Kandinsky 6.0 Video がオープンソースに：何がリリースされ、動かすのに何が必要か
2026 年 10 月 6 日、Kandinsky Lab は動画と音声を同時に生成する拡散モデルファミリー「Kandinsky 6.0 Video」をオープンソース化しました。コード、重み、Diffusers 統合はすべて MIT ライセンスで公開されており、現状で最も緩い条件の音声・動画モデルの一つです。この記事では、リリース内容、動作要件、他のオープンな動画モデルとの比較を取り上げます。最終確認日：2026-10-08。
リリース内容
- 2 種類のサイズ。Kandinsky 6.0 Video Lite は 30 億パラメータ、Pro は 290 億パラメータです。それぞれ本体のチェックポイント、より高速な蒸留済みチェックポイント、事前学習用チェックポイントが用意されています。
- 音声付きの動画。どちらもテキスト（T2AV）またはテキストと参照画像（TI2AV）から、リップシンクを含む 44 kHz 音声と同期した 5 秒クリップを生成します。
- 超解像モジュール。別モデルの Kandinsky 6.0 Video Super-Resolution がクリップを 2 倍、2.25 倍、4 倍に拡大します。リリースがフル HD（1920x1080）に到達するのはこの経路で、Pro の基本例は 864x480、24 fps で描画されます。
- 初日からのツール対応。Diffusers、ComfyUI、vLLM-Omni、SGLang、FastVideo に対応し、Pro Distill の Hugging Face Space デモもあります。
ライセンス
GitHub のコードと Hugging Face のすべてのチェックポイントが MIT です。地域制限も売上閾値も許容使用条項もなく、自前でホストし、ファインチューンし、商用製品に組み込めます。唯一の注記は超解像リポジトリにあり、Diffusers のエクスポートテンプレートが元の Apache-2.0 表示を保持している点です。
動作に必要なもの
Kandinsky 6.0 には NVIDIA GPU と Python 3.13 または 3.14 が必要です。リポジトリにはデータセンター向けカード（H100、A100 80 GB、RTX PRO 6000）からコンシューマ向けカード（RTX 5090、5080、4090、16 GB の RTX 5060 Ti）までのプリセットが同梱されています。コンシューマカードはブロック単位のオフロードで動き、16 GB プリセットは蒸留済み Pro チェックポイントと量子化テキストエンコーダを使います。vLLM-Omni では 80 GB でも Pro に CPU オフロードが必須です。ディスクも考えましょう：Pro の transformer の重みだけで約 70 GB、Lite は約 7.5 GB です。
より大きな制約は時間です。以下はリポジトリ自身による 5 秒クリップ 1 本の測定値で、ウォームアップ後、モデルのロードを除いたものです：
| 5 秒クリップ | H100 | RTX 4090 | RTX 5060 Ti |
|---|---|---|---|
| Lite、SD | 239 秒 | 437 秒 | 1,310 秒 |
| Pro、フル HD | 402 秒 | 1,247 秒 | 3,530 秒 |
つまり、H100 で Pro のフル HD 1 本に 7 分近くかかり、16 GB カードでは約 1 時間です。蒸留済みチェックポイントなら短縮できますが、バッチレンダリングと研究向けのモデルであって、ノート PC の GPU で対話的にプレビューするものではありません。
他のオープンな動画モデルとの比較
| Kandinsky 6.0 Video | MiniMax H3 | Wan 2.2 | |
|---|---|---|---|
| ライセンス | MIT | MiniMax Community License。EU・英国・韓国・米国を除外し、売上 2,000 万ド超は承認が必要 | Apache-2.0 |
| セルフホスト時の出力 | 5 秒。SR モジュールでフル HD | 768p。2K は MiniMax のホスト API が必要 | 480p または 720p |
| 音声 | 生成、44 kHz、リップシンク付き | 生成 | 生成されない（S2V モデルは音声を入力として受け取る） |
| 最小構成 | 16 GB カードとオフロード、ただし遅い | リファレンス構成は変体あたり 4 GPU | 5B モデルが 24 GB の RTX 4090 で動作 |
要するに、音声付きの開放重みと、どの地域でも法務が通せるライセンスが必要なら、Kandinsky 6.0 が今の最有力候補です。MiniMax H3 は解像度の余地が大きいものの、ライセンスのせいで主要 4 市場でのセルフホストができません。生成音声が不要なら、Wan 2.2 はより軽くサポートも充実した選択肢であり続けます。
Imgo で Kandinsky 6.0 は使えますか？
使えません。Kandinsky 6.0 は Imgo に統合されておらず、オンライン生成を約束するものでもありません。今すぐネイティブ音声付きのホスト型動画生成が必要なら、Imgo には Seedance 2.0 があります。最大 15 秒のクリップ、画像・動画・音声の参照、生成音声に対応しています。利用可能なモデル一覧で今すぐ生成できるものをすべて確認できます。
出典
共有
Related Posts
No image
Kling 4.0 Flash は 9 月 28 日から限定ユーザー（報道では Ultra 年間サブスクライバー）に早期アクセスとして開放され、3〜20 秒の 720p クリップを出力します。入り方、費用、8,000 トークンのプロンプトとキーフレーム計画の書き方、そして今のうちに生成できるものを解説します。
No image
Wan 3.0 はドキュメント、Web リンク、画像、動画、音声を入力として受け付けます。本ガイドでは各入力の役割、30 秒テイクのプロンプト構成、480p〜1080p の両ティアでの毎秒の予算実例、よくある失敗を解説します。
No image
Kling 4.0 Flash は 2026 年 9 月 28 日からアーリーアクセス中で、フルモデルと API は 2026 年 10 月を目標に準備中です。各ティアでできること、主要な仕様のうち発表段階のもの、その間に使うべきものをまとめました。