Meta는 마침내 Sora에 대한 입장을 보였고, Movie Gen은 단순한 비디오 생성기 이상입니다 — 다중 aspect ratio로 1080p HD 비디오를 생성하고 동기화된 오디오를 지원하고, 정밀한 instruction 기반 비디오 편집을 지원하며, 사용자의 사진에 기반한 개인화된 비디오를 생성할 수 있는 foundation 모델의 캐스트입니다. 이 상세 리뷰는 Meta의 출시를 OpenAI의 Sora와 직접 비교하며, 각 시스템의 아키텍처 배팅이 어디서 돈을 벌고, 트레이드오프가 어디에 착륙하는지, 그리고 두 연구소가 비디오 foundation 모델이 무엇이어야 하는지에 대해 어떻게 다양해 보이는지를 분석합니다.

중심은 최대 context 길이가 73K video tokens인 30B-parameter transformer이며, 16 fps에서 16초의 생성된 비디오에 충분합니다 — text-to-video synthesis, 비디오 개인화, 비디오 편집, video-to-audio, 및 text-to-audio generation 전반에서 새로운 SOTA 주장이 포함됩니다. 리뷰는 Meta가 강조하는 기술 혁신들을 설명합니다: architecture 및 latent-space 설계, training objectives 및 recipes, data curation, evaluation protocols, parallelization techniques, 및 inference optimizations. 생성 비디오 및 오디오 시스템을 구축하거나 벤치마킹 중이라면, 이 비교는 frontier가 실제로 지금 정착하고 있는 곳에 대한 좋은 나침반입니다.