MIT开源Kandinsky视频音频联合生成模型

2026年10月6日，MIT 推出开源权重的视频模型 Kandinsky，支持视频与音频联合生成。该模型提供 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，模型发布当天即可直接调用。目前尚无其他来源的报道，关于模型参数规模、训练数据与授权条款等细节均未提及。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。