AI không kiểm duyệt · Video · HKUST & Huawei Research
UniAVC không kiểm duyệt: giải thích mô hình âm thanh-video của HKUST và Huawei (không phải UNIVAC)
UniAVC là mô hình âm thanh-video hợp nhất của phòng thí nghiệm HKUST LongGroup, phát triển cùng Huawei Research: một bộ trọng số duy nhất có thể tạo clip ngắn kèm âm thanh đồng bộ, thêm nhạc nền cho video câm, dựng hình ảnh quanh một bản âm thanh, hoặc chỉnh sửa cả video lẫn âm thanh chỉ từ một chỉ dẫn. Nó không phải máy tính UNIVAC của thập niên 1950. Mô hình được phát hành dưới dạng trọng số mở có kiểm soát truy cập theo giấy phép LTX-2 Community License, cần GPU 80 GB và không có phiên bản không kiểm duyệt. Hướng dẫn này trình bày mô hình làm được gì, cách chạy, điểm số so với MiniMax-H3 và cách viết prompt; nếu bạn chỉ muốn tạo video người lớn từ ảnh của chính mình mà không cần tải gì, trình tạo H3 Turbo trên Spicy AI chạy ngay trong trình duyệt của bạn.
Spicy AI không phải là UniAVC — hiện trang này chạy MiniMax H3 Turbo (gói miễn phí) và Wan 2.6.
- Bắt đầu miễn phí
- Không bộ lọc
- Chạy trên trình duyệt

UniAVC trong nháy mắt
- Nhà phát triển
- HKUST LongGroup cùng Huawei Research
- Bài báo
- arXiv 2610.24791, 17/10/2026 (v2 20/10)
- Kích thước mô hình
- DiT 19B + bộ mã hóa văn bản Gemma-3 12B
- Tác vụ
- Văn bản, âm thanh hoặc video thành âm thanh-video; chỉnh sửa đồng thời
- Đầu ra mặc định
- 704×1280, 24 fps, khoảng 5 giây kèm âm thanh
- GPU
- Đã thử nghiệm trên một card 80 GB
- Trọng số mở
- Có, kiểm soát truy cập; LTX-2 Community License
- Không kiểm duyệt?
- Không; không có bản NSFW hay bản dựng cộng đồng
Lựa chọn thay thế UniAVC: trình tạo video H3 Turbo không kiểm duyệt
Ảnh thành videoTải ảnh lên và mô tả chuyển động — Spicy AI sẽ biến nó thành một clip ngắn.
Thử một prompt
Các prompt mẫu bằng tiếng Anh, cho kết quả ổn định nhất.
UniAVC là gì?
UniAVC, viết tắt của Unified Audio-Video Creation (sáng tạo âm thanh-video hợp nhất), là mô hình nghiên cứu của phòng thí nghiệm HKUST LongGroup tại Đại học Khoa học và Công nghệ Hồng Kông, phát triển cùng Huawei Research. Bài báo (arXiv 2610.24791) được đăng lần đầu ngày 17 tháng 10 năm 2026 và sửa đổi ngày 20 tháng 10, với các tác giả gồm Kien T. Pham, Yuhao Liu, Qifeng Chen và Long Chen. Checkpoint phát hành kết hợp một diffusion transformer (DiT) 19B ở bf16 với bộ mã hóa văn bản Gemma-3 12B; thanh bên Hugging Face hiển thị 23B tham số, có lẽ đã tính thêm các mô-đun như VAE và vocoder, nên 19B chỉ là phần lõi DiT. Nhóm công bố mã nguồn, trọng số và bản demo Gradio cùng lúc; các script dòng lệnh chỉ là một trong những cách chạy. Mặc định mô hình kết xuất video 704×1280, 121 khung hình ở 24 fps, khoảng 5 giây, kèm âm thanh tương ứng.
Vì sao mọi người tìm UniAVC không kiểm duyệt
Người tìm UniAVC không kiểm duyệt thường muốn một mô hình âm thanh-video chạy cục bộ, không có bộ lọc API đứng trước. Câu trả lời trung thực là UniAVC không có phiên bản không kiểm duyệt: trang dự án và thẻ mô hình không cung cấp biến thể NSFW nào, và giấy phép LTX-2 Community License cấm vượt qua bộ lọc nội dung, deepfake không có sự đồng thuận và nội dung do máy tạo mà không công khai. Chúng tôi cũng không tìm thấy bản tinh chỉnh hay LoRA cộng đồng nào của UniAVC; kho duy nhất là kho chính thức. Chạy UniAVC không kiểm duyệt trên máy cục bộ cũng không phải là giải pháp: trọng số cục bộ bỏ đi lớp kiểm duyệt của API, nhưng không thay đổi những gì giấy phép cho phép. Nếu mục tiêu của bạn là video người lớn từ ảnh của chính mình, công cụ chuyển ảnh thành video của Spicy AI chạy MiniMax H3 Turbo mà không có lớp kiểm duyệt bổ sung, chỉ dành cho người trưởng thành có đồng thuận. Đây là một mô hình khác, không có các tính năng chỉnh sửa của UniAVC.
Muốn có clip kiểu UniAVC không kiểm duyệt mà không cần GPU trung tâm dữ liệu? Tạo chuyển động cho ảnh ngay trong trình duyệt.
Mở công cụ ảnh thành video →UniAVC không phải UNIVAC: ý nghĩa của cái tên
Gõ uniavc vào Google, bạn thường bị sửa thành univac, tức máy tính UNIVAC I được bàn giao năm 1951 và tên công ty Univac. Hai thứ này chẳng có điểm chung nào ngoài các chữ cái. Đây là một mô hình AI năm 2026, và tên gọi là viết tắt của Unified Audio-Video Creation, tiêu đề bài báo của nó. Để tìm mô hình thay vì chiếc máy tính, hãy thêm từ khóa phụ như audio video model, HKUST hoặc arXiv 2610.24791. Ba nguồn chính là bài báo, kho GitHub HKUST-LongGroup/UniAVC và kho Hugging Face TK3105/UniAVC; tất cả đều có liên kết trong phần nguồn bên dưới.
- UniAVC: mô hình tạo và chỉnh sửa âm thanh-video năm 2026, của HKUST cùng Huawei Research.
- UNIVAC: dòng máy tính thương mại đời đầu từ thập niên 1950, không liên quan đến mô hình này.
- Mẹo tìm kiếm: ghép tên với "audio video", "HKUST", "github" hoặc "huggingface".
UniAVC hoạt động thế nào: học riêng trước, rồi học cùng nhau
Hầu hết hệ thống âm thanh-video gặp hai vấn đề. Clip ghép đôi có âm thanh tốt rất hiếm, và khi video và âm thanh dùng chung một lịch nhiễu, các tác vụ mà một bên cố định còn bên kia được tạo ra gần như không bao giờ được huấn luyện thực sự. Mô hình giải quyết bằng ba ý tưởng. Huấn luyện lũy tiến trước tiên dạy nhánh video và nhánh âm thanh tự tạo và chỉnh sửa trên các tập dữ liệu đơn phương thức lớn của riêng chúng, sau đó đóng băng cả hai và chỉ huấn luyện các cầu nối cross-attention giữa chúng trên dữ liệu ghép đôi. Lập lịch nhiễu bất đối xứng giữ một bước thời gian chung nhưng cho mỗi nhánh một quỹ đạo nhiễu riêng, vì video cần giữ nhiễu lâu hơn để tổ chức không gian và chuyển động, còn âm thanh ổn định sớm hơn. Các tác vụ con nhánh sạch cố định một nhánh vào đầu vào sạch trong khi huấn luyện, nhờ đó việc điều kiện hóa luồng này theo luồng kia được học trực tiếp. Kết quả là một checkpoint duy nhất cho mọi tác vụ, không cần adapter riêng: bạn chuyển tác vụ bằng cách đổi đầu vào và script, không phải đổi trọng số.
| Giai đoạn huấn luyện | Dữ liệu sử dụng (bài báo) | Điều được dạy |
|---|---|---|
| Nhánh video | 34.3M mẫu từ kho 15.3M | Tạo và chỉnh sửa riêng video |
| Nhánh âm thanh | 54.9M mẫu từ kho 14.9M | Tạo và chỉnh sửa riêng âm thanh |
| Căn chỉnh | 0.67M mẫu ghép đôi từ kho 0.74M | Giữ hình ảnh và âm thanh đồng bộ |
Tập ghép đôi nhỏ hơn dữ liệu đơn phương thức hơn một bậc độ lớn, và đó chính là mục đích của thiết kế lũy tiến.
Các tác vụ của UniAVC: tạo, liên phương thức và chỉnh sửa đồng thời
Mô hình hỗ trợ ba chế độ tạo và một chế độ chỉnh sửa, mỗi chế độ có script suy luận riêng. Văn bản thành âm thanh-video tạo clip và nhạc nền chỉ từ prompt. Âm thanh thành video giữ bản âm thanh đầu vào và dựng hình ảnh phù hợp quanh nó. Video thành âm thanh giữ video đầu vào và tạo nhạc nền phù hợp. Chỉnh sửa đồng thời thay đổi cả hình lẫn tiếng từ một chỉ dẫn; các demo chính thức gồm năm kiểu chỉnh sửa: thay đổi chủ thể (ví dụ đổi áo phông thành áo đạp xe màu xanh trong khi quầy bar, bức tường màu be và ánh sáng giữ nguyên), thêm chủ thể, xóa chủ thể (như một chiếc đèn bàn, với cửa sổ và rèm phía sau được lấp đầy), sửa lời nói để một người nói câu mới với khẩu hình khớp, và thay nền. Mỗi đầu ra dài khoảng 5 giây; nhóm chưa công bố phương pháp cho video dài, nên muốn có đoạn dài hơn sẽ phải ghép từ nhiều clip.
| Tác vụ | Đầu vào | Đầu ra | Script |
|---|---|---|---|
| Văn bản thành âm thanh-video (t2av) | Chỉ prompt | Video và âm thanh mới | infer_t2av.py |
| Âm thanh thành video (ta2v) | Prompt và âm thanh | Video; giữ nguyên âm thanh | infer_ta2v.py |
| Video thành âm thanh (tv2a) | Prompt và video | Âm thanh; giữ nguyên video | infer_tv2a.py |
| Chỉnh sửa đồng thời (tav2av) | Chỉ dẫn, video và âm thanh | Video và âm thanh đã chỉnh sửa | infer_tav2av.py |
Chỉnh sửa theo ý định và tự tinh chỉnh
Hai tính năng khiến mô hình hữu ích cho hậu kỳ chứ không chỉ để demo. Chỉnh sửa theo ý định đóng băng một nhánh và dùng nó làm điều kiện, nhờ đó bạn có thể chỉ đổi âm thanh trong khi hình ảnh giữ nguyên, hoặc chỉ đổi hình ảnh trong khi lời thuyết minh không bị động đến. Đó là quy trình đằng sau việc thay giọng lồng tiếng mà không phải kết xuất lại cảnh quay, hoặc thay nền mà vẫn giữ lời thoại gốc. Tự tinh chỉnh sau suy luận xử lý tình huống thường gặp khi một nửa kết quả tốt còn nửa kia thì không: mô hình chỉ thêm nhiễu và khử nhiễu lại nhánh yếu, dùng nhánh đã đạt làm tham chiếu cố định. Ví dụ trong README tinh chỉnh âm thanh với --post-refine audio và --refine-lambda 0.5, mặc định chạy khoảng 15 bước.
- Đổi lồng tiếng, giữ cảnh quay: đóng băng video, chỉnh sửa âm thanh.
- Đổi cảnh, giữ lời thuyết minh: đóng băng âm thanh, chỉnh sửa video.
- Chỉ sửa nửa yếu: tinh chỉnh âm thanh hoặc video sau khi tạo thay vì làm lại từ đầu.
Yêu cầu phần cứng của UniAVC: GPU 80 GB và VRAM
Phần cứng quyết định bạn có dùng được mô hình này hay không. DiT 19B và bộ mã hóa Gemma-3 12B cộng lại chiếm khoảng 65 GB, riêng tệp chính model.safetensors đã khoảng 46.1 GB. Với chế độ offload theo giai đoạn mặc định, mức chiếm dụng đỉnh khoảng 39 GB cho DiT cộng với activation, và nhóm đã thử nghiệm trên một GPU 80 GB duy nhất. Tắt offload bằng --no-offload sẽ giữ mọi trọng số thường trú, mà theo README thì cần nhiều hơn hẳn một card 80 GB ở kích thước 720p mặc định, và giải mã --no-tiled còn làm tăng bộ nhớ thêm nữa. Chưa có ai chứng minh chạy được trên card tiêu dùng 24 GB hay 48 GB, nên đừng trông vào chúng. Nhóm cũng không công bố thời gian tạo; 30 bước khử nhiễu trên DiT 19B là một tác vụ nặng, và tốc độ thực tế phụ thuộc vào GPU và thiết lập offload của bạn.
| Thông số | Giá trị |
|---|---|
| Trọng số | DiT 19B (bf16) + bộ mã hóa văn bản Gemma-3 12B |
| Dung lượng tải về | Tổng cộng khoảng 65 GB; model.safetensors khoảng 46.1 GB |
| VRAM đỉnh (bật offload) | Khoảng 39 GB cộng activation |
| GPU đã thử nghiệm | Một card 80 GB |
| Đầu ra mặc định | 704×1280, 121 khung hình, 24 fps, khoảng 5 giây |
| Quy tắc kích thước | Chiều cao và chiều rộng là bội số của 32; số khung hình 8k+1 |
| Mặc định | 30 bước, seed 42, bật --offload |
| Phần mềm | Python 3.10, CUDA 12.8, PyTorch 2.8 |

Tải UniAVC từ GitHub và Hugging Face: các bước cài đặt
Mã nguồn nằm trên GitHub tại HKUST-LongGroup/UniAVC và trọng số trên Hugging Face tại TK3105/UniAVC. Kho trọng số có kiểm soát truy cập, nên bạn phải đăng nhập và chấp nhận điều kiện trước khi tải được. Mức độ sử dụng vẫn còn nhỏ: ngay sau khi phát hành, kho GitHub có khoảng 35 sao và trọng số khoảng 6 lượt tải cùng 8 lượt thích. Những con số này cho thấy sự quan tâm ban đầu từ giới nghiên cứu, không phải nhu cầu tìm kiếm. Việc cài đặt theo quy trình Python tiêu chuẩn, tóm tắt bên dưới; hãy xem README để biết đối số chính xác của từng script.
- 1. Tạo môi trường Python 3.10 (ví dụ bằng conda) và cài PyTorch 2.8 bản dựng cho CUDA 12.8.
- 2. Clone kho GitHub, sau đó chạy pip install -r requirements.txt và pip install -e .
- 3. Đăng nhập Hugging Face, chấp nhận điều khoản truy cập trên TK3105/UniAVC và chạy bash scripts/download_weights.sh; script này cũng tải về bộ mã hóa văn bản Gemma-3.
- 4. Bắt đầu với infer_t2av.py ở kích thước mặc định, sau đó thử infer_ta2v.py, infer_tv2a.py và infer_tav2av.py, hoặc khởi chạy ứng dụng Gradio app.py đi kèm.
- Lỗi thường gặp: bị từ chối tải (chưa chấp nhận quyền truy cập), thiếu tệp Gemma-3, số khung hình không phải 8k+1, chiều cao hoặc chiều rộng không phải bội số của 32, và hết bộ nhớ sau khi dùng --no-offload hoặc --no-tiled.
UniAVC có chạy được trong ComfyUI không?
Không chính thức. README chỉ cung cấp các script dòng lệnh và một ứng dụng Gradio, không có node ComfyUI chính thức, và tìm UniAVC trên Hugging Face Spaces không ra bản demo trực tuyến nào. Node cộng đồng có thể xuất hiện sau này, nhưng chưa có cái nào được xác nhận từ nguồn đáng tin cậy, vì vậy hãy coi mọi node bên thứ ba là không chính thức và kiểm tra xem nó thực sự tải gì. Vì mô hình được khởi tạo từ LTX-2.3, công cụ của LTX có thể giúp việc chuyển đổi dễ hơn, nhưng đó chỉ là kỳ vọng, chưa phải tính năng đã phát hành. Hiện tại, lựa chọn thực tế là ứng dụng Gradio trên máy GPU lớn của riêng bạn, hoặc đóng gói các script CLI vào pipeline của riêng bạn.
UniAVC và MiniMax-H3: kết quả benchmark
Bài báo so sánh mô hình với MiniMax-H3, InstructAV2AV, JAVEdit và JoVA. Mọi con số đều do tác giả tự báo cáo, chưa được tái lập độc lập, và chính bài báo gọi kết quả là có tính cạnh tranh, chứ không phải thắng toàn diện. Về chỉnh sửa, mô hình dẫn đầu về mức tuân thủ chỉ dẫn và độ trung thực video trong JAVEditBench, và có FVD thấp hơn nhiều trên InsAVE-80K. Về tạo đồng thời, H3 đạt điểm cao hơn về chất lượng cảm nhận, độ nhất quán văn bản và đồng bộ khẩu hình trong Verse-Bench, cũng như về PEAVS trong InsAVE-80K. Tóm lại một cách công bằng: mô hình của HKUST mạnh hơn ở vai trò công cụ chỉnh sửa, còn H3 mạnh hơn ở vai trò công cụ tạo.
| Benchmark và chỉ số | 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 | Không báo cáo |
| Verse-Bench LSE-C ↑ | 6.72 | 6.96 | Không báo cáo |
| Verse-Bench WER ↓ | 0.08 | 0.13 | Không báo cáo |
↑ càng cao càng tốt, ↓ càng thấp càng tốt. JAVEdit đạt 0.3688 AVS trên JAVEditBench, cao hơn cả ba. Kết quả liên phương thức: FVD âm thanh thành video 103.17, FAD video thành âm thanh 10.12.
UniAVC, LTX-2.3 và InstructAV2AV: nên chọn mô hình nào
LTX-2.3 của Lightricks là mô hình nền mà nó bắt đầu từ đó: một DiT trọng số mở 22B với hệ sinh thái LoRA cộng đồng lớn. Nhóm HKUST bổ sung nhánh âm thanh và các cầu nối liên phương thức lên trên, nhắm đến chỉnh sửa đồng thời; LTX-2.3 là lựa chọn trưởng thành hơn cho việc tạo video thông thường và có nhiều công cụ hơn hẳn. InstructAV2AV là mốc so sánh chỉnh sửa chính trong bài báo: mô hình mới vượt nó về tuân thủ chỉ dẫn, độ trung thực và FVD, trong khi InstructAV2AV đạt điểm cao hơn ở một số chỉ số căn chỉnh, như TA-A trên InsAVE-80K. MiniMax-H3 vẫn là công cụ tạo mạnh hơn theo chính các bảng của bài báo.
| UniAVC | LTX-2.3 | MiniMax-H3 | |
|---|---|---|---|
| Trọng tâm | Chỉnh sửa âm thanh-video đồng thời | Tạo video | Tạo và chỉnh sửa đồng thời |
| Trọng số mở | Có, kiểm soát truy cập | Có | Xem MiniMax |
| Hệ sinh thái | Chỉ kho chính thức | Nhiều LoRA cộng đồng | Công cụ chính thức |
| Phù hợp nhất cho | Nghiên cứu và chỉnh sửa có thể tái lập | Quy trình cục bộ đã trưởng thành | Chất lượng tạo trau chuốt |
Không mô hình nào trong ba chạy thoải mái trên card đồ họa tiêu dùng.
UniAVC có phải mã nguồn mở không? Trọng số mở và sử dụng thương mại
UniAVC là trọng số mở, không phải mã nguồn mở theo nghĩa OSI. Mã và trọng số được công khai và tải miễn phí sau khi chấp nhận điều kiện truy cập, nhưng chúng tuân theo giấy phép LTX-2 Community License của Lightricks, vì mô hình được phát triển từ LTX-2.3 và các sản phẩm phái sinh phải giữ giấy phép đó. Cá nhân, nhà nghiên cứu và công ty nhỏ có thể sử dụng, sửa đổi và lưu trữ nó, còn các tổ chức có doanh thu hằng năm từ $10 triệu trở lên, tính cả các công ty liên kết, cần giấy phép thương mại riêng từ Lightricks. Bất kỳ ai phân phối lại đều phải kèm toàn văn thỏa thuận, chuyển chính sách sử dụng chấp nhận được cho người dùng phía sau và giữ ghi nhận nguồn. Lightricks không đòi quyền với đầu ra của bạn, nhưng bạn chịu trách nhiệm về đầu vào, đầu ra và cách chúng được sử dụng. Hãy đọc chính văn bản thỏa thuận trước bất kỳ dự án thương mại nào.
Có UniAVC không kiểm duyệt không?
Không. Không có UniAVC không kiểm duyệt hay bản phát hành NSFW nào, và chính sách sử dụng chấp nhận được của giấy phép cấm vượt qua bộ lọc nội dung, deepfake không có sự đồng thuận, nội dung AI không công khai và mọi thứ liên quan đến trẻ vị thành niên. Tìm trên Hugging Face chỉ ra kho chính thức, không có bản tinh chỉnh hay LoRA nào. LTX-2.3 có nhiều LoRA cộng đồng, nhưng chúng thuộc về mô hình nền, không phải UniAVC, và cùng giấy phép đó vẫn áp dụng. Chúng tôi không cung cấp prompt hay script để gỡ bộ lọc. Với video người lớn mà bạn được phép tạo, công cụ trực tuyến là con đường đơn giản hơn: trang chuyển ảnh thành video của Spicy AI tạo chuyển động cho ảnh của chính bạn bằng MiniMax H3 Turbo mà không có lớp kiểm duyệt bổ sung, chỉ dành cho người trưởng thành (18+) có đồng thuận.
Đang tìm lựa chọn thay thế UniAVC không kiểm duyệt? Tạo chuyển động cho ảnh của bạn trực tuyến, không cần GPU cục bộ.
Tạo chuyển động cho ảnh →UniAVC dành cho ai và mọi người dùng nó thế nào
Mô hình gần với một nguyên mẫu nghiên cứu và hậu kỳ nhất: clip 5 giây, đầu ra cỡ 720p và phần cứng trung tâm dữ liệu khiến phần lớn người dùng nghiệp dư không với tới, nhưng các kỹ thuật chỉnh sửa của nó khớp với những việc sản xuất thực tế. Các nhóm phim ngắn và video mạng xã hội dành nhiều thời gian cho lồng tiếng lại, sửa lời thoại và thay nền, đúng những kiểu chỉnh sửa trong các demo chính thức. Nhóm bản địa hóa có thể thử thay một câu thoại mà vẫn giữ cảnh quay, nhà thiết kế âm thanh có thể tạo nhạc nền cho cảnh quay câm, và nhà nghiên cứu có một mốc so sánh có thể tái lập cho chỉnh sửa âm thanh-video đồng thời với mã công khai. Mọi chỉnh sửa liên quan đến khuôn mặt hay giọng nói của người thật đều cần sự đồng ý bằng văn bản của họ và nhãn AI rõ ràng.
- Sửa lời thoại: đổi một câu nói với khẩu hình khớp và giữ âm thanh căn phòng.
- Thử lồng tiếng và bản địa hóa: thay bản giọng nói trong khi hình ảnh đóng băng.
- Tiếng động cho clip câm: chạy video thành âm thanh để thêm tiếng bước chân, mưa hoặc xe cộ khớp với chuyển động.
- Thay nền: chuyển cảnh từ văn phòng ra đường phố mà không phải quay lại chủ thể.
- Hình ảnh theo nhạc: đưa vào một bản âm thanh ngắn và tạo hình ảnh phù hợp quanh nó.
- Mốc so sánh nghiên cứu: so sánh các phương pháp chỉnh sửa đồng thời mới với các con số đã công bố.
Cách viết prompt UniAVC hiệu quả
Vì một prompt điều khiển cả hình lẫn tiếng, hãy viết nó như một mô tả cảnh quay ngắn kèm một dòng âm thanh riêng. Mô tả một cảnh quay với một hành động chính bằng câu đơn giản, theo thứ tự: chủ thể, hành động, bối cảnh, máy quay, ánh sáng, rồi âm thanh. Với chỉnh sửa, hãy viết chỉ dẫn gồm phần thay đổi cộng với những gì phải giữ nguyên; các ví dụ chính thức luôn nêu tên các phần cần giữ, như nền, ánh sáng hoặc những người khác. Với chỉnh sửa lời nói, hãy trích nguyên văn câu mới và nói rõ đó là giọng của ai. Giữ phần tạo trong khoảng 5 giây hành động, vì đó là độ dài clip mặc định, và nhớ rằng kích thước phải là bội số của 32 với số khung hình 8k+1.
- Nêu rõ âm thanh: "tiếng mưa nhẹ trên cửa sổ, tiếng xe cộ xa xa" tốt hơn "âm thanh chân thực".
- Chỉnh sửa = thay đổi + giữ nguyên: "Thay chiếc đèn bằng một chậu cây; giữ cửa sổ, rèm và ánh sáng."
- Chỉnh sửa lời nói: "Cô ấy nói 'Hẹn gặp lại ngày mai' bằng giọng bình tĩnh; giữ tiếng trò chuyện phía sau."
- Với âm thanh thành video, chỉ mô tả hình ảnh; bản âm thanh đã quyết định nhịp điệu.
- Với video thành âm thanh, liệt kê các nguồn âm theo thứ tự xuất hiện trên màn hình.

Mẫu prompt UniAVC để sao chép
Thay các phần trong ngoặc vuông và giữ nguyên cấu trúc. Các hàng đầu dành cho các script của chính mô hình; hàng cuối được viết cho chuyển ảnh thành video, nên bạn cũng có thể thử nó trong trình tạo thay thế UniAVC không kiểm duyệt ở trên.
| Mục tiêu | Mẫu |
|---|---|
| Văn bản thành âm thanh-video | [Chủ thể trưởng thành] [một hành động] trong [bối cảnh], [chuyển động máy quay], [nguồn sáng]. Âm thanh: [môi trường], [giọng nói hoặc nhạc]. |
| Chỉnh sửa chủ thể | Đổi [vật] thành [vật mới]; giữ nguyên [nền], [ánh sáng] và [những người khác], giữ âm thanh. |
| Xóa vật thể | Xóa [vật thể] ở tiền cảnh và lấp đầy [vùng phía sau nó]; giữ nhạc nền. |
| Chỉnh sửa lời nói | [Người] giờ nói "[câu mới]" bằng cùng giọng với khẩu hình khớp; giữ hình ảnh và âm thanh nền. |
| Video thành âm thanh | Tạo âm thanh cho clip này: [nguồn 1], rồi [nguồn 2], [tiếng nền căn phòng], không có nhạc. |
| Ảnh thành video (thay thế) | [Chủ thể] quay về phía máy quay và nói "[câu ngắn]", máy quay tiến chậm, [ánh sáng], [âm thanh môi trường]. |
Từng bước: lựa chọn thay thế UniAVC không kiểm duyệt trên Spicy AI
Nếu bạn không có phần cứng trung tâm dữ liệu, cách dùng trên trình duyệt giúp bỏ qua việc tải 65 GB. Nó chạy MiniMax H3 Turbo chuyển ảnh thành video, không phải UniAVC, nên không có chỉnh sửa âm thanh-video đồng thời; bạn tạo chuyển động cho ảnh bằng một prompt.
- 1. Mở công cụ chuyển ảnh thành video từ nút ở đầu trang này; mô hình thay thế đã được chọn sẵn.
- 2. Tải lên một bức ảnh rõ nét của người trưởng thành mà bạn sở hữu hoặc được đồng ý sử dụng.
- 3. Dán mẫu chuyển ảnh thành video ở trên và điền hành động, máy quay, ánh sáng và âm thanh.
- 4. Tạo một clip ngắn, kiểm tra chuyển động, rồi mỗi lần thử lại chỉ thay đổi một yếu tố.
- 5. Tải kết quả về và gắn nhãn do AI tạo khi chia sẻ.
Bạn có thể tạo gì
Ảnh thành clip
Tạo chuyển động cho ảnh chân dung người trưởng thành thành clip ngắn ngay trong trình duyệt, như một lựa chọn thay thế UniAVC không kiểm duyệt nhẹ nhàng hơn.
Cảnh nói chuyện
Chủ thể quay người, mỉm cười và nói một câu ngắn, định dạng mà mô hình của HKUST cũng nhắm tới với chỉnh sửa lời nói.
Cảnh tạo không khí
Căn phòng dưới ánh nến, mưa và phố đèn neon cho các nhân vật người trưởng thành có đồng thuận.
Mẹo viết prompt để có kết quả kiểu UniAVC
- Viết một cảnh quay với một hành động, và dành cho âm thanh một câu riêng.
- Khi chỉnh sửa, luôn nói rõ những gì phải giữ nguyên.
- Hãy chuẩn bị GPU 80 GB; card tiêu dùng chưa được thử nghiệm.
- Giữ số khung hình ở dạng 8k+1 và kích thước là bội số của 32 để tránh lỗi.
- Chỉ dùng khuôn mặt và giọng nói của người trưởng thành đã đồng ý, và gắn nhãn đầu ra AI.
Tự triển khai UniAVC so với tạo trực tuyến trên Spicy AI
| Triển khai cục bộ (trọng số chính thức) | Spicy AI trực tuyến | |
|---|---|---|
| Bộ lọc nội dung | Do HKUST & Huawei Research quy định | Không có bộ lọc nội dung |
| Trọng số mở | Có | Không cần — chạy ngay trên trình duyệt |
| Mô hình | UniAVC | MiniMax H3 Turbo (gói miễn phí) và Wan 2.6 |
| Giá khởi điểm | Tùy gói | Có gói miễn phí |
- Ảnh thành video ngay trên trình duyệt
- Hàng đợi miễn phí 0 credit (cần đăng nhập, giới hạn mỗi ngày)
- Clip dọc (9:16) và ngang (16:9)
Câu hỏi thường gặp
UniAVC là gì và ai tạo ra nó?
UniAVC là mô hình tạo và chỉnh sửa âm thanh-video hợp nhất của phòng thí nghiệm HKUST LongGroup cùng Huawei Research, được mô tả trong arXiv 2610.24791 (tháng 10 năm 2026). Một bộ trọng số xử lý văn bản thành âm thanh-video, âm thanh thành video, video thành âm thanh và chỉnh sửa đồng thời.
UniAVC có giống UNIVAC không?
Không. UNIVAC là dòng máy tính thập niên 1950. Google thường sửa uniavc thành univac, nên hãy thêm "audio video model", "HKUST" hoặc số arXiv khi tìm kiếm.
Tôi cần GPU nào cho UniAVC?
Nhóm đã thử nghiệm trên một GPU 80 GB. Tổng trọng số khoảng 65 GB, và offload mặc định đạt đỉnh khoảng 39 GB cộng activation. Card 24 GB và 48 GB chưa được kiểm chứng.
Clip UniAVC dài bao lâu?
Mặc định là 704×1280, 121 khung hình ở 24 fps, khoảng 5 giây. Không có chế độ video dài chính thức.
Có UniAVC không kiểm duyệt không?
Không. Không có bản phát hành NSFW hay bản tinh chỉnh cộng đồng nào, và giấy phép cấm vượt qua bộ lọc nội dung. Spicy AI cung cấp H3 Turbo chuyển ảnh thành video như một lựa chọn thay thế riêng, chỉ dành cho người trưởng thành.
Spicy AI có liên kết với HKUST & Huawei Research không?
Không. Spicy AI là nền tảng độc lập, không liên kết hay được HKUST & Huawei Research bảo trợ. UniAVC là nhãn hiệu của chủ sở hữu tương ứng.
Có miễn phí không?
Bạn có thể bắt đầu miễn phí: đăng nhập và hàng đợi video miễn phí của Spicy AI sẽ làm ảnh của bạn chuyển động bằng MiniMax H3 Turbo với 0 credit, có giới hạn mỗi ngày. Hàng đợi nhanh, các mô hình video khác và clip dài hơn sẽ tốn credit.
Nguồn
Spicy AI không liên kết với HKUST & Huawei Research. UniAVC và các tên sản phẩm khác là nhãn hiệu của chủ sở hữu tương ứng và chỉ được dùng ở đây để nhận diện. Mọi nội dung phải thể hiện người trưởng thành (18+).