从一句话到五秒成片：Kandinsky 6.0 Pro 分镜概念

以「文字到画面」的转化过程为线索，用 kandinsky-6.0-pro/text-to-video 的作者线路做一次分镜概念演示：只给一句英文描述（主体、动作、镜头、声音写在同一两句里），模型在单次生成中同时产出约 5 秒画面与 44 kHz 同步音频，省去后期对齐音画的步骤。 本条不做参考素材输入，因此 assets 为空——这正好展示纯文本驱动的作者线路 shape：required 的非媒体字段全部落在 base（prompt 由顶层写入，另有 aspect_ratio、guidance_scale、negative_prompt、seed），媒体输出由线路自行产生而非由前置素材绑定。 参数取向上偏克制：guidance_scale 取默认 5，让画面在贴合文本的同时保留自然运动；aspect_ratio 用 16:9 适配横屏分镜板；negative_prompt 用于压掉常见伪影。种子固定以便复现同一镜头。 适用场景：短视频分镜预演、广告镜头概念对齐、需要同期人声或环境音的对话片段原型。默认时长约 5 秒，更长叙事需按镜头拆分后拼接；Full-HD 输出需另走独立超分管线，不在本条范围内。