Kandinsky Avatar 1.0: Сбер открыл открытый доступ к модели для создания видеоаватаров

3 ноября 2026 года Сбер выпустил Kandinsky Avatar 1.0 — семейство open-source моделей для генерации говорящих видеоаватаров. Модели принимают на вход изображение и аудиозапись, после чего создают видео длительностью до одной минуты с синхронизацией губ и мимики.

Технические характеристики Kandinsky Avatar 1.0

Модель построена на базе Kandinsky 5.0 Video. Выпущены две версии: Pro с 21 млрд параметров в разрешении HD и Lite с 2 млрд параметров в SD-разрешении. Lite-версия работает на потребительских видеокартах. Видео генерируется с частотой 24 кадра в секунду. Модель анимирует людей, животных и мультипликационных персонажей, добавляет повороты головы и жесты по короткому текстовому описанию сцены.

Обучение проводилось на более чем 1 млн видеоклипов с одним говорящим. В наборе присутствуют 95 языков, включая русский, английский, казахский, испанский и французский. Модель не синтезирует голос, а использует только предоставленную аудиозапись. Видео можно создавать на любом языке, соответствующем входному звуку.

Код и веса опубликованы под лицензией MIT на GitHub, GitVerse и Hugging Face. Модель совместима с ComfyUI и Diffusers. Разработчики могут использовать её бесплатно, в том числе в коммерческих проектах.

Результаты тестирования и планы Сбера

В слепом сравнении Kandinsky Avatar 1.0 Pro опередил Kling Avatar 2, LongCat-Avatar-1.5 и HeyGen IV в 54–63 % случаев. По качеству синхронизации губ преимущество достигало 77 %. Управляющий директор по исследованиям данных Сбера Денис Димитров отметил, что модель даёт российским разработчикам основу для создания и дообучения решений без необходимости начинать с нуля.

Сбер планирует интегрировать Kandinsky Avatar 1.0 в собственные сервисы. Компания намерена учитывать обратную связь сообщества при выпуске следующих версий. Модель позиционируется как первая полностью российская разработка для создания реалистичных цифровых собеседников, пригодных для образовательных и рекламных роликов, инструкций и персонализированных сообщений.

Открытый релиз расширяет возможности российских разработчиков в области генерации видео. Доступ к весам снижает порог входа для компаний, работающих с аватарами, и позволяет быстрее тестировать решения на базе Kandinsky 5.0 Video.