سبير تطلق Kandinsky 6 Image: مولد الصور أصبح أسرع وتعلم استعادة الصور

قام سبير بتحديث نموذجه للعمل مع الصور ودمج Kandinsky 6 Image في GigaChat. تركز النسخة الجديدة ليس فقط على توليد الصور من النص، بل أيضاً على التحرير الكامل: من استعادة الصور القديمة إلى التحرير الدقيق للتفاصيل الفردية وتجهيز الصور للرسوم المتحركة اللاحقة.

ما الذي تغير

يتوفر Kandinsky 6 Image مباشرة داخل GigaChat، وبالنسبة للمستخدمين فهذا ربما أهم تغيير عملي. يمكن استخدام النموذج مجاناً وبدون حدود لعدد المهام، مما يعني أن هذا ليس عرضاً لمرة واحدة للقدرات، بل خدمة مصممة للاستخدام المنتظم. وفقاً لسبير، أصبحت النسخة الجديدة أسرع بمرتين من السابقة، وتتعامل بشكل أفضل مع الطلبات المعقدة، وتنتج صوراً أكثر تفصيلاً.

هذا مهم ليس فقط لمن يحبون التجريب مع التعليمات. كلما أسرع النموذج في الرد وكلما حافظ على التفاصيل بدقة أكبر، اقترب من كونه أداة يومية للمصممين والمسوقين وأصحاب المتاجر الصغيرة ومنشئي المحتوى. في هذه السيناريوهات، ما يهم ليس التوليد كدالة مثيرة، بل نتيجة يمكن التنبؤ بها يمكن استخدامها في منشور أو بطاقة منتج أو لافتة أو عرض تقديمي دون تعديلات واسعة.

من الناحية التقنية، حصل النموذج على معمارية Mixture of Experts. هذا هو النهج الذي لا يتم فيه تفعيل الشبكة العصبية بأكملها لكل طلب، بل فقط الأجزاء الضرورية. بالنسبة للمستخدم، هذا يترجم ليس إلى مقاييس مجردة، بل إلى معالجة أسرع وأخطاء أقل في السيناريوهات المعقدة حيث يتعين الحفاظ على شروط كثيرة في نفس الوقت: الأسلوب والتكوين والشخصيات والملابس والخلفية والأشياء الصغيرة في الإطار.

سيناريوهات جديدة

الفرق الرئيسي بين Kandinsky 6 Image ومولد الصور العادي هو مجموعة متسعة من أدوات التحرير. الآن يغطي النموذج المزيد من المهام التي كان يتعين حلها سابقاً في عدة تطبيقات أو يدويًا، خاصة إذا كان المستخدم بحاجة ليس إلى اختراع صورة من الصفر، بل إلى تحسين إطار موجود بعناية. التركيز هنا واضح على السيناريوهات اليومية، وليس فقط على إظهار القدرات التكنولوجية في مقاطع فيديو ترويجية للمستخدمين العاديين والفرق.

• استعادة الصور الفوتوغرافية القديمة
• تنميط الصور وفقاً لتنسيقات بصرية مختلفة
• جلسات تصوير عصبية بناءً على صور المستخدم
• تغيير الملابس والخلفية في الصور
• التحرير والمكياج الافتراضي

يؤكد سبير على حدة أن التعديلات المحلية أصبحت أكثر دقة. هذه نقطة مهمة لكل من يعملون ليس على التوليد من الصفر، بل على تحرير صورة مكتملة بالفعل. في مثل هذه المهام، يحتاج المستخدمون عادة إلى تغيير جزء واحد من الصورة دون تدمير كل شيء آخر. إذا كان النموذج يحافظ فعلاً على المشهد الأصلي بشكل أفضل ويجري تغييرات على العناصر الفردية بعناية أكبر، فهذا يجعله أكثر فائدة بكثير للاستخدام اليومي والتجاري.

البحث والرسوم المتحركة

ابتكار آخر جدير بالملاحظة هو البحث عن الصور المدمج. إذا لم يعرف النموذج كيف يبدو الشخصية أو الكائن الذي يطلبه المستخدم، يمكنه البحث بشكل مستقل عن عينة مرجعية بصرية. من الناحية العملية، يجب أن يقلل هذا من عدد الأخطاء في الحالات التي يكون فيها الوصف النصي غير كافٍ أو حيث تكون المراجع المحدثة مهمة، بدلاً من تفسير متوسط من بيانات التدريب.

بالنسبة للخدمات من هذه الفئة، هذه طريقة لتقليل عدد التفاصيل المختلقة وجعل النتيجة أقرب إلى توقعات المستخدم. يمكن تحريك الصور المُنشأة على الفور من خلال نموذج Kandinsky Video المرتبط، الذي يعمل بالفعل في نظام GigaChat البيئي. هذا يحول الخدمة من مولد صور بسيط إلى منشئ بصري أوسع: أولاً يحصل المستخدم على إطار ثابت، ثم يمكنه بسرعة تحويله إلى مقطع قصير متحرك دون الانتقال إلى منتج آخر.

بالنسبة لسبير، هذه خطوة أخرى نحو إدراك GigaChat كمساعد ذكاء اصطناعي عام، وليس فقط كروبوت محادثة نصي.

ماذا يعني هذا

يوضح Kandinsky 6 Image أن المنافسة في الرسوميات التوليدية تنتقل من السؤال "من يرسم الأفضل من التعليمات" إلى سيناريو أكثر تطبيقاً: من سيمنح المستخدمين مجموعة كاملة من الأدوات في نافذة واحدة. بالنسبة للسوق، هذا يعني زيادة في عدد الخدمات الشاملة حيث يتم تجميع التوليد والتحرير والبحث عن المراجع والرسوم المتحركة الأساسية في سير عمل واحد دون احتكاك غير ضروري والتنقل بين التطبيقات المختلفة لجمهور واسع.