Kandinsky 6.0 Video: как бесплатно сделать видео со звуком в ГигаЧате

Kandinsky 6.0 Video — новая модель Сбера, которая создаёт короткие ролики сразу со звуком: речью с движением губ, музыкой и шумами вокруг. С 6 октября 2026 года ею можно бесплатно пользоваться в ГигаЧате: описываете сцену и звук текстом или загружаете фото, а нейросеть возвращает клип длиной до 5 секунд в качестве до Full HD.

Разберём, что официально известно о модели, как сделать первый ролик, как описывать звук и что нужно для запуска открытой версии на своём компьютере.

Что такое Kandinsky 6.0 Video

Это семейство открытых моделей команды Kandinsky Lab. Главное отличие от прошлого поколения — звук создаётся вместе с картинкой. По описанию разработчиков, модели выпускают 5-секундные клипы со звуком 44 кГц, включая синхронизацию губ, в двух режимах: по тексту и по изображению с текстом. Отдельная модель повышения разрешения доводит картинку до Full HD (1920×1080).

На Hugging Face выложено восемь моделей: шесть для генерации (обычные, ускоренные и предобученные версии Lite и Pro) и две для повышения разрешения. Код, веса и интеграция с Diffusers распространяются по лицензии MIT.

Не путайте эту модель с Kandinsky 6.0 Image — отдельной нейросетью для картинок. Если вам нужны именно изображения, посмотрите, как создавать и редактировать картинки в Kandinsky 6.0.

Что доступно бесплатно в ГигаЧате

Официальный канал ГигаЧата 6 октября написал: «Генерируйте видео бесплатно и без VPN в ГигаЧате». Остальное известно из сообщения Сбера в пересказе СМИ.

SD подходит для быстрых черновиков, HD и Full HD — для чёткой картинки. По прошлогодней справке ГигаЧата, ограничение по числу запросов есть, но цифру для видео со звуком Сбер не называл.

Если вы только знакомитесь с сервисом, сначала прочитайте, как пользоваться ГигаЧатом бесплатно и что он умеет.

Как сделать видео со звуком в ГигаЧате: пошагово

Названия разделов и кнопок ниже взяты из официальной справки ГигаЧата, обновлённой в январе 2026 года, то есть до выхода новой модели. Интерфейс мог измениться, поэтому ориентируйтесь на то, что видите у себя.

Шаг 1. Войдите в ГигаЧат

Откройте веб-версию и войдите через Сбер ID — по данным справки, его можно получить и без счетов в банке.

Шаг 2. Откройте генератор видео

На панели слева нажмите «Полезное» и выберите «Создать видео». Затем нажмите кнопку генерации нового видео — появится поле для запроса и настройки.

Шаг 3. Выберите режим

Доступны два режима: по описанию и по изображению. Для ролика с нуля подойдёт первый, для оживления фото или рисунка — второй. В справке также упоминается выбор формата: 16:9 для горизонтального ролика и 9:16 для вертикального.

Шаг 4. Опишите сцену и звук

Напишите, что происходит в кадре, и отдельной фразой — что должно звучать. Если идей нет, ГигаЧат может предложить свои варианты запросов.

Шаг 5. Выберите качество, запустите и сохраните

Укажите SD, HD или Full HD и отправьте запрос. Время ожидания Сбер не называет, известно лишь, что SD генерируется быстрее. Готовое видео можно скачать через значок загрузки.

Как описывать звук, чтобы он совпал с картинкой

По словам Сбера, модель одновременно «видит и слышит» то, что создаёт, поэтому звук стоит описывать так же конкретно, как картинку. Удобная схема из пяти частей:

1. Кто или что в кадре: «рыжий кот на подоконнике».
2. Действие: «потягивается и зевает».
3. Камера и стиль: «крупный план, мягкий утренний свет, реалистично».
4. Звук: «тихое мурлыканье, за окном щебечут птицы».
5. Чего не нужно: «без музыки, без текста на экране».

В официальном примере ГигаЧата звук просто идёт следующим предложением: «Девушка идёт по ночному неоновому городу. Слышен сильный шум дождя, вдали проезжают машины и тихо играет электронная музыка». В примерах разработчиков на Hugging Face звук вынесен в отдельный блок «Audio:» — по-русски можно писать «Звук:».

Для речи помните про длину: в 5 секунд уместится примерно одна короткая фраза. Берите реплику в кавычки и уточняйте, кто и каким голосом её говорит. Общие правила хорошего запроса мы собрали в статье о том, как составлять промпты и проверять результат.

12 готовых промптов с речью, музыкой и шумами

Это заготовки, а не проверенные рецепты: результат может отличаться, меняйте героев и детали под свою задачу.

1. Видеооткрытка: «Бабушка на уютной кухне улыбается в камеру и говорит тёплым голосом: „С днём рождения, внучка!“ Тикают часы, тихо играет гитара».
2. ASMR: «Крупный план: руки режут свежий огурец на деревянной доске. Чёткий хруст и стук ножа, без музыки и речи».
3. Природа: «Утренний лес, солнечные лучи сквозь туман, камера медленно движется вперёд. Пение птиц, шелест листвы, вдалеке журчит ручей».
4. Город: «Ночная улица после дождя, неоновые вывески отражаются в лужах. Шум проезжающих машин, капли с крыш, тихая электронная музыка».
5. Реклама кофейни: «Бариста рисует сердце молоком в капучино. Шипение кофемашины, звон чашки, лёгкий джаз. Без текста и логотипов».
6. Говорящий персонаж: «Мультяшный ёжик в шарфе смотрит в камеру и говорит бодрым детским голосом: „Пора на прогулку!“ Хрустят осенние листья».
7. Хеллоуин: «Тыква со свечой на крыльце старого дома, туман, луна. Скрип двери, вой ветра, далёкое уханье совы».
8. Спорт: «Скейтбордист прыгает через бордюр, замедленная съёмка. Стук колёс, удар доски, аплодисменты».
9. Урок: «Учительница у модели Солнечной системы спокойно говорит: „Земля — третья планета от Солнца“. Тихий гул класса».
10. Музыкальный клип: «Девушка играет на скрипке на крыше на закате, камера облетает её по кругу. Звучит только скрипка, тёплая и медленная мелодия».
11. Товар для маркетплейса: «Наушники вращаются на белом фоне, студийный свет. Звук включения, затем тихий бит».
12. Без звука: «Акварельный бумажный кораблик плывёт по реке на рассвете, лёгкий туман. Ролик без звука».

Как оживить фото со звуком

В режиме по изображению картинка становится первым кадром, а текст описывает, что происходит дальше. Правила из справки ГигаЧата и советов разработчиков:

• выбирайте чёткое фото в хорошем качестве, где главный объект хорошо виден;
• укажите, кого именно нужно оживить и какое движение он делает;
• опишите звук отдельной фразой: голос, шаги, шум моря, музыку;
• пишите, что дальше происходит с тем, что уже есть на фото, а не придумывайте новую сцену.

Так можно оживить семейный снимок, рисунок или старый мем — такие сценарии приводит сам Сбер. Для сравнения посмотрите, как устроено видео из фото в Kling 3.0.

Ограничения, о которых стоит знать

• 5 секунд со звуком. По данным Сбера, это связано с большими вычислительными затратами; длину обещают увеличить, но сроки не названы.
• Длинный сюжет придётся собирать из частей. Клипы можно склеить в видеоредакторе; доводить ролики в редакторе советует и справка ГигаЧата.
• Лимиты. Точное число бесплатных роликов в день официально не заявлено.
• Боты и приложение. ГигаЧат работает также в Telegram, MAX и мобильном приложении, но доступно ли там видео со звуком, официально не уточняется.
• Текст в кадре. Надписи лучше добавлять в редакторе, а в запросе писать «без текста».

Как спланировать ролик из нескольких сцен, мы разбирали в материале про бесплатную генерацию видео по сценарию и кадрам.

Чем Kandinsky 6.0 Video отличается от других видеомоделей

Сбер приводит собственные сравнения: по его данным, Pro-версия лучше Kandinsky 5.0 в среднем в 71% случаев, обходит открытую LTX 2.5, а в оживлении изображений превосходит Veo 3.1 Fast по качеству картинки, соответствию исходному фото и движению камеры. В научной статье разработчики формулируют осторожнее: модель «остаётся конкурентоспособной» с ведущими генераторами видео со звуком, особенно по качеству речи.

Это оценки самой компании. Сервисы различаются длиной роликов, ценой и доступом из России, поэтому проверяйте их на своих задачах. Если хотите сравнить подход к звуку, посмотрите формулу промпта для Veo 3.1 с описанием звука.

Как запустить Kandinsky 6.0 Video на своём компьютере

Открытые веса — для тех, у кого есть мощная видеокарта и опыт с Python. По инструкции в репозитории kandinskylab/kandinsky-6 нужны видеокарта NVIDIA и Python 3.13 или 3.14, а также утилиты uv и just. Поддерживаются карты поколений Hopper (H100, H200), Ampere, Ada и потребительские Blackwell; для последних трёх нужен установленный CUDA-компилятор nvcc.

Минимальный объём видеопамяти разработчики не указывают. Быстрый старт выглядит так: just setup, затем just download pro-distill и just generate "a cat on a mat". Есть узлы для ComfyUI (через ComfyUI Manager), поддержка Diffusers и vLLM-Omni, в репозитории указаны также SGLang и FastVideo; по данным Сбера, модель будет и в FAL.

Сколько секунд уходит на один 5-секундный клип без ускоренной версии, по замерам разработчиков:

Ускоренные (дистиллированные) версии работают за 10 шагов вместо 50, но замеров для них в таблице нет. Для большинства задач бесплатный ГигаЧат проще.

Частые вопросы

Можно ли сделать в ГигаЧате ролик длиннее 5 секунд со звуком?

Пока нет: по данным Сбера, 5 секунд — текущий предел для роликов со звуком. Длину обещают увеличить, но без сроков. Длинное видео можно собрать из нескольких клипов в редакторе.

Получится ли ролик с русской речью?

Модель создаёт речь с движением губ, а официальный пример запроса в ГигаЧате написан по-русски. Списка поддерживаемых языков речи в официальных материалах нет, поэтому проверяйте на своей фразе.

Можно ли убрать звук?

Да. По данным Сбера, достаточно попросить ролик без звука. В открытой версии для этого есть отдельный параметр sample_audio=False.

Можно ли использовать модель в своём проекте?

Код и веса выложены по лицензии MIT, а Сбер заявляет, что отдаёт модель разработчикам «бесплатно и без ограничений». Перед коммерческим запуском прочитайте текст лицензии.

Итог

Kandinsky 6.0 Video — простой способ бесплатно получить короткий ролик сразу со звуком: зайдите в ГигаЧат, откройте генератор видео, опишите сцену и отдельно — звук. Начните с SD, чтобы быстро подобрать запрос, а финальную версию сделайте в Full HD. Для полного контроля есть открытая модель, но ей нужна мощная видеокарта NVIDIA.