Comment utiliser Kandinsky 6.0 Pro ? Générez votre première vidéo en 5 minutes

TL;DR

• Qu'est-ce que c'est : un modèle vidéo de Sber qui, à partir d'une simple invite ou d'une image de première frame, génère un clip de 5 secondes avec audio synchronisé. Déjà disponible sur HiAPI, ouvrez la page du modèle Kandinsky 6.0 Pro et saisissez une invite pour générer directement ; les nouveaux utilisateurs reçoivent 200 crédits à l'inscription.
• Combien ça coûte : facturation à la tâche, 1,9286 $ par vidéo texte-vers-vidéo (environ 3 857 crédits), 2,00 $ par vidéo image-vers-vidéo (4 000 crédits), les tâches échouées sont remboursées.
• Comment l'appeler au plus vite : POST https://api.hiapi.ai/v1/tasks, mettez kandinsky-6.0-pro/text-to-video dans model, puis après avoir obtenu le taskId, interrogez le statut ou attendez le callback, et téléchargez le MP4 depuis data.output[0].url.

Les deux questions les plus fréquentes depuis le lancement : en quoi il diffère des autres modèles vidéo, et combien d'étapes il faut pour l'intégrer à son propre produit. La première réponse est dans les quatre points ci-dessous, la seconde prend 5 minutes.

Qu'est-ce que Kandinsky 6.0 Pro ? Ce qui est nouveau

Son plus grand changement est la génération simultanée de l'image et du son. Écrivez aussi le son dans l'invite, et le bruit des roues, la pluie ou les voix suivront l'image dans le clip final, sans besoin de postsynchronisation séparée.

• Audio synchronisé. Kandinsky 5.x ne produisait que l'image ; cette génération ajoute une piste sonore, une seule tâche renvoie directement un MP4 avec une piste audio synchronisée.
• Fixé à 5 secondes, 480p, 24 fps. Durée et résolution ne se choisissent pas ; en 16:9 la sortie réelle est de 864×480, exactement la taille pour les storyboards et les tests de séquences de courtes vidéos.
• Cinq formats d'image. Le texte-vers-vidéo prend en charge 16:9, 9:16, 1:1, 4:3 et 3:4, couvrant d'un coup le portrait, le carré et le paysage ; l'image-vers-vidéo ajoute auto, qui s'adapte automatiquement à la première frame.
• Deux ID de modèle aux rôles bien distincts. kandinsky-6.0-pro/text-to-video part du texte, kandinsky-6.0-pro/image-to-video prend une image comme première frame et l'invite ne décrit que ce qui se passe ensuite.

▶ Regardez ce clip de 5 secondes : un train de nuit traverse un viaduc en pierre sous la pleine lune, un panache de vapeur s'étire dans la vallée

Texte-vers-vidéo, 16:9, 864×480, 24 fps, le son et l'image sont générés par la même tâche.

Générer avec cette invite →

Deux parcours de prise en main : essai en ligne ou intégration API

Essai en ligne (1 minute)

1. Ouvrez la page du modèle Kandinsky 6.0 Pro, l'invite est insérée automatiquement via le lien ci-dessus.
2. Confirmez le format : choisissez 16:9 pour le paysage, 9:16 pour le portrait.
3. Cliquez sur générer, une fois la tâche terminée vous pouvez lire et télécharger la vidéo sur la page.

Intégration API (3 étapes)

1. Créez une clé API dans la console.
2. Soumettez via POST /v1/tasks, il suffit des champs model et input.prompt pour lancer.
3. Interrogez avec GET /v1/tasks/{taskId}, ou ajoutez callback à la soumission ; une fois status passé à success, récupérez data.output[0].url.

Première vidéo : version curl

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer sk-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kandinsky-6.0-pro/text-to-video",
    "input": {
      "prompt": "A night train crosses a tall stone viaduct under a full moon, a plume of steam trailing into the valley, the camera cranes up from the river below, rhythmic wheels on the rails and a distant whistle",
      "aspect_ratio": "16:9",
      "guidance_scale": 5
    }
  }'

La réponse est une tâche, pas une vidéo :

{"code":200,"data":{"taskId":"tk-hiapi-..."},"message":"success"}

Utilisez cet ID pour vérifier le statut :

curl -s https://api.hiapi.ai/v1/tasks/YOUR_TASK_ID \
  -H "Authorization: Bearer sk-YOUR_KEY"

Pendant l'exécution de la tâche, data.status vaut handling ; une fois réussie, data.output[0].url est l'adresse du MP4. aspect_ratio vaut 16:9 par défaut si omis ; guidance_scale va de 1 à 10, par défaut 5, augmentez-le pour coller davantage à l'invite ; ce que vous ne voulez pas va dans negative_prompt, limite de 2 000 caractères. seed prend un entier, pour reproduire autant que possible le même résultat.

Version Python : soumission, interrogation et téléchargement en une seule fois

import os, time, requests

BASE = "https://api.hiapi.ai"
H = {"Authorization": f"Bearer {os.environ['HIAPI_KEY']}"}
PROMPT = "A night train crosses a tall stone viaduct under a full moon, a plume of steam trailing into the valley, the camera cranes up from the river below, rhythmic wheels on the rails and a distant whistle"

r = requests.post(f"{BASE}/v1/tasks", headers=H, json={
    "model": "kandinsky-6.0-pro/text-to-video",
    "input": {"prompt": PROMPT, "aspect_ratio": "16:9"},
}, timeout=30)
r.raise_for_status()
task_id = r.json()["data"]["taskId"]
print("Enregistrez d'abord cet ID :", task_id)

while True:
    d = requests.get(f"{BASE}/v1/tasks/{task_id}", headers=H, timeout=20).json()["data"]
    if d["status"] == "success":
        break
    if d["status"] != "handling":
        raise RuntimeError(f"Tâche échouée : {d}")
    time.sleep(15)

open("clip.mp4", "wb").write(requests.get(d["output"][0]["url"], timeout=120).content)

Intervalle d'interrogation de 15 secondes : les tâches vidéo sont asynchrones, interroger trop fréquemment ne fait qu'augmenter les appels API sans accélérer le changement de statut.

Image-vers-vidéo : changez d'ID de modèle, ajoutez une première frame

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer sk-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kandinsky-6.0-pro/image-to-video",
    "input": {
      "prompt": "Rain intensifies on the empty street, neon reflections ripple in the puddles, steam rises from a grate beside the booth, the camera slowly pushes in, steady rain and distant traffic",
      "image_url": "https://static.hiapi.ai/admin-assets/kandinsky-6-pro/2026/10/26/1793005005686-69a9b6e8a000188b-k-i2v-input.png",
      "aspect_ratio": "auto"
    }
  }'

image_url est la première frame obligatoire, formats JPG, PNG et WebP pris en charge. aspect_ratio vaut auto par défaut, choisit le format le plus proche de la première frame et recadre au centre ; vous pouvez aussi indiquer explicitement 16:9, 9:16, 1:1, 4:3 ou 3:4 pour recomposer. Voir ce clip image-vers-vidéo →

Comment écrire l'invite : scène, action, caméra, son

Quatre niveaux bien décrits, et la quantité d'informations tient juste dans 5 secondes :

• Scène : lieu, moment, lumière, météo — A night train crosses a tall stone viaduct under a full moon
• Action : ce que fait le sujet, à quelle vitesse — a plume of steam trailing into the valley
• Caméra : position et mouvement — the camera cranes up from the river below
• Son : ce que vous voulez entendre, cette piste audio provient de la même source que l'image — rhythmic wheels on the rails and a distant whistle

Le plus souvent oublié, c'est le son. Si vous ne décrivez que l'image, le modèle ne peut que deviner le son ; écrivez la pluie, les pas, la circulation lointaine, et l'audio s'accordera à l'image. L'invite est plus fiable en anglais : traduisez d'abord votre idée du chinois vers l'anglais avant de soumettre, limite de 6 000 caractères par tâche.

4 points à vérifier avant la mise en production

1. Utilisez un callback côté serveur. Ajoutez "callback": {"url": "https://yourapp.com/webhook"} au corps de la requête, la notification est automatique à la fin de la tâche, l'interrogation ne sert que de secours. En cas de timeout d'interrogation, ne refaites pas un POST : enregistrez d'abord le taskId puis interrogez — chaque soumission est une nouvelle tâche et une nouvelle facturation.
2. Les liens des résultats expirent. L'URL de la réponse réussie contient expireAt, téléchargez-la vers votre propre stockage dès réception, ne l'utilisez pas comme adresse permanente dans votre base métier.
3. Langue de l'invite. L'anglais et le russe sont pris en charge nativement ; traduisez d'abord les invites en chinois vers l'anglais, la fidélité de l'image et la précision des effets sonores seront plus fiables.
4. En image-vers-vidéo, aspect_ratio=auto recadre. Pour conserver intégralement la composition de la première frame, indiquez explicitement le même ratio qu'elle ; pour l'adapter au format de la plateforme, laissez auto, c'est le plus simple.

Voir tous les champs dans la documentation en chinois.

Questions fréquentes

Quel est l'ID de modèle de Kandinsky 6.0 Pro ? Texte-vers-vidéo kandinsky-6.0-pro/text-to-video, image-vers-vidéo kandinsky-6.0-pro/image-to-video, à mettre dans le champ model de POST /v1/tasks.

Peut-on choisir la durée ou la résolution ? Non, la sortie est fixée à 5 secondes, 480p, 24 fps. Pour du 720p ou plus, utilisez les modèles texte-vers-vidéo Kling 3.0 ou Seedance 2.0.

Le clip a-t-il du son ? Oui, et c'est toujours activé. Le son est généré à partir de la même invite ; pour entendre clairement quelque chose, écrivez-le dans l'invite.

Quels formats sont pris en charge ? Texte-vers-vidéo : 16:9, 9:16, 1:1, 4:3, 3:4 ; image-vers-vidéo ajoute auto, qui correspond par défaut au ratio le plus proche de la première frame.

Combien de vidéos par tâche ? Une tâche produit une vidéo de 5 secondes, facturée à la tâche, les tâches échouées sont remboursées. Pour plusieurs vidéos, créez plusieurs tâches en parallèle.

Copiez l'invite du train de nuit ci-dessus, allez sur la page du modèle pour générer votre première vidéo de 5 secondes, choisissez le format 16:9, le son est déjà dans l'invite.