Нейросеть от Сбера Kandinsky 2.1 - шах и мат Midjourney и Stable Diffusion

Нейросеть от Сбера для генерации изображений Kandinsky 2.1 стала самым быстрорастущим сервисом в мире, достигнув 1 млн уникальных пользователей всего за 4 дня, и 2 млн пользователей за 6 дней. Напомню, что это быстрее результата сервиса ChatGPT от OpenAI, которому потребовалось пять дней, чтобы набрать 1 млн пользователей.

(смотреть видео-формат этой статьи)

Если брать техническую часть, то Kandinsky 2.1 — это обновленное поколение нейросети Kandinsky 2.0 для генерации картинок, которую Сбер запустил летом 2022 года. Новая модель сильно улучшена, она была обучена на 170 миллионах связок «текст-изображение». Kandinsky 2.1 содержит 3,3 миллиарда параметров, в то время как предыдущая модель Kandinsky 2.0 содержала только 2 миллиарда.

Основное отличие Kandinsky 2.1 от ее основных конкурентов Midjourney, Stable Diffusion и DALL-E, в том, что она способна понимать более 100 языков, включая русский, а также в том, что ее можно попробовать сразу на нескольких платформах:

• сберовской облачной платформе ML Space
• на fusionbrain.ai
• На сайте Rudalle
• в Telegram-боте
• а также в мобильном приложении Салют и на умных устройствах Sber при помощи команды «Запусти художника»

Что нейросеть Kandinsky 2.1 умеет делать?

• самая стандартная функция - сгенерировать изображение на основе текстового запроса. Причем можно выбрать более 20 вариантов стилей, от ренессанса и классицизма до реальных 3д фотографий, киберпанка и советских мультфильмов
• нейросеть умеет смешивать несколько рисунков в один
• может дорисовывать изображения
• а также создать картину в режиме бесконечного полотна

Все четыре режима генерации пока доступны только в телеграм боте

Периодически в некоторых случаях нейросеть может не сработать, часто приходится долго ждать пока будет сгенерировано изображение, иногда появляются ошибки и на сайтах, и в телеграм-боте. Сбер объясняет это большой нагрузкой на сервис.

Из минусов - все картинки генерируются в разрешении 768 × 768 пикселей. Большее разрешение выставить нельзя, хотя современные нейросети уже рисуют картинки качественнее.

Как и в большинстве нейросетей, у Кандинского тоже иногда возникают проблемы при генерировании изображений людей, особенно если их несколько на картинке, и особенно прорисовка их пальцев, и когда они смотрят не прямо на вас, а в профиль.

Таким образом, если резюмировать, Kandinsky 2.1. - достаточно интересная нейросеть , которая может составить вполне себе конкуренцию Midjourney, Dall-E и Stable Diffusion.

Из плюсов - то что можно вводить промпты на русском языке и еще 100 других. Кроме того, нейросеть можно использовать через телеграм бот или даже голосовго помощника Сбера.

Из минусов - изображения относительно невысокого разрешения, прорисовка людей в определенных стилях, особенно если на картинке несколько персонажей, иногда оставляет желать лучшего.

Но в целом первое впечатление положительное, думаю буду пользоваться и дальше.

***

О том как использовать инструменты на основе Искусственного интеллекта в личной жизни, карьере и бизнесе, я рассказываю в своих книгах:

Chat GPT и Революция Искусственного Интеллекта

Искусственный интеллект и Машинное обучение. Основы программирования на Python