Netflix выпустил Void (Video Object and Interaction Deletion) — новую нейросеть с открытым исходным кодом, которая меняет правила игры в видеомонтаже. В отличие от привычных инструментов ретуши, система не просто «заплатывает» дыры в кадре, а заново пересчитывает физику взаимодействия между оставшимися объектами.
Цифровая физика и эффект домино
Главная сила Void заключается в понимании причинно-следственных связей. Когда из видео исчезает предмет, служивший опорой, остальные элементы сцены реагируют на это мгновенно и реалистично. Разработчики продемонстрировали это на наглядных примерах: волчок продолжает вращаться сам по себе после удаления державшей его руки, а подушки восстанавливают форму, как только с них «стирают» тяжелый груз. В сцене с цепной реакцией домино падение костяшек замирает ровно в той точке, где монтажер убрал промежуточное звено.
Самым эффектным тестом стала симуляция аварии. При удалении одного из автомобилей в момент лобового столкновения Void полностью перестраивает траекторию второй машины. Вместо того чтобы врезаться в невидимую преграду, автомобиль просто едет дальше по пустой дороге. Это доказывает: модель не просто заполняет пиксели, а анализирует логику происходящего в пространстве.
Архитектура и профессиональный пайплайн
В основе Void лежит двухэтапный процесс. Сначала нейросеть генерирует физически правдоподобную версию сцены, а затем использует технологию flow warped noise для стабилизации движения и удаления визуального мусора. В качестве фундамента разработчики использовали открытые модели CogVideoX и Vase.
Технология обещает избавить VFX-специалистов от изнурительного ручного ротоскопирования и сложной настройки физических симуляций. Режиссеры смогут использовать Void для создания черновых монтажей, чтобы быстро проверять идеи перед тем, как отдавать материал в дорогую финальную обработку. Пока возможности инструмента ограничены коротким хронометражем клипов и разрешением до 1080p, но потенциал для индустрии огромен.
ИИ-гонка в кинопроизводстве
Netflix открывает исходный код Void, рассчитывая привлечь таланты и развить собственную экосистему, пока конкуренты сталкиваются с юридическими сложностями. Например, глобальный запуск новой версии популярной нейросети от крупных игроков рынка в США сопровождается жесткими фильтрами на генерацию лиц. Параллельно с этим индустрия обсуждает успехи локальных моделей, оптимизированных для работы даже на смартфонах.
Профессиональное сообщество постепенно адаптируется к новым реалиям: генерация кадров все чаще отделяется от финального апскейлинга и цветокоррекции. Инструменты вроде Void становятся важным звеном в цепочке производства, где сохранение исходного качества данных остается приоритетом, а нейросети берут на себя самую трудоемкую и монотонную работу.
