Kandinsky 6.0 Video è open source: cosa è stato rilasciato e cosa serve per eseguirlo
Il 6 ottobre 2026 Kandinsky Lab ha reso open source Kandinsky 6.0 Video, una famiglia di modelli di diffusione che generano video e audio insieme. Codice, pesi e integrazione Diffusers sono pubblicati con licenza MIT, il che lo rende uno dei modelli audio-video con la licenza più permissiva disponibile. Questo articolo copre cosa è stato rilasciato, cosa serve per eseguirlo e come si confronta con gli altri modelli video aperti. Ultima verifica: 2026-10-08.
Cosa è stato rilasciato
- Due dimensioni. Kandinsky 6.0 Video Lite ha 3 miliardi di parametri, Pro 29 miliardi. Ognuno è disponibile come checkpoint principale, checkpoint distillato più rapido e checkpoint di pre-addestramento.
- Video con suono. Entrambi generano clip di 5 secondi con audio 44 kHz sincronizzato, lip-sync compreso, a partire da testo (T2AV) o da testo più un'immagine di riferimento (TI2AV).
- Modulo di super-risoluzione. Un modello separato, Kandinsky 6.0 Video Super-Resolution, ingrandisce le clip di 2x, 2,25x o 4x. È così che il rilascio raggiunge il Full HD (1920x1080); l'esempio base di Pro rende a 864x480 e 24 fps.
- Strumenti dal primo giorno. Supporto per Diffusers, ComfyUI, vLLM-Omni, SGLang e FastVideo, più una demo di Pro Distill su Hugging Face Spaces.
Licenza
Il codice su GitHub e ogni checkpoint su Hugging Face sono MIT. Nessuna restrizione territoriale, soglia di ricavi o allegato sull'uso accettabile: puoi ospitarlo tu stesso, fare fine-tuning e lanciare prodotti commerciali con esso. L'unica nota a margine sta nel repository di super-risoluzione, dove i modelli di esportazione Diffusers conservano le loro notice Apache-2.0 originali.
Cosa serve per eseguirlo
Kandinsky 6.0 richiede una GPU NVIDIA e Python 3.13 o 3.14. Il repository include preset dalle schede da data center (H100, A100 80 GB, RTX PRO 6000) alle schede consumer (RTX 5090, 5080, 4090 e la RTX 5060 Ti da 16 GB). Le schede consumer girano con offload a blocchi, e il preset da 16 GB usa il checkpoint Pro distillato con un text encoder quantizzato. In vLLM-Omni, nemmeno 80 GB bastano per Pro senza offload su CPU. Prevedi anche disco: i soli pesi del transformer di Pro occupano circa 70 GB, contro circa 7,5 GB per Lite.
Il limite più serio è il tempo. Queste sono le misurazioni dello stesso repository per una clip di 5 secondi, dopo il riscaldamento ed escluso il caricamento del modello:
| Clip di 5 secondi | H100 | RTX 4090 | RTX 5060 Ti |
|---|---|---|---|
| Lite, SD | 239 s | 437 s | 1.310 s |
| Pro, Full HD | 402 s | 1.247 s | 3.530 s |
Ossia quasi sette minuti per clip su H100 con Pro in Full HD e circa un'ora su una scheda da 16 GB. I checkpoint distillati riducono questi tempi, ma resta un modello per il rendering in batch e la ricerca, non per anteprime interattive sulla GPU di un portatile.
Confronto con gli altri modelli video aperti
| Kandinsky 6.0 Video | MiniMax H3 | Wan 2.2 | |
|---|---|---|---|
| Licenza | MIT | MiniMax Community License; esclude UE, Regno Unito, Corea del Sud e USA, e richiede autorizzazione oltre i 20 M$ di ricavi | Apache-2.0 |
| Output self-hosted | 5 s; Full HD tramite il modulo SR | 768p; il 2K richiede l'API hosted di MiniMax | 480p o 720p |
| Audio | Generato, 44 kHz, con lip-sync | Generato | Non generato (il modello S2V riceve l'audio in ingresso) |
| Configurazione minima | Scheda da 16 GB con offload, lenta | La configurazione di riferimento usa 4 GPU per variante | Modello 5B su una RTX 4090 da 24 GB |
In breve: se servono pesi aperti con suono e una licenza che il tuo legale approvi ovunque, Kandinsky 6.0 è ora il candidato ideale. MiniMax H3 offre più margine di risoluzione, ma la sua licenza esclude il self-hosting in quattro grandi mercati. Wan 2.2 resta la scelta più leggera e meglio supportata quando l'audio generato non serve.
Kandinsky 6.0 è su Imgo?
No. Kandinsky 6.0 non è integrato in Imgo e non promettiamo generazione online con esso. Se oggi ti serve video hosted con audio nativo, Imgo offre Seedance 2.0, con clip fino a 15 secondi, riferimenti da immagini, video e audio e suono generato. L'elenco dei modelli disponibili mostra tutto ciò che puoi generare subito.
Fonti
Condividi
Related Posts
No image
Kling 4.0 Flash ha aperto in early access il 28 settembre per un gruppo limitato — abbonati Ultra annuali, secondo i reportage — con clip di 3–20 secondi in 720p. Come entrare, quanto costa, come scrivere i prompt da 8.000 token e il piano di keyframe, e cosa generare nell'attesa.
No image
Wan 3.0 accetta un documento, un link web, immagini, video e audio come input. Questa guida operativa illustra a cosa serve ciascun input, come strutturare il prompt di una ripresa di 30 secondi, esempi di budget al secondo da 480p a 1080p su entrambi i livelli e gli errori più comuni.
No image
Kling 4.0 Flash è in accesso anticipato dal 28 settembre 2026; il modello completo e la sua API sono ancora in attesa, con ottobre 2026 come obiettivo. Ecco cosa fa ciascuna fascia, quali specifiche di punta sono solo annunciate e cosa usare nel frattempo.