Kandinsky 6.0 Video: Sber rilascia un modello video con audio e pesi aperti

Il 6 ottobre 2026 Sber e il team di Kandinsky Lab hanno lanciato Kandinsky 6.0 Video, un modello che genera video e suono insieme. Sber lo presenta come la prima rete neurale russa con audio sincronizzato: il precedente Kandinsky 5.0 produceva clip mute. Il modello è gratuito in GigaChat, e codice e pesi sono aperti con licenza MIT.

Cosa sa fare Kandinsky 6.0 Video

• Video con audio. Il suono non viene applicato a una clip già pronta: lo genera lo stesso modello insieme all’immagine. Voce dei personaggi con labiale sincronizzato, musica e rumori d’ambiente. La traccia è a 44 kHz e l’audio si può disattivare.
• Due modalità: da testo a video, oppure fotogramma iniziale più descrizione.
• Durata: 5 secondi, 121 fotogrammi a 24 fps.
• Risoluzione: il modello genera a 864×480 e un modello separato, Kandinsky 6.0 Video SR, porta l’immagine a 1920×1080. In GigaChat si può scegliere tra SD, HD e Full HD.
• Oggetti sconosciuti. Il sistema recupera riferimenti per oggetti e personaggi comparsi dopo l’addestramento.

Lite e Pro: le differenze

La famiglia comprende due modelli. Lite, da 3 miliardi di parametri, è veloce. Pro, da 29 miliardi, è il top per qualità. Entrambi supportano le due modalità, e ognuno ha una versione distillata più rapida.

Nella valutazione alla cieca degli sviluppatori, Kandinsky 6.0 Video Pro supera nettamente Kandinsky 5.0 Video Pro e se la gioca con i principali modelli audio-video, soprattutto nella qualità della voce. Secondo Sber, la nuova versione batte la precedente nel 71% dei casi in media.

Dove eseguirlo

• GigaChat: gratis, nel browser e nell’app.
• Hugging Face e GitHub: pesi di Lite, Pro, delle versioni distillate e dell’upscaler; la licenza MIT consente l’uso commerciale.
• In locale: tramite Diffusers, ComfyUI o vLLM-Omni. Pro gira su una GPU con 16 GB di VRAM.

Limiti

Il principale è la durata. Cinque secondi senza modalità di estensione significano che per 30 secondi servono sei generazioni e un montaggio. Per confronto, Veo 3.1 genera 8 secondi in 1080p nativo, Grok Imagine arriva a 15 secondi e Seedance 2.5 fino a 30 secondi in un solo passaggio. Il Full HD di Kandinsky è un upscaling dal 480p, non una risoluzione nativa. Il report tecnico confronta il modello con Seedance 2.0, anche se al lancio era già uscito Seedance 2.5.

Il precedente Kandinsky 5.0 era al 37° e 44° posto su 48 nella classifica video di Arena; maggiori dettagli nella nostra panoramica sulle AI video russe. Kandinsky 6.0 non compare ancora nelle classifiche indipendenti.

Come provarlo in AI2Face

Kandinsky 6.0 Video è disponibile nel generatore di AI2Face accanto a modelli che creano clip più lunghe con audio in 1080p nativo: Veo 3.1, Kling, Seedance e Gemini Omni. Puoi passare lo stesso prompt a più modelli e tenere la ripresa migliore; il costo viene mostrato prima di ogni generazione. Tutte le opzioni sono nella nostra guida ai generatori di video AI.