Сбербанк представил модель Kandinsky 6.0 Video, которая генерирует видеоролики с синхронным звуком, включая речь, музыку и фоновые эффекты. Инструмент доступен пользователям «ГигаЧата» бесплатно и позволяет создавать контент в разрешении до Full HD.
Максимальная длительность одного ролика составляет пять секунд. Система поддерживает частоту звука 44 кГц и обеспечивает синхронизацию движения губ персонажей с речью. Модель также получила улучшенные алгоритмы передачи физики движений людей, животных и техники.
Для разработчиков Kandinsky 6.0 Video открыта по лицензии MIT. Модель можно интегрировать в сторонние сервисы через платформы FAL, Diffusers, FastVideo, ComfyUI, SGLang и vLLM-omni. Звуковой модуль нейросети обучен на массиве из более чем 20 млн видео.
По внутренним оценкам, Kandinsky 6.0 Video превосходит версию 5.0 в 71% случаев. Модель также показывает более высокие результаты по качеству визуализации и движению камеры в сравнении с открытой LTX 2.5 и закрытой моделью Veo 3.1 Fast.
