Hugging Face · 每日论文·2026-10-04 04:00· 2 天前精选AI 评分56

Kandinsky 6.0 Video：同步音视频生成基础模型

Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation

AI 导读

Kandinsky 6.0 Video 是一套用于同步文本到音视频生成的基础扩散模型，包含 Lite（3B参数）和 Pro（29B参数）两个版本，支持5秒视频与44kHz音频同步生成，含唇形同步，支持T2AV和I2AV模式，输出分辨率可提升至Full-HD。

推荐理由

原文提供了模型架构、训练策略和评测结果，读者可以据此理解同步音视频生成的技术路径和性能边界。