Бесплатный ИИ-генератор видео: GigaChat создаёт ролики со звуком в Full HD

6 октября 2026 года Сбер открыл в GigaChat генерацию видео со звуком: нейросеть сама рисует картинку и озвучивает её — речью, музыкой и фоновыми шумами. Для пользователей GigaChat это бесплатно, без карты и лишних заморочек. Клипы получаются до пяти секунд длиной и качеством до Full HD.

Для авторов коротких видео это значит, что появился рабочий ИИ-инструмент, доступный из России: он годится для перебивок, заставок и черновых UGC-сцен. Разберёмся, что он умеет, чего не умеет и как встроить пятисекундные отрывки в полноценный ролик.

Что именно запустили

Генерация работает на новой модели Сбера — Kandinsky 6.0 Video. Её главное отличие от прошлых версий: картинка и звук создаются вместе, одной моделью, а не склеиваются потом. Поэтому губы персонажа движутся синхронно с его же репликой, шаги попадают в такт, а музыка меняется вместе со сценой.

Задать сцену можно двумя способами:

• описать текстом — что происходит, кто говорит, какие звуки нужны;
• загрузить первый кадр (своё фото или картинку) и отдельно описать, что должно происходить и как звучать.

Звук опционален: модель умеет делать и немое видео.

Характеристики: что обещает Сбер

Пять секунд — это сегодняшний потолок. Сбер заявляет, что планирует его поднять, но сроков не называет.

Насколько это хорошо по сравнению с другими

Здесь важно, чьи это цифры. Все сравнения ниже — это заявления самого Сбера; независимых замеров пока нет:

• новая модель выигрывает у предыдущей, Kandinsky 5.0, примерно в 71% случаев по всем критериям;
• по качеству картинки и точности движений превосходит открытую модель LTX 2.5 и закрытую Veo 3.1 Fast;
• в научной статье команды сказано осторожнее: Kandinsky 6.0 Video опережает LTX 2.5 по большинству метрик теста VABench и «остаётся конкурентоспособной» с проприетарными системами, особенно по качеству речи.

Про обучающие данные Сбер сообщил о «более чем 20 миллионах видео со звуком». В статье приводится более детальная разбивка: 50 миллионов изображений, 20 миллионов видеосцен, 40 миллионов аудиодорожек и 7 миллионов фрагментов, где видео и звук синхронизированы.

Модель также бесплатно отдали разработчикам

Отдельная новость: Сбер выложил модель в открытый доступ под лицензией MIT. Это самая разрешительная из распространённых лицензий: её можно использовать в коммерческих продуктах.

«Модель Kandinsky 6.0 Video мы передаём разработчикам бесплатно и без ограничений», — сказал Антон Фролов, старший вице-президент и руководитель направления разработки генеративного ИИ Сбербанка.

Что выложено:

Полезная техническая деталь: модель генерирует видео в небольшом разрешении — 864×480. Full HD получается апскейлом с помощью отдельной модели. Так что «Full HD» здесь — это растянутая картинка, а не честный захват в 1080p. На коротких вставках разница почти незаметна, но при растягивании на весь экран «мыло» будет видно.

Что с этим делать, если вы снимаете короткие видео

Пять секунд — это не ролик, а деталь. Вот где такие детали пригодятся:

Заставка и отбивка

Пятисекундная сцена с подходящим настроением и звуком — это полноценная заставка для серии роликов. Делаете один раз и ставите во все выпуски.

Перебивка под закадровый голос

Когда вы что-то рассказываете, а показать нечего, пятисекундная сцена закроет дыру. В этом случае звук от модели нужно приглушить и оставить свой голос.

Черновик для клиента

Если вы делаете UGC и нужно согласовать идею, показать пятисекундную сцену проще, чем объяснять на пальцах. Съёмка потом пойдёт быстрее, потому что все уже видели, что имелось в виду.

Оживить фотографию

Режим «первый кадр + описание» годится, чтобы заставить двигаться статичную картинку. Со стоковыми фото, скриншотами и планами продукта это даёт больше, чем генерация с нуля.

Монтаж простой: нарежьте 4–6 разных пятисекундных сцен, склейте в один ролик и положите сверху единую звуковую дорожку. Так зритель перестанет считать длительность каждого куска, а музыка скроет разницу в стилистике сцен.

Не забудьте про метку об ИИ

TikTok, YouTube и Instagram требуют помечать реалистичный ИИ-контент. Метка ставится внутри площадки при загрузке, а не в GigaChat. Если ваша вставка может сойти за реальную съёмку, пометьте её: площадки режут охваты за отсутствие метки, а в тяжёлых случаях — отключают монетизацию. Абстрактная графика и явно рисованные сцены под требование не подпадают.

Что пока неизвестно

Чего Сбер, по-честному, не объяснил:

• Сколько генераций в день даёт бесплатный доступ. Слово «бесплатно» в релизе есть, цифры лимита — нет. Придётся проверять на практике.
• Будут ли платные тарифы в будущем. Об этом ничего не сказано.
• Вертикальный формат. В карточках моделей и примерах — горизонтальные разрешения (864×480 и 1920×1080). Про 9:16, нужный для Shorts, Reels и Клипов, упоминаний не было. Пока что рассчитывайте, что придётся кадрировать горизонтальную картинку.
• Условия использования роликов, сделанных внутри GigaChat. Лицензия MIT покрывает модель, которую вы скачиваете. Что можно делать с видео, созданным внутри сервиса GigaChat, решают правила сервиса, а к этому запуску отдельных разъяснений не выходило.
• Когда поднимут лимит в 5 секунд. Планы заявлены, сроки — нет.

Если какой-то из этих пунктов для вас критичен, не стройте на нём свою работу, пока Сбер не выскажется определённо.

Частые вопросы

Какой бесплатный ИИ-генератор видео работает из России?

GigaChat с моделью Kandinsky 6.0 Video. Это российский сервис, он открывается без проблем, а генерация видео бесплатна. Альтернативы и их доступность мы разбирали в статье «Sora закрыли: почему и чем заменить — аналоги ИИ-видео для Shorts, Reels и UGC».

Как сделать видео со звуком в GigaChat?

Опишите сцену текстом и отдельно укажите, что должно быть слышно: кто и что говорит, какая музыка, какие шумы. Либо загрузите первый кадр и добавьте описание действия и звука. Выберите качество: SD, HD или Full HD. Одна генерация занимает около восьми минут.

Какой длины видео из GigaChat?

До пяти секунд со звуком. Лимит обещают поднять, но без конкретной даты. Для готового ролика нужно склеить несколько пятисекундных сцен.

Можно ли публиковать такое видео в TikTok, Shorts и Reels?

Технически — да. Два нюанса: картинка горизонтальная, и для вертикального формата её придётся кадрировать, а реалистичную ИИ-сцену нужно помечать при загрузке на площадку. Инструменты для монтажа и доработки видео собраны в подборке «Программы для монтажа с ИИ: 15 лучших редакторов 2026 года, бесплатных и платных».

Где скачать Kandinsky 6.0 Video и что нужно для запуска?

Веса и код лежат на Hugging Face и GitHub под лицензией MIT, есть интеграции для Diffusers, ComfyUI, FAL и FastVideo. Для локального запуска нужно от 16 ГБ видеопамяти, по данным Хабра; Lite-версия на 3 млрд параметров требует меньше, чем Pro. Если у вас нет такой карты, удобнее пользоваться GigaChat.

Нужны ли субтитры, если модель генерирует звук?

Да. Речь модели короткая, а короткие видео почти всегда смотрят без звука. Как сделать субтитры бесплатно: «Бесплатные субтитры для видео: X уже исправляет и переводит их с помощью Grok».

Бесплатные инструменты вроде этого снижают порог входа: сцена, за которую раньше платили на съёмках, теперь собирается за восемь минут. На Prime Oracles задания от брендов лежат в открытом доступе: в разделе Награды за контент видны условия и оплата за просмотры, а взять задание можно по кнопке Принять задание.

Источники: релиз Сбера (CNews), ixbt, Хабр, ppc.world, модели на Hugging Face, научная статья команды.