Meta가 마침내 Sora에 대해 손을 드러냈고, Movie Gen은 단순한 비디오 생성기 이상입니다 — 여러 종횡비에서 1080p HD 비디오를 동기화된 오디오와 함께 생성하고 정밀한 지침 기반 비디오 편집을 지원하며 사용자의 사진을 기반으로 개인화된 비디오를 생성할 수 있습니다. 이 상세 검토는 Meta의 출시를 OpenAI의 Sora와 나란히 놓고, 각 시스템의 아키텍처 선택이 수익을 거두는 위치, 트레이드오프가 어디에 있는지, 그리고 두 연구소가 비디오 기초 모델이 실제로 무엇이어야 하는지에 대해 어떻게 다르게 생각하고 있는지를 분석합니다.

중심은 최대 컨텍스트 길이가 73K 비디오 토큰(16fps에서 생성된 비디오 16초에 충분함)으로 훈련된 30B-파라미터 Transformer이며, 텍스트-비디오 합성, 비디오 개인화, 비디오 편집, 비디오-오디오 및 텍스트-오디오 생성 전반에 걸쳐 새로운 SOTA 주장을 합니다. 이 검토는 Meta가 강조하는 기술 혁신을 살펴봅니다: 아키텍처 및 잠재 공간 설계, 훈련 목표 및 방법론, 데이터 큐레이션, 평가 프로토콜, 병렬화 기법 및 추론 최적화. 생성적 비디오 및 오디오 시스템을 구축하거나 벤치마킹 중이라면, 이 비교는 현재 경계가 실제로 어디에 정착하고 있는지 보여주는 좋은 나침반입니다.