Kandinsky 5.0

Kandinsky 5.0 是俄罗斯 AI 研究实验室 AI-Forever 开发的文本到视频生成模型，具有强大的生成能力和高效的性能表现。核心版本 Kandinsky 5.0 Video Lite 是一款参数量为 20 亿的轻量级模型，生成质量优异，甚至优于一些更大规模的模型。支持多种变体，包括 SFT 模型（生成质量最高）、CFG 蒸馏模型（推理速度提升约 2 倍）、Diffusion 蒸馏模型（低延迟生成且几乎无质量损失）等，满足不同场景需求。模型采用基于 Flow Matching 的 Latent Diffusion 架构，结合 Qwen2.5-VL 提供的文本表示和 HunyuanVideo 的 3D VAE，能根据文本描述生成 5 到 10 秒的视频。在生成与俄罗斯文化相关的视频内容方面表现出色，同时支持生成英文文本。Kandinsky 5.0 适用于视频创作、影视制作、动画生成等多种场景。