Sber ने Kandinsky Avatar 1.0 खोला, फोटो से बनेंगे बोलते वीडियो अवतार
Sber ने Kandinsky Avatar 1.0 सार्वजनिक किया है। यह मॉडल फोटो और आवाज़ की रिकॉर्डिंग से एक मिनट तक के बोलते वीडियो अवतार बनाता है।
रूसी बैंकिंग समूह Sber ने Kandinsky Avatar 1.0 का एक्सेस खोल दिया है। यह न्यूरल नेटवर्क मॉडलों का ऐसा परिवार है, जो एक फोटो और आवाज़ की रिकॉर्डिंग से बोलते वीडियो अवतार तैयार करता है। कंपनी के मुताबिक वीडियो एक मिनट तक लंबे हो सकते हैं और 24 फ्रेम प्रति सेकंड पर बनते हैं।
तकनीक होंठों की गति को बोले गए शब्दों से मिलाती है। इसके अलावा यह चेहरे के हाव-भाव, सिर के घुमाव और हाथों के इशारे अपने आप जोड़ती है। वीडियो बनाने के लिए फोटो, ऑडियो और दृश्य का छोटा टेक्स्ट विवरण चाहिए। अवतार की भावना, जैसे खुशी, उदासी या गुस्सा, टेक्स्ट कमांड से तय की जा सकती है। आवाज़ उसी भाषा में चलती है जिसमें ऑडियो रिकॉर्ड हुआ है। Sber ने साफ किया कि मॉडल आवाज़ न बनाता है, न क्लोन करता है; ऑडियो उपयोगकर्ता को खुद देना होगा।
MIT लाइसेंस के तहत कोड और वेट
कोड और वेट खुले MIT लाइसेंस के तहत GitHub, GitVerse और Hugging Face पर उपलब्ध हैं। डेवलपर इन्हें मुफ्त डाउनलोड करके व्यावसायिक प्रोजेक्ट में भी इस्तेमाल कर सकते हैं। कंपनी लोकप्रिय थर्ड-पार्टी न्यूरल नेटवर्क टूल्स में इंटीग्रेशन का समर्थन करने की योजना बना रही है और अवतार को अपनी सेवाओं में भी जोड़ेगी।
सिस्टम Kandinsky 5.0 Video पर आधारित है और दो संस्करणों में आता है। Pro HD रिज़ॉल्यूशन में वीडियो बनाता है। Sber की आंतरिक तुलना के अनुसार इसकी गुणवत्ता कमर्शियल सेवा HeyGen के स्तर की है और परखे गए ओपन विकल्पों से बेहतर है। Lite कम शक्तिशाली हार्डवेयर के लिए है और घरेलू ग्राफिक्स कार्ड पर चल सकता है, पर वीडियो SD रिज़ॉल्यूशन में बनते हैं।
प्रशिक्षण में दस लाख से ज़्यादा वीडियो खंड इस्तेमाल हुए, जिनमें 95 भाषाओं के इंटरव्यू, भाषण और पॉडकास्ट शामिल हैं। इनमें रूसी, अंग्रेज़ी, कज़ाख, स्पेनिश और फ्रेंच हैं।
संभावित उपयोग
Sber ने ब्लॉगरों के लिए वर्चुअल होस्ट, डिजिटल शिक्षकों वाले ऑनलाइन कोर्स, ग्राहकों के लिए वर्चुअल सलाहकार, आर्टिक्यूलेशन सिंक वाला वीडियो लोकलाइज़ेशन, गेम और एनिमेशन के किरदार, और वीडियो ग्रीटिंग जैसे उपयोग गिनाए हैं। Sber के डेटा रिसर्च प्रमुख डेनिस दिमित्रोव के अनुसार मॉडल इसलिए खोला गया है कि रूसी डेवलपरों के पास अपनी तकनीकी नींव हो और वे शुरुआत से तकनीक बनाए बिना उसे अपने उत्पादों में जोड़कर फाइन-ट्यून कर सकें। कंपनी डेवलपरों की प्रतिक्रिया Kandinsky के अगले संस्करणों में इस्तेमाल करना चाहती है।
देखने लायक ऐप्स
SUMO: नंबर पज़लसही खाने चुनें, जोड़ें, लक्ष्य तक पहुँचें। सीखना आसान, महारत मुश्किल। मुफ़्त, हर उम्र के लिए।
Dialo: बोलकर भाषाएँ सीखेंAI बातचीत साथी से बात करें; हर वाक्य सुधरकर आपकी भाषा में समझाया हुआ लौटता है। 9 भाषाएँ, A1 से C2 तक।
ediviewer: EDI फ़ाइलें दस्तावेज़ की तरह पढ़ेंEDIFACT और X12 संदेश खोलें, हर सेगमेंट की व्याख्या देखें, JSON/XML में बदलें, PDF और Excel में निर्यात करें। स्थानीय रूप से चलता है, कोई अपलोड नहीं।
इसी दिन की और ख़बरें
सभी देखें →
Binance का $6.3 अरब का हैक फर्जी जॉब इंटरव्यू से शुरू हुआ
Google ने AI ठुकराने वाले स्कूलों में Search पूरी तरह बंद किया
Gallium Defense को 7.1 मिलियन यूरो की सीड फंडिंग, ड्रोन रडार
