Come si usa Kandinsky 6.0 Pro? Il primo video in 5 minuti

TL;DR

• Cos'è: un modello video di Sber che, con un prompt o un'immagine del primo frame, genera un breve filmato di 5 secondi con audio sincronizzato. È già su HiAPI: apri la pagina del modello Kandinsky 6.0 Pro, inserisci il prompt e genera direttamente; i nuovi utenti ricevono 200 crediti alla registrazione.
• Quanto costa: fatturazione a video, $1.9286 per un text-to-video (circa 3,857 crediti), $2.00 per un image-to-video (4,000 crediti); i task falliti vengono rimborsati.
• Come chiamarlo al volo: POST https://api.hiapi.ai/v1/tasks, imposta model su kandinsky-6.0-pro/text-to-video, ottieni il taskId poi esegui il polling o attendi il callback e scarica l'MP4 da data.output[0].url.

Le due domande più frequenti dopo il lancio: in cosa si distingue dagli altri modelli video e quanti passaggi servono per integrarlo nel proprio prodotto. Per la prima, vedi i quattro punti qui sotto; per la seconda, bastano 5 minuti.

Cos'è Kandinsky 6.0 Pro? Cosa c'è di nuovo

Il cambiamento più importante è che immagini e audio vengono generati insieme. Includi il suono nel prompt e il rumore delle ruote, della pioggia o delle voci seguirà le immagini nel filmato finale, senza bisogno di un doppiaggio separato.

• Audio sincronizzato. Kandinsky 5.x produceva solo immagini; questa generazione aggiunge una traccia audio, così un singolo task restituisce direttamente un MP4 con audio sincronizzato.
• 5 secondi fissi, 480p, 24fps. Durata e risoluzione non si scelgono; in 16:9 l'output effettivo è 864×480, ideale per storyboard e test di materiale per video brevi.
• Cinque formati. Il text-to-video supporta 16:9, 9:16, 1:1, 4:3 e 3:4, coprendo verticale, quadrato e orizzontale in un colpo; l'image-to-video ha in più auto, che si adatta automaticamente al primo frame.
• Due ID modello con ruoli chiari. kandinsky-6.0-pro/text-to-video parte dal testo, kandinsky-6.0-pro/image-to-video usa un'immagine come primo frame e il prompt descrive solo ciò che accade dopo.

▶ Guarda questo filmato di 5 secondi: un treno notturno attraversa un ponte ad arco in pietra, il vapore si trascina nella valle

Text-to-video, 16:9, 864×480, 24fps, audio e immagini generati dallo stesso task.

Genera con questo prompt →

Due percorsi per iniziare: provare online o integrare l'API

Prova online (1 minuto)

1. Apri la pagina del modello Kandinsky 6.0 Pro: il prompt viene inserito automaticamente tramite il link qui sopra.
2. Conferma il formato: scegli 16:9 per l'orizzontale, 9:16 per il verticale.
3. Clicca su genera e, a task completato, potrai riprodurre e scaricare il video dalla pagina.

Integrazione API (3 passaggi)

1. Crea una API Key nella console.
2. Invia con POST /v1/tasks: bastano i campi model e input.prompt.
3. Esegui il polling con GET /v1/tasks/{taskId}, oppure passa callback al momento dell'invio; quando status diventa success, prendi data.output[0].url.

Il primo video: versione 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 risposta è un task, non un video:

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

Usa questo ID per controllare lo stato:

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

Mentre il task è in esecuzione, data.status è handling; al termine con successo, data.output[0].url è l'indirizzo dell'MP4. Se non passi aspect_ratio, il valore predefinito è 16:9; guidance_scale va da 1 a 10, con default 5: aumentalo per restare più fedele al prompt; ciò che non vuoi va in negative_prompt, con un limite di 2,000 caratteri. Passa un intero in seed per riprodurre il più possibile lo stesso risultato.

Versione Python: invio, polling e download in un unico script

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("Salva subito questo 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"Task fallito: {d}")
    time.sleep(15)

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

Imposta l'intervallo di polling a 15 secondi: i task video sono asincroni, interrogare troppo spesso produce solo più chiamate API e non cambia lo stato più in fretta.

Image-to-video: cambia ID modello e aggiungi un primo 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 è il primo frame obbligatorio e supporta JPG, PNG e WebP. aspect_ratio ha default auto: sceglie il formato più vicino al primo frame e ritaglia al centro; puoi anche indicare esplicitamente 16:9, 9:16, 1:1, 4:3 o 3:4 per ricomporre l'inquadratura. Guarda questo filmato image-to-video →

Come scrivere il prompt: scena, azione, camera, suono

Quattro livelli ben definiti: in 5 secondi ci sta esattamente questa quantità di informazioni:

• Scena: luogo, ora, luce, meteo — A night train crosses a tall stone viaduct under a full moon
• Azione: cosa fa il soggetto, a che velocità — a plume of steam trailing into the valley
• Camera: posizione e movimento — the camera cranes up from the river below
• Suono: cosa vuoi sentire, questa traccia audio nasce dalla stessa fonte delle immagini — rhythmic wheels on the rails and a distant whistle

La parte che si dimentica più facilmente è il suono. Se descrivi solo le immagini, l'audio può solo essere indovinato dal modello; scrivendo pioggia, passi e traffico lontano, audio e immagini si allineano. Il prompt è più affidabile in inglese: traduci prima in inglese l'idea scritta in cinese e poi inviala; il limite per singolo prompt è di 6,000 caratteri.

4 cose da sapere prima del go-live

1. Sul server usa il callback. Aggiungi al corpo della richiesta "callback": {"url": "https://yourapp.com/webhook"}: il task viene notificato automaticamente al termine e il polling resta solo come fallback. Se il polling va in timeout, non inviare di nuovo il POST: salva prima il taskId e poi interroga — ogni invio crea un nuovo task e viene fatturato di nuovo.
2. I link ai risultati scadono. L'URL nella risposta di successo contiene expireAt: scaricalo subito nel tuo storage, non usarlo come indirizzo permanente nel database di produzione.
3. Lingua del prompt. Inglese e russo sono supportati nativamente; traduci in inglese i prompt in cinese per avere maggiore aderenza alle immagini e maggiore precisione negli effetti sonori.
4. L'aspect_ratio=auto dell'image-to-video ritaglia. Per conservare interamente la composizione del primo frame, indica esplicitamente lo stesso rapporto dell'immagine; per adattarti al formato della piattaforma, lasciare auto è la soluzione più semplice.

Per tutti i campi, vedi la documentazione in cinese.

Domande frequenti

Quali sono gli ID modello di Kandinsky 6.0 Pro? Text-to-video kandinsky-6.0-pro/text-to-video, image-to-video kandinsky-6.0-pro/image-to-video, da inserire nel campo model di POST /v1/tasks.

Si possono scegliere durata o risoluzione? No, l'output è fisso a 5 secondi, 480p, 24fps. Per specifiche da 720p in su, passa alle linee text-to-video di Kling 3.0 o Seedance 2.0.

Il filmato ha l'audio? Sì, ed è sempre attivo. L'audio viene generato dallo stesso prompt: se vuoi sentire qualcosa chiaramente, scrivilo nel prompt.

Quali formati sono supportati? Text-to-video: 16:9, 9:16, 1:1, 4:3, 3:4; image-to-video ha in più auto, che per impostazione predefinita sceglie il rapporto più vicino al primo frame.

Quanti video si generano alla volta? Un task produce un video di 5 secondi, con fatturazione a video e rimborso per i task falliti. Per più video, crea più task in parallelo.

Copia il prompt del treno notturno qui sopra, vai alla pagina del modello e genera il tuo primo video di 5 secondi, scegli il formato 16:9: il suono è già nel prompt.