Sber、話すアバター生成AI「Kandinsky Avatar 1.0」を公開

MITライセンスで商用利用可

コードと重みはMITライセンスでGitHub、GitVerse、Hugging Faceに公開された。無料でダウンロードでき、商用製品にも組み込める。Sberは外部のAIツールとの連携対応も計画しており、自社サービスにもアバターを導入する方針だ。

モデルは動画生成モデル「Kandinsky 5.0 Video」をベースにし、ProとLiteの2種類がある。ProはHD解像度で、Sberの社内比較では商用サービスHeyGenと同等の品質で、試した他のオープンモデルを上回るという。Liteは性能の低い環境向けで、家庭用GPUでも動作するがSD解像度となる。学習には100万を超える動画クリップを使い、ロシア語、英語、カザフ語、スペイン語、フランス語など95言語のインタビューや講演、ポッドキャストを含む。

想定される用途

Sberはブロガー向けの仮想ホスト、デジタル講師による教育コンテンツ、顧客対応の仮想アドバイザー、口の動きを合わせた動画ローカライズ、ゲームやアニメのキャラクター、動画カードなどを挙げた。

Sberのデータ研究担当マネージングディレクター、デニス・ドミトロフ氏は、ロシアの開発者が一から技術を作らずに自社製品へ組み込み、追加学習できる基盤を提供するのが狙いだと述べた。開発者からのフィードバックは今後のKandinskyの改良に生かす考えだ。