Kandinsky 6.0 Video lokaal: video met geluid op RTX 4090

👁 113 keer gelezen

Kandinsky 6.0 Video is een open model dat in één keer een clip van 5 seconden met geluid maakt: spraak, geluidseffecten en muziek. Kandinsky Lab bracht het op 6 oktober 2026 uit onder de MIT-licentie, die ook commercieel gebruik toestaat. Ik draaide beide versies, Lite (3B) en Pro (29B), in ComfyUI op een RTX 4090. Lite maakt een clip in ongeveer 2 minuten, Pro in ongeveer 6,5 minuut. Pro spreekt foutloos Engels; van een geteste Poolse zin sprak het 7 van de 9 woorden goed uit.

Wat is Kandinsky 6.0 Video?

Kandinsky is een modellenfamilie van het Russische Sber, ontwikkeld door Kandinsky Lab. Versie 6.0 is het eerste open model in de familie dat beeld en geluid tegelijk genereert. Het bevat twee stromen, voor video en audio, die zo zijn gekoppeld dat je de golf hoort breken in hetzelfde beeld waarin die tegen een rots slaat. Het model synchroniseert daarom ook lipbewegingen met spraak.

Volgens het rapport van de makers scoort Pro op de meeste onderdelen van de VABench-test beter dan het open LTX-2.5-model. De site Gearbrain schrijft dat het onder de open modellen alleen MiniMax H3 voor zich moet dulden. Dat zijn metingen van de makers en besprekingen door anderen, dus ik heb zelf gekeken hoe het model op mijn computer presteert.

Mijn test op een RTX 4090

Hardware: RTX 4090 met 24 GB, 64 GB RAM, Windows 11, ComfyUI 0.41.0 en modellen op een SSD via USB. Instellingen uit de officiële workflow: 10 stappen, CFG 1, PiFlow-sampler, 864×480 en 121 frames. De promptuitbreider (een apart Qwen 3.5 9B-model van 19 GB) stond uit; ik schreef de prompts meteen volledig uit. Super Resolution heb ik niet ingeschakeld. Ik mat de tijd vanaf het starten van de taak tot het opgeslagen MP4-bestand, inclusief het laden van de modellen. Het VRAM-gebruik is het piekverbruik van de volledige grafische kaart, gemeten met nvidia-smi.

De Pro-versie in int8 is 30,5 GB groot en past dus niet op een kaart met 24 GB. ComfyUI houdt een deel van de gewichten in het RAM en laadt die tijdens het genereren bij; het programma meldde 29 GB ‘staged’. Daarom is Pro ruim drie keer zo traag als Lite en is 64 GB RAM nodig.

Spraak: zegt het model wat ik invoerde?

Je zet de zin die het model moet uitspreken in de scènebeschrijving, tussen de markeringen <S> en <E>. Ik haalde elke clip door Whisper large-v3 en vergeleek de transcriptie met de tekst. De Poolse voorbeeldzinnen hieronder zijn vertalingen van het oorspronkelijke Poolse testmateriaal; de test zelf is in het Pools uitgevoerd. De vertalingen zijn niet opnieuw getest.

Hoewel de documentatie van de makers niets over het Pools zegt, spreekt Pro bijna de hele Poolse zin uit met een correcte klemtoon. Het laat kleine woorden (“z”, oftewel “uit”) en woorduitgangen weg of vervormt ze (“mech” in plaats van “miód”, oftewel “honing”). Voor een korte reclametekst kan het volstaan, maar voor langere dialogen in het Pools nog niet.

Clips

Alle clips zijn onbewerkt, met geluid rechtstreeks uit het model. Zet je luidsprekers aan.

Wat viel me op?

• Pro oogt als een filmbeeld. Het voegt zelf zwarte cinemabalken toe (2,39:1) en maakt zacht licht en natuurlijke gezichten. Lite heeft een meer reclameachtige, letterlijke stijl.
• Lite volgt de prompt beter. Bij de vuurtoren maakte Lite een lichtbundel en opspattend water. Pro maakte een mooi, maar rustiger beeld zonder lichtbundel en zonder regen.
• Het geluid past bij het beeld in beide versies. Het geroezemoes op de markt, het sissen van de melkopschuimer en de brekende golven passen bij wat je ziet. De achtergrondmuziek uit de prompt over de barista klinkt zacht, zoals in een café.
• Tekst in beeld is onleesbaar, zoals bij de meeste videomodellen. Op het koffiezetapparaat in de Lite-clip verscheen een onleesbaar bordje.

Kandinsky 6 installeren in ComfyUI

1. Werk ComfyUI bij naar versie 0.38 of nieuwer (ik gebruik 0.41).
2. Zoek in ComfyUI Manager naar kandinsky6 (uitgever: kandinskylab) en installeer de node. Je kunt optioneel ook kandinsky6-sr installeren om de resolutie te verhogen. Handmatig installeren kan ook: kopieer de map comfyui uit de repository kandinskylab/kandinsky-6 naar custom_nodes/kandinsky6 en installeer requirements.txt met de Python-versie van ComfyUI.
3. Download het model. Lite distill (6,4 GB) plaats je samen met config.json in models/diffusion_models/Kandinsky-6.0-Lite-distill-5s-Diffusers/transformer/. De officiële Pro distill in bf16 is 60,3 GB groot. Ik gebruikte de int8-versie van 30,5 GB uit de repository kabachuha/Kandinsky-6.0-Pro-distill-5s-int8-convrot. De maker van die versie waarschuwt dat deze mogelijk niet werkt met de node van Kandinsky Lab. Bij mij werkte het wel.
4. Download de gedeelde onderdelen: encoder qwen_2.5_vl_7b.safetensors en clip_l.safetensors (naar text_encoders), hunyuan_video_vae_bf16.safetensors (naar vae), audio-VAE v1-44.pth van MMAudio en vocoder BigVGAN 44 kHz (naar audio_vae). De exacte downloadadressen staan in de README van de node.
5. Open Workflow, daarna Browse Templates en vervolgens kandinsky6. Kies ‘Text to Video+Audio’ of ‘Image to Video+Audio’.
6. Als je de promptuitbreider uitschakelt, schrijf dan een volledige beschrijving in het Engels: wie doet wat, de camera en de belichting. Beschrijf in het tweede veld wat je hoort. Zet gesproken tekst tussen <S>tekst<E>.

Start ComfyUI op Windows met PYTHONUTF8=1. Zonder die instelling wilden de nodes bij mij niet laden, doordat er Poolse tekens in de logboeken verschenen. Je vindt een algemene installatiehandleiding in ComfyUI vanaf nul.

Kandinsky 6 vergeleken met andere open videomodellen

Een bredere vergelijking van open videomodellen, waaronder MAGI-2 en LTX-2.5, staat in Open videomodellen van 2026. Een overzicht van alle nieuwe modellen uit oktober, voor afbeeldingen en muziek inbegrepen, vind je in Nieuwe lokale AI-modellen.

De eenvoudigste optie: Hangar

Beide versies van Kandinsky 6 staan in de catalogus van Hangar, mijn gratis beheerprogramma voor lokale modellen op Windows, zonder account of abonnement. De catalogus vermeldt de bestanden in diffusers-formaat: Lite distill is in totaal 26,7 GB en Pro distill 80,6 GB, waarvan de transformer zelf 60,3 GB inneemt. Kies op een kaart met 24 GB voor Lite, want Pro past alleen met offloading naar RAM. De MIT-licentie staat commercieel gebruik toe, ook in de EU. Kandinsky heeft in Hangar een aparte engine nodig; die is nog in ontwikkeling.

1. Download het installatieprogramma van 14 MB via de website van Hangar. Het is nog niet digitaal ondertekend, dus Windows SmartScreen toont een waarschuwing: klik op ‘Meer informatie’ en daarna op ‘Toch uitvoeren’.
2. Hangar herkent de grafische kaart (Nvidia met CUDA, vanaf 8 GB VRAM, bij voorkeur 12 GB of meer) en laat zien of het model erop past.
3. Zoek Kandinsky 6 Lite of Pro in de catalogus. Je ziet de bestandsgrootte, licentie en of het model in de EU mag worden gebruikt.
4. Genereer voorlopig in ComfyUI met de kandinsky6-node, volgens de instructies hierboven. Hangar installeert ComfyUI portable vanaf nul (bij mij duurde dat 231 s) of koppelt aan een bestaande ComfyUI-installatie.

Hangar vermeldt het model in de catalogus, maar genereren via Hangar werkt nog niet (stand van zaken op 17 oktober 2026). Gebruik voorlopig ComfyUI, zoals hierboven beschreven. Meer informatie: Hangar.

Veelgestelde vragen

Hoeveel VRAM heeft Kandinsky 6 nodig?

Lite gebruikte bij mij op 864×480 maximaal 18,8-19,9 GB van de totale capaciteit van de kaart. Pro in int8 kwam uit op 21,4 GB, maar alleen doordat de overige gewichten (ongeveer 29 GB) in het RAM stonden. Lite zou op een kaart met 16 GB moeten starten door onderdelen naar het RAM te verplaatsen, maar werkt dan trager. Zonder 64 GB RAM en 24 GB VRAM raad ik Pro af.

Spreekt Kandinsky 6 Pools?

Pro doet het redelijk goed: 7 van de 9 woorden uit mijn geteste Poolse zin, waaronder een duidelijke (vertaald uit het Pools origineel: „Goedendag”) en (vertaald uit het Pools origineel: „Appels rechtstreeks uit de boomgaard”). Lite vervormt het grootste deel van de zin. Kies Pro als je Poolse gesproken tekst wilt maken. De test is in het Pools uitgevoerd; dit is geen test van het Nederlands.

Mag ik de clips commercieel gebruiken?

De MIT-licentie voor de gewichten en de code staat dat toe en sluit geen landen uit. Houd er wel rekening mee dat de int8-versie die ik gebruikte van een onafhankelijke maker komt en onder de Apache 2.0-licentie valt, die commercieel gebruik eveneens toestaat.

Hoe maak ik een clip langer dan 5 seconden?

De modellen van versie 6.0 zijn getraind op clips van 5 seconden (121 frames). Met de node kun je meer frames invoeren, maar ik heb langere clips niet getest en weet niet hoe goed de kwaliteit dan blijft. Langere scènes kun je samenstellen uit meerdere clips, bijvoorbeeld door in de modus afbeelding-naar-video het laatste frame als startbeeld te gebruiken.

Kies ik Lite of Pro?

Kies Lite om ideeën en beelden te verkennen zonder spraak; het is ruim drie keer zo snel. Pro is bedoeld voor een uitgewerkte scène met dialoog en voor shots die er filmisch uit moeten zien.

Bronnen

• Kandinsky 6.0 Lite distill op Hugging Face (modelkaart, MIT-licentie)
• kandinskylab/kandinsky-6 op GitHub (code en ComfyUI-node)
• Technisch rapport over Kandinsky 6.0 Video (arXiv)
• Kandinsky 6.0 Pro distill int8 (kabachuha)
• Eigen metingen op een RTX 4090, 17 oktober 2026.

// lees verderKandinsky 6 en Wan 2.2: een pratende AI-influencer makenBenchmarksMeta past AI-suggesties aan na virale video over invasieve vragen over kinderenNieuwsCamerabewegingen in Gemini Omni 1.2: FPV-drone en 360-graden shotBenchmarks