Nvidia Lança SANA-Video 2.0: Nova Era na Geração de Vídeos Longos por IA

A Nvidia segue na ofensiva de IA generativa, agora com o SANA-Video 2.0. A novidade está na arquitetura híbrida de atenção linear com camadas softmax periódicas, o que permite gerar vídeos de até 720p em uma única GPU. Isso é um avanço e tanto, pois modelos full-softmax, embora potentes, têm um custo computacional quadrático que limita a escala. O SANA-Video 2.0 busca o melhor dos dois mundos: a eficiência de escala da atenção linear e a capacidade de interações de tokens completas da softmax, mas sem o gargalo de desempenho. O time de pesquisa encontrou o ponto ideal com 25% de softmax para equilibrar qualidade e eficiência. Os modelos vêm em versões de 5 bilhões e 14 bilhões de parâmetros, competindo em qualidade com soluções maiores.

A inovação não para por aí. A arquitetura inclui também os “Attention Residuals” (AttnRes), que roteiam resumos de blocos completos para camadas lineares posteriores. Isso melhora a propagação de representações e aumenta o “effective rank” em camadas mais profundas. Na prática, a geração de vídeo fica 3,2 vezes mais rápida que um baseline full-softmax similar em 720p para 60 segundos. O ganho aumenta ainda mais em vídeos longos. A otimização com Sol-Engine (fusão de kernel, caching e atenção esparsa) acelera o processo em mais 3,58 vezes, resultando em uma geração 120 vezes mais rápida que o Wan 2.2-A14B em uma H100, por exemplo. Esses são ganhos cruciais para a produção de conteúdo em larga escala.

Gerar vídeos longos e de alta resolução era um gargalo de recursos. O SANA-Video 2.0 muda esse cenário, tornando a produção de conteúdo em vídeo muito mais acessível e econômica. Produtoras de cinema, estúdios de games, agências de publicidade e até criadores de conteúdo independentes podem agora explorar a IA para criar narrativas visuais complexas, sem precisar de uma fazenda de GPUs. É um passo importante para democratizar ferramentas de criação que antes eram exclusivas de grandes orçamentos. A velocidade e a capacidade de rodar em uma única GPU significam ciclos de iteração mais rápidos e custos operacionais reduzidos, impulsionando a inovação no setor.