做短剧、漫剧配音的朋友可以关注一下这个。10 月 6 日 Kandinsky Lab（Sber 旗下）开源了 Kandinsky 6.0 Video，主打画面和声音一起生成，不用再先出视频、再单独配音、最后对口型。
几个关键信息：
- 两个版本：Pro 29B、Lite 3B，支持文生和图生两种输入
- 输出：5 秒片段，自带 44kHz 同步音频，支持唇形同步，内置超分到 1080p
- 许可：代码、权重和 Diffusers 集成都是 MIT，商用集成门槛很低
- 显存：有第三方教程说 Lite 版 16GB 显卡能本地跑，这个还没看到靠谱的实测，大家可以验证一下
官方论文说 Pro 版明显强于上一代 5.0，语音质量和主流音画模型有竞争力；俄文新闻页还说部分指标超过 Wan 2.2 和 HunyuanVideo。这些是官方自己的说法，选型前最好拿自己的素材对比一下。
建议的上手顺序：先跑官方 Diffusers 示例，Pro 和 Lite 各出几段，重点看口型同步和显存占用，再决定接不接进自己的流水线。
另外提醒一句，模型是 MIT 许可，但生成内容的合规责任还是在使用者身上，涉及真人声音和形象要注意授权。
有显卡的朋友跑过的话，欢迎把 Lite 版的显存和出片效果贴上来。
权重：kandinskylab/Kandinsky-6.0-Pro-5s-Diffusers · Hugging Face
论文：https://arxiv.org/pdf/2610.05608
官方新闻：News — Kandinsky Lab