Kandinsky 6.0 Video : Sber publie un modèle vidéo avec son et poids ouverts

Le 6 octobre 2026, Sber et l’équipe de Kandinsky Lab ont lancé Kandinsky 6.0 Video, un modèle qui génère la vidéo et le son ensemble. Sber le présente comme le premier réseau neuronal russe à son synchronisé : le précédent Kandinsky 5.0 produisait des clips muets. Le modèle est gratuit dans GigaChat, et le code comme les poids sont ouverts sous licence MIT.

Ce que sait faire Kandinsky 6.0 Video

• Vidéo avec son. Le son n’est pas plaqué sur un clip terminé : le même modèle le génère avec l’image. Voix des personnages synchronisée aux lèvres, musique et bruits d’ambiance. La piste est en 44 kHz et le son peut être coupé.
• Deux modes : texte vers vidéo, ou image de départ accompagnée d’une description.
• Durée : 5 secondes, 121 images à 24 i/s.
• Résolution : le modèle rend en 864×480, et un modèle distinct, Kandinsky 6.0 Video SR, monte jusqu’à 1920×1080. GigaChat propose SD, HD et Full HD.
• Objets inconnus. Le système va chercher des références pour les objets et personnages apparus après l’entraînement.

Lite et Pro : les différences

La famille compte deux modèles. Lite, avec 3 milliards de paramètres, est rapide. Pro, avec 29 milliards, est le fleuron en qualité. Les deux gèrent les deux modes, et chacun a une version distillée plus rapide.

Lors de l’évaluation à l’aveugle menée par les développeurs, Kandinsky 6.0 Video Pro surpasse nettement Kandinsky 5.0 Video Pro et rivalise avec les principaux modèles audio-vidéo, surtout pour la qualité de la voix. Selon Sber, la nouvelle version l’emporte sur l’ancienne dans 71 % des cas en moyenne.

Où l’exécuter

• GigaChat : gratuit, dans le navigateur et l’application.
• Hugging Face et GitHub : poids de Lite, Pro, des versions distillées et de l’upscaler ; la licence MIT autorise l’usage commercial.
• En local : via Diffusers, ComfyUI ou vLLM-Omni. Pro tourne sur un GPU de 16 Go de VRAM.

Limites

La principale, c’est la durée. Cinq secondes sans mode d’extension : un clip de 30 secondes demande six générations et un montage. À titre de comparaison, Veo 3.1 produit 8 secondes en 1080p natif, Grok Imagine jusqu’à 15 secondes et Seedance 2.5 jusqu’à 30 secondes en une passe. Le Full HD de Kandinsky est un upscaling depuis le 480p, pas une résolution native. Le rapport technique compare le modèle à Seedance 2.0, alors que Seedance 2.5 était déjà sorti au lancement.

Le précédent Kandinsky 5.0 se classait 37e et 44e sur 48 au classement vidéo d’Arena ; plus de détails dans notre panorama des IA vidéo russes. Kandinsky 6.0 n’apparaît pas encore dans les classements indépendants.

Comment l’essayer dans AI2Face

Kandinsky 6.0 Video est disponible dans le générateur d’AI2Face aux côtés de modèles qui produisent des clips plus longs avec son en 1080p natif : Veo 3.1, Kling, Seedance et Gemini Omni. Vous pouvez soumettre un même prompt à plusieurs modèles et garder la meilleure prise ; le coût s’affiche avant chaque génération. Toutes les options sont dans notre guide des générateurs de vidéo IA.