Пользователи сервиса «ГигаЧат» получили доступ к генерации видеороликов, включающих речь, музыку и фоновые звуки. Новая функция реализована на базе нейросетевой модели Kandinsky 6.0 Video от Сбера.
Для создания контента достаточно описать сцену текстом или загрузить исходное изображение. Пользователи могут настраивать звуковое сопровождение или создавать видео без звука.
Модель поддерживает генерацию в разрешении до Full HD, при этом доступны варианты SD и HD. Максимальная длительность видеоролика со звуком в текущей версии составляет пять секунд.
Система обеспечивает синхронизацию аудио и видеоряда: движения губ персонажей соответствуют речи, а звуковые эффекты, такие как шум ветра или движение транспорта, привязаны к действиям в кадре.
Разработчики обновили алгоритмы передачи физики и движения. По заявлению Сбера, это позволило добиться более естественного отображения людей, животных и техники в динамичных сценах.
Модель Kandinsky 6.0 Video распространяется с открытым исходным кодом по лицензии MIT. Сторонние разработчики могут интегрировать решение в собственные продукты через профильные инструменты.
