"Sber" sinxron ovozli Kandinsky 6.0 Video neyrotarmogʻini taqdim etdi

Ishlab chiquvchilarning xabar berishicha, yangi model SD, HD va Full HD (1920 × 1080 piksel) sifatidagi besh soniyagacha boʻlgan videolarni yaratish imkonini beradi. Ovoz 44 kGs diskretlash chastotasi bilan shakllantiriladi, shu bilan birga qahramonlarning lab harakatlari nutq bilan sinxronlashtiriladi. Istakka koʻra, rolikni ovozli yoʻlaksiz ham yaratish mumkin.

Soʻrov matnli tavsif yordamida yoki yuklangan birinchi kadr asosida shakllantiriladi. Qator ikki versiyani oʻz ichiga oladi: 3 milliard parametrga ega Lite va 30 milliard parametrga ega Pro. Kompaniyaning taʼkidlashicha, model harakat va fizika uzatilishining barcha mezonlari boʻyicha oʻrtacha 71% holatlarda avvalgi versiyadan ustun kelgan.

Asbob "GigaChat" servisiga kiritilgan, shuningdek, Hugging Face platformasiga joylashtirilgan. Modelning dastlabki kodi va vaznlari ochiq MIT litsenziyasi ostida eʼlon qilingan boʻlib, bu dasturchilarga undan oʻz mahsulotlarida bepul foydalanish imkonini beradi.