Генерируем все из всего 🤖

Опять случается какой-то наплыв интересных нейросетевых релизов.

➡️Microsoft выкатили CoDi, которая обучена на 100 миллионах роликов с youtube и умеет генерировать любую комбинацию модальностей (картинка/текст/видео/звук) по любой входящей комбинации.

🤯То есть можно из текста получить картинку, из картинки видео, из картинки аудио, из аудио текст и так в любых сочетаниях.

Ознакомиться с примерами можно здесь, а код и руководство по установке лежат здесь.