Sber Kandinsky Avatar 1.0 kodini ochiq e'lon qildi

«Sber» dasturchilar jamoasi foto va nutq yozuvi asosida gaplashuvchi animatsion qahramonlarni yaratishga mo‘ljallangan Kandinsky Avatar 1.0 modelini taqdim etdi. Mazkur sun'iy intellekt modeli uchun barcha isxodny kod va vaznlar MIT ochiq litsenziyasi ostida taqdim etildi.

• Model lab harakatlarini nutq bilan sinxronlashtirib, mimika va jestlarni qo‘shadi.
• Lite (2 mlrd parametr) va Pro (21 mlrd parametr) versiyalari mavjud.
• Kod va vaznlar GitHub, GitVerse va Hugging Face platformalarida bepul tarqatilmoqda.

Imkoniyatlari va texnik xususiyatlari

Kandinsky Avatar 1.0 modeli matnli so‘rovlar orqali kerakli hissiyotlar va nutq uslubini belgilash imkonini beradi. Avatar sifatida real insonlar, multfilm qahramonlari yoki hayvonlardan foydalanish mumkin. Model 95 tildagi 1,17 million videokadrni o‘z ichiga olgan Kandinsky 5.0 Video bazasida o‘qitilgan.

Modelni ishga tushirish uchun Nvidia videokartalari talab etiladi: Lite versiyasi uchun 48 GB, Pro versiyasi uchun esa 80 GB xotira tavsiya qilinadi. Kadrni qismlarga bo‘lib dekodlash orqali xotira sarfini 28 GB gacha kamaytirish mumkin, biroq bu holatda videoda qismlararo chegaralar sezilib qolishi ehtimoli bor.

Sinov natijalari va raqobatchilar bilan taqqoslash

Kandinsky Avatar 1.0 Pro boshqa yetakchi ochiq va yopiq modellar bilan ko‘r-ko‘rona test sinovidan o‘tkazildi. Ishtirokchilar muallifini bilmagan holda videolarni baholadilar va natijada Sber modeli Kling Avatar 2 bilan solishtirganda 63%, LongCat-Avatar-1.5 bilan 60% va HeyGen IV bilan 54% hollarda ustun deb topildi.

Dasturchilar va biznes uchun ahamiyati

Model kodining ochiqligi IT-mutaxassislarga o‘quv va reklama videolari, shuningdek shaxsiy murojaatlarni noldan yaratmasdan turib tezda tayyorlash imkonini beradi. Dasturchilar uni o‘z mahsulotlariga integratsiya qilishlari hamda ComfyUI va Diffusers kabi vositalar orqali qulay tarzda ishlatishlari mumkin.