💰TechCrunch AI•較早收集於 3h
Avataar 推出針對印度市場、具文化感知且高性價比的影片 AI
💡每秒僅 0.005 美元的超低成本影片生成,並針對區域文化細微差別進行了優化。
⚡ 30-Second TL;DR
有什麼變化
推出針對印度市場規模優化的蒸餾影片模型
為什麼重要
這種激進的定價模式可能會大幅降低新興市場創作者與企業採用生成式影片工具的門檻,並凸顯了專注於特定區域 AI 模型的趨勢。
下一步行動
若您的專案需要大量影片生成,且成本效益與區域文化背景至關重要,請評估使用 Avataar 的 API。
誰應關注:Developers & AI Engineers
關鍵要點
- •推出針對印度市場規模優化的蒸餾影片模型
- •影片生成定價為每秒 0.005 美元
- •強調文化感知能力,以更好地服務當地客群
🧠 深度解析
Web-grounded analysis with 11 cited sources.
🔑 增強重點摘要
- •Avataar 的新影片生成模型 Varya 獲得了印度 AI 任務 (IndiaAI Mission) 的支持,並利用補貼的計算基礎設施進行開發,這突顯了印度政府對本土 AI 策略的推動與支持。
- •Varya 模型在效率上實現了顯著提升,將影片生成步驟從 50 步減少到僅 4 步,根據內部基準測試,其效率比多個領先的全球影片模型高出 10 倍以上。
- •Avataar 的執行長 Sravanth Aluru 強調,印度 AI 的機會將由高效模型而非僅僅是最大模型來定義,這與印度「節儉創新」的理念相符。
- •Varya 將在 AI Kosh 平台上提供,開放給開發者進行調整或在此基礎上進行開發,旨在促進印度更廣泛的 AI 生態系統發展。
- •在推出 Varya 之前,Avataar 的核心業務專注於為電子商務提供 3D 擴增實境 (AR) 購物體驗,透過深度學習 AI 將 2D 圖像/影片大規模轉換為 3D,並擁有超過 10 項美國專利。
🛠️ 技術深入
- Varya 是一款「蒸餾影片生成模型」,這是一種機器學習中的模型壓縮技術,其中一個緊湊的「學生」模型複製了較大、較慢的「教師」模型的輸出,在傳輸能力的同時消除了冗餘計算。
- 該模型將影片生成步驟從 50 步大幅減少到僅 4 步,實現了超過 10 倍的效率提升。
- 蒸餾影片擴散模型旨在減少去噪步驟,同時保持時間連貫性和語義對齊。
- 這些模型利用合成數據集構建,結合對抗分佈和分數匹配損失,將高保真教師模型蒸餾成高效的學生模型。
- 這種方法解決了訓練/推斷不匹配和時間一致性挑戰,為更快、更高品質的影片合成鋪平了道路。
- 對於影片生成,蒸餾模型能夠在處理請求時更快地保持跨幀的時間一致性、處理複雜運動並渲染詳細視覺效果。
- Varya 透過使用本地訓練數據來理解印度的節慶、食物和風格,展現了文化感知能力。
- Avataar 的整體平台採用深度學習 AI 驅動的方法,並擁有超過 10 項美國專利,專注於將 2D 圖像/影片轉換為 3D。
🔮 前景展望AI analysis grounded in cited sources
Avataar 的 Varya 將顯著促進印度 AI 影片創作的普及化。
其每秒 0.005 美元的低成本和高效率,使先進的影片生成技術能被更廣泛的創作者和企業所利用,包括預算有限的群體。
Varya 的推出將加速印度本土 AI 的發展,並減少對全球模型的依賴。
Varya 在印度 AI 任務的支持下,利用補貼的計算資源開發,體現了印度為本地用例構建高效、文化相關的基礎 AI 技術的策略。
Avataar 對文化敏感度的重視將為多元市場的 AI 內容生成樹立新標準。
透過訓練本地印度數據以理解特定的文化細微差別,Varya 彌補了全球 AI 模型在捕捉豐富多元傳統方面的不足,可能影響其他文化豐富地區未來的 AI 發展。
⏳ 時間線
2014
Avataar 成立,由 Gaurav Baid 和 Sravanth Aluru 等人共同創立。
2015-12
Avataar 完成首輪融資。
2020-10
Avataar 完成 700 萬美元的 A 輪融資,由 Peak XV Partners (前身為 Sequoia Capital India) 領投。
2021-12
Avataar 完成 4500 萬美元的 B 輪融資,由 Tiger Global 領投,Peak XV Partners 參與。
2025-01
Avataar 的「Velocity」工具被報導,該工具利用 AI 從產品連結生成產品影片,並吸引了 HP、Victoria's Secret 和 Lowe's 等主要品牌。
2026-06
Avataar 推出 Varya,這是印度首個蒸餾影片模型,並獲得了印度 AI 任務的支持。
📎 來源 (11)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: TechCrunch AI ↗
