Kandinsky 6.0 Pro の使い方？5 分で最初の動画を生成

TL;DR

• これは何か：Sber 製の動画モデルで、1 つのプロンプトまたは 1 枚のファーストフレーム画像から、同期音声付きの 5 秒の短編を生成できます。すでに HiAPI に登場しており、Kandinsky 6.0 Pro モデルページを開いてプロンプトを入力するだけで生成できます。新規ユーザー登録で 200 クレジットを進呈。
• 料金：1 本ごとの課金で、テキストから動画は 1 本 $1.9286（約 3,857 クレジット）、画像から動画は 1 本 $2.00（4,000 クレジット）。失敗したタスクは事前に差し引いた分が返却されます。
• 最短の呼び出し方：POST https://api.hiapi.ai/v1/tasks を呼び、model に kandinsky-6.0-pro/text-to-video を指定します。taskId を取得したらポーリングするかコールバックを待ち、data.output[0].url から MP4 をダウンロードします。

公開後に最も多く寄せられた質問は 2 つです。他の動画モデルとの違いはどこか、自分のプロダクトに組み込むには何ステップかかるか。前者は以下の 4 点を、後者は 5 分あれば十分です。

Kandinsky 6.0 Pro とは？どこが新しいのか

最大の変化は映像と音声を同時に生成することです。プロンプトに音声も書き込めば、完成した動画の車輪の音、雨音、人の声が映像に合わせて動きます。別途音声を当てる必要はありません。

• 同期音声。 Kandinsky 5.x は映像のみでしたが、この世代では音声トラックが追加され、1 つのタスクで同期音声トラック付きの MP4 が直接得られます。
• 5 秒・480p・24fps 固定。 長さと解像度は選べません。16:9 の場合の実出力は 864×480 で、まさにショート動画の絵コンテや素材テストに適したサイズです。
• 5 種類のアスペクト比。 テキストから動画は 16:9、9:16、1:1、4:3、3:4 に対応し、縦動画・正方形・横動画を一度にカバーします。画像から動画には auto が追加され、ファーストフレームに応じて自動的に合わせます。
• 2 つのモデル ID の役割は明確。 kandinsky-6.0-pro/text-to-video はテキストから動画を生成し、kandinsky-6.0-pro/image-to-video は 1 枚の画像をファーストフレームとして、プロンプトでその後に起こることを記述します。

▶ この 5 秒の完成動画を見る：月夜の列車が石造りのアーチ橋を渡り、蒸気が谷へと流れていく

テキストから動画、16:9、864×480、24fps。音声と映像は同じ 1 つのタスクで生成されます。

このプロンプトで生成する →

2 つの導入ルート：オンラインで試すか、API を組み込むか

オンラインで試す（1 分）

1. Kandinsky 6.0 Pro モデルページを開きます。プロンプトは上のリンクから自動的に入力されます。
2. アスペクト比を確認します。横動画なら 16:9、縦動画なら 9:16 を選びます。
3. 生成をクリックし、タスクが完了すればページ上で再生・ダウンロードできます。

API 組み込み（3 ステップ）

1. コンソールで API Key を作成します。
2. POST /v1/tasks で送信します。model と input.prompt の 2 つのフィールドだけで実行できます。
3. GET /v1/tasks/{taskId} でポーリングするか、送信時に callback を付けます。status が success になったら data.output[0].url を取得します。

最初の動画：curl 版

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
    }
  }'

返ってくるのは動画ではなくタスクです：

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

この ID でステータスを確認します：

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

タスク実行中は data.status が handling で、成功すると data.output[0].url が MP4 のアドレスになります。aspect_ratio を指定しない場合はデフォルトで 16:9、guidance_scale は 1〜10 の範囲でデフォルトは 5、プロンプトに忠実にしたい場合は高めに設定します。不要なものは negative_prompt に書きます（上限 2,000 文字）。seed は整数を渡すと、同じ結果をできるだけ再現できます。

Python 版：送信・ポーリング・ダウンロードを一括で書く

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("この ID を保存しておく:", 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"タスク失敗: {d}")
    time.sleep(15)

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

ポーリング間隔は 15 秒にします。動画タスクは非同期なので、頻繁に問い合わせても API 呼び出しが増えるだけで、ステータスが早く変わるわけではありません。

画像から動画：モデル ID を変えて、ファーストフレームを 1 枚追加

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 は必須のファーストフレームで、JPG、PNG、WebP に対応します。aspect_ratio のデフォルトは auto で、ファーストフレームに最も近いアスペクト比を選んで中央でクロップします。16:9、9:16、1:1、4:3、3:4 を明示して再構図することもできます。この画像から動画の完成動画を見る →

プロンプトの書き方：シーン、動作、カメラ、音声

4 つの層を明確に書けば、5 秒の情報量にちょうど収まります：

• シーン：場所、時間、光、天気——A night train crosses a tall stone viaduct under a full moon
• 動作：被写体が何をしているか、速度はどれくらいか——a plume of steam trailing into the valley
• カメラ：カメラ位置と動き——the camera cranes up from the river below
• 音声：何を聞こえさせたいか。この音声トラックは映像と同じソースから生成されます——rhythmic wheels on the rails and a distant whistle

最も抜けやすいのは音声です。映像だけを書くと、音声はモデルが推測するしかありません。雨音、足音、遠くの車の流れを書き込めば、音と映像が一致します。プロンプトは英語で書くのが最も安定します。中国語のアイデアはまず英語に翻訳してから送信してください。1 本あたりの上限は 6,000 文字です。

公開前に注意すべき 4 つのこと

1. サーバー側では callback を使う。 リクエストボディに "callback": {"url": "https://yourapp.com/webhook"} を追加すると、タスク終了時に自動通知されます。ポーリングはあくまで保険です。ポーリングがタイムアウトしても再 POST せず、まず taskId を保存してから問い合わせてください。送信するたびに新しいタスクになり、再度課金されます。
2. 生成物のリンクは期限切れになる。 成功レスポンスの URL には expireAt が付きます。取得したら自分のストレージにダウンロードし、長期アドレスとして業務データベースに書き込まないでください。
3. プロンプトの言語。 英語とロシア語はネイティブ対応です。中国語のプロンプトはまず英語に翻訳すると、映像の一致度と効果音の正確さがより安定します。
4. 画像から動画の aspect_ratio=auto はクロップされる。 ファーストフレームの構図をそのまま残したい場合は、ファーストフレームと同じ比率を明示してください。プラットフォームの画幅に合わせたい場合は auto のままが最も簡単です。

完全なフィールドは中国語ドキュメントを参照してください。

よくある質問

Kandinsky 6.0 Pro のモデル ID は何ですか？ テキストから動画は kandinsky-6.0-pro/text-to-video、画像から動画は kandinsky-6.0-pro/image-to-video で、POST /v1/tasks の model フィールドに指定します。

長さや解像度は選べますか？ 選択できません。出力は 5 秒、480p、24fps 固定です。720p 以上の仕様が必要なら、Kling 3.0 や Seedance 2.0 のテキストから動画のラインに切り替えてください。

完成動画に音声はありますか？ あります。しかも常に有効です。音声は同じプロンプトから生成されるので、聞こえさせたいものをプロンプトに書き込んでください。

対応しているアスペクト比は？ テキストから動画は 16:9、9:16、1:1、4:3、3:4。画像から動画にはさらに auto があり、デフォルトでファーストフレームに最も近い比率に合わせます。

一度に何本生成できますか？ 1 つのタスクで 5 秒の動画 1 本です。1 本ごとの課金で、失敗したタスクは事前に差し引いた分が返却されます。複数本必要なら複数のタスクを並行して作成してください。

上の夜行列車のプロンプトをコピーして、モデルページで最初の 5 秒動画を生成しましょう。アスペクト比は 16:9 を選んでください。音声はすでにプロンプトに書き込まれています。