Kandinsky 6.0: открыт код локальной генерации видео со звуком

Kandinsky 6.0 Video: код для локальной генерации видео и звука открыт

6 октября 2026 года Kandinsky Lab сообщила в собственном репозитории об открытии кода Kandinsky 6.0 Video; исходный коммит с реализацией датирован тем же днём. Сами чекпойнты семейства появлялись в Hugging Face ранее: новость сегодня — открытый runtime и практический путь запуска, а не первая загрузка весов. Отдельного стабильного GitHub release или тега на момент проверки нет. s1 s2

Что доступно

Авторы описывают две линии генерации пятисекундных видео с синхронным звуком: Lite на 3 млрд параметров и Pro на 29 млрд. У обеих есть сценарии text-to-audio-video и image-to-audio-video; super-resolution вынесен в дополнительную модель. В карточках официальных Lite и Pro-distill видны веса трансформера, видео- и аудиокомпонентов, текстового энкодера и вокодера. Это не означает, что достаточно скачать только файл трансформера. В заявлении авторов фигурируют 44 кГц и вывод до Full HD с отдельным масштабированием; это заявленные свойства, а не наши тесты. s1 s3 s4 s5

Основной GitHub-проект содержит исходники Python, CLI и расширения для ComfyUI. В quick start авторы указывают NVIDIA GPU, Python 3.13/3.14, менеджер uv и just. По их инструкции just setup подбирает сборку PyTorch, а just download pro-distill и just generate скачивают подготовленный чекпойнт и создают MP4. В опубликованной инструкции после git clone указан переход в k6_video, который не совпадает с папкой клонирования по умолчанию; при обычном клонировании перейдите в kandinsky-6 или задайте имя каталога явно. Команды здесь приведены по исходникам и документации автора: Modelium не запускал модель и не проверял совместимость конкретной рабочей станции. s1 s6

Альтернативный маршрут — опубликованные авторами узлы kandinsky6 и kandinsky6-sr для ComfyUI. Их документация требует ComfyUI не ниже 0.38.0 и отдельно предупреждает, что загрузка моделей не происходит при установке расширения: компоненты скачиваются по действию пользователя. Для готового workflow заявлен Pro-distill, десять шагов и CFG=1; не переносите этот рецепт на обычный Pro, для которого авторы приводят 50 шагов и CFG=5. s7

Лицензия и проверка результата

В GitHub у исходного кода есть текст MIT; карточки обеих моделей размечены как MIT, а технический отчёт прямо относит MIT к коду и чекпойнтам. Это открытые веса и открытый код, а не просто бесплатный веб-сервис. При включении дополнительных компонентов и распространении сборки проверяйте их собственные условия и уведомления; отсутствие отдельного файла LICENSE в деревьях этих двух HF-репозиториев не заменяет такую проверку. s3 s4 s5 s8

Таблица времени в README — замеры команды, а не универсальная потребность в памяти и не испытание Modelium: пять секунд не-дистиллированного ролика после прогрева, без загрузки весов и кодирования MP4; в разных строках и на разных GPU применяются module/block offload и SageAttention либо FlashAttention 3. Например, у авторов Lite SD занимает 437 секунд на RTX 4090 и 239 секунд на H100, но переносить эти числа на Pro-distill или свою конфигурацию нельзя. Для пилота сравнивайте именно одинаковый чекпойнт, разрешение, режим offload и полный end-to-end интервал, включая загрузку и запись файла. s1

Практический выбор: начните с Pro-distill и официального CLI или готового ComfyUI-workflow, если у вас подходящий NVIDIA-стек; сначала проверьте маленький пятисекундный ролик со звуком, потом добавляйте super-resolution. При нехватке ресурсов не вычисляйте требуемую VRAM из объёма файлов — подберите режим offload и измерьте расход на своей машине. s1 s7