چه اتفاقی افتاد؟#
Kandinsky Lab در ۶ اکتبر ۲۰۲۶ کد، وزنها و گزارش فنی مدل Kandinsky 6.0 Video را منتشر کرد؛ مدلی که ویدیو و صدا را همزمان و در یک گذر تولید می‌کند. نکتهٔ برجسته این است که لایسنس آن MIT است، یکی از آزادترین لایسنس‌های موجود، و طبق منبع بررسیشده محدودیت منطقهای ندارد.
دو اندازه، دو کاربرد#
- Pro با ۲۹ میلیارد پارامتر: برای کیفیت بالاتر.
- Lite با ۳ میلیارد پارامتر: برای تکرار و آزمایش سریع‌تر.
- یک مدل جداگانهٔ ارتقای وضوح (super-resolution) که خروجی را تا ۱۹۲۰ در ۱۰۸۰ (Full HD) می‌رساند.
چه چیزی تولید می‌کند؟#
مدل دو حالت دارد: تبدیل متن به صوت‌وتصویر و تبدیل تصویر به صوت‌وتصویر. کلیپ‌ها حدود ۵ ثانیه‌اند و صدای ۴۴ کیلوهرتزی همزمان با تصویر ساخته می‌شود. مزیت تولید همزمان این است که صدا و حرکت با هم هماهنگ می‌شوند و مجبور نیستید جداگانه صداگذاری کنید.
