ثبات AI د سټیبل ویډیو ډیفیوژن په نوم د ماشین زده کړې ماډل خپور کړی چې کولی شي له عکسونو څخه لنډ ویډیوګانې رامینځته کړي. ماډل د مستحکم ډیفیوژن پروژې وړتیاوې پراخوي، مخکې د جامد عکسونو ترکیب پورې محدود و. د عصبي شبکې روزنې او د عکس تولید وسیلو لپاره کوډ د PyTorch چوکاټ په کارولو سره په Python کې لیکل شوی او د MIT جواز لاندې خپور شوی. دمخه روزل شوي ماډلونه د اجازې تخلیقي ML OpenRAIL-M جواز لاندې خلاص دي ، د سوداګریزې کارونې اجازه ورکوي.
د ډاونلوډ لپاره دوه ماډل اختیارونه شتون لري: د ورکړل شوي جامد عکس پراساس د 14x576 ریزولوشن سره د 1024 چوکاټونو رامینځته کولو لپاره SVD (Stable Video Diffusion) او SVD-XT د 25 چوکاټونو تولید لپاره. دا ممکنه ده چې پرته له حرکت څخه ویډیو تولید کړئ یا د خورا ورو کیمرې گردش سره ، له 4 ثانیو څخه ډیر دوام نلري. د طبیعي ژبې متن توضیحاتو پراساس مستقیم ماډل کنټرول لاهم نه دی ملاتړ شوی ، مګر تاسو کولی شئ لومړی د زاړه سټیبل ډیفیوژن 2.1 ماډل په کارولو سره اصلي عکس چمتو کړئ او بیا یې د SVD ماډل په کارولو سره ویډیو ته واړوئ.
د ویډیو کیفیت لاهم مثالی فوټوریالیزم نه وړاندې کوي او د مخونو او خلکو سم ریډرینګ تضمین کوي. د فعالیت په شرایطو کې، وړاندیز شوی خلاص ماډل د رن وے او پیکا لابراتوار څخه د ملکیت انالوګونو څخه مخکې دی. ماډل په اسانۍ سره د مختلفو ستونزو د حل لپاره تطبیق کیدی شي، د بیلګې په توګه، دا د درې اړخیزو ارقامو جوړولو لپاره کارول کیدی شي.
برسیره پردې، موږ کولی شو د ویډیو-LLaVA ماشین زده کړې وسیلې خپرونه یادونه وکړو، کوم چې تاسو ته اجازه درکوي د یو شی یو متحد بصری نمایندګۍ رامینځته کړئ، چې د روزنې پرمهال د شیانو د عکسونو او ویډیو ریکارډونو په ورته وخت کې د کارولو پراساس رامینځته کیږي. سیسټم کارول کیدی شي، د بیلګې په توګه، په انځورونو او ویډیوګانو کې د ورته شیانو شتون پیژندلو لپاره. کوډ په Python کې لیکل شوی او د اپاچي 2.0 جواز لاندې ویشل شوی.
سرچینه: opennet.ru
