Модель под названием Lemon Slice-2 способна создавать цифрового аватара, который, опираясь на базу знаний, может исполнять любую роль, требуемую от AI-агента: отвечать на вопросы клиентов, помогать с домашними заданиями или даже выступать в качестве консультанта по вопросам психического здоровья.
“На заре развития GenAI мои соучредители начали экспериментировать с различными видеомоделями, и нам стало очевидно, что видео станет интерактивным. Привлекательность таких инструментов, как ChatGPT, заключалась в их интерактивности, и мы хотим, чтобы видео обладало этим уровнем”, — заявила соучредитель Лина Колуччи.
В Lemon Slice утверждают, что это модель с 20 миллиардами параметров, способная работать на одном GPU для потоковой передачи видео со скоростью 20 кадров в секунду. Компания предоставляет модель через API и встраиваемый виджет, который компании могут интегрировать в свои сайты с помощью одной строки кода. После создания аватара можно в любой момент изменить фон, стиль и внешний вид персонажа.
Помимо человекоподобных аватаров, компания также уделяет внимание созданию нечеловеческих персонажей для различных нужд. Стартап использует технологию ElevenLabs для генерации голосов этих аватаров.
Компания Lemon Slice, основанная в 2024 году Линой Колуччи, Сидни Примасом и Эндрю Вайцем, делает ставку на то, что использование собственной модели диффузии общего назначения (тип генеративной модели, которая учится работать в обратном направлении от зашумленных обучающих данных для генерации новых данных) для создания аватаров выделит ее среди конкурентов.
“Существующие решения для создания аватаров, которые я видела до сих пор, скорее снижают ценность продукта, — говорит Колуччи. — Они жуткие и неестественные. Они хорошо выглядят в течение нескольких секунд, но как только вы начинаете взаимодействовать с ними, возникает ощущение чего-то странного, и это не расслабляет. Причина, по которой аватары так и не получили широкого распространения, заключается в том, что они недостаточно хороши”.
Для финансирования этих усилий компания во вторник объявила о привлечении 10,5 миллионов долларов в рамках посевного финансирования от Matrix Partners, Y Combinator, технического директора Dropbox Араша Фердовси, генерального директора Twitch Эмметта Шира и The Chainsmokers.
Компания заявляет, что у нее есть меры предосторожности для предотвращения несанкционированного клонирования лица или голоса, и что она использует большие языковые модели для модерации контента.
Lemon Slice не называет организации, использующие ее технологию, но заявляет, что модель применяется в таких областях, как образование, изучение языков, электронная коммерция и корпоративное обучение.
Стартап сталкивается с жесткой конкуренцией со стороны таких стартапов, занимающихся генерацией видео, как D-ID, HeyGen и Sythesia, а также других создателей цифровых аватаров, таких как Genies, Soul Machine, Praktika и AvatarOS.
Илья Сухарь, партнер Matrix, считает, что аватары будут полезны в тех областях, где широко используется видео. Например, людям нравится учиться по YouTube, а не читать длинные тексты. Он отметил, что техническое мастерство и собственная воля Lemon Slice дадут ей преимущество перед другими стартапами.
“Это глубоко техничная команда с опытом поставки ML-продуктов, а не просто демонстраций и исследований. Многие другие игроки ориентированы на конкретные сценарии или вертикали, а Lemon Slice использует обобщенный “горький урок” масштабирования (данных и вычислений), который сработал в других AI-модальностях”, — сказал он.
Джаред Фридман из Y-Combinator считает, что использование модели диффузионного типа позволяет Lemon Slice генерировать любые виды аватаров, в отличие от некоторых других стартапов, которые сосредоточены либо на человекоподобных аватарах, либо на аватарах игровых персонажей.
“Lemon Slice, я считаю, единственная компания, использующая фундаментальный подход ML, который в конечном итоге сможет преодолеть эффект “зловещей долины” и пройти тест Тьюринга для аватаров. Они обучают ту же модель, что и Veo3 или Sora: видеодиффузионный трансформер. Поскольку это модель общего назначения, которая выполняет все от начала до конца, у нее нет потолка в том, насколько хорошей она может стать; другие достигают пика ниже фотореалистичного уровня. Она также работает как для человеческих, так и для нечеловеческих лиц и требует только изображение, чтобы добавить новое лицо”, — сказал он.
В настоящее время в стартапе работает восемь сотрудников, и он планирует использовать средства для найма инженерного и коммерческого персонала, а также для оплаты счетов за вычислительные мощности для обучения своих моделей.
(*) Имейте ввиду, редакции некоторых западных изданий придерживаются предвзятых взглядов в освящении некоторых новостей, связанных с Россией.
8/6
Автор – Ivan Mehta
