Это вам не DALL-E 2: Google представила нейросеть, которая создаёт HD-видео по текстовому описанию

Компания Google решила не отставать от тренда, касающегося нейросетей. Её новая система под названием Imagen Video создаёт видео по текстовому описанию, причём в довольно высоком качестве.

^[1]

Система может создавать ролики длительностью до 5 секунд в разрешении 1280 на 768 пикселей. компания пока не публикует исходные коды системы и не открывает доступ к ней, чтобы избежать появления шокирующего или непристойного контента.

По данным источника, новая система умеет работать в разных стилях. В частности, она умеет имитировать стили художников и создавать вращающиеся 3D-объекты, причём их форма сохраняется по мере вращения.

Нейросеть обучали на десятках миллионов фотографий, видео и текстовых описаний. При подаче текстового запроса система генерирует исходный прототип видео из 16 кадров с разрешением 24×48 пикселей и частотой 3 кадра в секунду. После этого другая система увеличивает разрешение до 1280 на 768 пикселей и 5 секунд.

Результаты работы доступны на сайте проекта ^[2]. А ранее разработчики из компании Meta* представили ^[3] новую нейросеть под названием Make-A-Video, которая тоже умеет создавать видео по текстовому описанию.

* Meta признана экстремистской организацией на территории РФ

Источник ^[4]