Kandinsky 5.0: Полное руководство по нейросети Сбера для генерации изображений и видео

Что такое Kandinsky 5.0 и чем он отличается от предыдущих версий

Kandinsky 5.0 — это семейство мультимодальных нейросетей, разработанное инженерами Сбера и представленное в ноябре 2025 года. В отличие от предыдущих версий, которые были единой моделью, Kandinsky 5.0 включает три специализированные модели: Image Lite (6B параметров) для генерации и редактирования изображений, Video Lite (2B параметров) для быстрого создания видео и Video Pro (19B параметров) для профессионального видеопроизводства. Все модели построены на архитектуре Diffusion Transformer (DiT) и поддерживают запросы на русском и английском языках, что делает их особенно удобными для российских пользователей. Новая версия также предлагает улучшенное качество генерации, более точное понимание сложных промптов и возможность редактирования изображений с помощью текстовых инструкций.

Обзор моделей семейства Kandinsky 5.0: Image Lite, Video Lite и Video Pro

Семейство Kandinsky 5.0 включает три модели, каждая из которых оптимизирована для своих задач.

Kandinsky 5.0 Image Lite — легковесная модель с 6 миллиардами параметров, предназначенная для генерации изображений высокого разрешения (до 1408×1408 пикселей) и их редактирования. Она поддерживает функции Text-to-Image и Image-to-Image, понимает русский и английский языки, а также умеет создавать изображения в различных стилях. Модель обучена на датасете из 1 миллиарда изображений и 300 миллионов видео, что обеспечивает высокое качество и детализацию.

Kandinsky 5.0 Video Lite — модель с 2 миллиардами параметров для генерации коротких видеороликов (до 10 секунд) на основе текста или изображения. Она оптимизирована для быстрой работы на массовых GPU и считается одной из лучших open-source моделей в своём классе.

Kandinsky 5.0 Video Pro — флагманская модель с 19 миллиардами параметров, ориентированная на профессиональное создание HD-видео длительностью до 10 секунд. Она обеспечивает максимальное качество, сложную динамику сцен и требует мощного серверного оборудования.

Системные требования и минимальные характеристики для запуска

Для работы с моделями Kandinsky 5.0 требуется видеокарта с достаточным объёмом видеопамяти (VRAM). Минимальные требования различаются в зависимости от модели и желаемого разрешения.

Kandinsky 5.0 Image Lite может работать на GPU с 8 ГБ VRAM при генерации изображений 512×512 пикселей. Для комфортной работы с разрешением 1024×1024 и выше рекомендуется 12–16 ГБ VRAM. Подойдут карты уровня NVIDIA RTX 3060, RTX 4070, RTX 3090, RTX 4090, а также профессиональные модели V100 и A100.

Kandinsky 5.0 Video Lite требует минимум 12 ГБ VRAM для коротких клипов в низком разрешении. Для полноценной работы с разрешением 768×512 и длительностью 5–10 секунд рекомендуется 16–24 ГБ VRAM. Хорошо работают карты RTX 3060 12 ГБ, RTX 4070, RTX 3090, RTX 4090 и V100 32 ГБ.

Kandinsky 5.0 Video Pro — самая требовательная модель. Минимальный порог — 24 ГБ VRAM при урезанных настройках, но для полного качества и HD-разрешения необходимо 48 ГБ и более. Оптимальны серверные GPU: RTX 6000 Ada, A40, A100, H100.

Для установки на Windows потребуется Python, библиотеки PyTorch и Transformers, а также доступ к репозиторию модели на GitHub.

Как установить Kandinsky 5.0 на Windows: пошаговая инструкция

Установка Kandinsky 5.0 на Windows возможна через репозиторий на GitHub. Ниже приведён универсальный алгоритм, подходящий для любой модели семейства.

Установите Python версии 3.10 или выше. Рекомендуется использовать дистрибутив Anaconda для удобного управления окружениями.
Создайте виртуальное окружение и активируйте его: conda create -n kandinsky python=3.10 и conda activate kandinsky.
Установите PyTorch с поддержкой CUDA, соответствующей вашей видеокарте. Команда для CUDA 12.1: pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121.
Клонируйте репозиторий Kandinsky 5.0 с GitHub: git clone https://github.com/ai-forever/Kandinsky-5.0.git.
Установите зависимости из файла requirements.txt: pip install -r requirements.txt.
Загрузите веса модели. Для Image Lite выполните скрипт загрузки, указав путь к папке с моделями. Для Video Lite и Video Pro процесс аналогичен, но используются разные пайплайны.
Запустите демо-скрипт или Jupyter Notebook, чтобы проверить работу. Пример для генерации изображения: python run_image_lite.py --prompt "Кот в космосе".

Важно: убедитесь, что у вас достаточно свободного места на диске (веса моделей занимают от 5 до 40 ГБ в зависимости от версии).

Как составлять эффективные промпты для Kandinsky 5.0

Качество результата напрямую зависит от того, насколько точно и подробно вы опишете желаемое изображение или видео. Вот несколько практических советов.

Выносите главное в начало. Начните с ключевого объекта или персонажа, затем опишите действие, фон и детали. Например: "Белый медведь в очках играет на гитаре на фоне северного сияния".

Добавляйте детали. Указывайте время суток, погоду, цветовую гамму, стиль (реализм, аниме, киберпанк), крупность плана и технические характеристики (например, "снято на плёнку 35 мм").

Упрощайте формулировки. Избегайте сложных оборотов и метафор — нейросеть лучше понимает прямые и простые предложения. Вместо "закат, окрашенный в тоски акварель" лучше написать "закат в стиле акварели, оранжевые и розовые тона".

Используйте стили. Перед генерацией можно выбрать один из 17 доступных стилей: детальное фото, 3D-рендер, рисунок карандашом, аниме, киберпанк и другие. Это повышает вероятность получить желаемую эстетику.

Негативные промпты. Если нужно убрать определённые элементы (например, "ночь" или "люди"), укажите их в негативном промпте. Эта функция работает для изображений, но не поддерживается для видео.

Экспериментируйте. Если результат не устраивает, меняйте порядок слов, добавляйте или убирайте детали. Иногда достаточно заменить одно слово, чтобы картинка стала лучше.

Генерация изображений: возможности и ограничения

Kandinsky 5.0 Image Lite позволяет создавать изображения с нуля (Text-to-Image) и редактировать существующие (Image-to-Image). Модель поддерживает разрешения от 512×512 до 1408×1408 пикселей, оптимальное — 768–1024 по меньшей стороне. Соотношение сторон можно выбирать: 1:1, 16:9, 9:16, 3:2, 2:3. Время генерации одного изображения в среднем составляет около 2 минут, но в чат-ботах процесс может быть быстрее.

Редактирование изображений — одна из ключевых функций. Вы можете загрузить фото и попросить нейросеть изменить стиль, добавить или удалить объекты. Например, превратить фотографию в акварельный рисунок или заменить фон. Для этого используется ластик: вы удаляете ненужную область, а затем пишете промпт для её заполнения.

Ограничения: модель может ошибаться при генерации текста на изображении — буквы часто превращаются в нечитаемый набор символов. Также возможны "галлюцинации", когда нейросеть добавляет лишние детали или искажает пропорции. В таких случаях помогает повторная генерация с изменённым промптом.

Формат скачивания: стандартный — JPEG, для стиля "3D рендер" — PNG.

Создание анимации и видео: что нужно знать

Kandinsky 5.0 предлагает два режима для работы с движущимися изображениями: анимация (через интерфейс Fusion Brain) и полноценное видео (Kandinsky Video).

Анимация создаётся из нескольких сцен (до 4), каждая длительностью 4 секунды. Вы можете задать для каждой сцены свой промпт и направление камеры (зум, панорама). Время генерации анимации из 4 сцен — около 10 минут. Соотношение сторон: 1:1, 9:16, 16:9. Максимальное качество при 1:1 — 640×640 пикселей. Скачать анимацию можно в формате MP4.

Kandinsky Video — более сложный инструмент. Максимальная длительность видео — 5 секунд, разрешение ниже, чем у изображений. Время генерации — около 4 минут. Негативные промпты не поддерживаются. Видео нельзя редактировать после создания — только перегенерировать с новым промптом.

Советы: для видео лучше использовать простые, конкретные описания. Например: "Молодой парень в белой футболке едет на скейте по городу, на фоне парк аттракционов". Избегайте сложных сцен с несколькими персонажами — нейросеть может путать их или дублировать.

Платформы для доступа к Kandinsky 5.0 без установки

Если вы не хотите устанавливать нейросеть на свой компьютер, можно воспользоваться облачными сервисами. Kandinsky 5.0 доступен на нескольких платформах:

Fusion Brain — основной веб-сайт для генерации изображений, анимации и видео. Интерфейс интуитивный, есть горячие клавиши и подсказки.
Чат-бот в Telegram — удобен для быстрой генерации. Результат обещают примерно за 10 секунд, но на практике может быть дольше.
Чат-бот в VK — аналогичный функционал.
Приложение СберБанк Онлайн — встроенный генератор изображений.
Виртуальный ассистент Салют — доступен в Android-приложении и на ТВ по команде "Включи художника".

Все эти сервисы бесплатны и не требуют мощного оборудования — обработка происходит на серверах Сбера. Однако в чат-ботах доступны не все функции (например, ограничен выбор соотношения сторон).

Сравнение Kandinsky 5.0 с другими нейросетями: плюсы и минусы

Kandinsky 5.0 часто сравнивают с Midjourney и Stable Diffusion — лидерами рынка генерации изображений. По качеству и детализации он находится примерно на одном уровне с ними, но имеет ряд преимуществ.

Плюсы Kandinsky 5.0:

Полностью бесплатный, без ограничений на количество генераций.
Понимает русский язык и российский культурный контекст (например, Масленицу, русские сказки).
Доступен на множестве платформ, включая Telegram и VK.
Поддерживает не только изображения, но и анимацию с видео.
Есть функция редактирования изображений.

Минусы:

Качество видео пока уступает изображениям.
Может ошибаться при генерации текста на картинке.
В веб-версии иногда возникают сбои (дублирование предыдущих генераций), требующие перезагрузки страницы.
Для локального запуска мощных моделей (Video Pro) нужно дорогое оборудование.

В целом, Kandinsky 5.0 — отличный выбор для тех, кто хочет бесплатно и без ограничений создавать качественный контент на русском языке.

Практические примеры и советы по улучшению результатов

Чтобы получить максимально качественный результат, следуйте этим рекомендациям.

Пример 1: Генерация портрета. Промпт: "Реалистичное фото, милая молодая девушка блондинка с длинными волосами, большие глаза, пухлые губы, естественный макияж, белая майка, ночные огни, портрет, максимум деталей". Стиль: "Детальное фото". Результат — реалистичный портрет с хорошей детализацией.

Пример 2: Сложная сцена с двумя персонажами. Промпт: "Супермен в костюме Супермена и Бэтмен в костюме Бэтмена сидят на скамейке и едят пиццу, на фоне небоскрёбы, общий план, яркие цвета". Если нейросеть путает персонажей, добавьте в негативный промпт "ночь" или уточните детали костюмов.

Пример 3: Анимация. Для анимации из двух сцен: первая — "Пустыня, 4k", вторая — "Солнце, 4k". Выберите направление камеры "панорама слева направо". Результат — плавный переход между сценами.

Советы:

Если результат не устраивает, упрощайте промпт или меняйте порядок слов.
Используйте ластик для удаления лишних объектов на изображении.
Подсматривайте чужие промпты в сообществах — это помогает понять логику нейросети.
Для видео избегайте сложных действий (например, "человек бежит и одновременно жонглирует") — нейросеть может не справиться.

Вопросы и ответы

Сколько стоит использование Kandinsky 5.0?

Kandinsky 5.0 полностью бесплатен. Вы можете генерировать неограниченное количество изображений, анимаций и видео через веб-сайт Fusion Brain, чат-ботов в Telegram и VK, а также через приложение СберБанк Онлайн. Платных тарифов нет.

Можно ли использовать Kandinsky 5.0 на слабом компьютере?

Да, для этого не нужно устанавливать нейросеть локально. Вы можете пользоваться облачными сервисами Сбера (Fusion Brain, Telegram-бот и другие), где вся обработка происходит на серверах. Если же вы хотите запустить модель на своём ПК, потребуется видеокарта с объёмом VRAM от 8 ГБ для Image Lite и от 12 ГБ для Video Lite.

Какие языки поддерживает Kandinsky 5.0?

Нейросеть понимает промпты более чем на 100 языках, включая русский и английский. Она также умеет генерировать текст на изображениях на кириллице и латинице, но качество текста может быть неидеальным.

Как улучшить качество изображения, если результат не устраивает?

Попробуйте изменить промпт: добавьте больше деталей, укажите стиль (например, "детальное фото" или "3D рендер"), используйте негативный промпт для удаления нежелательных элементов. Если нейросеть "галлюцинирует" (добавляет лишние объекты), повторите генерацию с тем же запросом — результат может отличаться.

Можно ли редактировать уже готовое изображение в Kandinsky 5.0?

Да, функция редактирования доступна в модели Image Lite. Вы можете загрузить изображение, удалить ненужные области с помощью ластика и написать промпт для их заполнения. Также можно изменить стиль изображения или добавить новые элементы.

Какие форматы файлов поддерживаются для скачивания?

Изображения скачиваются в формате JPEG (исключение — стиль "3D рендер", который сохраняется в PNG). Анимация и видео — только в MP4.

В чём разница между Kandinsky 5.0 и предыдущими версиями?

Kandinsky 5.0 — это семейство из трёх специализированных моделей (Image Lite, Video Lite, Video Pro), в то время как предыдущие версии были единой моделью. Новая версия предлагает лучшее качество генерации, поддержку видео высокого разрешения, функцию редактирования изображений и более точное понимание сложных промптов.