视频会自己出声了

刷到 Kandinsky 6.0 Video 开源了：画面和声音一次性一起生成，不用再单独配音。五秒的小片段，连嘴型都对得上，代码和模型全公开，免费随便玩，连商用都行。

我最好奇的是声画能贴多近——玻璃碎的瞬间刚好有碎裂声吗？猫从钢琴上走过，响的刚好是它踩的那几个键吗？要是真这么准，以后一句话就能出一小段能直接放给人看的完整片子，做小玩意儿的手感要变了。

有没有人已经跑过？好想看你们生成的第一条带声音的视频。