Исследователи Apple представили STARFlow-V — систему для создания видео с помощью Искусственного интеллекта, которая использует принципиально иную технологию, чем популярные генераторы изображений и видео. Вместо диффузионных моделей (когда ИИ постепенно убирает шум из картинки за десятки шагов) новинка работает на основе нормализующих потоков — математического метода, который создает видео за один проход. Модель с 7 миллиардами параметров обучили на 70 миллионах пар текст-видео и 400 миллионах пар текст-изображение. Она умеет превращать текст в видео, дорисовывать картинки до полноценных роликов и даже редактировать готовые клипы.
У популярных диффузионных моделей картинка постепенно проявляется из «снега» за множество прогонов (шагов). Сначала цифровой шум, после прохода нейросети появляется какая-то визуальная информация, потом еще раз и еще, и так большое количество раз, пока не появится осмысленное изображение, соответствующее запросу. STARFlow-V работает по другому принципу, и это больше похоже на мгновенный снимок. Эта нейросеть использует обратимое математическое преобразование, которое напрямую превращает случайный шум в структурированное видео. Один проход — готово. При этом каждый следующий фрагмент видео создается на основе предыдущих, как в нормальном фильме. Диффузионные модели часто генерируют кадры независимо, из-за чего персонажи могут «дергаться» или менять внешность. У STARFlow-V такой проблемы нет — ролик получается плавным и последовательным.
По метрикам FVD (Fréchet Video Distance — показатель качества видео) и PSNR (Peak Signal-to-Noise Ratio — отношение сигнала к шуму) STARFlow-V достигает уровня лучших современных моделей. Видео выходит стабильнее и плавнее, чем у конкурентов, хотя диффузионные модели пока выигрывают в фотореализме и гибкости композиции.
Официальных требований к «железу» Apple не раскрывает, но архитектура потоковых моделей в теории менее прожорлива, чем диффузия. Можно ожидать приемлемую работу на видеокартах уровня Nvidia RTX 3000 и новее — не самая дешевая игрушка, но и не суперкомпьютер.
Для пользователей модель пока недоступна. Код выложен на GitHub, примеры работы — на starflow-v.github.io, но готового приложения нет. Разработчики могут экспериментировать уже сейчас, а массовому пользователю придется подождать. Судя по темпам внедрения других ИИ-разработок Apple (та же Apple Intelligence), до интеграции в iOS или macOS пройдет 6-12 месяцев, возможно, анонс случится в 2026 году.
STARFlow-V — это не просто научная работа, а заявка Apple на возвращение в гонку Искусственного интеллекта. Компании сейчас, после многочисленных неудач в гонке ИИ, критически важно показать технологическое лидерство. Пока Google, OpenAI и Nvidia задают тренды в генеративном ИИ, Apple делает ставку на уникальный подход: скорость, эффективность и работу прямо на устройстве без отправки данных в облако.
Если STARFlow-V окажется востребованной и Apple сможет интегрировать ее в свою экосистему — от Siri до редакторов фото и видео — компания получит шанс вернуться в топ игроков на рынке ИИ. Пока ситуация у купертиновцев не блестящая, но ведь неоднократно Apple приходила на сформированный рынок с собственным решением и меняла все.
