Kandinsky 6.0 Pro

Positionierung und Kurzüberblick

Das Text-zu-Video-Modell Kandinsky 6.0 Pro richtet sich an Entwickler, die in einem Durchgang ein Video mit Ton erhalten möchten. Als einzige Pflichteingabe dient ein Prompt; während der Bilderzeugung wird gleichzeitig synchrones Audio erzeugt. Eine Ausgabe umfasst etwa 5 Sekunden und unterstützt verschiedene Seitenverhältnisse wie Querformat, Hochformat und Quadrat. Zudem lässt sich mit einem festen Seed das Ergebnis reproduzieren. Es eignet sich für Prototypen von Kurzvideos, die Validierung von Szenen mit Sprachausgabe und Lippensynchronisation sowie für Teams, die ihre Ideen mit englischen oder russischen Prompts schnell iterieren möchten.

Wesentliche Highlights

• Bild und Audio in einem Durchgang – Der Prompt kann gleichzeitig Motiv, Bewegung, Kamera und Ton beschreiben; Bild und Audio entstehen in derselben Pipeline, sodass eine nachträgliche Ausrichtung der Sprachausgabe entfällt.
• Reproduzierbare Generierungssteuerung – Der Parameter seed ermöglicht bei festem Wert einen versionsweisen Vergleich und Regressionstests desselben Prompts.
• Abdeckung mehrerer Seitenverhältnisse – Unterstützt fünf Ausgabeformate: 16:9, 9:16, 1:1, 4:3 und 3:4; zwischen Querformat, Hochformat und Quadrat kann direkt gewechselt werden.
• Getrennte Steuerung von Prompt und Negativvorgaben – guidance_scale regelt, wie stark der Prompt befolgt wird; mit negative_prompt werden Inhalte separat ausgeschlossen.

Funktionsbeschreibung

Videos mit Ton per Prompt erzeugen: Eine Eingabe, die Bild und Ton beschreibt, liefert einen kurzen Clip mit synchronem Audio. Englische und russische Prompts werden nativ unterstützt, sodass Inhalt und Atmosphäre des Ergebnisses direkt in natürlicher Sprache gesteuert werden können.

Wechsel des Seitenverhältnisses: Über aspect_ratio lässt sich zwischen Querformat, Hochformat und Quadrat wählen; derselbe Prompt kann schnell Versionen für verschiedene Platzierungen erzeugen.

Befolgung und negative Vorgaben: guidance_scale regelt zwischen 1 und 10, wie streng der Text umgesetzt wird; negative_prompt dient dem Ausschluss unerwünschter Elemente. Beide zusammen verkleinern den Spielraum für Fehlversuche.

Reproduktion per Seed: seed kann die Zufälligkeit fixieren; bleibt der Wert leer, wird zufällig generiert. Das eignet sich, um Ergebnisse in der Finalisierungsphase festzuhalten oder in der Parameterabstimmung kontrollierte Vergleichsexperimente durchzuführen.

Anwendungsszenarien

• Schnelle Erstellung von Kurzvideos für soziale Medien – Betreiber oder Anwendungsvalidierer geben einen Prompt mit Bild- und Toneffektbeschreibung ein und erhalten direkt einen etwa 5 Sekunden langen Clip als Prototyp für Hochformat- oder quadratische Werbemittel.
• Konzeptvalidierung von Szenen mit Sprachausgabe – Kreativteams beschreiben mit einem Prompt Figurenbewegung und Ton, erzeugen einen kurzen Clip mit Audio und präsentieren Kunden oder dem Team so Erzählrhythmus und Atmosphäre.
• Stapelweise Anpassung an mehrere Seitenverhältnisse – Entwickler, die dieselbe Idee für Quer- und Hochformatkanäle benötigen, fixieren seed und Prompt und erzeugen durch Wechsel des Seitenverhältnisses mehrere Fassungen, wodurch wiederholte Anpassungen entfallen.

Einschränkungen und Auswahlhinweise

Eine Ausgabe ist ein kurzer Clip von etwa 5 Sekunden; narrative Langvideos müssen selbst in Abschnitte aufgeteilt, generiert und anschließend zusammengesetzt werden. Die Erzeugung mit Audio bedeutet, dass der Prompt sowohl Bild als auch Ton berücksichtigen muss; bei komplexen Kompositionen sind unter Umständen mehrere Runden der Anpassung von guidance_scale und Negativ-Prompt nötig, bis das Ergebnis konvergiert. Derzeit wird nur Texteingabe unterstützt; wer vorhandenes statisches Material als Treiber für dynamische Effekte nutzen möchte, sollte auf die Bild-zu-Video-Linie derselben Serie ausweichen. Für Szenarien mit höheren Anforderungen an Länge und Auflösung des fertigen Videos ist zu prüfen, ob nachgelagerte Verarbeitungsschritte wie Super-Resolution eingesetzt werden sollten.