待验证50% 置信事实精确时间
EmbeddingGemma 2默认一张图占280个token，一个视频帧占140个，一秒音频约25个token，上下文窗口为8192个token
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
待验证该模型包含约2080万参数，通道数按96→192→384递进，支持生成16帧、分辨率64×64的视频片段72% 相似待验证文生视频过程中系统会做视频尺寸对齐，例如将 400×400 对齐到 32 的倍数以满足生成模型输入要求71% 相似待验证视频生成中自注意力的计算量与token数的平方成正比，一段4秒720p 24fps视频经VAE编码和patch化后token总数可达数万乃至十余万70% 相似已验证EnCodec典型配置使用8层RVQ、每层码本大小1024，在24kHz采样率下每秒75帧，1秒音频压缩为600个token70% 相似待验证LTX视频生成模型拥有220亿参数却只占14GB内存，约13秒算一秒视频69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/984899API
curl https://kongchang.com/api/v1/knowledge/claims/984899MCP
get_claim(id=984899)