Kandinsky 6.0 Pro

Présentation

Le modèle de génération de vidéo à partir de texte Kandinsky 6.0 Pro s'adresse aux développeurs qui souhaitent obtenir en une seule passe des images accompagnées de son. Il prend comme unique entrée obligatoire un prompt et produit, en même temps que les images, un audio synchronisé ; chaque sortie dure environ 5 secondes et prend en charge plusieurs formats d'image (paysage, portrait, carré), avec la possibilité de fixer une graine aléatoire pour reproduire les résultats. Il convient au prototypage de contenus courts, à la validation de plans avec doublage et synchronisation labiale, ainsi qu'aux équipes qui itèrent rapidement sur des idées à partir de prompts en anglais ou en russe.

Points clés

• Image et audio générés en une fois — le prompt peut décrire à la fois le sujet, l'action, le cadrage et le son ; l'image et l'audio sont produits dans le même pipeline, ce qui évite un alignement de doublage ultérieur.
• Contrôle reproductible de la génération — le paramètre seed est disponible ; une fois fixé, il facilite la comparaison version par version et les tests de régression sur un même prompt.
• Couverture de plusieurs formats d'image — cinq cadres de sortie sont pris en charge : 16:9, 9:16, 1:1, 4:3 et 3:4 ; on passe directement d'une vidéo paysage à une vidéo portrait ou carrée.
• Séparation entre prompt et contrôle négatif — guidance_scale ajuste le degré de respect du prompt, tandis que negative_prompt déclare séparément les éléments à éviter.

Capacités

Génération de vidéo avec son à partir d'un prompt : il suffit de saisir un prompt décrivant l'image et le son pour obtenir un court clip avec audio synchronisé ; les prompts en anglais et en russe sont pris en charge nativement, ce qui permet de contrôler directement en langage naturel le contenu et l'ambiance de la vidéo.

Changement de format d'image : le paramètre aspect_ratio permet de choisir entre paysage, portrait et carré ; un même prompt peut ainsi produire rapidement des versions adaptées à différents emplacements de diffusion.

Degré de respect et contraintes négatives : guidance_scale ajuste entre 1 et 10 la rigueur avec laquelle le texte est suivi, et negative_prompt sert à exclure les éléments non souhaités ; leur combinaison réduit le champ des essais.

Reproductibilité par graine : seed permet de fixer l'aléatoire ; laissé vide, il est généré aléatoirement, ce qui convient pour verrouiller un résultat en phase de finalisation ou pour mener des expériences comparatives en phase de réglage.

Cas d'usage

• Production rapide de contenus courts pour les réseaux sociaux — un opérateur ou une personne chargée de valider un cas d'usage saisit un prompt décrivant l'image et les effets sonores et obtient directement une vidéo d'environ 5 secondes, utilisée comme prototype pour des supports en portrait ou carré.
• Validation de concept de plan avec doublage — une équipe créative décrit par prompt les mouvements des personnages et les sons, génère un court plan avec audio et s'en sert pour présenter à un client ou à l'équipe le rythme narratif et l'ambiance.
• Adaptation par lots en plusieurs formats — un développeur qui doit décliner une même idée sur des canaux paysage et portrait fixe le seed et le prompt, puis change le format d'image pour produire plusieurs versions et réduire les ajustements répétés.

Limites et conseils de choix

Chaque sortie est un court clip d'environ 5 secondes ; une vidéo narrative longue doit être générée par segments puis assemblée. La génération avec audio implique que le prompt couvre à la fois l'image et le son ; pour des compositions complexes, plusieurs ajustements de guidance_scale et du prompt négatif peuvent être nécessaires avant convergence. Seule l'entrée texte est actuellement prise en charge ; si des supports statiques existants doivent piloter un effet animé, il faut se tourner vers la ligne de génération de vidéo à partir d'image de la même série. Pour des exigences plus élevées de durée et de résolution, il convient d'évaluer l'ajout de traitements ultérieurs tels que la super-résolution.