Kandinsky 6.0 Pro 文生视频：5 秒带声片段

以 kandinsky-6.0-pro/text-to-video 的作者线路真实生成一段约 5 秒、带同步音频的短片，用于展示该模型的输入结构与适用场景。作者线路的入参极简：必填项只有 prompt（一段同时描述画面与声音的英文或俄文句子），其余为可选控制项——aspect_ratio 决定画幅（16:9/9:16/1:1/4:3/3:4），guidance_scale（默认 5，范围 1–10）控制对提示词的贴合程度，negative_prompt 用于排除不希望出现的元素，seed 用于复现同一次生成。本条目采用 16:9 横屏与默认引导系数，提示词把主体、动作、镜头与音频写在同一两句内，从而在同一次生成中拿到画面与口型同步的声音，无需后期对齐。适合短视频素材快速出片、对话类镜头的口型原型、以及基于 Diffusers 本地部署前的效果验证；模型默认时长约 5 秒，长叙事需自行拼接，Full-HD 需走独立超分管线而非单次前向。