IA sem censura · vídeo · HKUST & Huawei Research
UniAVC sem censura: o modelo de áudio e vídeo da HKUST e da Huawei explicado (não é o UNIVAC)
O UniAVC é um modelo unificado de áudio e vídeo do laboratório HKUST LongGroup, criado com a Huawei Research: um único conjunto de pesos gera um clipe curto com som sincronizado, adiciona trilha sonora a um vídeo mudo, constrói a imagem em torno de uma faixa de áudio ou edita vídeo e áudio a partir de uma única instrução. Ele não é o computador UNIVAC dos anos 1950. É distribuído com pesos abertos de acesso restrito sob a LTX-2 Community License, exige uma GPU de 80 GB e não tem versão sem censura. Este guia explica o que ele faz, como executá-lo, como se compara ao MiniMax-H3 e como escrever prompts; se você só quer vídeo adulto a partir da sua própria foto, sem download, o gerador H3 Turbo da Spicy AI funciona no seu navegador.
O Spicy AI não é o UniAVC: esta página usa atualmente MiniMax H3 Turbo (plano grátis) e Wan 2.6.
- Grátis para começar
- Sem filtros
- No navegador

UniAVC em resumo
- Desenvolvedor
- HKUST LongGroup com a Huawei Research
- Artigo
- arXiv 2610.24791, 17 de out. de 2026 (v2 em 20 de out.)
- Tamanho do modelo
- DiT de 19B + codificador de texto Gemma-3 12B
- Tarefas
- Texto, áudio ou vídeo para áudio e vídeo; edição conjunta
- Saída padrão
- 704×1280, 24 fps, cerca de 5 s com som
- GPU
- Testado em uma única placa de 80 GB
- Pesos abertos
- Sim, com acesso restrito; LTX-2 Community License
- Sem censura?
- Não; sem versões NSFW nem da comunidade
Alternativa ao UniAVC: gerador de vídeo H3 Turbo sem censura
Imagem para vídeoEnvie uma foto e descreva o movimento — o Spicy AI a transforma em um clipe curto.
Experimente um prompt
Os prompts de exemplo estão em inglês, que dá os resultados mais confiáveis.
O que é o UniAVC?
O UniAVC, sigla de Unified Audio-Video Creation (criação unificada de áudio e vídeo), é um modelo de pesquisa do laboratório HKUST LongGroup, da Universidade de Ciência e Tecnologia de Hong Kong, desenvolvido em conjunto com a Huawei Research. O artigo (arXiv 2610.24791) foi publicado pela primeira vez em 17 de outubro de 2026 e revisado em 20 de outubro, tendo Kien T. Pham, Yuhao Liu, Qifeng Chen e Long Chen entre os autores. O checkpoint lançado combina um transformer de difusão (DiT) de 19B em bf16 com um codificador de texto Gemma-3 12B; a barra lateral do Hugging Face mostra 23B de parâmetros, o que provavelmente inclui módulos extras como o VAE e o vocoder, então 19B se refere apenas ao backbone DiT. A equipe publica juntos o código, os pesos e uma demo em Gradio; os scripts de linha de comando são apenas uma das formas de executá-lo. Por padrão, ele renderiza vídeo em 704×1280, 121 quadros a 24 fps, cerca de 5 segundos, com áudio correspondente.
Por que as pessoas procuram o UniAVC sem censura
As buscas por um UniAVC sem censura vêm de pessoas que querem um modelo local de áudio e vídeo sem filtro de API à frente. A resposta honesta é que o UniAVC não tem versão sem censura: a página do projeto e o model card não oferecem variante NSFW, e a LTX-2 Community License proíbe contornar filtros de conteúdo, deepfakes sem consentimento e conteúdo gerado por máquina sem identificação. Também não encontramos nenhum fine-tune ou LoRA da comunidade para o UniAVC; o único repositório é o oficial. Rodar um UniAVC sem censura localmente também não é uma opção: pesos locais eliminam a camada de moderação da API, mas isso não muda o que a licença permite. Se o seu objetivo é vídeo adulto a partir das suas próprias fotos, a ferramenta de imagem para vídeo da Spicy AI usa o MiniMax H3 Turbo sem camada extra de moderação, apenas para adultos que consentem. É um modelo diferente, sem os recursos de edição do UniAVC.
Quer um clipe no estilo de um UniAVC sem censura sem precisar de uma GPU de data center? Anime uma foto no seu navegador.
Abrir imagem para vídeo →UniAVC não é UNIVAC: o que o nome significa
Digite uniavc no Google e ele geralmente será corrigido para univac, o computador UNIVAC I entregue em 1951 e o nome da empresa Univac. Os dois não têm nada em comum além das letras. Este é um modelo de IA de 2026, e o nome significa Unified Audio-Video Creation, o título do seu artigo. Para encontrar o modelo e não o computador, acrescente um qualificador como audio video model, HKUST ou arXiv 2610.24791. As três fontes primárias são o artigo, o repositório do GitHub HKUST-LongGroup/UniAVC e o repositório do Hugging Face TK3105/UniAVC; todos têm link na seção de fontes abaixo.
- UniAVC: modelo de geração e edição de áudio e vídeo de 2026, da HKUST com a Huawei Research.
- UNIVAC: linha de computadores comerciais pioneira dos anos 1950, sem relação com este modelo.
- Dica de busca: combine o nome com "audio video", "HKUST", "github" ou "huggingface".
Como o UniAVC funciona: primeiro aprender sozinho, depois aprender junto
A maioria dos sistemas de áudio e vídeo enfrenta dois problemas. Clipes pareados com bom som são escassos, e quando vídeo e áudio compartilham um único cronograma de ruído, as tarefas em que um lado é fixo e o outro é gerado nunca são realmente treinadas. O modelo responde com três ideias. O treinamento progressivo primeiro ensina o ramo de vídeo e o ramo de áudio a gerar e editar sozinhos, em seus próprios grandes conjuntos de dados de modalidade única, depois congela ambos e treina apenas as pontes de atenção cruzada entre eles com dados pareados. O cronograma de ruído assimétrico mantém um timestep compartilhado, mas dá a cada ramo sua própria trajetória de ruído, porque o vídeo precisa ficar ruidoso por mais tempo para organizar espaço e movimento, enquanto o áudio se estabiliza antes. As subtarefas de ramo limpo fixam um ramo em uma entrada limpa durante o treinamento, de modo que condicionar um fluxo ao outro é aprendido diretamente. O resultado é um único checkpoint para todas as tarefas, sem adaptador específico: você troca de tarefa mudando as entradas e o script, não os pesos.
| Etapa de treinamento | Dados usados (artigo) | O que ensina |
|---|---|---|
| Ramo de vídeo | 34.3M amostras de um conjunto de 15.3M | Gerar e editar vídeo sozinho |
| Ramo de áudio | 54.9M amostras de um conjunto de 14.9M | Gerar e editar som sozinho |
| Alinhamento | 0.67M amostras pareadas de um conjunto de 0.74M | Manter imagem e som sincronizados |
O conjunto pareado é mais de uma ordem de grandeza menor que os dados de modalidade única, e esse é justamente o objetivo do design progressivo.
Tarefas do UniAVC: geração, edição intermodal e conjunta
Ele cobre três modos de geração e um modo de edição, cada um com seu próprio script de inferência. Texto para áudio e vídeo cria um clipe e sua trilha sonora apenas a partir de um prompt. Áudio para vídeo mantém uma faixa de entrada e constrói imagens correspondentes em torno dela. Vídeo para áudio mantém um vídeo de entrada e cria uma trilha sonora correspondente. A edição conjunta altera imagem e som a partir de uma única instrução; as demos oficiais cobrem cinco tipos de edição: trocar um sujeito (por exemplo, substituir uma camiseta por uma camisa de ciclismo azul enquanto o bar, a parede bege e a iluminação permanecem iguais), adicionar um sujeito, remover um (como uma luminária de mesa, com a janela e a cortina preenchidas atrás dela), editar a fala para que uma pessoa diga uma nova frase com movimento labial correspondente e substituir o fundo. Cada saída tem cerca de 5 segundos; a equipe não publicou um método para vídeos longos, então peças mais longas teriam de ser montadas a partir de vários clipes.
| Tarefa | Entrada | Saída | Script |
|---|---|---|---|
| Texto para áudio e vídeo (t2av) | Apenas prompt | Novo vídeo e som | infer_t2av.py |
| Áudio para vídeo (ta2v) | Prompt e áudio | Vídeo; áudio mantido | infer_ta2v.py |
| Vídeo para áudio (tv2a) | Prompt e vídeo | Áudio; vídeo mantido | infer_tv2a.py |
| Edição conjunta (tav2av) | Instrução, vídeo e áudio | Vídeo e som editados | infer_tav2av.py |
Edição sensível à intenção e autorrefinamento
Dois recursos tornam o modelo prático para pós-produção, e não apenas para demos. A edição sensível à intenção congela um ramo e o usa como condição, então você pode alterar apenas o áudio enquanto a imagem fica idêntica, ou alterar apenas a imagem enquanto a narração permanece intacta. Esse é o fluxo de trabalho por trás de trocar uma locução sem renderizar a cena de novo, ou substituir um fundo mantendo o diálogo original. O autorrefinamento pós-inferência resolve o caso comum em que metade de um resultado está boa e a outra não: o modelo adiciona ruído e remove ruído novamente apenas no ramo fraco, usando o ramo aprovado como referência fixa. O exemplo do README refina o áudio com --post-refine audio e --refine-lambda 0.5, o que executa cerca de 15 passos por padrão.
- Mude a dublagem, mantenha a cena: congele o vídeo, edite o áudio.
- Mude o cenário, mantenha a narração: congele o áudio, edite o vídeo.
- Corrija só a metade fraca: refine o áudio ou o vídeo após a geração em vez de começar do zero.
Requisitos de hardware do UniAVC: GPU de 80 GB e VRAM
O hardware decide se este modelo é utilizável para você. O DiT de 19B e o codificador Gemma-3 12B juntos ocupam cerca de 65 GB, e só o arquivo principal model.safetensors tem cerca de 46.1 GB. Com o offload em etapas padrão, o pico de memória residente é de cerca de 39 GB para o DiT mais as ativações, e a equipe testou em uma única GPU de 80 GB. Desligar o offload com --no-offload mantém todos os pesos residentes, o que, segundo o README, exige bem mais do que uma placa de 80 GB no tamanho padrão de 720p, e a decodificação com --no-tiled aumenta ainda mais o uso de memória. Execuções em placas de consumo de 24 GB ou 48 GB não foram demonstradas, então não conte com elas. A equipe também não publica tempos de geração; 30 passos de remoção de ruído em um DiT de 19B é um trabalho pesado, e a velocidade real depende da sua GPU e da configuração de offload.
| Especificação | Valor |
|---|---|
| Pesos | DiT de 19B (bf16) + codificador de texto Gemma-3 12B |
| Tamanho do download | Cerca de 65 GB no total; model.safetensors com cerca de 46.1 GB |
| Pico de VRAM (offload ativado) | Cerca de 39 GB mais ativações |
| GPU testada | Uma única placa de 80 GB |
| Saída padrão | 704×1280, 121 quadros, 24 fps, cerca de 5 s |
| Regras de tamanho | Altura e largura múltiplas de 32; quadros 8k+1 |
| Padrões | 30 passos, seed 42, --offload ativado |
| Software | Python 3.10, CUDA 12.8, PyTorch 2.8 |

Download do UniAVC no GitHub e no Hugging Face: passos de instalação
O código fica no GitHub em HKUST-LongGroup/UniAVC e os pesos no Hugging Face em TK3105/UniAVC. O repositório de pesos tem acesso restrito, então você precisa entrar na conta e aceitar as condições antes que o download funcione. A adoção ainda é pequena: pouco depois do lançamento, o repositório do GitHub tinha cerca de 35 estrelas e os pesos cerca de 6 downloads e 8 curtidas. Esses números mostram interesse inicial de pesquisadores, não demanda de busca. A instalação segue um fluxo padrão de Python, resumido abaixo; confira no README os argumentos exatos de cada script.
- 1. Crie um ambiente Python 3.10 (por exemplo, com conda) e instale o PyTorch 2.8 compilado para CUDA 12.8.
- 2. Clone o repositório do GitHub e depois execute pip install -r requirements.txt e pip install -e .
- 3. Faça login no Hugging Face, aceite os termos de acesso restrito em TK3105/UniAVC e execute bash scripts/download_weights.sh; ele também baixa o codificador de texto Gemma-3.
- 4. Comece com infer_t2av.py no tamanho padrão, depois experimente infer_ta2v.py, infer_tv2a.py e infer_tav2av.py, ou inicie o app.py em Gradio incluído.
- Erros comuns: download recusado (acesso restrito não aceito), arquivos do Gemma-3 ausentes, número de quadros que não é 8k+1, altura ou largura que não é múltipla de 32 e falta de memória após --no-offload ou --no-tiled.
O UniAVC funciona no ComfyUI?
Não oficialmente. O README oferece apenas os scripts de linha de comando e um app em Gradio, não existe node oficial para ComfyUI, e uma busca por UniAVC no Hugging Face Spaces não retorna nenhuma demo hospedada. Nodes da comunidade podem surgir depois, mas nenhum pôde ser confirmado por uma fonte confiável, então trate qualquer node de terceiros como não oficial e verifique o que ele realmente carrega. Como o modelo é inicializado a partir do LTX-2.3, as ferramentas do LTX podem facilitar uma adaptação, mas isso é uma expectativa, não um recurso lançado. Por enquanto, as opções realistas são o app em Gradio na sua própria máquina com GPU grande ou integrar os scripts de CLI ao seu próprio pipeline.
UniAVC vs MiniMax-H3: resultados de benchmark
O artigo compara o modelo com MiniMax-H3, InstructAV2AV, JAVEdit e JoVA. Todos os números são autodeclarados pelos autores e não foram reproduzidos de forma independente, e o próprio artigo chama os resultados de competitivos, não de vitória absoluta. Em edição, ele lidera em conformidade com a instrução e fidelidade de vídeo no JAVEditBench e tem um FVD bem menor no InsAVE-80K. Em geração conjunta, o H3 pontua mais alto em qualidade perceptiva, consistência com o texto e sincronia labial no Verse-Bench, e em PEAVS no InsAVE-80K. Um resumo justo: o modelo da HKUST é mais forte como editor, o H3 é mais forte como gerador.
| Benchmark e 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 | Não informado |
| Verse-Bench LSE-C ↑ | 6.72 | 6.96 | Não informado |
| Verse-Bench WER ↓ | 0.08 | 0.13 | Não informado |
↑ quanto maior, melhor; ↓ quanto menor, melhor. O JAVEdit marca 0.3688 de AVS no JAVEditBench, acima dos três. Resultados intermodais: FVD de áudio para vídeo 103.17, FAD de vídeo para áudio 10.12.
UniAVC vs LTX-2.3 e InstructAV2AV: qual escolher
O LTX-2.3, da Lightricks, é o modelo base do qual ele parte: um DiT de pesos abertos de 22B com um grande ecossistema de LoRAs da comunidade. A equipe da HKUST adiciona por cima um ramo de áudio e pontes intermodais, com foco em edição conjunta; o LTX-2.3 é a escolha mais madura para geração simples e tem muito mais ferramentas. O InstructAV2AV é a principal referência de edição no artigo: o modelo mais novo o supera em conformidade com a instrução, fidelidade e FVD, enquanto o InstructAV2AV pontua mais alto em algumas métricas de alinhamento, como TA-A no InsAVE-80K. O MiniMax-H3 continua sendo o gerador mais forte nas próprias tabelas do artigo.
| UniAVC | LTX-2.3 | MiniMax-H3 | |
|---|---|---|---|
| Foco | Edição conjunta de áudio e vídeo | Geração de vídeo | Geração e edição conjuntas |
| Pesos abertos | Sim, com acesso restrito | Sim | Ver MiniMax |
| Ecossistema | Apenas o repositório oficial | Muitos LoRAs da comunidade | Ferramentas oficiais |
| Melhor para | Pesquisa e edição reproduzível | Fluxos locais maduros | Qualidade de geração refinada |
Nenhum dos três roda com folga em uma placa de vídeo de consumo.
O UniAVC é código aberto? Pesos abertos e uso comercial
O UniAVC tem pesos abertos, mas não é código aberto no sentido da OSI. O código e os pesos são públicos e gratuitos para baixar após aceitar o acesso restrito, mas estão sob a LTX-2 Community License da Lightricks, porque ele deriva do LTX-2.3 e os derivados precisam manter essa licença. Indivíduos, pesquisadores e empresas menores podem usá-lo, modificá-lo e hospedá-lo, enquanto entidades com receita anual de US$ 10 milhões ou mais, somada à de suas afiliadas, precisam de uma licença comercial separada da Lightricks. Quem o redistribuir deve incluir o contrato completo, repassar a política de uso aceitável aos usuários seguintes e manter a atribuição. A Lightricks não reivindica suas saídas, mas você é responsável pelas entradas, saídas e pela forma como são usadas. Leia o próprio contrato antes de qualquer projeto comercial.
Existe um UniAVC sem censura?
Não. Não existe UniAVC sem censura nem versão NSFW, e a política de uso aceitável da licença proíbe contornar filtros de conteúdo, deepfakes feitos sem consentimento, mídia gerada por IA sem identificação e qualquer coisa envolvendo menores. Uma busca no Hugging Face retorna apenas o repositório oficial, sem fine-tunes nem LoRAs. O LTX-2.3 tem muitos LoRAs da comunidade, mas eles pertencem ao modelo base, não ao UniAVC, e a mesma licença se aplica. Não fornecemos prompts nem scripts para remover filtros. Para vídeo adulto que você tem permissão para criar, uma ferramenta hospedada é o caminho mais simples: a página de imagem para vídeo da Spicy AI anima sua própria foto com o MiniMax H3 Turbo e sem camada extra de moderação, apenas para adultos (18+) que consentem.
Procurando uma alternativa ao UniAVC sem censura? Anime sua própria foto online, sem precisar de GPU local.
Animar uma foto →Para quem é o UniAVC e como as pessoas o usam
O modelo está mais próximo de um protótipo de pesquisa e pós-produção: clipes de 5 segundos, saída na faixa de 720p e hardware de data center o colocam fora do alcance da maioria dos entusiastas, mas seus truques de edição correspondem a tarefas reais de produção. Equipes de microdramas e vídeos para redes sociais passam boa parte do tempo com redublagem, correção de falas e troca de fundos, exatamente as edições mostradas nas demos oficiais. Equipes de localização podem testar a substituição de uma fala mantendo a cena, designers de som podem gerar uma trilha sonora para imagens sem áudio, e pesquisadores ganham uma referência reproduzível para edição conjunta de áudio e vídeo com código público. Qualquer edição envolvendo o rosto ou a voz de uma pessoa real exige o consentimento por escrito dela e uma identificação clara de IA.
- Correção de diálogos: altere uma fala com movimento labial correspondente e mantenha o som ambiente.
- Testes de dublagem e localização: substitua a faixa de voz enquanto a imagem permanece congelada.
- Foley para clipes mudos: use vídeo para áudio para adicionar passos, chuva ou trânsito que acompanhem o movimento.
- Troca de fundo: leve uma cena de um escritório para uma rua sem refilmar o sujeito.
- Visuais guiados por música: forneça uma faixa de áudio curta e gere imagens correspondentes em torno dela.
- Referências de pesquisa: compare novos métodos de edição conjunta com os números publicados.
Como escrever prompts para o UniAVC que funcionam
Como um único prompt controla imagem e som, escreva-o como uma breve descrição de cena com uma linha separada para o som. Descreva uma cena com uma ação principal em frases simples, nesta ordem: sujeito, ação, cenário, câmera, luz e, por fim, áudio. Para edição, escreva a instrução como uma mudança mais o que deve permanecer igual; os exemplos oficiais sempre citam as partes a preservar, como o fundo, a iluminação ou as outras pessoas. Para edições de fala, cite a nova frase exatamente e diga de quem é a voz. Mantenha a geração em cerca de 5 segundos de ação, já que essa é a duração padrão do clipe, e lembre-se de que os tamanhos devem ser múltiplos de 32 com número de quadros 8k+1.
- Nomeie o som explicitamente: "chuva leve na janela, trânsito ao longe" funciona melhor que "áudio realista".
- Edições = mudança + manter: "Substitua a luminária por um vaso de planta; mantenha a janela, a cortina e a luz."
- Edições de fala: "Ela diz 'Até amanhã' com voz calma; mantenha o burburinho ao fundo."
- Para áudio para vídeo, descreva apenas o visual; a faixa já define o ritmo.
- Para vídeo para áudio, liste as fontes sonoras na ordem em que aparecem na tela.

Modelos de prompt do UniAVC para copiar
Substitua as partes entre colchetes e mantenha a estrutura. As primeiras linhas são para os próprios scripts do modelo; a última foi escrita para imagem para vídeo, então você também pode testá-la no gerador alternativo ao UniAVC sem censura acima.
| Objetivo | Modelo |
|---|---|
| Texto para áudio e vídeo | [Sujeito adulto] [uma ação] em [cenário], [movimento de câmera], [fonte de luz]. Som: [ambiente], [voz ou música]. |
| Edição de sujeito | Troque [item] por [novo item]; mantenha [fundo], [iluminação] e [outras pessoas] inalterados, mantenha o áudio. |
| Remover um objeto | Remova o [objeto] em primeiro plano e preencha a [área atrás dele]; mantenha a trilha sonora. |
| Edição de fala | A [pessoa] agora diz "[nova frase]" com a mesma voz e lábios sincronizados; mantenha a imagem e o som de fundo. |
| Vídeo para áudio | Gere o som para este clipe: [fonte 1], depois [fonte 2], [som ambiente da sala], sem música. |
| Imagem para vídeo (alternativa) | [Sujeito] se vira para a câmera e diz "[frase curta]", aproximação lenta, [luz], [som ambiente]. |
Passo a passo: a alternativa ao UniAVC sem censura na Spicy AI
Se você não tem hardware de data center, o caminho pelo navegador evita o download de 65 GB. Ele usa o MiniMax H3 Turbo de imagem para vídeo, não o UniAVC, então não há edição conjunta de áudio e vídeo; você anima uma foto com um prompt.
- 1. Abra a ferramenta de imagem para vídeo pelo botão no topo desta página; o modelo alternativo já vem selecionado.
- 2. Envie uma foto nítida de um adulto que seja sua ou que você tenha consentimento para usar.
- 3. Cole o modelo de imagem para vídeo acima e preencha a ação, a câmera, a luz e o som.
- 4. Gere um clipe curto, confira o movimento e depois altere um elemento a cada nova tentativa.
- 5. Baixe o resultado e identifique-o como gerado por IA ao compartilhá-lo.
O que você pode criar
De foto a clipe
Anime um retrato adulto em um clipe curto no navegador, como uma alternativa mais leve ao UniAVC sem censura.
Cenas com fala
Um sujeito se vira, sorri e diz uma frase curta, um formato que o modelo da HKUST também aborda com edições de fala.
Cenas de clima
Quartos à luz de velas, chuva e ruas de neon para personagens adultos que consentem.
Dicas de prompt para o estilo UniAVC
- Escreva uma cena com uma ação e dê ao som sua própria frase.
- Em edições, sempre diga o que deve permanecer igual.
- Planeje uma GPU de 80 GB; placas de consumo não foram testadas.
- Mantenha o número de quadros em 8k+1 e os tamanhos em múltiplos de 32 para evitar erros.
- Use apenas rostos e vozes de adultos que deram consentimento e identifique a saída de IA.
Rodar UniAVC localmente vs gerar online no Spicy AI
| Implantação local (pesos oficiais) | Spicy AI online | |
|---|---|---|
| Filtros de conteúdo | Definidos pela HKUST & Huawei Research | Sem filtros de conteúdo |
| Pesos abertos | Sim | Não precisa — roda no navegador |
| Modelo | UniAVC | MiniMax H3 Turbo (plano grátis) e Wan 2.6 |
| Preço para começar | Depende do plano | Plano grátis disponível |
- Imagem para vídeo no navegador
- Fila grátis por 0 créditos (com login, limite diário)
- Clipes verticais (9:16) e horizontais (16:9)
Perguntas frequentes
O que é o UniAVC e quem o criou?
O UniAVC é um modelo unificado de geração e edição de áudio e vídeo do laboratório HKUST LongGroup com a Huawei Research, descrito no arXiv 2610.24791 (outubro de 2026). Um único conjunto de pesos cuida de texto para áudio e vídeo, áudio para vídeo, vídeo para áudio e edição conjunta.
O UniAVC é o mesmo que o UNIVAC?
Não. UNIVAC é uma linha de computadores dos anos 1950. O Google costuma corrigir uniavc para univac, então acrescente "audio video model", "HKUST" ou o número do arXiv ao pesquisar.
De qual GPU eu preciso para o UniAVC?
A equipe testou em uma única GPU de 80 GB. Os pesos somam cerca de 65 GB, e o offload padrão atinge pico de cerca de 39 GB mais ativações. Placas de 24 GB e 48 GB não foram verificadas.
Qual é a duração dos clipes do UniAVC?
O padrão é 704×1280, 121 quadros a 24 fps, cerca de 5 segundos. Não há modo oficial para vídeos longos.
Existe um UniAVC sem censura?
Não. Não há versão NSFW nem fine-tune da comunidade, e a licença proíbe contornar filtros de conteúdo. A Spicy AI oferece o H3 Turbo de imagem para vídeo como uma alternativa separada, apenas para adultos.
O Spicy AI é afiliado à HKUST & Huawei Research?
Não. O Spicy AI é uma plataforma independente e não é afiliado nem endossado pela HKUST & Huawei Research. UniAVC é marca registrada de seu respectivo dono.
É grátis?
Dá para começar grátis: entre na conta e a fila de vídeo gratuita do Spicy AI anima sua foto com o MiniMax H3 Turbo por 0 créditos, com limite diário. A fila rápida, outros modelos de vídeo e clipes mais longos usam créditos.
Fontes
O Spicy AI não é afiliado à HKUST & Huawei Research. UniAVC e outros nomes de produtos são marcas de seus respectivos donos e são usados aqui apenas para identificação. Todo o conteúdo deve retratar adultos (18+).