Kandinsky 6.0: ComfyUI セットアップとモデルガイド
ComfyUI で Kandinsky 6.0 を実行: 29B Pro と 3B Lite が 44 kHz の同期音声付き 5 秒動画を生成し、さらにフル HD 化する超解像モデルも利用できます。
Kandinsky 6.0
動画生成音声・動画テキストから動画へ画像から動画へComfyUIKandinsky 6.0 Video は、同期されたテキストから音声・動画を生成するための基盤拡散モデルのファミリーです。Pro（29B）と Lite（3B）はいずれも、リップシンクを含む 44 kHz の同期音声付き 5 秒クリップをテキストから音声・動画、画像から音声・動画のモードで生成し、別途用意された超解像モデルが出力をフル HD まで引き上げます。
| 開発元 | Kandinsky Lab |
| リリース日 | 2026-10-06（オープンウェイト） |
| アーキテクチャ | フローマッチングを用いたマルチモーダル動画・音声拡散トランスフォーマー（29B Pro、3B Lite） |
| テキストエンコーダー | Qwen2.5-VL と CLIP プール埋め込み |
| 音声 | MMAudio VAE と BigVGAN スタイルのボコーダー、同期された 44 kHz 出力 |
| 出力 | 24 fps の 5 秒クリップ、超解像後はフル HD まで対応 |
| 生成モード | テキストから音声付き動画、画像から音声付き動画 |
| ライセンス | MIT |
Kandinsky 6.0 Video は、後から音声をダビングするのではなく、映像とサウンドトラックを 1 パスで同時に生成します。マルチモーダルな動画・音声拡散トランスフォーマーが両方のストリームをモデル化し、Qwen2.5-VL テキストエンコーダーがトークンレベルのテキスト埋め込みを、CLIP モデルがプールされた埋め込みを供給します。視覚側は Hunyuan Video VAE でデコードし、音声側は MMAudio VAE と BigVGAN スタイルのボコーダーによって 44 kHz の波形を出力します。サンプリングには shift = 5.0 の flow matching を使用します。
モデル
このファミリーは 2 つのサイズで提供され、それぞれにベース、10 ステップに蒸留されたチェックポイント、事前学習済みチェックポイントがあり、さらに専用の超解像ペアが用意されています:
| チェックポイント | サイズ | 備考 |
|---|---|---|
| Kandinsky 6.0 Pro | 29B | フラッグシップの生成チェックポイント |
| Kandinsky 6.0 Pro distill | 29B | PiFlow により 10 ステップに蒸留。ComfyUI テンプレートでデフォルト使用 |
| Kandinsky 6.0 Pro pretrain | 29B | ファインチューニング用の事前学習済みベース |
| Kandinsky 6.0 Lite | 3B | コンパクトな生成チェックポイント |
| Kandinsky 6.0 Lite distill | 3B | 蒸留された 10 ステップ版 |
| Kandinsky 6.0 Lite pretrain | 3B | ファインチューニング用の事前学習済みベース |
| Kandinsky 6.0 VSR | - | 超解像パイプライン、x2、x2.25、x4、タイルあたり 4 ステップ |
| Kandinsky 6.0 VSR distill | - | 蒸留された超解像、タイルあたり 2 ステップ |
超解像
Kandinsky6SRPipeline は、K-VAE 潜在空間でのタイル拡散によって生成済みフレームをアップスケールし、重なり合うタイルを Hann 窓でブレンドします。resolution_scale は 2、2.25（生成後のデフォルト経路）、4 を受け付け、min_overlap と tiles_batch_size はタイルのブレンドと VRAM を速度と引き換えに調整します。
ComfyUI
公式の ComfyUI 拡張は kandinskylab によって ComfyUI レジストリに kandinsky6 および kandinsky6-sr として公開されています。ComfyUI Manager から両方をインストールして再起動し、ワークフロー → テンプレートを参照 → kandinsky6 を開くと、同梱の Text to Video+Audio と Image to Video+Audio テンプレートが利用できます。モデルファイル（付属の Diffusers JSON 設定を含む）は、拡張の Download models ボタンによって正しい ComfyUI フォルダに取得されます。
リソース
Guides and workflows related to this model series.
コメント
GitHubでサインインしてディスカッションに参加しましょう。