Особенности видеогенерации нейросети Кандинский

Нейросеть Кандинский демонстрирует нестабильность при генерации видео по текстовому описанию. Модель иногда переключается на русский язык, а в некоторых случаях проявляются следы китайского языка.

Тестирование проводилось с использованием промпта: «One continuous static shot, no cuts. A person looks directly at the camera and counts from one to ten, holding up the corresponding number of fingers as they say each number». При обработке текстового запроса в видео наблюдаются языковые артефакты. Генерация из изображения также выявляет специфические особенности модели.

Особенностью Кандинского является выбор гендерных характеристик персонажей. В отличие от других генераторов, которые всегда создают женские образы по запросу person, данная модель倾向于 генерировать мужские лица, в том числе азиатской внешности.