«Сбер» представил семейство моделей Kandinsky Avatar 1.0 для генерации видеоаватаров по фотографии и голосу. Модели опубликованы под лицензией MIT, их можно бесплатно использовать в коммерческих проектах.

Для создания ролика требуются изображение, аудиозапись и краткое текстовое описание сцены. Выходное видео длится до одной минуты. Модель синхронизирует артикуляцию с речью и добавляет мимику, повороты головы и жесты. Объектом может быть как человек, так и персонаж.

Семейство Kandinsky Avatar 1.0 включает в себя две версии: Pro генерирует видео в HD, в то время как Lite — в SD. Модели обучены на более чем 1 млн видеофрагментов на 95 языках, включая русский, английский, казахский, испанский и французский. Видео может быть создано на любом языке.

Репозиторий Kandinsky Avatar 1.0 доступен на GitHub и GitVerse, препринт о моделях опубликован на arXiv.

В октябре 2026 года «Сбер» представил ИИ-модель Kandinsky 6.0 Video для создания видео с синхронным звуком.