Kandinsky 6 en Wan 2.2: een pratende AI-influencer maken
Ik maakte 15 lokale AI-video’s op een RTX 4090. Kandinsky voegt Poolse spraak toe, maar Whisper herkende gemiddeld slechts 65% van de woorden.
👁 115 keer gelezen
Ik maakte vijf AI-influencers op basis van afbeeldingen (zie de test AI-influencers zonder plastic uiterlijk) en bracht ze daarna tot leven. Elke influencer kreeg een verticale video van vijf seconden waarin ze één zin in het Pools tegen haar telefoon zegt. Ik genereerde de video’s lokaal op een RTX 4090 met drie modellen: Kandinsky 6.0 Lite en Pro (beeld en geluid samen) en Wan 2.2 5B (alleen beeld). De bewegingen en gezichten lijken op echte telefoonvideo’s. Poolse spraak blijft een zwak punt: Whisper herkende bij het beste model gemiddeld 65% van de woorden.
In het kort, 17 oktober 2026
- Invoer: selfie gemaakt met FLUX.2 Klein 4B. Uitvoer: 5 seconden, verticaal 9:16, 24 fps.
- Kandinsky 6.0 Lite: ongeveer 1,5-2,5 minuut per clip; gemiddeld 57% van de Poolse woorden herkenbaar (van 30 tot 88%).
- Kandinsky 6.0 Pro (int8): ongeveer 6-7 minuten per clip; gemiddeld 65% van de Poolse woorden herkenbaar.
- Wan 2.2 5B: ongeveer 1,5 minuut per clip, zonder geluid, maar met de mooiste bewegingen van handen en gezicht.
- Alle drie de modellen hebben licenties die commercieel gebruik toestaan (MIT en Apache 2.0).
Serie: lokale AI op een RTX 4090, tests van 17 oktober 2026
- Overzicht: nieuwe lokale AI-modellen (oktober 2026)
- AI-influencers zonder plastic uiterlijk: 5 personages met 5 modellen
- Pratende AI-influencer: video met Poolse spraak (je leest dit nu)
- FLUX 3 Image Klein: 7,5 GB VRAM, 6 seconden per afbeelding
- Qwen-Image 2.1 Turbo: 4 seconden per afbeelding
- Kandinsky 6.0: video met geluid en Poolse spraak
- YuE2 en 3 andere modellen: lokaal Poolse liedjes maken
Zo heb ik de video’s gemaakt
- Ik gebruikte voor elk personage een selfie die ik met FLUX.2 Klein 4B maakte. In de test met afbeeldingen zag dit model er het natuurlijkst uit en het heeft een Apache 2.0-licentie.
- Ik schreef voor elk personage één zin van 7-10 woorden en een korte beschrijving van wat ze doet en wat er op de achtergrond te horen is.
- Kandinsky kreeg de afbeelding als eerste frame, een scènebeschrijving met de gesproken zin tussen
<S>...<E>en een aparte beschrijving van het geluid. Wan kreeg dezelfde beschrijving, maar zonder geluid. - Formaat: 480×864 (Kandinsky) en 544×960 (Wan), 121 frames, oftewel 5 seconden.
- Ik haalde de spraak uit elke clip door Whisper large-v3 en telde hoeveel woorden uit de gesproken zin herkenbaar waren.
De video-opdracht zag er zo uit. Dit is een voorbeeld voor een gids uit Zakopane. De weergegeven zin is een vertaling van het Poolse testmateriaal; de test zelf is in het Pools uitgevoerd.
Clips: 5 personages, 3 modellen
Bij elk personage staan drie clips in deze volgorde: Kandinsky Pro, Kandinsky Lite en Wan 2.2. De Kandinsky-clips hebben modelgeluid; Wan-clips zijn stil.
Kasia, hardloopster uit Gdańsk. Vertaalde testzin: “Tien kilometer hardlopen vóór het ontbijt. Wie rent er morgen met me mee?”
Amara, foodblogger uit Wrocław. Vertaalde testzin: “Vandaag pierogi met jollof rice. Klinkt vreemd, maar smaakt geweldig!”
Halina, tuinierster uit Łódź. Vertaalde testzin: “De wortels hebben dit jaar veel opgebracht. Kom gerust naar mijn volkstuin!”
Mei, reviewer van apparatuur uit Kraków. Vertaalde testzin: “Ik test nieuwe koptelefoons. De review staat morgen op het kanaal.”
Zofia, gids uit Zakopane. Vertaalde testzin: “Het waait ontzettend hard, maar Morskie Oko wacht op ons. Daar gaan we!”
Poolse spraak: hoeveel is er verstaanbaar?
De zinnen in deze tabel zijn vertalingen van het Poolse testmateriaal. De test is daadwerkelijk in het Pools uitgevoerd.
| Vertaalde testzin | Kandinsky Pro | Kandinsky Lite |
|---|---|---|
| “Tien kilometer hardlopen vóór het ontbijt. Wie rent er morgen met me mee?” | 67% | 56% |
| “Vandaag pierogi met jollof rice. Klinkt vreemd, maar smaakt geweldig!” | 70% | 30% |
| “De wortels hebben dit jaar veel opgebracht. Kom gerust naar mijn volkstuin!” | 62% | 38% |
| “Ik test nieuwe koptelefoons. De review staat morgen op het kanaal.” | 86% | 71% |
| “Het waait ontzettend hard, maar Morskie Oko wacht op ons. Daar gaan we!” | 38% | 88% |
Pro spreekt de Poolse zinnen gemiddeld beter uit dan Lite, maar niet in elke clip: bij de gids uit Zakopane scoorde Lite 88% en Pro 38%. Geen van de modellen is foutloos. Vooral Poolse woorden met lastige sisklanken en ongebruikelijke namen zoals “jollof rice” gaan vaak mis. Korte, eenvoudige zinnen werken het best: Lite sprak de zin “Het waait ontzettend hard, maar Morskie Oko wacht op ons. Daar gaan we!” bijna foutloos uit. Voor Instagram-video’s, waar je toch al ondertitels toevoegt, volstaat Pro. Voor langere teksten kun je beter apart een AI-stem opnemen en die onder de video zetten.
Modellen vergeleken
| Model | Tijd per clip | Sterke punten | Zwakke punten |
|---|---|---|---|
| Kandinsky 6.0 Pro (int8) | 6:06-7:02 min* | Beste Poolse spraak; achtergrondgeluid past bij de locatie | Het langzaamst; vereist 64 GB RAM |
| Kandinsky 6.0 Lite | 1:24-2:32 min | Snel, natuurlijke beweging alsof de camera een telefoon is, geluid | Verdraait Poolse woorden (gemiddeld 57% herkenbaar) |
| Wan 2.2 5B | 1:23-2:03 min | Vloeiende handbewegingen en gezichtsuitdrukkingen; blijft trouw aan het eerste frame | Geen geluid; in één clip veranderde het gezicht een beetje |
* Eén Pro-clip deed er 40 minuten over, omdat een ander programma de grafische kaart in die tijd gebruikte. Ik mat alle tijden terwijl de kaart gedeeltelijk bezet was. Met een vrije kaart duurden eerdere Kandinsky Lite-clips ongeveer 2 minuten en Pro-clips ongeveer 6,5 minuut (zie de test Kandinsky 6.0 lokaal gebruiken).
Wat ging goed en wat minder goed?
- Het gezicht blijft op de afbeelding lijken. Alle drie de modellen behielden de sproeten, brillen, kapsels en kleding uit het eerste frame. Alleen ziet de hardloopster er bij Wan aan het einde van de clip iets jonger uit.
- Beweging alsof de video met een telefoon is gemaakt. De camera beweegt licht, een hand strijkt het haar glad en iemand knijpt de ogen dicht in de zon. Niemand poseert als in een reclame.
- Vreemde gebaren. In de Wan-clip brengt de foodblogger een lepel met een pieróg bijna tot aan haar neus. De reviewer van apparatuur beweegt voor de spiegel bijna niet.
- Poolse woorden. In de Lite-clip veranderde “pierogi” in een woord dat ik hier niet zal herhalen. Luister de clip helemaal af voordat je hem publiceert.
Zo kun je het zelf proberen
- Maak een afbeelding van het personage volgens de aanwijzingen in de test AI-influencers zonder plastic uiterlijk.
- Installeer Kandinsky 6 in ComfyUI (instructies staan in de test Kandinsky 6.0 lokaal gebruiken) en open de workflow “Image to Video+Audio”.
- Laad de afbeelding via “Load Image”, stel de breedte in op 480 en de hoogte op 864, zet in “Beautify Prompt”
enabledop false en voer de beschrijving met de gesproken zin tussen<S>...<E>in. - Houd zinnen kort: 6-10 woorden, zonder buitenlandse namen. Maak 2-3 versies en kies de versie waarin alle woorden verstaanbaar zijn.
- Gebruik Wan 2.2 5B (workflow “Wan 2.2 5B ti2v”) als je een clip zonder spraak wilt, bijvoorbeeld voor gebruik met muziek.
Vergeet niet te vermelden dat het om AI gaat. Ik beschreef de regels voor die vermelding in het betreffende deel van de test met afbeeldingen.
Veelgestelde vragen
Kun je gratis een pratende AI-influencer maken?
Ja, lokaal. Kandinsky 6.0 (MIT) en Wan 2.2 (Apache 2.0) zijn gratis en staan commercieel gebruik toe. Je hebt een NVIDIA-videokaart met 24 GB VRAM nodig. Kandinsky Pro vereist ook 64 GB RAM.
Welk model spreekt het beste Pools?
Kandinsky 6.0 Pro: gemiddeld 65% van de woorden in mijn 5 clips was herkenbaar. Lite kwam uit op 57%. Wan 2.2 maakt geen geluid.
Hoe lang kunnen de clips zijn?
De modellen zijn getraind op clips van 5 seconden. Voor een langere video plak je meerdere clips aan elkaar en gebruik je het laatste frame van de vorige clip als beginframe voor de volgende.
Hoe lang duurt het?
Op een RTX 4090 duurt een clip van 5 seconden ongeveer 1,5 minuut met Lite of Wan, tot ongeveer 7 minuten met Pro.
Google · Jouw bronnenHoger in Google - met één klikToevoegen aan voorkeursbronnen →Bronnen
- Kandinsky 6.0 op Hugging Face (MIT-licentie)
- Wan 2.2 TI2V 5B op Hugging Face (Apache 2.0-licentie)
- Eigen test op een RTX 4090, 17 oktober 2026: 15 clips, Whisper large-v3.
More on this from HELDER
