arXiv 2610.05608 · cs.CV · 2026-10-04
Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation
Team Kandinsky, Julia Agafonova, Bulat Akhmatov, Mikhail Aksyutin, Grigorii Alekseenko, Anastasia Aliaskina, Olga Androsova, Vladimir Arkhipkin 等 88 人
Kandinsky Lab
在最新榜 #39 2026-W41 第 5 名 本站收录于 2026-10-21
一句话要点
Kandinsky 6.0 Video 能同步生成 5 秒视频和 44kHz 音频（含口型），分 3B 和 29B 两个版本。
Kandinsky 6.0 Video generates 5-second clips with synchronised 44 kHz audio and lip-sync, in 3B and 29B variants.
阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库 项目页
主题与学科
同主题：视觉生成
- MaLiang-Harness: A Programmable Path to Image and Video Generation ▲367
- Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation ▲364
- DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models ▲325
- UltraText Bench: A Comprehensive Bilingual Benchmark for Evaluating Visual Text Rendering in Image Generation ▲197
- Matrix-Game 4.0: Harnessing Video Models for Real-Time Playable Game Worlds ▲182
数据说明
元数据来自 arXiv API（已核实）；点赞来自 Hugging Face 每日论文；引用来自 Semantic Scholar。最近刷新 2026-10-22。
要点由本站根据摘要自写，不转载摘要原文，请阅读原文。