El 6 de octubre de 2026, Sber activó en GigaChat la generación de vídeo con sonido: la red neuronal dibuja la imagen y la sonoriza por sí misma, incluyendo diálogos, música y ruido ambiental. Para los usuarios de GigaChat es gratis, sin necesidad de tarjeta ni de recurrir a trucos. Los clips duran hasta cinco segundos y tienen una resolución de hasta Full HD.
Para los creadores de vídeos cortos, esto supone una nueva herramienta de IA para vídeo, funcional y accesible desde Rusia, ideal para crear insertos, introducciones y bocetos de escenas UGC. A continuación, te explicamos qué hace, qué no, y cómo encajar estas piezas de cinco segundos en un vídeo de verdad.
Qué es exactamente lo que se ha lanzado
La generación se basa en el nuevo modelo de Sber, Kandinsky 6.0 Video. Su principal diferencia con las versiones anteriores es que la imagen y el sonido se crean de forma conjunta en un único modelo, en lugar de superponerse a posteriori. Por eso, los labios del personaje se mueven en sincronía con sus diálogos, las pisadas suenan al dar cada paso y la música cambia con la escena.
Puedes configurar una escena de dos maneras:
- Describirla con texto: qué sucede, quién habla, qué sonidos necesitas.
- Subir el primer fotograma (una foto tuya o una imagen) y describir por separado qué debe ocurrir y cómo debe sonar.
El sonido es opcional: el modelo también puede producir un clip mudo.
Especificaciones: lo que promete Sber
| Parámetro | Valor |
|---|---|
| Duración del clip con sonido | hasta 5 segundos |
| Calidad | SD, HD o Full HD (hasta 1920×1080) |
| Frecuencia de muestreo de audio | 44 kHz |
| Velocidad de fotogramas | unos 24 fotogramas por segundo |
| Qué incluye el audio | diálogos con sincronía labial, música, ruido ambiental, efectos |
| Precio para un usuario de GigaChat | gratis |
| Tiempo por generación | unos 8 minutos (según ppc.world) |
Cinco segundos es el límite actual. Sber afirma que planea aumentarlo, pero no ha concretado ninguna fecha.
¿Qué tal es en comparación con los demás?
Es importante señalar que estas cifras provienen de la propia Sber; todavía no existen mediciones independientes:
- El nuevo modelo supera al anterior, Kandinsky 5.0, en aproximadamente el 71 % de los casos en todos los criterios.
- En calidad visual y precisión de movimiento, supera al modelo abierto LTX 2.5 y al cerrado Veo 3.1 Fast.
- El artículo de investigación del equipo lo expresa con más cautela: Kandinsky 6.0 Video supera a LTX 2.5 en la mayoría de las métricas de VABench y «sigue siendo competitivo» frente a los sistemas propietarios, sobre todo en la calidad de la voz.
Sobre los datos de entrenamiento, Sber informó de «más de 20 millones de vídeos con sonido». El artículo ofrece un desglose más detallado: 50 millones de imágenes, 20 millones de escenas de vídeo, 40 millones de pistas de audio y 7 millones de segmentos con vídeo y audio sincronizados.
El modelo también se ha ofrecido gratis a los desarrolladores
Otra noticia importante: Sber ha publicado el modelo en abierto bajo la licencia MIT. Es la más permisiva de las licencias comunes, por lo que se puede usar en productos comerciales.
«Estamos entregando el modelo Kandinsky 6.0 Video a los desarrolladores de forma gratuita y sin restricciones», dijo Anton Frolov, Vicepresidente Senior y Jefe de Desarrollo de IA Generativa en Sberbank.
Lo que se ha publicado:
| Qué | Detalles |
|---|---|
| Versiones del modelo | Lite (3000 millones de parámetros), Pro (unos 30 000 millones) |
| Escalado a Full HD | un modelo separado de 1000 millones de parámetros, ×2 y ×4 |
| Dónde encontrarlo | Hugging Face y GitHub |
| Compatible con | Diffusers, FAL, FastVideo, ComfyUI |
| Para ejecutarlo localmente | a partir de 16 GB de memoria de vídeo (según Habr); la ficha del modelo sugiere transferir parte de los datos a la RAM para que funcione en una tarjeta con menos memoria |
Un detalle técnico útil: el modelo en sí genera vídeo a una resolución pequeña, 864×480. El Full HD se consigue escalando la imagen con un modelo separado. Así que «Full HD» aquí es una imagen ampliada, no una captura nativa en 1080p. En insertos cortos, la diferencia apenas se nota, pero si se estira a pantalla completa, la falta de nitidez se hace evidente.
Qué puede hacer un creador de vídeos cortos con esto
Cinco segundos no es un vídeo, es un detalle. Estos detalles son útiles en los siguientes casos:
Intro y outro
Una escena de cinco segundos con el ambiente y el sonido adecuados es una intro perfecta para una serie. Créala una vez y añádela a cada episodio.
Un recurso para cubrir la voz en off
Cuando estás narrando y no tienes nada que mostrar, una escena de cinco segundos puede rellenar ese hueco. En ese caso, baja el volumen del audio del modelo y mantén tu propia voz.
Un boceto para el cliente
Si haces UGC y necesitas consensuar una idea con un cliente, mostrar una escena de cinco segundos es más fácil que explicarla. El rodaje irá más rápido, porque todos tendrán una idea clara de lo que se busca.
Dar vida a una foto
El modo «primer fotograma + descripción» es una forma de animar una imagen estática. Para fotos de archivo, capturas de pantalla y fotos de producto, resulta más efectivo que generar la escena desde cero.
El método de edición es sencillo: genera 4-6 escenas diferentes de cinco segundos, móntalas en un solo vídeo y pon una única pista de audio por encima. El espectador dejará de fijarse en la duración de cada fragmento, y las diferencias de estilo entre escenas quedarán disimuladas por la música.
No olvides la etiqueta de IA
TikTok, YouTube e Instagram exigen que el contenido realista generado por IA se etiquete. La etiqueta se configura en la propia plataforma al subir el vídeo, no en GigaChat. Si tu inserto podría confundirse con una grabación real, etiquétalo: las plataformas reducen el alcance si falta la etiqueta y, en casos graves, retiran la monetización. Los gráficos abstractos y las escenas obviamente dibujadas no requieren esta etiqueta.
Lo que aún no se sabe
Esto es lo que Sber aún no ha explicado:
- Cuántas generaciones al día permite el acceso gratuito. La palabra «gratis» está en la nota de prensa, pero no se especifica un límite. Tendrás que descubrirlo en la práctica.
- Si habrá planes de pago más adelante. No se ha dicho nada.
- Formato vertical. Las fichas de los modelos y los ejemplos muestran resoluciones horizontales (864×480 y 1920×1080). No se ha dicho nada sobre el 9:16, el formato que necesitan Shorts, Reels y otros vídeos verticales. De momento, da por hecho que tendrás que recortar un fotograma horizontal.
- Condiciones de uso de los clips creados en GigaChat. La licencia MIT cubre el modelo que descargas. Lo que puedes hacer con el vídeo creado dentro del servicio GigaChat se rige por las normas del servicio, y no se ha aclarado este punto con el lanzamiento.
- Cuándo aumentará el límite de 5 segundos. Hay planes, pero no fechas.
Si alguno de estos puntos es crucial para tu trabajo, no dependas de estas funciones hasta que Sber las confirme de forma explícita.
Preguntas frecuentes
¿Qué generador de vídeo con IA gratuito funciona desde Rusia?
GigaChat con el modelo Kandinsky 6.0 Video. Es un servicio ruso, se abre directamente y la generación de vídeo es gratuita. Hemos cubierto las alternativas y su disponibilidad en Sora cerró: por qué y qué usar en su lugar para vídeo con IA en Shorts, Reels y UGC.
¿Cómo se crea un vídeo con sonido en GigaChat?
Describe la escena con texto e indica por separado qué debe oírse: quién habla y qué dice, qué música, qué ruidos. O sube el primer fotograma y añade una descripción de la acción y el audio. Elige una calidad: SD, HD o Full HD. Una generación tarda unos ocho minutos.
¿Qué duración tiene un vídeo de GigaChat?
Hasta cinco segundos con sonido. Se ha prometido un límite mayor, pero no se ha dado fecha. Para tener un vídeo completo, necesitas unir varias escenas de cinco segundos.
¿Se puede publicar este vídeo en TikTok, Shorts y Reels?
Técnicamente, sí. Dos advertencias: el fotograma es horizontal y habrá que recortarlo para el formato vertical, y una escena realista de IA debe etiquetarse al subirla a la plataforma. Las herramientas para montar y finalizar el vídeo están recopiladas en Software de edición de vídeo con IA: los 15 mejores editores de 2026, gratis y de pago.
¿Dónde se descarga Kandinsky 6.0 Video y qué se necesita para ejecutarlo?
Los pesos y el código están en Hugging Face y GitHub bajo la licencia MIT, con integraciones para Diffusers, ComfyUI, FAL y FastVideo. Para ejecutarlo localmente, necesitas un mínimo de 16 GB de memoria de vídeo, según Habr; la versión Lite de 3000 millones de parámetros requiere menos recursos que la Pro. Si no tienes la tarjeta gráfica necesaria, GigaChat es la opción más sencilla.
¿Siguen siendo necesarios los subtítulos si el modelo genera el audio?
Sí. El diálogo generado por el modelo es corto, y los vídeos cortos se suelen ver sin sonido. Cómo hacer subtítulos gratis: Subtítulos gratis para vídeos: X ahora permite que Grok los corrija y traduzca.
Herramientas gratuitas como esta reducen la barrera de entrada: una escena por la que antes pagabas en un rodaje ahora se puede crear en ocho minutos. En Prime Oracles, los briefs de las marcas son públicos: la sección Content Rewards muestra las condiciones y el pago por visualización (CPV), y puedes aceptar una tarea con el botón Accept Task.
Fuentes: Nota de prensa de Sber (CNews), ixbt, Habr, ppc.world, modelos en Hugging Face, artículo de investigación del equipo.