Код и веса Kandinsky Avatar 1.0 разрешили свободно встраивать в любые коммерческие продукты. Модель оживляет статичный портрет, аккуратно совмещая изображение с готовой звуковой дорожкой.
Хронометраж роликов составляет до одной минуты при 24 кадрах в секунду. На вход алгоритму нужны только портретное фото, аудиозапись и короткое текстовое описание сцены.
Сетка синхронизирует губы со звуком и реалистично достраивает мимику, жестикуляцию и повороты головы. Чужие голоса модель сама не клонирует: звук берётся строго из загруженного файла.
Релиз выкатили сразу в двух версиях под разное железо:
- Pro-версия: собирает видеоряд в HD-разрешении для требовательных продакшенов и тяжелых серверов.
- Lite-версия: выдает базовое качество SD и без проблем запускается на обычной домашней видеокарте.
Стартапам это поможет сэкономить бюджет на живых спикерах и ведущих. Сам банк собирается постепенно внедрять такие аватары в собственные клиентские сервисы.
Что это значит
Создавать говорящие головы для рекламы или карточек товаров теперь можно локально на домашнем ПК без подписок на зарубежные сервисы.
