Создана новая версия генеративной модели для творчества – Kandinsky 3.0. Усовершенствованная нейросеть была представлена на конференции банка по искусственному интеллекту и машинному обучению AI Journey, которая проходит с 22 по 24 ноября.
Новая версия в сравнении с предыдущими лучше понимает текстовый запрос пользователя. Нейросеть теперь умеет создавать еще более фотореалистичные изображения, генерировать полноценные художественные картины и арты со скетчами.
Модель работает с запросами из широкого списка тем и способна реализовать любой полет фантазии.
Kandinsky 3.0, созданная Сбером, лучше предыдущих версий знает элементы отечественного культурного кода. Так, значительно улучшилось качество генерации российских и советских известных личностей и персонажей, архитектурных достопримечательностей, объектов культуры и элементов народного искусства России, например гжельской росписи. Кроме того, у новой модели усовершенствована функция редактирования изображений и возможность их дорисовки в режиме бесконечного полотна (inpainting и outpainting).
Kandinsky 3.0 создает изображения с высоким разрешением – 1024 х 1024 пикселей, – при этом может синтезировать картинки с выбранным соотношением сторон. Для обучения нейросети разработчики использовали обновлённый датасет в размере 1,5 млрд пар «текст – изображение», содержащий данные, которые прошли многоэтапные процедуры фильтрации, что в итоге привело к заметному повышению качества генераций.
Александр Ведяхин, первый заместитель председателя правления Сбербанка, отмечает:
«Технологии искусственного интеллекта могут наделить человека супервозможностями. Kandinsky – один из инструментов, предоставляющих такие возможности. Это удобная, функциональная и бесплатная нейросеть Сбера для творчества. Мы постоянно работаем над её усовершенствованием. Новая версия модели ещё лучше понимает запросы от пользователей, научилась разбираться в тонкостях русской культуры и народного творчества. Пробуйте, творите, создавайте уникальные художественные произведения, которые могут стать подарком или украсят вашу коллекцию».
Пользователи нейросети Kandinsky 3.0 также могут создавать видеоролики по текстовому описанию в режиме анимации. По одному запросу генерируется видео длиной в четыре секунды c выбранным эффектом анимации, с частотой 24 кадра в секунду и разрешением 640 x 640 пикселей. Синтез одной секунды видео в среднем занимает около 20 секунд. Для расширения возможностей базовой модели были реализованы разные виды анимации изображений, что позволило перемещать объекты, приближать и отдалять их, оживлять статику всеми возможными способами. В основе режимов анимации лежит функция перерисовки изображения по текстовому описанию (image2image).
Kandinsky 3.0 понимает запросы более чем на 100 языках, а пользователи могут создавать изображения в неограниченном количестве стилей.
Модель разработали и обучили исследователи Sber AI при партнtрской поддержке учtных из Института искусственного интеллекта AIRI на объединённом датасете Sber AI и компании SberDevices.
Оценить возможности нейросети можно на платформе fusionbrain.ai, в Telegram, VK-ботах, на сайте rudalle.ru. Модель работает в сервисе GigaChat, доступна в мобильных приложениях, а также на умных устройствах по голосовой команде «Запусти художника». Сгенерировать анимационные видеоролики можно в телеграм-боте – для этого нужно оставить заявку на доступ.