Пользователи мессенджера «ГигаЧат» получили возможность генерировать видеоролики, в которых речь, музыка и звуки окружающей среды подстраиваются под происходящее на экране. Этой возможностью управляет Kandinsky 6.0 Video, разработанная Сбером. Чтобы получить готовый клип, достаточно описать сцену текстом или загрузить исходный кадр и обозначить, какие аудиоэлементы должны сопровождать видео. По словам создателей, это позволяет получить видеоряд и аудио одновременно в одном процессе, если речь не идёт о звуке.

Пользователь может выбрать желаемое качество вывода — SD, HD или Full HD. Нейросеть создаёт ролик с разрешением до Full HD, а текущая максимальная продолжительность со звуком ограничена пятью секундами. В интерфейсе «ГигаЧата» доступны быстрые настройки по длительности и качеству в зависимости от потребностей и скорости генерации.

Kandinsky 6.0 Video обеспечивает синхронизацию изображения и аудио: речь подгоняется под движения губ персонажей, а музыка и звуки окружающей среды согласуются с тем, что происходит на кадре. В списке поддерживаемых эффектов — диалоги, шаги, ветер, движение транспорта и другие звуковые элементы, при необходимости можно выбрать вариант без звука.

Разработчики подчеркнули улучшение передачи физики и движения объектов: по данным Сбера, люди, животные и техника выглядят более естественно в динамичных сценах благодаря обновлённой модели поведения и взаимодействий.

Помимо потребительской версии, Kandinsky 6.0 Video доступна и для разработчиков под лицензией MIT. Её можно интегрировать в сторонние продукты через популярные инструменты для работы с генеративным ИИ, что расширяет спектр применений до корпоративных и исследовательских проектов.