié à HKUST & Huawei Research ?

Non. Spicy AI est une plateforme indépendante, non affiliée à HKUST & Huawei Research et non approuvée par cette société. UniAVC est une marque de son propriétaire respectif.

Est-ce gratuit ?

Vous pouvez commencer gratuitement : connectez-vous et la file vidéo gratuite de Spicy AI anime votre photo avec MiniMax H3 Turbo pour 0 crédit, avec une limite quotidienne. La file rapide, les autres modèles vidéo et les clips plus longs consomment des crédits.

Sources

Spicy AI n'est pas affilié à HKUST & Huawei Research. UniAVC et les autres noms de produits sont des marques de leurs propriétaires respectifs et ne sont utilisés ici qu'à des fins d'identification. Tous les contenus doivent représenter des adultes (18+).

Sign in

Welcome to Spicy AI

or