Пользователи «ГигаЧата» смогут создавать видео с речью, звуками окружения и музыкой в Full HD-качестве с помощью нейросети Сбера Kandinsky 6.0 Video, сообщает пресс-служба Сбера.
Нейросеть способна генерировать ролики с синхронным звуком не длиннее 5 секунд. Также модель научилась лучше передавать физику реального мира.
«Мы хотим, чтобы генеративный ИИ стал таким же естественным инструментом креатора, как сегодня текстовый редактор или камера телефона. Модель Kandinsky 6.0 Video мы отдаем разработчикам бесплатно и без ограничений», — рассказал старший вице-президент руководитель блока «Развитие генеративного ИИ» Сбербанка Антон Фролов.
В Сбере отметили, что новая модель доступна разработчикам в опенсорсе под лицензией MIT.
Звуковой модуль модели обучали более чем на 20 млн разных видео с чистым звуком и видео с говорящими людьми. По данным Сбера, новая модель в среднем на 71% лучше версии Kandinsky 5.0.