Как использовать Kandinsky 6.0 Pro? Первое видео за 5 минут

TL;DR

• Что это: видеомодель от Sber — одного промпта или одного стартового кадра достаточно, чтобы сгенерировать 5-секундный ролик с синхронным звуком. Уже доступна на HiAPI: откройте страницу модели Kandinsky 6.0 Pro, введите промпт и генерируйте сразу; новым пользователям при регистрации начисляется 200 кредитов.
• Сколько стоит: оплата за штуку — текст в видео $1.9286 за видео (около 3 857 кредитов), изображение в видео $2.00 за видео (4 000 кредитов); за неудачные задачи предоплата возвращается.
• Как вызвать быстрее всего: POST https://api.hiapi.ai/v1/tasks, в model укажите kandinsky-6.0-pro/text-to-video, получив taskId, опрашивайте статус или ждите callback, скачивайте MP4 по data.output[0].url.

После запуска чаще всего спрашивают две вещи: чем она отличается от других видеомоделей и сколько шагов нужно, чтобы встроить её в свой продукт. Ответ на первый — в четырёх пунктах ниже, на второй — 5 минут.

Что такое Kandinsky 6.0 Pro? Что нового

Главное изменение — изображение и звук генерируются вместе. Опишите звук в промпте, и стук колёс, шум дождя и голоса в готовом ролике будут синхронизированы с картинкой — отдельно озвучивать не нужно.

• Синхронный звук. Kandinsky 5.x выдавал только изображение; это поколение добавило звуковую дорожку — одна задача сразу возвращает MP4 с синхронной аудиодорожкой.
• Фиксированные 5 секунд, 480p, 24fps. Длительность и разрешение выбирать не нужно; при 16:9 фактический вывод — 864×480, как раз размер для раскадровок и тестовых материалов коротких видео.
• Пять соотношений сторон. Текст в видео поддерживает 16:9, 9:16, 1:1, 4:3, 3:4 — вертикаль, квадрат и горизонталь за один раз; у изображения в видео есть дополнительный auto, который подбирается по стартовому кадру.
• Два ID модели с чётким разделением. kandinsky-6.0-pro/text-to-video начинает видео с текста, kandinsky-6.0-pro/image-to-video берёт изображение как стартовый кадр, а промпт описывает только то, что происходит дальше.

▶ Посмотрите этот 5-секундный ролик: ночной поезд идёт по каменному арочному мосту, пар тянется в долину

Текст в видео, 16:9, 864×480, 24fps; звук и изображение сгенерированы одной задачей.

Сгенерировать с этим промптом →

Два пути: попробовать онлайн или подключить API

Онлайн-попытка (1 минута)

1. Откройте страницу модели Kandinsky 6.0 Pro — промпт подставится автоматически по ссылке выше.
2. Выберите соотношение сторон: для горизонтали 16:9, для вертикали 9:16.
3. Нажмите «Генерировать»; когда задача завершится, ролик можно будет воспроизвести и скачать на странице.

Подключение API (3 шага)

1. Создайте API Key в консоли.
2. Отправьте POST /v1/tasks — достаточно двух полей: model и input.prompt.
3. Опрашивайте статус через GET /v1/tasks/{taskId} или передайте callback при отправке; когда status станет success, заберите data.output[0].url.

Первое видео: версия на 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
    }
  }'

Возвращается задача, а не видео:

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

По этому ID проверяйте статус:

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

Пока задача выполняется, data.status равен handling; после успеха data.output[0].url — это адрес MP4. Если aspect_ratio не передавать, по умолчанию 16:9; guidance_scale принимает значения 1–10, по умолчанию 5 — чем выше, тем ближе к промпту; нежелательное описывайте в negative_prompt (до 2 000 символов). seed передавайте целым числом, чтобы по возможности воспроизвести тот же результат.

Версия на Python: отправка, опрос и скачивание в одном скрипте

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("Сначала сохраните этот 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"Задача завершилась ошибкой: {d}")
    time.sleep(15)

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

Интервал опроса — 15 секунд: видеозадачи асинхронны, слишком частые запросы только нагружают API, а статус от этого не меняется быстрее.

Изображение в видео: меняем ID модели и добавляем стартовый кадр

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 — обязательный стартовый кадр, поддерживаются JPG, PNG, WebP. aspect_ratio по умолчанию auto: выбирается ближайшее к стартовому кадру соотношение и выполняется центральное кадрирование; можно явно указать 16:9, 9:16, 1:1, 4:3, 3:4, чтобы перестроить композицию. Посмотрите этот ролик из изображения →

Как писать промпт: сцена, действие, камера, звук

Опишите четыре слоя чётко — 5 секунд как раз вмещают столько информации:

• Сцена: место, время, свет, погода — A night train crosses a tall stone viaduct under a full moon
• Действие: что делает субъект и с какой скоростью — a plume of steam trailing into the valley
• Камера: точка съёмки и движение — the camera cranes up from the river below
• Звук: что вы хотите услышать; эта дорожка создаётся из того же промпта, что и изображение — rhythmic wheels on the rails and a distant whistle

Чаще всего забывают именно звук. Если описать только изображение, звук модели придётся угадывать; впишите шум дождя, шаги, далёкий поток машин — и звук совпадёт с картинкой. Надёжнее всего писать промпт на английском: китайскую идею сначала переведите на английский, затем отправляйте; лимит одного промпта — 6 000 символов.

4 момента перед запуском в продакшен

1. На сервере используйте callback. Добавьте в тело запроса "callback": {"url": "https://yourapp.com/webhook"} — по завершении задачи придёт автоматическое уведомление, а опрос оставьте как резерв. При таймауте опроса не отправляйте POST повторно: сначала сохраните taskId, потом проверяйте — каждая отправка создаёт новую задачу и тарифицируется заново.
2. Ссылки на результат истекают. URL в успешном ответе содержит expireAt; сразу скачивайте файл в своё хранилище и не записывайте ссылку в бизнес-базу как долгосрочный адрес.
3. Язык промпта. Английский и русский поддерживаются нативно; китайский промпт сначала переведите на английский — так и соответствие изображению, и точность звуковых эффектов будут стабильнее.
4. У изображения в видео aspect_ratio=auto выполняет кадрирование. Чтобы полностью сохранить композицию стартового кадра, явно укажите то же соотношение, что у кадра; чтобы подогнать под формат платформы, проще всего оставить auto.

Полный список полей — в китайской документации.

Частые вопросы

Какие ID у Kandinsky 6.0 Pro? Текст в видео — kandinsky-6.0-pro/text-to-video, изображение в видео — kandinsky-6.0-pro/image-to-video; указываются в поле model запроса POST /v1/tasks.

Можно ли выбрать длительность или разрешение? Нет, вывод фиксирован: 5 секунд, 480p, 24fps. Если нужно 720p и выше, используйте линии текст-в-видео Kling 3.0 или Seedance 2.0.

Есть ли звук в готовом ролике? Есть, и он всегда включён. Звук генерируется из того же промпта: хотите что-то услышать — опишите это в промпте.

Какие соотношения сторон поддерживаются? Текст в видео: 16:9, 9:16, 1:1, 4:3, 3:4; у изображения в видео дополнительно есть auto — по умолчанию подбирается ближайшее к стартовому кадру соотношение.

Сколько роликов за раз? Одна задача — одно 5-секундное видео, оплата за штуку, за неудачные задачи предоплата возвращается. Нужно несколько — параллельно создавайте несколько задач.

Скопируйте промпт про ночной поезд выше и сгенерируйте первое 5-секундное видео на странице модели, выберите 16:9 — звук уже описан в промпте.