Kandinsky 5.0
PulseAugur coverage of Kandinsky 5.0 — every cluster mentioning Kandinsky 5.0 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Kandinsky S2V 1.0：开源音频驱动的虚拟形象视频生成模型发布
研究人员推出了 Kandinsky S2V 1.0，这是一个新系列的开源模型，专为生成由音频驱动的人类虚拟形象视频而设计。这些模型有 Lite（20亿参数）和 Pro（210亿参数）版本，可以根据单个参考图像、语音波形和文本提示，生成具有同步唇部运动、表情和手势的长视频。评估显示，Kandinsky S2V 1.0 Pro 在性能上可与领先的开源和专有模型相媲美，甚至更优，尤其是在唇部同步方面。该项目还包括用于加速生成的蒸馏版本，并根…
-
AI图像生成：结构化方法确保游戏组件和角色系列的连贯性
本文讨论了一种结构化的方法，用于管理棋盘游戏组件的图像生成以及AI生成系列中角色的一致性描绘。对于游戏组件，它强调在生成插图之前创建组件、其角色和强制性视觉属性的注册表，以确保清晰度并防止混淆。对于角色一致性，它提出了一种“角色护照”，详细说明了服装、年龄和特定的禁止细节等不变特征，以及姿势和背景等元素的定义更改顺序。该方法旨在为接受或拒绝AI生成的图像提供可验证的基础，确保主题的连贯性和单个元素的独特性。
-
Kandinsky 5.0 对比 GPT Image 2 和 Nano Banana 2：俄语提示理解力比较
一项文本到图像模型的比较显示，尽管 GPT Image 2 和 Nano Banana 2 在盲人评分的通用图像生成方面处于领先地位，但它们在俄罗斯用户的使用方面存在可访问性问题。Sber AI 开发的 Kandinsky 5.0 因其对俄语提示的原生理解以及包含“俄罗斯文化代码”数据集而受到关注，该数据集有助于生成具有文化特性的图像和可读的西里尔字母文本。然而，由于不同的工程方法，直接比较变得复杂，例如 OpenAI 的提示重写和 …