«Сбер» представил отечественную ИИ-модель Kandinsky 6.0 Video для генерации видео с синхронной речью, музыкой и звуками окружения.

Звук генерируется в стандартном для стриминговых сервисов качестве 44 кГц, создание видео доступно в форматах SD, HD или Full HD. Максимальная длительность ролика со звуком составляет пять секунд.

Работа с моделью проходит в GigaChat через текстовое описание сцены со звуковым рядом или загрузку первого кадра. Референсы на незнакомые объекты из запроса Kandinsky 6.0 Video ищет самостоятельно.

Новая ИИ-модель точнее передает физику реального мира по сравнению с предыдущей версией. Модель выложена в Open Source под лицензией MIT, позволяющей интегрировать ее в продукты бесплатно.

Kandinsky 6.0 Video на платформе Hugging Face.

В сентябре 2026 года команда Kandinsky разработала надстройку Time Adapter для генеративных нейросетей, которая позволяет им «понимать» течение времени при формировании видеоряда.