ИИ-видео без цензуры · NVIDIA NVlabs
SANA-Video 2.0 720p без цензуры: кинематографичные клипы за секунды, а не минуты
Ждать двадцать минут ради пятисекундного ИИ-клипа — значит убить любую творческую идею ещё до того, как она успеет родиться. Команда NVlabs из NVIDIA создала SANA-Video 2.0, чтобы решить именно эту проблему. Чекпоинт SANA-Video 2.0 720p — модель с открытыми весами примерно на 4,47 млрд параметров, которая генерирует восемь секунд видео с частотой 24 fps по короткому промпту или оживляет статичное изображение, используя его как первый кадр; по данным команды, на одной H100 пятисекундный клип в 720p получается примерно за 13 секунд. Поскольку веса открыты, модель можно запускать на собственной видеокарте без облачных фильтров. Ниже — в чём она сильна, насколько быстра на самом деле, как её запустить и какие промпты работают лучше всего.
- 720p, около 8 секунд
- Открытые веса
- Текст и изображение в видео
Альтернативный генератор видео без цензуры
Изображение в видеоЗагрузите фото и опишите движение — Spicy AI превратит его в короткий клип.
От SANA-Video к версии 2.0: что стало лучше
Первая SANA-Video, представленная в виде устного доклада на ICLR 2026, доказала, что небольшая видеомодель может работать быстро, если заменить большую часть тяжёлых вычислений внимания более лёгким линейным вниманием. SANA-Video 2.0, выпущенная NVlabs вместе с партнёрами, включая MIT и HKU, в августе 2026 года, сохраняет эту идею скорости, но устраняет отставание в качестве. Модель выросла более чем вдвое — примерно с 2 до 4,5 млрд параметров. Три слоя из каждых четырёх по-прежнему используют быстрое линейное внимание, а каждый четвёртый — классическое softmax-внимание как опору, которая сохраняет согласованность деталей и движения. Кроме того, модель перешла на видеоавтоэнкодер LTX 2.3, получила совместное обучение для режимов «текст в видео» и «первый кадр в видео», а также 4-шаговую дистиллированную превью-версию для мгновенных черновиков. В итоге клипы стали длиннее и чётче без потери скорости, которая и сделала эту серию интересной.
Версия 1 и 2.0: краткое сравнение
Если вы пробовали исходную модель и клипы показались вам мыльными или слишком короткими, SANA-Video 2.0 стоит дать второй шанс. Вот изменения, важные для повседневной работы авторов.
| SANA-Video (v1) | SANA-Video 2.0 | |
|---|---|---|
| Размер модели | Около 2B параметров | Около 4,47B параметров (класс 5B) |
| Архитектура внимания | Блочно-каузальное линейное внимание | Линейные и softmax-слои в соотношении 3:1 |
| Видеоавтоэнкодер | Более ранний VAE | LTX 2.3 (128 каналов) |
| Режимы | Текст и изображение в видео | Текст в видео, первый кадр в видео, 4-шаговое превью |
| Длина клипа в 720p | Более короткие клипы | 193 кадра при 24 fps, около 8 секунд |
Что создают авторы с помощью быстрой видеомодели
Скорость меняет сам подход к работе. Когда клип рендерится за секунды, а не за полчаса, вы перестаёте трястись над каждым промптом и начинаете экспериментировать: десять ракурсов для одной сцены, пять вариантов света для одного товара, три концовки для одного сюжетного поворота. Поэтому первыми о SANA-Video 2.0 720p заговорили команды коротких сериалов, которым нужны десятки раскадровок на серию, продавцы в e-commerce, которым каждую неделю нужен свежий B-roll, иллюстраторы, желающие «оживить» постер, и разработчики, ищущие дешёвую и быструю основу для собственных видеоинструментов. Авторы контента для взрослых (18+) ценят тот же цикл для гламурных проходок, модных образов и романтических сцен, где быстро перебрать множество вариантов важнее, чем получить один идеальный рендер.
Раскадровки коротких сериалов
Просматривайте целую последовательность кадров вертикального сериала за минуты: черновик — в 4-шаговой версии, а удачные кадры — в полном качестве.
Предметная и рекламная съёмка
Вращение на подиуме, медленные наезды камеры и атмосферный свет для часов, духов или кроссовок — готовый B-roll для магазинов и рекламы в соцсетях.
Мультяшные мини-истории
Яркие анимированные персонажи танцуют, машут руками или бегают. Собственное демо NVIDIA — мультяшный петух, и игривые стили модели отлично удаются.

Насколько она быстрее Wan 2.2 и LTX-2.3?
Скорость — главный козырь. На странице проекта NVIDIA сравнивается время рендеринга одного пятисекундного клипа в 720p за 40 шагов на одной H100. Со стеком инференса Sol-Engine SANA-Video 2.0 720p справляется примерно за 13 секунд — по словам команды, это примерно в 120 раз быстрее, чем Wan 2.2 A14B. Без этого стека в статье указано 13,2 секунды для клипа 480p за 40 шагов и балл VBench 84,30. Это собственные графики лаборатории, а не независимые бенчмарки, и замеры на потребительских видеокартах пока не опубликованы. И всё же, если вы ищете самую быструю open-source видеомодель на сегодня, именно с ней сейчас все сравнивают.
| Модель (720p, 5 с, 40 шагов, одна H100) | Заявленное время рендеринга |
|---|---|
| Wan 2.2 14B | 1556 с |
| HunyuanVideo | 788 с |
| LTX-2.3 | 130 с |
| SANA-Video 2.0 14B (ещё не выпущена) | 69,3 с |
| SANA-Video 2.0 5B + Sol-Engine | 13,06 с |
Данные взяты со страницы проекта и из статьи самой NVIDIA. У Wan 2.2 по-прежнему более крупное сообщество и экосистема LoRA, а у LTX-2.3 богаче набор аудиоинструментов; преимущество SANA — чистая скорость.
Как выглядит результат в 720p длиной 8 секунд
Пресет SANA-Video 2.0 720p рендерит в разрешении 1280×736, 193 кадра при 24 кадрах в секунду, что даёт примерно восемь секунд видео. Этого хватает на полноценное движение камеры или небольшой сюжетный момент: персонаж оборачивается, улыбается и выходит из кадра. При изменении размера ширина и высота должны делиться на 32, а число кадров минус один — на 8 (например, 121 или 193). Лучше всего получаются чистые кинематографичные кадры с одним чётким объектом: вращение товара, пейзажи, портреты с мягким движением и стилизованная анимация. Многолюдные сцены с быстрым действием по-прежнему остаются слабым местом.
Полная 50-шаговая модель и 4-шаговое превью
Два чекпоинта SANA-Video 2.0 имеют одинаковый размер 720p и задуманы для совместной работы. Полная модель даёт лучшую детализацию и поддерживает режим «первый кадр в видео». 4-шаговая версия, выпущенная в сентябре 2026 года, — дистиллированная модель «текст в видео», которая делает черновик клипа почти мгновенно: сначала проверяете идеи, потом рендерите лучшие варианты.
| Полная модель | 4-шаговое превью | |
|---|---|---|
| Режимы | Текст в видео + первый кадр в видео | Только текст в видео |
| Шаги и guidance | Около 50 шагов, CFG 8, flow shift 12, motion score 20 | 4 шага, CFG 1 |
| Параметры клипа | 720p, 193 кадра, 24 fps | 5 с при 16 fps или 8 с при 24 fps |
| Лучше всего для | Финальных рендеров и оживления изображений | Быстрых черновиков и раскадровок |
Изображение в видео: как заставить статичную картинку двигаться
В полной модели SANA-Video 2.0 720p можно передать картинку в качестве первого кадра и описать, что должно произойти дальше. Подходят иллюстрации, постеры, фото товаров и арты персонажей: волосы развеваются на ветру, камера наезжает, появляется улыбка. В официальном файле промптов каждая строка содержит текст, затем тег <image>, затем путь к вашему изображению. Делайте движение умеренным: команда отмечает, что за восемь секунд видео может отойти от исходных деталей. 4-шаговое превью не принимает изображения, поэтому для этого режима используйте полную модель.

Скачать с Hugging Face и запустить локально
Запуск SANA-Video 2.0 занимает четыре шага, а протестировать промпты можно в бесплатном онлайн-демо на Hugging Face ещё до загрузки. На два частых вопроса пока нет официальных ответов: NVIDIA не опубликовала требования к VRAM, только результаты тестов на H100, а нативная поддержка ComfyUI или Diffusers для версии 2.0 не подтверждена, поэтому пока надёжнее всего пользоваться официальными скриптами.
- Клонируйте репозиторий NVlabs/Sana с GitHub и установите зависимости.
- Скачайте с Hugging Face чекпоинт Efficient-Large-Model/SANA-Video_2.0_5B_720p или версию _4step для черновиков.
- Скачайте видеоавтоэнкодер LTX 2.3, указанный в карточке модели.
- Запустите inference_video_scripts/inference_sana_video.sh со своим файлом промптов, размером и числом кадров.
Рабочие шаблоны промптов
Совет команды прост: коротко и конкретно лучше, чем длинно и расплывчато, а точность следования промпту падает, когда вы нагромождаете много деталей. Для SANA-Video 2.0 720p надёжная формула — один объект, одно действие, одно движение камеры и один источник света. Скопируйте эти шаблоны и подставьте свой объект.
- Товар: "A sleek silver wristwatch rotating slowly on a black marble pedestal, soft rim light, shallow depth of field, 24fps cinematic."
- Короткий сериал: "Close-up of an adult woman on a rainy city street at night, neon reflections, she turns her head and smiles, handheld camera."
- Мультфильм: "A cheerful cartoon fox dancing in a cozy vintage room with floral wallpaper, bright colors, smooth motion."
- Пейзаж: "Aerial drone shot gliding over misty mountains at sunrise, slow forward motion, golden light."
- Изображение в видео: первый кадр плюс "The character gently blinks and her hair moves in the wind, camera slowly pushes in."
- Гламур (18+): "An adult model in a satin evening gown walks down a candlelit hallway, slow tracking shot, warm light."
- Описывайте один объект и одно действие на клип — восемь секунд пролетают быстро.
- В каждом промпте указывайте движение камеры (наезд, облёт, сопровождение, дрон).
- Добавьте один источник света: неон, золотой час или контровой свет.
- Делайте черновик в 4-шаговой модели, затем перерендерьте лучший промпт в полной.
- Указывайте, что все люди в кадре — совершеннолетние (18+).
Известные ограничения и первые отзывы сообщества
NVIDIA открыто говорит о слабых местах SANA-Video 2.0: многолюдные или очень динамичные сцены, анатомия человека, текст в кадре и физика могут «плыть», длинным сложным промптам модель следует хуже, а в режиме «изображение в видео» результат может отходить от исходной картинки. Балл VBench заявлен самими авторами. Интерес на старте реальный — несколько тысяч загрузок чекпоинта на Hugging Face за первый месяц, но крупных независимых обзоров пока нет. Модель 14B с рендерингом в 480p значится как «скоро», дата не объявлена.
Существует ли SANA-Video 2.0 без цензуры?
Облачные видеосервисы проверяют каждый промпт и кадр и часто отказываются генерировать купальники, бельё или романтические сцены даже между взрослыми по обоюдному согласию. С открытыми весами всё иначе: когда вы запускаете SANA-Video 2.0 720p на своём компьютере, в цепочке нет никакой службы модерации, так что в этом смысле локальная модель уже работает без цензуры. Честная оговорка: она не обучалась и не дообучалась на контенте для взрослых, и по состоянию на ноябрь 2026 года ни одного NSFW-файнтюна или LoRA не найдено, так что откровенные детали — не её сильная сторона. Используйте её как быстрый движок черновиков для изящных взрослых сцен и следите, чтобы все персонажи были совершеннолетними (18+), и никогда не используйте реальных людей без их согласия.
Нет H100? Создавайте видео для взрослых прямо в браузере
У большинства людей нет видеокарты уровня дата-центра и терпения настраивать Python-скрипты. Spicy AI предлагает похожую генерацию видео без цензуры онлайн: загрузите фото, опишите движение и получите короткий клип для взрослых (18+) без какой-либо установки. Используйте только фото, которые принадлежат вам или на которые у вас есть разрешение.
Превратите одно фото в короткое видео без цензуры — без видеокарты и настройки.
Открыть «изображение в видео» →SANA-Video 2.0 на своём сервере или онлайн-генерация в Spicy AI
| Локальное развёртывание (оригинальные веса) | Spicy AI онлайн | |
|---|---|---|
| Фильтры контента | Нет в вашей собственной установке | Без фильтров контента для взрослых |
| Открытые веса | Да | Не нужны, работает в браузере |
| Модель | SANA-Video 2.0 5B 720p или 4-шаговая | Похожая видеомодель без цензуры, размещённая онлайн |
| Стоимость старта | Бесплатная загрузка, ваша видеокарта | Есть бесплатный тариф |
Частые вопросы
Что такое SANA-Video 2.0?
Это видеомодель с открытыми весами от команды NVlabs из NVIDIA и партнёров, таких как MIT и HKU. Чекпоинт 5B 720p, выпущенный в августе 2026 года, создаёт клипы длиной около восьми секунд при 24 fps по тексту или по первому кадру.
Какой длины и чёткости получаются видео?
Модель 720p рендерит 1280×736, 193 кадра при 24 fps — около восьми секунд. 4-шаговое превью предлагает 5 секунд при 16 fps или 8 секунд при 24 fps.
Сколько нужно VRAM?
NVIDIA пока не опубликовала требования. Все официальные замеры скорости сделаны на одной H100.
Работает ли она в ComfyUI?
Нативная поддержка ComfyUI или Diffusers для версии 2.0 не подтверждена. Пока используйте скрипты из репозитория NVlabs/Sana или демо на Hugging Face.
Вышла ли версия 14B?
Пока нет. Модель 14B в 480p отмечена на странице проекта как «скоро», без даты выхода.
Она действительно без цензуры?
При локальном запуске нет службы модерации, фильтрующей промпты. Однако модель не обучалась на контенте для взрослых, и NSFW-файнтюнов пока нет, поэтому откровенная детализация ограничена, а весь контент должен касаться только совершеннолетних.
Связан ли Spicy AI с NVIDIA?
Нет. Spicy AI — независимая платформа, не связанная с NVIDIA и не одобренная ею. NVIDIA и SANA являются товарными знаками соответствующих владельцев.
Источники
- Статья о SANA-Video 2.0 (arXiv 2607.21553)
- Страница проекта SANA-Video 2.0 (NVlabs)
- Документация SANA-Video 2.0
- Репозиторий NVlabs/Sana (GitHub)
- Карточка модели SANA-Video 2.0 5B 720p (Hugging Face)
- Карточка модели SANA-Video 2.0 5B 720p, 4 шага (Hugging Face)
- Бесплатное онлайн-демо (Hugging Face Space)
- Статья об исходной SANA-Video (arXiv 2509.24695)