Kandinsky 6.0 Video açık kaynak oldu: neler geliyor ve çalıştırmak için ne gerekiyor
6 Ekim 2026'da Kandinsky Lab, video ve sesi birlikte üreten bir difüzyon modeli ailesi olan Kandinsky 6.0 Video'yu açık kaynak yaptı. Kod, ağırlıklar ve Diffusers entegrasyonu MIT lisansıyla yayımlandı; bu da onu mevcut en esnek lisanslı ses-video modellerinden biri haline getiriyor. Bu yazı sürümün içeriğini, çalıştırmak için gerekenleri ve diğer açık video modelleriyle karşılaştırmasını ele alıyor. Son kontrol: 2026-10-08.
Sürümde neler var
- İki boyut. Kandinsky 6.0 Video Lite 3 milyar, Pro 29 milyar parametreye sahip. Her biri ana checkpoint, daha hızlı damıtılmış checkpoint ve ön eğitim checkpoint'i olarak geliyor.
- Sesli video. Her ikisi de metinden (T2AV) ya da metin artı bir referans görselden (TI2AV) dudak senkronu dahil senkronize 44 kHz sesli 5 saniyelik klipler üretiyor.
- Süper çözünürlük modülü. Ayrı bir model olan Kandinsky 6.0 Video Super-Resolution klipleri 2x, 2,25x veya 4x büyütüyor. Sürümün Full HD'ye (1920x1080) ulaşması bu yolla oluyor; Pro'nun temel örneği 864x480 ve 24 fps'de işliyor.
- İlk günden itibaren araçlar. Diffusers, ComfyUI, vLLM-Omni, SGLang ve FastVideo desteği, ayrıca Hugging Face Spaces'te bir Pro Distill demosu.
Lisans
GitHub'daki kod ve Hugging Face'teki her checkpoint MIT lisansıyla sunuluyor. Bölgesel kısıtlama, gelir eşiği ya da kabul edilebilir kullanım eki yok: kendiniz barındırabilir, ince ayar yapabilir ve üzerinde ticari ürün çıkarabilirsiniz. Tek dipnot süper çözünürlük deposunda; Diffusers dışa aktarma şablonları özgün Apache-2.0 bildirimlerini koruyor.
Çalıştırmak için ne gerekiyor
Kandinsky 6.0 bir NVIDIA GPU ile Python 3.13 veya 3.14 istiyor. Depo, veri merkezi kartlarından (H100, A100 80 GB, RTX PRO 6000) tüketici kartlarına (RTX 5090, 5080, 4090 ve 16 GB'lık RTX 5060 Ti) kadar ön ayarlar içeriyor. Tüketici kartları blok boşaltmayla çalışıyor ve 16 GB ön ayarı, kuantalanmış bir metin kodlayıcıyla damıtılmış Pro checkpoint'ini kullanıyor. vLLM-Omni'de Pro için 80 GB bile CPU boşaltması olmadan yetmiyor. Disk için de plan yapın: yalnızca Pro'nun transformer ağırlıkları yaklaşık 70 GB, Lite ise yaklaşık 7,5 GB yer tutuyor.
Daha büyük kısıt zaman. İşte deponun kendi ölçümleri: 5 saniyelik bir klip için, ısınmadan sonra ve model yüklemesi hariç:
| 5 saniyelik klip | H100 | RTX 4090 | RTX 5060 Ti |
|---|---|---|---|
| Lite, SD | 239 sn | 437 sn | 1.310 sn |
| Pro, Full HD | 402 sn | 1.247 sn | 3.530 sn |
Yani H100'de Full HD'de Pro için klip başına yedi dakikaya yakın süre, 16 GB'lık bir kartta ise yaklaşık bir saat. Damıtılmış checkpoint'ler bu süreyi kısaltıyor, ama bu yine de toplu işleme ve araştırma için bir model; dizüstü GPU'da etkileşimli önizleme için değil.
Diğer açık video modelleriyle karşılaştırma
| Kandinsky 6.0 Video | MiniMax H3 | Wan 2.2 | |
|---|---|---|---|
| Lisans | MIT | MiniMax Community License; AB, Birleşik Krallık, Güney Kore ve ABD'yi dışarıda bırakır ve 20 milyon $ üzeri gelir için onay ister | Apache-2.0 |
| Kendi sunucunuzda çıktı | 5 sn; SR modülüyle Full HD | 768p; 2K için MiniMax'ın barındırılan API'si gerekir | 480p veya 720p |
| Ses | Üretilen, 44 kHz, dudak senkronlu | Üretilen | Üretilmez (S2V modeli sesi girdi olarak alır) |
| En küçük kurulum | 16 GB kart, boşaltmayla, yavaş | Referans yapılandırma her varyant için 4 GPU kullanır | 24 GB RTX 4090'da 5B modeli |
Kısaca: sesli açık ağırlıklara ve hukuk ekibinizin her yerde onaylayacağı bir lisansa ihtiyacınız varsa, Kandinsky 6.0 artık en bariz aday. MiniMax H3 çözünürlükte daha fazla alan sunuyor ama lisansı dört büyük pazarda kendi sunucunuzda çalıştırmayı eleniyor. Üretilen sese ihtiyacınız yoksa Wan 2.2 daha hafif ve iyi desteklenen seçenek olmaya devam ediyor.
Kandinsky 6.0 Imgo'da var mı?
Yok. Kandinsky 6.0 Imgo'ya entegre edilmedi ve online üretim vaat etmiyoruz. Bugün yerel sesli, barındırılan video istiyorsanız Imgo'da Seedance 2.0 var: 15 saniyeye kadar klipler, görsel, video ve ses referansları ve üretilen ses. Kullanılabilir modeller listesi şu anda üretebileceğiniz her şeyi gösteriyor.
Kaynaklar
Paylaş
Related Posts
No image
Kling 4.0 Flash, 28 Eylül'de sınırlı bir gruba — raporlara göre Ultra yıllık abonelere — erken erişimle açıldı; 3–20 saniyelik 720p klip üretiyor. Nasıl girilir, ne kadara mal olur, 8.000 token'lık promptlar ve keyframe planı nasıl yazılır ve bu arada ne üretilir.
No image
Wan 3.0 girdi olarak bir belge, bir web bağlantısı, görseller, videolar ve ses kabul eder. Bu uygulama rehberi her girdinin amacını, 30 saniyelik planın prompt yapısını, 480p'den 1080p'ye her iki katmanda saniye başına bütçe örneklerini ve en yaygın hataları kapsar.
No image
Kling 4.0 Flash 28 Eylül 2026'dan beri erken erişimde; tam model ve API'si ise Ekim 2026 hedefiyle henüz bekleniyor. Her kademenin neler yaptığını, öne çıkan özelliklerden hangilerinin yalnızca duyurulduğunu ve bu arada ne kullanılacağını anlatıyoruz.