Сбер открыл под MIT код и веса Kandinsky S2V 1.0

Сбер выложил в открытый доступ Kandinsky S2V 1.0: код, веса и интеграцию с Diffusers распространяют по лицензии MIT. Это семейство моделей для создания говорящих аватаров: на вход подаются изображение, аудио и текстовое описание, а на выходе получается видео с синхронизацией речи, мимики, позы и жестов.

В линейке две версии: Lite на 2 млрд параметров и Pro на 21 млрд. На официальной странице также указаны ускоренные варианты π-Flow и заявленная скорость генерации до 25 fps.

Для пользователей Nodul это скорее базовый компонент, чем готовый сервис: модель можно встроить в локальный видеопайплайн через Diffusers, связав её со сценарием, озвучкой и публикацией. Но без собственной GPU-инфраструктуры возможности будут ограничены, особенно если нужен Pro-вариант.