З усіма разом
Тенцент Hunyuan та Фудан представили фреймворк для генерації групових портретів з до десяти людей, кожен із власним посиланням на обличчя. Це дозволяє маркетинговим та креативним командам швидко створювати персоналізовані зображення для реклами та соцмереж без потреби у фотосесії, скорочуючи витрати та час.
🔬 Це дослідження, а не готовий продукт: без доступного API або комерційного доступу компанія на 10-50 людей не може його впровадити, тому дії не потрібні.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Максимум 10 осіб в одному кадрі
- •Кожен персонаж має власне посилання на обличчя
- •Використовується layout chain-of-thought для планування позицій
- •Модель знаходиться на етапі навчання, випуск не гарантований
- •Призначена для генерації realistických групових портретів
Як це змінить ваш ринок?
Бренди та рекламні агенції часто витрачають значні бюджети на організацію фотосесій для рекламних матеріалів, особливо коли потрібні конкретні обличчя, етнічні характеристики або унікальні комбінації людей у групі. Логістика, підбір моделей, вибір локації та постпродакшн можуть займати тижні та коштувати десятки тисяч доларів. Цей фреймворк дозволяє генерувати таке зображення за кілька хвилин, використовуючи лише фотографії обличчя як референси. Таким чином, креативні команди можуть швидко тестувати різні концепції, варіювати одяг, освітлення та фон без додаткових витрат на логістику. Зменшення часу виготовлення з тижнів до годин робить кампанії більш гнучкими та реактивними на риночні тренди.
Визначення: Layout Chain-of-Thought (Layout CoT) — це техніка, при якій модель спочатку планує розміщення об’єктів у сцені: визначає, хто де стоїть, яке їхнє положення тіла та кут голови. Отриманий план потім подається як умова до генеративного модуля, який створює фінальне зображення, забезпечуючи відповідність індивідуальним референсям обличчя та зберігаючи природні пози. Подобний підхід зменшує кількість artefакту «плаваючих» обличчя та підвищує реалистичність результату.
Для кого це і за яких умов
Для дослідників AI та стартапів, які мають доступ до GPU з принаймні 24 ГБ пам’яті та досвід роботи з фреймворками типу PyTorch або TensorFlow. Потребує середньої IT‑підтримки для налаштування середовища, інсталяції залежностей та підготовки датасету обличчя, але не великої команди інженерів. Експериментальне впровадження може займати від 3 до 7 днів, включаючи збір та розмітку посилань на обличчя, запуск навчання (якщо потрібне fine‑tuning) та тестування генерації на зразкових запитах. Якщо фреймворк стане доступним у вигляді готового API, поріг входження зменшиться до простої реєстрації та отримання ключа доступу.
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| Midjourney | $10/міс | Веб‑платформа, Discord | Інтернет‑з’єднання, підписка | Генерує зображення за текстом, але не дозволяє точно контролювати індивідуальні обличчя в групі |
| DALL‑E 3 (API) | $0.04 за зображення | Облачний API | Ключ доступу до OpenAI | Висока якість, обмежена можливість фіксувати конкретні обличчя без додаткових масок |
| Stable Diffusion XL | Безкоштовно (з відкритим кодом) | Локально або через API | GPU 12 ГБ+, навички налаштування | Гнучкий, але вимагає додаткових технік (наприклад, ControlNet) для контролю поз та обличчя в групі |
| Tencent Hunyuan‑Fudan Framework | Дані не розкриті (режим дослідження) | Локально (після випуску) | GPU 24 ГБ+,framework‑специфічний код | Прямокероване розміщення до 10 осіб з індивідуальними референсями обличчя через layout CoT |
💬 Часті запитання
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live