La IA de video de Avataar está optimizada para la escala de India: más rápida, barata y culturalmente consciente

La producción de modelos de IA de India ha sido lenta comparada con Estados Unidos, Europa y China. Solo algunas pocas startups están lanzando modelos, y la mayoría de ellos son modelos de lenguaje grande o modelos de voz. Para alentar más desarrollo, el gobierno lanzó la Misión de IA de India, una iniciativa de aproximadamente 1.200 millones de dólares que, entre otras cosas, da acceso seleccionado a startups a computación GPU subsidiada a cambio de liberar sus modelos públicamente.

Una de las 12 startups seleccionadas para el programa, Avataar AI, ha lanzado un nuevo modelo de video llamado Varya que está construido para entender el contexto local, como identificar diferentes festivales, comida y ropa.

La startup respaldada por Peak XV, que se enfoca en crear herramientas de video para comercio electrónico, no construyó Varya desde cero. Comenzó con Wanx 2.2, un modelo de generación de video disponible públicamente lanzado por Alibaba, y utilizó una técnica llamada destilación, esencialmente comprimiendo las capacidades del modelo en una versión más delgada y rápida optimizada para los casos de uso específicos de Avataar. El resultado es un modelo que se ejecuta en cuatro pasos en lugar de 50 de Wanx 2.2, produciendo video 10 veces más rápido y a una fracción del costo.

Para ponerlo en términos concretos: usando una GPU NVIDIA H200, Varya puede generar un clip de 720p de 5 segundos en 45 segundos, en comparación con 1.230 segundos para Wanx 2.2.

El aspecto más sorprendente de Varya puede ser su precio. La empresa planea cobrar ₹0.48 (0,005 dólares estadounidenses) por segundo de video en su servicio alojado, mucho más barato que modelos como Veo, Kling, Luma y Runway, que típicamente cobran 0,10 dólares o más por segundo. Eso es aproximadamente una diferencia de precio de 20 veces.

"India es un mercado impulsado por video. Vemos esto en todos los productos grandes de internet de consumo en India: el video gana sobre el texto. Los modelos de video de IA actuales son demasiado caros para uso a escala de población en India. Si la IA de video va a llegar a estudiantes, maestros, PyMES, creadores, empresas y servicios públicos, los costos tienen que bajar dramáticamente. El costo es el mayor desbloqueo para la adopción de IA en India", dijo a TechCrunch el director gerente de Peak XV, Rajan Anandan.

Los modelos de generación de imagen y video a menudo pierden matices culturales y producen resultados estereotipados o genéricos, un problema que TechCrunch ha reportado antes. Avataar AI dice que su modelo es entrenado en datos locales curados para mejorar la representación de la diversidad cultural india.