искусственный интеллект
Сбер выпустил Kandinsky Avatar 1.0 – нейросеть для создания видео с говорящими аватарами. Нужно загрузить фотографию, аудиозапись и короткое описание того, как персонаж должен себя вести. После чего модель синхронизирует движения губ с речью, добавляет мимику, повороты головы и жесты. Оживлять разрешается не только людей, но и животных либо рисованных героев. Длина ролика пока ограничена минутой, заявлена поддержка 95 языков.
В отличие от Kandinsky 6.0 Video, которая создаёт пятисекундные ролики со звуком, Avatar оживляет конкретного персонажа под готовую аудиозапись и сохраняет его внешность на протяжении минуты. Всего выпущено две версии – Lite примерно на 2 миллиарда параметров и Pro на 21 миллиард. Сбер утверждает, что по качеству модель сопоставима с HeyGen. Мы сравнивать не берёмся, хотя на некоторых демонстрационных роликах заметны артефакты.
Со временем технология, как заявляется, появится в сервисах Сбера. При этом код и веса моделей открыты для скачивания – компания рассчитывает, что разработчики будут использовать нейросеть для создания рекламы, видеоуроков и виртуальных консультантов. Правда, до виртуальных консультантов пока далеко: Kandinsky не умеет поддерживать разговор, а видео генерирует не в реальном времени. Так что условного цифрового Грефа можно отправить выступать на конференцию, но отвечать на вопросы из зала пока придётся настоящему.
