Vídeo IA sem censura · NVIDIA NVlabs

SANA-Video 2.0 720p sem censura: clipes cinematográficos em segundos, não minutos

Pergunte à IA ▾

Esperar vinte minutos por um clipe de IA de cinco segundos mata qualquer ideia criativa antes que ela tenha chance. A equipe NVlabs da NVIDIA criou o SANA-Video 2.0 justamente para resolver isso. O checkpoint SANA-Video 2.0 720p é um modelo de pesos abertos com cerca de 4,47 bilhões de parâmetros que gera oito segundos de vídeo a 24 fps a partir de um prompt curto, ou dá vida a uma imagem estática usada como primeiro quadro; em uma única H100, a equipe relata um clipe 720p de cinco segundos em cerca de 13 segundos. Como os pesos são públicos, você pode rodá-lo na sua própria GPU, sem nenhum filtro de nuvem no meio. Veja aqui no que ele é bom, quão rápido ele realmente é, como executá-lo e quais prompts funcionam melhor.

  • 720p, cerca de 8 segundos
  • Pesos abertos
  • Texto e imagem para vídeo
Anime uma foto agora →

Gerador de vídeo alternativo sem censura

Imagem para vídeo

Envie uma foto e descreva o movimento, e o Spicy AI a anima em um clipe curto.

Sua foto será animada.

Do SANA-Video à versão 2.0: o que melhorou

O primeiro SANA-Video, apresentado como artigo oral na ICLR 2026, provou que um modelo de vídeo pequeno podia ser rápido ao trocar a maior parte da pesada matemática de atenção por uma atenção linear mais leve. O SANA-Video 2.0, lançado pela NVlabs com parceiros como MIT e HKU em agosto de 2026, mantém essa ideia de velocidade, mas corrige a diferença de qualidade. O modelo mais que dobra de tamanho, de cerca de 2 bilhões para cerca de 4,5 bilhões de parâmetros. Três de cada quatro camadas ainda usam a atenção linear rápida, enquanto a cada quatro camadas uma usa a atenção softmax clássica como âncora, mantendo detalhes e movimento consistentes. Ele também adota o autoencoder de vídeo do LTX 2.3, acrescenta treinamento conjunto de texto para vídeo e imagem (primeiro quadro) para vídeo, e traz uma prévia destilada de 4 passos para rascunhos instantâneos. O resultado são clipes mais longos e nítidos, sem perder a velocidade que tornou a série interessante.

Versão 1 vs 2.0 em resumo

Se você testou o modelo original e achou os clipes suaves demais ou curtos, o SANA-Video 2.0 merece uma segunda chance. Estas são as mudanças que importam para quem cria no dia a dia.

SANA-Video (v1)SANA-Video 2.0
Tamanho do modeloCerca de 2B parâmetrosCerca de 4,47B parâmetros (categoria 5B)
Arquitetura de atençãoAtenção linear causal por blocosCamadas lineares + softmax na proporção 3:1
Autoencoder de vídeoVAE anteriorLTX 2.3 (128 canais)
ModosTexto e imagem para vídeoTexto para vídeo, imagem (primeiro quadro) para vídeo, prévia de 4 passos
Duração do clipe 720pClipes mais curtos193 quadros a 24 fps, cerca de 8 segundos

O que criadores fazem com um modelo de vídeo rápido

A velocidade muda a forma de trabalhar. Quando um clipe renderiza em segundos em vez de meia hora, você para de proteger cada prompt e começa a explorar: dez ângulos de câmera para uma cena, cinco climas de iluminação para um produto, três finais para um momento da história. É por isso que os primeiros a falar do SANA-Video 2.0 720p são equipes de minisséries que fazem storyboard de dezenas de tomadas por episódio, vendedores de e-commerce que precisam de B-roll novo toda semana, ilustradores que querem que um pôster ganhe vida e desenvolvedores em busca de uma base barata e rápida para suas próprias ferramentas de vídeo. Criadores de conteúdo adulto (18+) gostam do mesmo ciclo para desfiles glamourosos, looks de moda e cenas românticas, em que testar muitas variações rapidamente importa mais do que uma única renderização perfeita.

Storyboards de minisséries

Visualize uma sequência inteira de tomadas de drama vertical em minutos: faça o rascunho com a versão de 4 passos e depois renderize as melhores em qualidade total.

Tomadas de produto e anúncios

Giros em 360°, aproximações lentas e luz dramática em relógios, perfumes ou tênis, prontos como B-roll para lojas e anúncios em redes sociais.

Mini-histórias em desenho animado

Personagens animados e coloridos dançando, acenando ou correndo. A própria demo da NVIDIA é um galo de desenho animado, e estilos divertidos combinam muito bem com o modelo.

Relógio de pulso prateado girando sobre um pedestal de mármore preto sob suave luz de contorno, uma tomada de vídeo de produto feita com IA

Quão rápido ele é em comparação com Wan 2.2 e LTX-2.3?

A velocidade é o grande destaque. A página do projeto da NVIDIA compara o tempo para renderizar um clipe 720p de cinco segundos com 40 passos em uma única H100. Com a pilha de inferência Sol-Engine, o SANA-Video 2.0 720p termina em cerca de 13 segundos, o que a equipe descreve como aproximadamente 120 vezes mais rápido que o Wan 2.2 A14B. Sem essa pilha, o artigo relata 13,2 segundos para um clipe 480p com 40 passos e uma pontuação VBench de 84,30. Esses são gráficos do próprio laboratório, não benchmarks independentes, e os tempos em GPUs de consumo ainda não foram publicados. Mesmo assim, se você procura o modelo de vídeo open source mais rápido do momento, este é a referência com que todos estão comparando.

Modelo (720p, 5 s, 40 passos, uma H100)Tempo de renderização relatado
Wan 2.2 14B1556 s
HunyuanVideo788 s
LTX-2.3130 s
SANA-Video 2.0 14B (ainda não lançado)69,3 s
SANA-Video 2.0 5B + Sol-Engine13,06 s

Os números vêm da página do projeto e do artigo da própria NVIDIA. O Wan 2.2 ainda tem a comunidade e o ecossistema de LoRA maiores, e o LTX-2.3 tem um conjunto de ferramentas de áudio mais completo; a vantagem do SANA é a velocidade bruta.

Como é a saída em 720p e 8 segundos

O formato SANA-Video 2.0 720p renderiza em 1280×736, com 193 quadros a 24 quadros por segundo, o que dá cerca de oito segundos de filmagem. É tempo suficiente para um movimento de câmera completo ou um pequeno momento da história, como um personagem que se vira, sorri e sai do quadro. Ao mudar o tamanho, mantenha largura e altura divisíveis por 32 e escolha uma quantidade de quadros em que o número menos um seja divisível por 8 (por exemplo, 121 ou 193). Tomadas limpas e cinematográficas com um único assunto claro ficam melhores: giros de produto, paisagens, retratos com movimento suave e animação estilizada. Cenas lotadas com ação rápida ainda são o ponto fraco.

Modelo completo de 50 passos vs prévia de 4 passos

Dois checkpoints do SANA-Video 2.0 compartilham o tamanho 720p e foram feitos para trabalhar em equipe. O modelo completo oferece o melhor nível de detalhe e suporta imagem (primeiro quadro) para vídeo. A versão de 4 passos, lançada em setembro de 2026, é um modelo destilado de texto para vídeo que cria o rascunho de um clipe quase instantaneamente, para você testar ideias primeiro e renderizar as vencedoras depois.

Modelo completoPrévia de 4 passos
ModosTexto para vídeo + imagem (primeiro quadro) para vídeoApenas texto para vídeo
Passos e guidanceCerca de 50 passos, CFG 8, flow shift 12, motion score 204 passos, CFG 1
Opções de clipe720p, 193 quadros, 24 fps5 s a 16 fps ou 8 s a 24 fps
Ideal paraRenderizações finais e imagens animadasRascunhos rápidos e storyboards

Imagem para vídeo: faça uma foto se mexer

No modelo completo SANA-Video 2.0 720p, você pode enviar uma imagem como primeiro quadro e descrever o que deve acontecer a seguir. Ilustrações, pôsteres, fotos de produto e arte de personagens funcionam: o cabelo balança ao vento, a câmera se aproxima, surge um sorriso. No arquivo de prompts oficial, cada linha contém o texto, depois a tag <image> e depois o caminho da sua imagem. Mantenha o movimento moderado, pois a equipe observa que o vídeo pode se afastar dos detalhes originais ao longo de oito segundos. A prévia de 4 passos não aceita imagens, então use o modelo completo para esse modo.

Raposa de desenho animado alegre dançando em uma sala vintage aconchegante com papel de parede floral, ideia de vídeo IA animado curto

Baixe do Hugging Face e rode localmente

Colocar o SANA-Video 2.0 para rodar leva quatro passos, e você pode testar prompts na demo online gratuita no Hugging Face antes de baixar qualquer coisa. Duas dúvidas comuns ainda não têm resposta oficial: a NVIDIA não publicou os requisitos de VRAM, apenas resultados de testes na H100, e o suporte nativo a ComfyUI ou Diffusers para a versão 2.0 não foi confirmado, então por enquanto os scripts oficiais são o caminho confiável.

  • Clone o repositório NVlabs/Sana do GitHub e instale as dependências.
  • Baixe o checkpoint Efficient-Large-Model/SANA-Video_2.0_5B_720p, ou a versão _4step para rascunhos, no Hugging Face.
  • Baixe o autoencoder de vídeo LTX 2.3 indicado no model card.
  • Execute inference_video_scripts/inference_sana_video.sh com seu arquivo de prompts, tamanho e quantidade de quadros.

Modelos de prompt que funcionam

O conselho da equipe é simples: curto e específico vence longo e vago, e a fidelidade ao prompt cai quando você empilha muitos detalhes. Para o SANA-Video 2.0 720p, uma fórmula confiável é um assunto, uma ação, um movimento de câmera e uma fonte de luz. Copie estes modelos e troque pelo seu próprio assunto.

  • Produto: "A sleek silver wristwatch rotating slowly on a black marble pedestal, soft rim light, shallow depth of field, 24fps cinematic."
  • Minissérie: "Close-up of an adult woman on a rainy city street at night, neon reflections, she turns her head and smiles, handheld camera."
  • Desenho animado: "A cheerful cartoon fox dancing in a cozy vintage room with floral wallpaper, bright colors, smooth motion."
  • Paisagem: "Aerial drone shot gliding over misty mountains at sunrise, slow forward motion, golden light."
  • Imagem para vídeo: primeiro quadro mais "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. Escreva um assunto e uma ação por clipe; oito segundos passam rápido.
  2. Nomeie o movimento de câmera (push-in, órbita, tracking, drone) em todo prompt.
  3. Adicione uma fonte de luz, como neon, golden hour ou luz de contorno.
  4. Faça o rascunho com o modelo de 4 passos e depois renderize o melhor prompt com o modelo completo.
  5. Deixe claro que toda pessoa mostrada é adulta (18+).

Limitações conhecidas e primeiras reações da comunidade

A NVIDIA é franca sobre os pontos fracos do SANA-Video 2.0: cenas lotadas ou muito dinâmicas, anatomia humana, texto na tela e física podem falhar, prompts longos e complicados são seguidos com menos precisão, e imagem para vídeo pode se afastar da foto original. A pontuação VBench é autodeclarada. O interesse inicial é real, com alguns milhares de downloads do checkpoint no Hugging Face no primeiro mês, mas grandes análises independentes ainda não apareceram. Um modelo 14B renderizando em 480p está listado como em breve, sem data anunciada.

Existe um SANA-Video 2.0 sem censura?

Apps de vídeo hospedados verificam cada prompt e quadro, e muitas vezes recusam roupa de banho, lingerie ou romance mesmo entre adultos que consentem. Pesos abertos são diferentes: quando você roda o SANA-Video 2.0 720p na sua própria máquina, nenhum serviço de moderação fica no meio, então, nesse sentido, o modelo local já é sem censura. A ressalva honesta é que ele não foi treinado nem ajustado para conteúdo adulto, e nenhum fine-tune ou LoRA NSFW havia sido encontrado até novembro de 2026, então detalhes explícitos não são seu forte. Trate-o como um motor rápido de rascunhos para cenas adultas de bom gosto e garanta que toda pessoa seja adulta (18+), nunca uma pessoa real sem consentimento.

Sem H100? Crie vídeos adultos no navegador

A maioria das pessoas não tem uma GPU de data center nem paciência para configurar scripts Python. O Spicy AI oferece geração de vídeo sem censura semelhante online: envie uma foto, descreva o movimento e receba um clipe curto para adultos (18+), sem instalar nada. Use apenas fotos que sejam suas ou que você tenha permissão para usar.

Transforme uma foto em um vídeo curto sem censura, sem GPU nem configuração.

Abrir imagem para vídeo →

SANA-Video 2.0 auto-hospedado vs geração online no Spicy AI

Implantação local (pesos oficiais)Spicy AI online
Filtros de conteúdoNenhum na sua própria configuraçãoSem filtros de conteúdo para adultos
Pesos abertosSimNão necessário, roda no navegador
ModeloSANA-Video 2.0 5B 720p ou 4 passosModelo de vídeo sem censura semelhante, hospedado online
Custo para começarDownload gratuito, sua própria GPUPlano gratuito disponível

Perguntas frequentes

O que é o SANA-Video 2.0?

É um modelo de vídeo de pesos abertos da equipe NVlabs da NVIDIA, com parceiros como MIT e HKU. O checkpoint 5B 720p, lançado em agosto de 2026, cria clipes de cerca de oito segundos a 24 fps a partir de texto ou de uma imagem como primeiro quadro.

Qual a duração e a nitidez dos vídeos?

O modelo 720p renderiza 1280×736 com 193 quadros a 24 fps, cerca de oito segundos. A prévia de 4 passos oferece 5 segundos a 16 fps ou 8 segundos a 24 fps.

Quanta VRAM ele precisa?

A NVIDIA ainda não publicou os requisitos. Os números oficiais de velocidade foram todos medidos em uma única H100.

Funciona no ComfyUI?

O suporte nativo a ComfyUI ou Diffusers para a versão 2.0 não foi confirmado. Por enquanto, use os scripts do repositório NVlabs/Sana ou a demo no Hugging Face.

A versão 14B já saiu?

Ainda não. O modelo 14B em 480p está marcado como em breve na página do projeto, sem data de lançamento.

Ele é realmente sem censura?

Rodando localmente, não há serviço de moderação filtrando prompts. Mas ele não foi treinado para conteúdo adulto e nenhum fine-tune NSFW foi encontrado, então os detalhes explícitos são limitados e todo conteúdo deve envolver apenas adultos.

O Spicy AI é afiliado à NVIDIA?

Não. O Spicy AI é uma plataforma independente e não é afiliado nem endossado pela NVIDIA. NVIDIA e SANA são marcas registradas de seus respectivos proprietários.

Fontes

Sign in

Welcome to Spicy AI

or