Kandinsky 6.0 Video: открытая модель генерирует видео со синхронным звуком

4 октября 2026 года вышел препринт Kandinsky 6.0 Video — открытой двухуровневой диффузионной модели, которая генерирует Full-HD видео с синхронным аудио 44 кГц. Веса опубликованы на Hugging Face, инференс доступен через Stability Cloud: 5-секундный клип стоит около $0,03.

• Lite-версия на ~3 млрд параметров работает на потребительской GPU, Pro на ~29 млрд — на одной A100-40GB
• MOS синхронизации губ 4,3 против 3,6 у Sora-Lite без нативного звука
• Генерация 5-секундного клипа на RTX 4090 занимает около 45 секунд и стоит ~$0,02
• Веса, Dockerfile и pipeline для transformers выложены на Hugging Face