«Сбер» представил нейросеть Kandinsky 6.0 Video, интегрированную в «ГигаЧат». Модель позволяет создавать видео в формате Full HD, дополненные синхронной речью, музыкой и фоновыми звуками. Это первая российская разработка с поддержкой генерации видеоряда вместе с аудиодорожкой.
Для работы с инструментом пользователю необходимо ввести текстовое описание сцены, загрузить начальный кадр и указать параметры звука. На текущем этапе система создает ролики длительностью до пяти секунд, однако в будущем планируется увеличение этого лимита. Доступны три режима качества: SD, HD и Full HD.
Звуковое сопровождение генерируется с частотой 44 кГц, что соответствует стандартам стриминговых платформ. При необходимости пользователи могут создавать видео без звука. Если нейросеть не обладает данными о внешнем виде объекта из запроса, она способна самостоятельно находить подходящие визуальные референсы.
Разработчики отмечают, что модель точнее имитирует физические процессы и превосходит предыдущую версию в 71% случаев по совокупности критериев. Решение распространяется по лицензии MIT, что дает возможность бесплатно интегрировать технологию в сторонние программные продукты.
