MIT 开源 Kandinsky 视频+音频模型，6 个版本接入 Diffusers

MIT 推出开源权重视频模型 Kandinsky，支持视频与音频联合生成。模型提供 6 个不同变体，在速度、显存占用与生成质量之间做了不同取舍，并附带两个超分辨率 checkpoint。Hugging Face Diffusers 团队已完成 day0 集成，发布当天即可直接调用。