Kandinsky 6.0 Video 开源:画面和带口型的声音一次生成,MIT 协议
Kandinsky Lab 放出 3B 的 Lite 和 29B 的 Pro 两个模型,一次生成 5 秒带 44 kHz 同步声音的视频,对白、音效、口型一起出,另带超分到 1080p。代码、权重、Diffusers 集成全是 MIT;官方说 Pro 经卸载优化后,峰值显存从 72.8 GiB 压到 21.7 GiB,有 16 GB 预设。所有对比数据均为官方自报。
为什么重要 声画同出此前基本是 Veo、Sora 这类闭源产品的专利,现在有了能下载、能商用的开源版本,普通显卡也有机会跑。但官方自称强于开源的 LTX 2.5、视觉仍落后于 MiniMax H3 和 Seedance 2.0,这些结论还没人独立复现。