Generare un video e la sua colonna sonora — dialoghi, canto, effetti — con un solo modello, tutto in una volta: e' l'obiettivo di MAGI-2-preview, il modello open source pubblicato il 3 agosto 2026 da Sand AI, il team gia' noto per il precedente modello video autoregressivo MAGI-1. La novita' e' l'audio nativo: invece di aggiungere il suono in un secondo momento, MAGI-2 produce immagini e audio in modo congiunto e sincronizzato, con tanto di sincronizzazione labiale.
Video e audio generati insieme
MAGI-2-preview accetta sia testo sia immagini come input (text-to-video e image-to-video) e restituisce clip con audio integrato: parlato, canto, effetti sonori. Secondo la scheda su Hugging Face si tratta di un modello mixture-of-experts (chiamato MagiMoE) da 114 miliardi di parametri totali, di cui circa 6 miliardi attivi per token. La generazione congiunta di video e audio e' la funzione che i grandi modelli commerciali hanno introdotto di recente e che qui arriva in un progetto a pesi aperti.
Come funziona: due fasi, fino a 10 secondi in 1080p
Il modello lavora in due stadi: una prima fase genera l'anteprima a risoluzione 512x896, poi un modulo di refiner la porta fino a 1088x1920. Il risultato sono clip di durata massima di circa 10 secondi in 1080p. E' un compromesso tipico dei modelli video: la generazione a bassa risoluzione fissa il movimento e la composizione, il passaggio successivo aggiunge il dettaglio, contenendo i costi di calcolo.
Come scaricarlo e i requisiti hardware
Qui arriva l'avvertenza piu' importante: MAGI-2-preview non e' un modello per computer di casa. Il checkpoint pesa circa 307 GB e la documentazione consiglia 8 GPU Nvidia Hopper da 80 GB di memoria ciascuna, Python 3.12 e una versione recente di CUDA. E' pensato per essere scaricato e ospitato su infrastrutture potenti, non eseguito su un portatile. I pesi sono su Hugging Face come sand-ai/MAGI-2-preview, il codice su GitHub (SandAI-org/MAGI-2-preview) ed e' disponibile un'immagine Docker ufficiale. Un esempio di comando di inferenza:
torchrun --nproc_per_node=8 inference/pipeline/entry.py \
--prompt "una volpe rossa corre nella neve fresca, cinematografico" \
--output output/Chi non dispone di questo hardware puo' comunque valutarne l'uso tramite servizi cloud con GPU a noleggio, oppure attendere eventuali demo ospitate sulla piattaforma di Sand AI. La licenza e' Apache 2.0, pienamente aperta e adatta anche all'uso commerciale.
Perche' conta: l'open source insegue il video commerciale
MAGI-2-preview non pubblica ancora benchmark ufficiali, e la definizione "preview" segnala che si tratta di un rilascio iniziale. Il suo valore, piu' che nella qualita' assoluta, sta nel segnale: la generazione video con audio nativo — finora dominio di strumenti chiusi e a pagamento — approda in un modello a pesi aperti con licenza permissiva. Per ricercatori, studi creativi e sviluppatori significa poter studiare, adattare e integrare la tecnologia senza vincoli di API proprietarie. E' un altro capitolo della rincorsa, sempre piu' serrata, tra i modelli video open source e i leader commerciali del settore.
A cosa puo' servire
Gli ambiti di applicazione di un modello di questo tipo sono molteplici: prototipazione di spot e contenuti social, storyboard animati, effetti per il cinema indipendente, materiali didattici, ricerca accademica sulla generazione multimodale. Il vantaggio dell'audio nativo e' concreto: eliminare il passaggio separato di doppiaggio o sonorizzazione riduce tempi e incoerenze tra labiale e parlato. Restano, come per ogni modello generativo video, le questioni aperte sull'uso responsabile — dal rischio di contenuti ingannevoli alla necessita' di segnalare i materiali sintetici, obbligo che in Europa l'AI Act ha reso esplicito. La disponibilita' dei pesi in modo aperto facilita anche lo studio di sistemi per riconoscere e marcare i video generati, un fronte su cui la ricerca e' molto attiva.
Specifiche, requisiti e comandi provengono dalla scheda ufficiale su Hugging Face, dal repository GitHub di Sand AI e dal sito dell'azienda, aggiornati al 3 agosto 2026.
