Kandinsky 6.0 Pro

Visão geral da posição

O modelo de geração de vídeo a partir de texto Kandinsky 6.0 Pro é voltado para desenvolvedores que precisam obter em uma única passagem imagens com áudio. Ele tem o prompt como única entrada obrigatória, produzindo áudio sincronizado junto com a geração das imagens, com saída de cerca de 5 segundos por vez, suportando proporções de tela como paisagem, retrato e quadrada, além de permitir definir uma semente aleatória para reproduzir resultados. É adequado para prototipagem de material de vídeos curtos, validação de cenas com dublagem e sincronização labial, e para equipes que iteram ideias rapidamente com prompts em inglês ou russo.

Destaques principais

• Imagem e áudio gerados de uma só vez — o prompt pode descrever simultaneamente o sujeito, a ação, a câmera e o som; imagem e áudio são produzidos no mesmo pipeline, dispensando o alinhamento posterior de dublagem.
• Controle de geração reproduzível — oferece o parâmetro seed; uma vez fixado, facilita a comparação versão a versão e a regressão com o mesmo prompt.
• Cobertura de múltiplas proporções de tela — suporta cinco formatos de saída: 16:9, 9:16, 1:1, 4:3 e 3:4, permitindo alternar diretamente entre paisagem, retrato e quadrado.
• Prompt e controle negativo separados — guidance_scale ajusta o grau de aderência ao prompt, enquanto negative_prompt declara separadamente o conteúdo a ser evitado.

Descrição das capacidades

Geração de vídeo com som a partir de prompt: basta inserir um prompt que descreva imagem e som para obter um clipe curto com áudio sincronizado; suporta nativamente prompts em inglês e russo, facilitando o controle direto do conteúdo e da atmosfera do vídeo em linguagem natural.

Alternância de proporção de tela: escolha entre paisagem, retrato e quadrado via aspect_ratio; o mesmo prompt pode rapidamente produzir versões adaptadas a diferentes posicionamentos.

Grau de aderência e restrições negativas: guidance_scale ajusta entre 1 e 10 o rigor de reprodução do texto, e negative_prompt serve para excluir elementos indesejados; a combinação dos dois reduz o escopo de tentativa e erro.

Reprodução por semente: seed pode fixar a aleatoriedade; se vazio, gera aleatoriamente, sendo adequado para travar resultados na fase de finalização ou realizar experimentos de controle na fase de ajuste de parâmetros.

Cenários de aplicação

• Produção rápida de material de vídeos curtos para redes sociais — operadores ou validadores de casos de uso inserem um prompt com descrição de imagem e efeitos sonoros e obtêm diretamente um vídeo de cerca de 5 segundos, usado como protótipo de material para veiculação em retrato ou quadrado.
• Validação de conceito de cena com dublagem — equipes criativas usam o prompt para descrever ações dos personagens e sons, gerando cenas curtas com áudio para demonstrar ritmo narrativo e atmosfera a clientes ou à equipe.
• Adaptação em lote para múltiplas proporções — desenvolvedores que precisam cobrir canais em paisagem e retrato com a mesma ideia fixam seed e prompt, alternam a proporção de tela e produzem várias versões de material, reduzindo ajustes repetitivos.

Limitações e recomendações de seleção

A saída por vez é um clipe curto de cerca de 5 segundos; vídeos longos narrativos exigem geração segmentada e posterior montagem. A geração com áudio significa que o prompt deve contemplar simultaneamente descrições de imagem e som; em composições complexas, pode ser necessário ajustar guidance_scale e o prompt negativo por várias rodadas até convergir. Atualmente suporta apenas entrada de texto; caso já existam materiais estáticos e se deseje que eles conduzam efeitos dinâmicos, deve-se usar a linha de geração de vídeo a partir de imagem da mesma série. Cenários com maiores exigências de duração e resolução do vídeo final precisam avaliar se devem ser combinados com processos posteriores, como super-resolução.