«Сбер» запустил ИИ-модель Kandinsky 6.0 Video: пользователи «ГигаЧата» могут генерировать Full HD-видео с речью, музыкой и звуками окружения. В компании называют её первой отечественной нейросетью с синхронным звуком.
Для генерации нужно описать сцену текстом, загрузить первый кадр и описать желаемый звук. Пока ролики со звуком длятся до пяти секунд, позднее обещают более длинные. Доступны качества SD, HD и Full HD.
Звук генерируется в 44 кГц, при необходимости видео можно создавать и без него. Если модель не знает, как выглядит объект из запроса, она сама ищет референсы.
По данным «Сбера», модель точнее передаёт физику реального мира и в среднем в 71 % случаев по всем критериям превосходит предыдущую версию.
Kandinsky 6.0 Video доступна разработчикам под лицензией MIT, которая разрешает бесплатно встраивать её в свои продукты. Сервис рассчитан на авторов контента, маркетологов и дизайнеров.