Сбер представил новую версию нейросети Kandinsky 3.0. Теперь с ее помощью можно дополнительно создавать изображения с разрешением 1024х1024 и выбирать соотношение сторон. Также была выпущена новая генеративная модель Kandinsky Video, создающая ролики продолжительностью до восьми секунд по текстовому запросу.
Для разработки новой версии Kandinsky 3.0 разработчики использовали обновленный набор данных из 1,5 млн пар «текст-изображение». Также была улучшена точность определения текстовых запросов пользователей и повышена фотореалистичность создаваемых кадров. Вдобавок, модель может генерировать «полноценные художественные картины и арты».
Пример работы Kandinsky 3.0
Еще в Kandinsky 3.0 лучше предыдущих версий распознаются «элементы отечественного культурного кода». Она лучше генерирует советских и российских известных личностей и персонажей, архитектурные достопримечательности и объекты народного искусства.
Нейросеть Kandinsky Video обучена на основе более 300 тысяч пар «текст-видео». С ее помощью можно создавать видео с разрешением 512х512 пикселей, частотой 30 кадров в секунду, а также с возможностью регулировки соотношения сторон. На генерацию одного видеоролика в ней пока уходит до трех минут.
Пример работы Kandinsky Video
Как пишет vc.ru, доступ к генерации видео предоставляется через бот Video-Kandinsky в мессенджере Telegram, а также через площадку Fusion Brain. Однако воспользоваться ей через бот можно только после отправки заявки и ее одобрения. На сайте же необходимо предварительно зарегистрироваться и авторизоваться.
После входа для создания видео с помощью нейросети сначала потребуется перейти в раздел «Видео» на сайте Fusion Brain. Там можно выбрать модель создания ролика и размер изображения, затем ввести описание и подобрать направление камеры по примерам. Уже затем можно нажать на кнопку «Создать анимацию» в правой части экрана, подождать, пока видео будет готово, и наслаждаться результатом.
Комментарии