Kandinsky Lab выложила в открытый доступ семейство моделей Kandinsky 6.0 Video. Они генерируют ролики с синхронным звуком, а в «ГигаЧате» такая генерация бесплатна, в том числе в Full HD, сообщает Сбер.
Ролик длится пять секунд и создаётся по текстовому запросу или изображению. Модели синхронизируют губы с речью и генерируют звук с частотой 44 кГц. Звуковую дорожку можно отключить. Отдельная модель Super-Resolution повышает разрешение до Full HD 1920×1080.
В семействе две версии: Lite с 3 млрд параметров и Pro с 29 млрд. В описании моделей указаны интеграции с Diffusers, ComfyUI, vLLM-omni, SGLang и FastVideo.
По данным Сбера, звуковой модуль обучали более чем на 20 млн видео со звуком, а новая модель естественнее передаёт движения и физику сцен. В сравнительных оценках компании Pro лучше Kandinsky 5.0 в среднем в 71% случаев и превосходит открытую LTX 2.5. В оживлении изображения Pro превосходит Veo 3.1 Fast по визуальному качеству, соответствию исходному изображению и движению камеры.