ГигаЧат от Сбера научился создавать видео со звуком в Full HD — бесплатно

Сбер выкатил новую модель Kandinsky 6.0 Video: она умеет создавать видео с синхронным звуком в Full HD-качестве. Чтобы получить ролик, достаточно описать сцену текстом или загрузить первый кадр и рассказать, какие звуки добавить. Максимальная длительность видео со звуком — пять секунд. Создать ролик можно бесплатно в ГигаЧате, сообщили в компании.

Что умеет Kandinsky 6.0 Video в ГигаЧате

Kandinsky 6.0 Video — новая мультимодальная модель Сбера, доступная в ГигаЧате. Она создает видео со звуком в качестве до Full HD. С ее помощью в одном ролике можно совместить:

• речь и диалоги персонажей;

• фоновую музыку — например, гитарную мелодию или саундтрек к погоне;

• звуки окружения — шаги, ветер, шум проезжающего автомобиля;

• звуковые эффекты.

Сбер заявляет:

«Kandinsky стала первой российской нейросетью, способной генерировать видео с синхронным звуком».

Также сообщается, что новая модель лучше передает физику реального мира: движения людей, животных и предметов выглядят естественнее. Разница особенно заметна в сценах с быстрым движением и сменой ракурса.

Звук создается с частотой 44 кГц. Компания заявляет, что модель генерирует его без шипения и потери качества.

Как создать видео со звуком в ГигаЧате: инструкция

Для генерации не нужны специальные навыки. Пользователю доступны два способа:

1. Описать сцену текстом и указать, что должно происходить в ролике и какие звуки нужны.

2. Загрузить первый кадр и дополнить его описанием звукового ряда.

Перед отправкой запроса в окне ввода можно выбрать качество видео.

Максимальная длительность видео со звуком — пять секунд. Разработчики планируют увеличить ее, но сроки в сообщении не указаны.

Чтобы создать видео со звуком в ГигаЧате:

1. Откройте ГигаЧат, в левом боковом меню выберите раздел «Видео».

   

2. Нажмите «Создать».

   

3. Выберите способ подготовки сценария:

   1. либо нажмите на любую картинку из примеров ниже — нейросеть сама напишет сценарий;

   2. либо загрузите свое изображение и опишите сценарий самостоятельно, указав нужную речь, музыку или звуки.

      

4. Запустите генерацию и дождитесь результата. Создание ролика занимает около восьми минут.

   

Как бизнес может использовать генерацию видео со звуком

Сбер предлагает использовать модель для профессиональных и личных проектов:

• короткие рекламные ролики;

• тестирование идей;

• подготовка материалов для соцсетей.

«Мы хотим, чтобы генеративный ИИ стал таким же естественным инструментом креатора, как сегодня текстовый редактор или камера телефона», — отметил старший вице-президент Сбербанка, руководитель блока «Развитие генеративного ИИ» Антон Фролов

Как обучали Kandinsky 6.0 Video и с чем сравнивали

Модель состоит из двух связанных модулей — для видео и звука. Звуковой модуль обучали более чем на 20 млн видео. Команда отбирала:

• ролики с чистым качественным звуком;

• крупные планы говорящих людей — для точной синхронизации речи и мимики.

Отдельно Сбер приводит результаты Kandinsky 6.0 Video Pro. По оценке компании, эта версия:

• превосходит Kandinsky 5.0 в среднем в 71% случаев по совокупности критериев;

• опережает открытую модель LTX 2.5;

• в задаче оживления изображения превосходит Veo 3.1 Fast по визуальному качеству, соответствию исходной картинке и движению камеры.

Это результаты сравнения, приведенные разработчиком. В исходном сообщении подробная методика оценки не раскрывается.

Как разработчики могут использовать Kandinsky 6.0 Video

Модель доступна в открытом доступе под лицензией MIT. Разработчики могут бесплатно интегрировать ее в собственные продукты.

Сбер также анонсировал доступность модели в инструментах для запуска и интеграции нейросетей:

• FAL;

• Diffusers;

• FastVideo;

• ComfyUI;

• SGLang;

• vLLM-omni.

Такие подключения должны позволить использовать Kandinsky 6.0 Video в существующих продуктах без разработки интеграции с нуля.

Ранее Сбер выкатил новую модель ГигаЧата — 3.5 Reasoning. Сообщается, что в некоторых задачах она уже обгоняет DeepSeek V4 Flash Preview, а на математических задачах тратит в среднем на 37% меньше токенов рассуждения.

Возможно, вам будет интересно:

• 17 лучших нейросетей для создания видео в 2026 году

• Как оживить фото с помощью нейросетей в 2026 году: 17 бесплатных онлайн-сервисов, приложений и ботов

• Закон о регулировании ИИ: обязательна ли маркировка ИИ-контента с 1 сентября

Источник: блог Сбера