Stability AI dia namoaka modely fianarana milina antsoina hoe Stable Video Diffusion izay afaka mamorona horonantsary fohy avy amin'ny sary. Ny maodely dia manitatra ny fahaizan'ny tetikasa Stable Diffusion, izay voafetra ho an'ny synthesis sary static teo aloha. Ny kaody ho an'ny fiofanana amin'ny tambajotra neural sy ny fitaovana famokarana sary dia nosoratana tamin'ny Python mampiasa ny rafitra PyTorch ary navoaka teo ambanin'ny fahazoan-dàlana MIT. Ireo modely efa voaofana dia misokatra amin'ny alàlan'ny fahazoan-dàlana Creative ML OpenRAIL-M, ahafahana mampiasa ara-barotra.
Misy safidy modely roa azo alaina: SVD (Stable Video Diffusion) amin'ny famoronana sary 14 miaraka amin'ny famaha 576x1024 mifototra amin'ny sary static nomena ary SVD-XT amin'ny famoronana sary 25. Azo atao ny mamorona horonan-tsary tsy misy mihetsika na miaraka amin'ny fihodinan'ny fakantsary miadana be, maharitra tsy mihoatra ny 4 segondra. Ny fifehezana modely mivantana mifototra amin'ny famaritana lahatsoratra amin'ny fiteny voajanahary dia tsy mbola tohana, fa azonao atao aloha ny manomana ny sary tany am-boalohany amin'ny fampiasana ny maodely Stable Diffusion 2.1 taloha ary avy eo manova azy ho video amin'ny fampiasana ny maodely SVD.
Ny kalitaon'ny horonan-tsary dia tsy mbola manome fotorealisma tonga lafatra ary azo antoka ny fandikana ny tarehy sy ny olona. Eo amin'ny lafiny fampisehoana, ny modely misokatra natolotra dia mialoha ny analogue proprietary avy amin'ny Runway sy Pika Labs. Ny modely dia azo ampifanarahana mora foana amin'ny famahana olana isan-karazany, ohatra, azo ampiasaina amin'ny famolavolana tarehimarika telo.
Ho fanampin'izay, azontsika atao ny manamarika ny famoahana ny fitaovana fianarana milina Video-LLaVA, izay ahafahanao mamorona fanehoana maso mitambatra amin'ny zavatra iray, miforona mifototra amin'ny fampiasana sary sy fandraketam-peo miaraka amin'ny zavatra mandritra ny fiofanana. Ny rafitra dia azo ampiasaina, ohatra, hamantatra ny fisian'ny zavatra mitovy amin'ny sary sy horonan-tsary. Ny kaody dia nosoratana tamin'ny Python ary zaraina amin'ny alàlan'ny lisansa Apache 2.0.
Source: opennet.ru
