Kandinsky 6.0 sans censure : des vidéos qui parlent, chantent et sonnent vrai

Des clips muets aux scènes qui ont une voix

Kandinsky Lab s'est fait un nom avec Kandinsky 5.0, un modèle vidéo ouvert que de nombreux passionnés faisaient déjà tourner chez eux. La nouvelle génération conserve ce cœur vidéo et ajoute un second flux qui génère l'audio en même temps que l'image : les lèvres d'une chanteuse suivent les paroles et les pas résonnent quand les pieds touchent le sol. Chaque clip dure cinq secondes à 24 images par seconde, avec un son en 44 kHz qui peut mêler voix, ambiance et musique. Vous pouvez partir d'un simple texte ou d'une photo de référence qui devient la première image. Le progrès est réel, mais les limites aussi : les clips restent courts, la résolution native tourne autour de 864×480 avant upscaling, et le grand modèle Pro réclame beaucoup de mémoire. Les propres tests à l'aveugle de Kandinsky Lab reconnaissent aussi que les meilleurs services vidéo fermés restent devant dans l'ensemble.

Ce que les créateurs font avec la vidéo IA sonore

Le plus grand changement, c'est la rapidité pour les créateurs de formats courts. Un clip qui demandait auparavant une étape de synthèse vocale séparée, une musique de banque sonore et une synchronisation manuelle sort désormais en un seul rendu. C'est pourquoi le modèle a d'abord séduit les chaînes de vidéos courtes et de storytelling, les créateurs de mèmes musicaux et ceux qui conçoivent des personnages IA pour les réseaux sociaux. Les créateurs pour adultes (18+) exploitent ce même atout pour des monologues séducteurs, des slows et des scènes d'ambiance intimes, car un murmure et une musique douce installent une atmosphère bien mieux que le silence.

Pourquoi tout le monde veut Kandinsky 6.0 sans censure

Les applis vidéo hébergées contrôlent chaque prompt et chaque image, et bloquent souvent les maillots de bain, la romance ou tout ce qui est un peu suggestif, même entre adultes consentants. Les poids ouverts fonctionnent autrement. Quand vous faites tourner Kandinsky 6.0 sans censure dans ComfyUI sur votre propre machine, aucun service de modération n'intervient : le workflow rend simplement ce que vous décrivez. Gardez en tête qu'il s'agit d'un modèle généraliste, non optimisé pour le contenu adulte, donc les détails explicites ne sont pas son point fort, et chaque scène doit ne montrer que des adultes, jamais de vraies personnes sans leur consentement.

• Vos prompts et vos clips restent sur votre propre ordinateur.
• Aucun refus pour des thèmes adultes de bon goût comme le boudoir, les maillots de bain ou la romance.
• Contrôle total sur les étapes, les seeds, les voix et la musique dans le workflow.

Lite ou Pro : quelle version utiliser

Il existe deux tailles. Lite compte 3 milliards de paramètres et convient bien aux GPU grand public. Pro en compte 29 milliards et offre des mouvements plus nets et plus de détails, au prix de beaucoup plus de mémoire et de temps. Chacun est proposé en checkpoint de base (50 étapes, CFG 5), en version distillée (10 étapes, CFG 1) et en checkpoint de pré-entraînement destiné au fine-tuning. Pour vos clips quotidiens avec Kandinsky 6.0 sans censure, commencez par un modèle distillé ; les modèles de workflow officiels de ComfyUI utilisent déjà Pro distillé par défaut.

Les durées sont les chiffres officiels du README pour les modèles non distillés après préchauffage ; Kandinsky Lab n'a pas publié de durées pour les versions distillées.

Installation et workflow de Kandinsky 6.0 dans ComfyUI

Envie d'essayer avant de télécharger des dizaines de gigaoctets ? Kandinsky Lab propose un Hugging Face Space gratuit avec Pro distillé. Quand vous êtes prêt à passer en local, ComfyUI est l'environnement le plus simple pour Kandinsky 6.0 sans censure, car le laboratoire a publié ses propres nœuds personnalisés dès le jour du lancement. La prise en charge native dans le cœur de ComfyUI est encore une pull request ouverte, donc pour l'instant on passe par l'extension :

• Installation : cherchez kandinsky6 (et kandinsky6-sr pour l'upscaling) dans ComfyUI Manager, ou lancez comfy node install kandinsky6 kandinsky6-sr. L'extension de génération demande ComfyUI 0.38.0 ou plus récent.
• Workflow : ouvrez le modèle intégré Text to Video+Audio ou Image to Video+Audio.
• Téléchargement des modèles : le bouton Download models du modèle de workflow récupère tous les éléments nécessaires, dont les encodeurs de texte, le VAE vidéo, le VAE audio et le vocodeur, ainsi que l'upscaler.
• Dossiers : les modèles de diffusion vont dans models/diffusion_models, les encodeurs de texte dans models/text_encoders, le VAE vidéo dans models/vae et les éléments audio dans models/audio_vae.
• Facultatif : l'optimiseur de prompts Qwen3.5-9B ajoute environ 19 GB ; désactivez-le si l'espace disque ou la mémoire sont limités.

VRAM nécessaire : une carte de 16GB suffit-elle ?

Oui, Kandinsky 6.0 sans censure tourne avec 16GB, avec de la patience. Le preset officiel 16GB décharge des blocs du modèle vers la RAM système, ce qui limite la mémoire graphique mais reporte la charge sur la RAM et le temps. Une analyse indépendante de l'article estime Pro à environ 58 GiB de RAM système dans ce mode : une carte de 16GB est donc surtout une machine pour Lite, sauf si vous avez beaucoup de RAM. Entièrement chargé sur le GPU, les pics atteignent environ 44 GiB pour Lite et 73 GiB pour Pro. Rappelez-vous que la taille des fichiers n'est pas le pic de VRAM. Durées officielles pour un clip de cinq secondes :

Modèles non distillés, après préchauffage, hors chargement des poids et encodage MP4 (README de Kandinsky Lab).

Versions INT8 et quantifiées pour peu de VRAM

Si vous cherchiez une version GGUF, il n'en existe pas d'officielle. La communauté propose à la place des fichiers INT8 ConvRot. Le pack T8star contient des modèles en fichier unique de 4,87 GB pour Lite, 3,77 GB pour Lite distillé et 34,97 GB pour Pro distillé, et nécessite ComfyUI 0.39.0 ou plus récent, comfy-kitchen 0.2.37 ou plus récent et un GPU NVIDIA doté d'INT8 Tensor Cores. Son auteur l'a validé sur un RTX 5090 Laptop avec 24 GB. Un second jeu, de kabachuha, dépend de la pull request native de ComfyUI pas encore fusionnée et peut donc ne pas fonctionner avec les nœuds officiels. Considérez les deux comme des versions communautaires et comparez les résultats avec l'original.

Corriger les erreurs et conflits de nœuds dans ComfyUI

La plupart des problèmes sur une installation neuve viennent de quelques causes, alors vérifiez ces points avant de tout réinstaller :

• Nœuds en double : l'extension officielle kandinsky6 et l'extension T8star enregistrent les mêmes noms de nœuds. N'en activez qu'une seule.
• Versions incompatibles : mettez ComfyUI à jour vers la version demandée par l'extension, et gardez comfy-kitchen et le pilote de votre GPU à jour. Kandinsky Lab fournit des wheels de secours pour ComfyUI 0.38.0 avec comfy-kitchen 0.2.36.
• Lite de base donne un mauvais rendu : le modèle Lite non distillé demande 50 étapes et CFG 5, avec MagCache retiré ou contourné.
• Réglages du distillé : utilisez 10 étapes, CFG 1 et denoise 1, sinon le rendu devient boueux.
• Diffusers seul échoue : la prise en charge n'est peut-être pas encore dans le paquet diffusers publié, utilisez donc l'extension ComfyUI ou le dépôt du laboratoire.

Upscaling Full HD et image vers vidéo avec audio

Deux extras rendent les clips de Kandinsky 6.0 sans censure bien plus exploitables. D'abord, le modèle de super-résolution séparé (installez kandinsky6-sr) agrandit en 2x, 2,25x ou 4x, jusqu'à 1920×1080. C'est une seconde passe, donc prévoyez du temps et de la mémoire en plus ; le modèle de workflow ComfyUI conserve le son, tandis que le pipeline diffusers seul ne produit que la vidéo et vous devez remixer l'audio vous-même. Ensuite, l'image vers vidéo avec audio : choisissez le modèle Image to Video+Audio, chargez une photo comme première image et décrivez le mouvement et le son. C'est la meilleure façon de garder le visage et la tenue d'un personnage cohérents d'un clip à l'autre.

Recettes de prompts pour dialogue, musique et ambiance

Le modèle lit deux descriptions : une légende vidéo pour l'image et une légende audio pour le son. Les répliques se placent dans la légende vidéo entre <S> et <E>, tandis que la musique, les bruits et le style de voix vont dans la légende audio. Ces recettes tirent le meilleur de Kandinsky 6.0 sans censure ; remplacez les détails par les vôtres :

• Dialogue : "An adult woman in a red dress leans on a bar and says <S>You came back.<E>, slow push-in." Audio : "warm female voice, quiet bar chatter, soft piano."
• Chant : "An adult man with a guitar sings on a rooftop at sunset, close-up." Audio : "gentle acoustic ballad, male vocals, light wind."
• Ambiance : "Rain streams down a window, a candle flickers on the sill, static camera." Audio : "steady rain, distant thunder, faint crackle."
• Romance (18+) : "An adult couple slow dances in a dim loft, fairy lights, camera orbits slowly." Audio : "soft saxophone, quiet laughter."

1. Limitez chaque clip à une action et une réplique ; cinq secondes passent vite.
2. Précisez le mouvement de caméra (push-in, orbite, travelling) et la source de lumière dans chaque prompt.
3. Décrivez la voix : l'âge, la chaleur, le débit et l'accent changent le résultat.
4. Fixez la seed pendant que vous ajustez la légende audio, pour entendre ce qui a changé.
5. Précisez que toutes les personnes montrées sont adultes (18+).

Comparaison avec Wan 2.2 et LTX-2.5

Son grand atout, c'est le son natif associé aux poids ouverts. Dans les tests à l'aveugle du laboratoire, Pro a battu LTX-2.5 sur la qualité visuelle et la voix, tandis que LTX-2.5 a fait légèrement mieux sur la synchronisation audio-vidéo et l'audio global, un écart que l'article juge non significatif. LTX-2.5 bénéficie déjà d'une prise en charge native dans ComfyUI, ce qui simplifie l'installation. Wan 2.2 produit de la vidéo muette, il faut donc ajouter un modèle de voix séparé ; un test pratique en russe publié sur Habr a trouvé cette approche plus lente et plus coûteuse, mais meilleure pour garder la même voix d'un clip à l'autre, et a mesuré une version quantifiée de Pro à environ 144 secondes par clip de cinq secondes. Ce sont les impressions d'un seul testeur, pas des chiffres du laboratoire.

Pas de GPU ? Créez des vidéos pour adultes dans votre navigateur

Tout le monde n'a pas une carte de 24GB ou un après-midi libre pour l'installation. Spicy AI propose une génération vidéo sans censure similaire en ligne : importez une photo, décrivez le mouvement et obtenez un court clip pour adultes (18+), sans rien télécharger. N'utilisez que des photos qui vous appartiennent ou que vous avez le droit d'utiliser, et ne montrez jamais de mineurs ni de vraies personnes sans leur consentement.

Sources

• Rapport technique de Kandinsky 6.0 Video (arXiv 2610.05608)
• Dépôt kandinskylab/kandinsky-6 (GitHub)
• Guide officiel de l'extension ComfyUI
• Page des modèles vidéo de Kandinsky Lab
• Fiche du modèle Kandinsky 6.0 Lite (Hugging Face)
• Fiche du modèle de super-résolution vidéo de Kandinsky 6.0 (Hugging Face)
• Démo gratuite de Pro distillé (Hugging Face Space)
• Nœud kandinsky6 dans le ComfyUI Registry
• Modèles INT8 T8star pour ComfyUI (Hugging Face)
• Pull request de prise en charge native de Kandinsky 6.0 (ComfyUI)
• Test pratique en russe (Habr)

Plus de guides sur les modèles vidéo sans censure

• Kling sans censure
• Kling 2.6 sans censure
• Kling O1 sans censure
• Sora sans censure
• Veo sans censure
• Hailuo AI sans censure
• MiniMax H3 Max sans censure
• Wan sans censure
• Wan 3.0 sans censure
• Seedance sans censure
• Seedance 2.5 sans censure
• Seedance 2.0 sans censure
• Seedance 2.0 Mini sans censure
• HunyuanVideo sans censure
• LTX Video sans censure
• Runway sans censure
• Pika sans censure
• Luma Dream Machine sans censure
• Vidu sans censure
• PixVerse sans censure
• EdenLive sans censure
• Grok Imagine sans censure
• AI Avatars sans censure
• HappyHorse 1.0 sans censure
• MiniMax H3 FL2VA Ref2VA sans censure
• Kling 4.0 sans censure
• Kling 3.0 sans censure
• MiniMax H3 RefMods sans censure