«Сбер» объявил о запуске новой ИИ-модели Kandinsky 6.0 Video, которая позволяет пользователям «ГигаЧата» генерировать видеоролики в формате Full HD с речью, музыкой и звуками окружения. В компании подчеркнули, что это первая российская нейросеть, способная создавать видео с синхронным звуком.

Для генерации видео пользователю достаточно описать сцену текстом, загрузить первый кадр и указать желаемое звуковое сопровождение. На текущем этапе нейросеть создаёт ролики со звуком продолжительностью до пяти секунд; в будущем планируется поддержка более длинных видео. Предусмотрена возможность выбора качества: SD, HD и Full HD.

Звук генерируется с частотой 44 кГц — это стандартное качество для большинства стриминговых сервисов. Если звуковое сопровождение не требуется, пользователи могут создавать видео без звука. Модель способна самостоятельно искать референсы, когда у неё нет точной информации о том, как выглядит объект из запроса.

В пресс-службе «Сбера» отметили, что Kandinsky 6.0 Video точнее передаёт физику реального мира: по оценке разработчиков, она превосходит предыдущую версию в среднем на 71% по всем критериям. Модель доступна разработчикам под лицензией MIT, что позволяет бесплатно интегрировать её в собственные продукты. В «Сбере» уверены, что сервис будет полезен создателям контента для соцсетей, маркетологам и дизайнерам.