Kandinsky 6.0 Video: Сбер выпустил видеомодель со звуком и открыл её веса

6 октября 2026 года Сбер и команда Kandinsky Lab выпустили Kandinsky 6.0 Video — модель, которая генерирует видео сразу со звуком. Сбер называет её первой российской нейросетью с синхронным звуком: предыдущая Kandinsky 5.0 делала ролики без звука. Модель доступна бесплатно в ГигаЧате, а код и веса открыты под лицензией MIT.

Что умеет Kandinsky 6.0 Video

• Видео со звуком. Звук не накладывается на готовый ролик, а генерируется вместе с ним одной моделью: речь персонажей с синхронизацией губ, музыка, шумы окружения. Частота дорожки — 44 кГц, звук можно отключить.
• Два режима. Видео по тексту или по первому кадру с описанием.
• Длина — 5 секунд, 121 кадр при 24 кадрах в секунду.
• Разрешение — модель рисует 864×480, а отдельная модель Kandinsky 6.0 Video SR поднимает картинку до 1920×1080. В ГигаЧате на выбор SD, HD и Full HD.
• Незнакомые объекты. Система подтягивает референсы для объектов и персонажей, появившихся после обучения модели.

Lite и Pro: чем отличаются

В семействе две модели. Lite — 3 млрд параметров, быстрая. Pro — 29 млрд параметров, флагман по качеству. Обе работают в обоих режимах. Для каждой есть дистиллированная версия, которая генерирует быстрее.

По оценке разработчиков в слепых сравнениях, Kandinsky 6.0 Video Pro заметно обходит Kandinsky 5.0 Video Pro и конкурентна с ведущими моделями видео со звуком — сильнее всего в качестве речи. Сбер приводит цифру: новая версия лучше прежней в среднем в 71% случаев.

Где запустить

• ГигаЧат — бесплатно, в браузере и приложении.
• Hugging Face и GitHub — веса Lite, Pro, дистиллированных версий и апскейлера, лицензия MIT разрешает коммерческое использование.
• Локально — через Diffusers, ComfyUI, vLLM-Omni. Pro запускается на видеокарте с 16 ГБ видеопамяти.

Ограничения

Главное — длина. 5 секунд без режима продления: для ролика на 30 секунд нужно шесть генераций и склейка. Для сравнения: Veo 3.1 делает 8 секунд в нативном 1080p, Grok Imagine — до 15 секунд, Seedance 2.5 — до 30 секунд за один проход. Full HD у Kandinsky — результат апскейла из 480p, а не нативное разрешение. В техническом отчёте модель сравнивают с Seedance 2.0, хотя на момент релиза уже вышла Seedance 2.5.

Предыдущая Kandinsky 5.0 занимала 37-е и 44-е места из 48 в рейтинге видеомоделей Arena — подробнее в обзоре русских нейросетей для видео. Место Kandinsky 6.0 в независимых рейтингах пока неизвестно.

Как попробовать в AI2Face

Kandinsky 6.0 Video доступна в генераторе AI2Face рядом с моделями, которые делают более длинные ролики со звуком в нативном 1080p: Veo 3.1, Kling, Seedance и Gemini Omni. Один промпт удобно прогнать через несколько моделей и выбрать лучший результат. AI2Face работает из России без VPN, оплата — картой РФ, по СБП или криптовалютой, стоимость видна перед генерацией. Все варианты — в обзоре нейросети для видео.