Kandinsky S2V 1.0 发布 2B 与 21.4B 语音驱动数字人视频模型

Kandinsky S2V 1.0 发布，可按参考帧和语音轨道生成数字人视频，整个人物都会被驱动而不只是头部，音频仅作为条件、模型本身不生成声音。Lite 版为 2B，另有蒸馏版，Pro 版为 21.4B，权重均已上传 Hugging Face 的 kandinskylab 组织下。