Kandinsky 6.0 sem censura: vídeos que falam, cantam e soam reais

De clipes mudos a cenas com voz

A Kandinsky Lab construiu sua reputação com o Kandinsky 5.0, um modelo de vídeo aberto que muitos entusiastas já rodavam em casa. A nova geração mantém esse núcleo de vídeo e adiciona um segundo fluxo que gera o áudio no mesmo instante da imagem, para que os lábios de uma cantora acompanhem a letra e os passos soem quando os pés tocam o chão. Cada clipe tem cinco segundos a 24 quadros por segundo, com som de 44 kHz que pode misturar fala, ambiente e música. Você pode começar só com texto ou com uma foto de referência que vira o primeiro quadro. O avanço é real, mas os limites também: os clipes continuam curtos, a resolução nativa fica em torno de 864×480 antes do upscaling e o modelo Pro, maior, exige muita memória. Os próprios testes cegos com pessoas da Kandinsky Lab também admitem que os melhores serviços de vídeo fechados ainda estão à frente no geral.

O que os criadores fazem com vídeo de IA com som

A maior mudança é a velocidade para quem cria vídeos curtos. Um clipe que antes exigia uma etapa separada de texto para fala, uma música de banco e sincronização manual agora sai em uma única renderização. Por isso o modelo pegou primeiro entre canais de vídeos curtos e de storytelling, criadores de memes musicais e quem desenvolve personagens de IA para as redes sociais. Criadores adultos (18+) usam o mesmo ponto forte para monólogos provocantes, danças lentas e cenas íntimas de ambiente, porque um sussurro e uma música suave criam um clima muito melhor do que o silêncio.

Por que as pessoas querem o Kandinsky 6.0 sem censura

Apps de vídeo hospedados verificam cada prompt e cada quadro, e muitas vezes bloqueiam roupas de banho, romance ou qualquer coisa levemente sugestiva, mesmo entre adultos que consentem. Pesos abertos funcionam de outro jeito. Quando você roda o Kandinsky 6.0 sem censura no ComfyUI na sua própria máquina, não há serviço de moderação no caminho: o workflow simplesmente renderiza o que você descreve. Lembre-se de que é um modelo genérico, não ajustado para conteúdo adulto, então detalhes explícitos não são seu forte, e toda cena deve ter apenas adultos e nunca pessoas reais sem consentimento.

• Seus prompts e clipes ficam no seu próprio computador.
• Sem recusas para temas adultos de bom gosto, como boudoir, roupas de banho ou romance.
• Controle total sobre passos, seeds, vozes e música no workflow.

Lite vs Pro: qual versão rodar

Existem dois tamanhos. O Lite tem 3 bilhões de parâmetros e é a escolha amigável para GPUs domésticas. O Pro tem 29 bilhões e entrega movimento mais limpo e detalhes mais ricos, ao custo de muito mais memória e tempo. Cada um vem como checkpoint base (50 passos, CFG 5), destilado (10 passos, CFG 1) e um checkpoint de pré-treino voltado para fine-tuning. Para clipes do dia a dia com o Kandinsky 6.0 sem censura, comece com um modelo destilado; os templates oficiais do ComfyUI já vêm com o Pro destilado por padrão.

Os tempos são os números oficiais do README para modelos não destilados após o aquecimento; a Kandinsky Lab não publicou tempos para as versões destiladas.

Instalação e workflow do Kandinsky 6.0 no ComfyUI

Quer testar antes de baixar dezenas de gigabytes? A Kandinsky Lab mantém um Hugging Face Space gratuito com o Pro destilado. Quando estiver pronto para rodar localmente, o ComfyUI é a casa mais fácil para o Kandinsky 6.0 sem censura, porque o laboratório lançou seus próprios nós personalizados no dia do lançamento. O suporte nativo no núcleo do ComfyUI ainda é um pull request em aberto, então por enquanto você usa a extensão:

• Instalação: procure kandinsky6 (e kandinsky6-sr para upscaling) no ComfyUI Manager, ou rode comfy node install kandinsky6 kandinsky6-sr. A extensão de geração pede o ComfyUI 0.38.0 ou mais recente.
• Workflow: abra o template integrado Text to Video+Audio ou Image to Video+Audio.
• Download dos modelos: o botão Download models do template baixa todas as partes necessárias, incluindo os codificadores de texto, o VAE de vídeo, o VAE de áudio e o vocoder, e o upscaler.
• Pastas: os modelos de difusão vão em models/diffusion_models, os codificadores de texto em models/text_encoders, o VAE de vídeo em models/vae e as partes de áudio em models/audio_vae.
• Opcional: o aprimorador de prompts Qwen3.5-9B adiciona cerca de 19 GB; desative-o se o espaço em disco ou a memória estiverem apertados.

Requisitos de VRAM: uma placa de 16GB dá conta?

Sim, o Kandinsky 6.0 sem censura roda com 16GB, com paciência. O preset oficial de 16GB transfere blocos do modelo para a RAM do sistema, o que mantém baixa a memória de vídeo, mas joga a carga para a RAM e para o tempo. Uma análise independente do artigo estima o Pro em cerca de 58 GiB de RAM do sistema nesse modo, então uma placa de 16GB é, na prática, uma máquina para o Lite, a menos que você tenha RAM de sobra. Totalmente carregado na GPU, os picos chegam a cerca de 44 GiB no Lite e 73 GiB no Pro. Lembre-se de que o tamanho do arquivo não é o pico de VRAM. Tempos oficiais para um clipe de cinco segundos:

Modelos não destilados, após o aquecimento, sem contar o carregamento dos pesos e a codificação em MP4 (README da Kandinsky Lab).

Versões INT8 e quantizadas para pouca VRAM

Se você procurou uma versão GGUF, não existe uma oficial. O que a comunidade oferece no lugar são arquivos INT8 ConvRot. O pacote T8star tem modelos em arquivo único de 4,87 GB para o Lite, 3,77 GB para o Lite destilado e 34,97 GB para o Pro destilado, e exige ComfyUI 0.39.0 ou mais recente, comfy-kitchen 0.2.37 ou mais recente e uma GPU NVIDIA com INT8 Tensor Cores. O autor validou em um RTX 5090 Laptop com 24 GB. Um segundo conjunto, do kabachuha, depende do pull request nativo do ComfyUI ainda não mesclado, então pode não funcionar com os nós oficiais. Trate ambos como versões da comunidade e compare os resultados com o original.

Como corrigir erros e conflitos de nós no ComfyUI

A maioria dos problemas em uma instalação nova vem de poucas causas, então confira estes pontos antes de reinstalar tudo:

• Nós duplicados: a extensão oficial kandinsky6 e a extensão T8star registram os mesmos nomes de nós. Ative apenas uma delas.
• Versões incompatíveis: atualize o ComfyUI para a versão que a extensão pede e mantenha o comfy-kitchen e o driver da GPU em dia. A Kandinsky Lab oferece wheels alternativos para ComfyUI 0.38.0 com comfy-kitchen 0.2.36.
• Lite base com resultado estranho: o modelo Lite não destilado precisa de 50 passos e CFG 5, com o MagCache removido ou desativado.
• Configurações do destilado: use 10 passos, CFG 1 e denoise 1, ou o resultado fica borrado.
• O diffusers puro falha: o suporte pode ainda não estar no pacote diffusers lançado, então use a extensão do ComfyUI ou o repositório do próprio laboratório.

Upscaling para Full HD e imagem para vídeo com áudio

Dois extras deixam os clipes do Kandinsky 6.0 sem censura muito mais aproveitáveis. Primeiro, o modelo separado de super-resolução (instale kandinsky6-sr) amplia em 2x, 2,25x ou 4x, até 1920×1080. É uma segunda etapa, então conte com tempo e memória extras; o template do ComfyUI mantém o som, enquanto o pipeline puro do diffusers gera só o vídeo e você precisa juntar o áudio por conta própria. Segundo, imagem para vídeo com áudio: escolha o template Image to Video+Audio, carregue uma foto como primeiro quadro e descreva o movimento e o som. É a melhor forma de manter o rosto e a roupa de um personagem consistentes de um clipe para outro.

Receitas de prompt para diálogo, música e ambiente

O modelo lê duas descrições: uma legenda de vídeo para a imagem e uma legenda de áudio para o som. As falas vão dentro da legenda de vídeo, entre <S> e <E>, enquanto música, ruídos e estilo de voz vão na legenda de áudio. Estas receitas tiram o máximo do Kandinsky 6.0 sem censura; troque pelos seus próprios detalhes:

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

1. Mantenha cada clipe com uma ação e uma fala; cinco segundos passam rápido.
2. Indique o movimento de câmera (push-in, órbita, travelling) e a fonte de luz em todo prompt.
3. Descreva a voz: idade, calor, ritmo e sotaque mudam o resultado.
4. Fixe a seed enquanto ajusta a legenda de áudio, para ouvir o que mudou.
5. Deixe claro que todas as pessoas mostradas são adultas (18+).

Como ele se compara ao Wan 2.2 e ao LTX-2.5

O grande diferencial é o som nativo junto com pesos abertos. Nos testes cegos com pessoas do laboratório, o Pro superou o LTX-2.5 em qualidade visual e fala, enquanto o LTX-2.5 se saiu um pouco melhor em sincronia de áudio e vídeo e no áudio geral, uma diferença que o artigo considera não significativa. O LTX-2.5 já tem suporte nativo no ComfyUI, o que simplifica a configuração. O Wan 2.2 gera vídeo mudo, então você adiciona um modelo de voz separado; uma análise prática em russo no Habr achou esse caminho mais lento e mais caro, porém melhor para manter a mesma voz entre clipes, e mediu uma versão quantizada do Pro em cerca de 144 segundos por clipe de cinco segundos. São impressões de um único testador, não números do laboratório.

Sem GPU? Crie vídeos adultos no navegador

Nem todo mundo tem uma placa de 24GB ou uma tarde livre para configurar tudo. O Spicy AI oferece geração de vídeo sem censura semelhante online: envie uma foto, descreva o movimento e receba um clipe curto para adultos (18+), sem baixar nada. Use apenas fotos que sejam suas ou que você tenha permissão para usar, e nunca mostre menores nem pessoas reais sem consentimento.

Fontes

• Relatório técnico do Kandinsky 6.0 Video (arXiv 2610.05608)
• Repositório kandinskylab/kandinsky-6 (GitHub)
• Guia oficial da extensão para ComfyUI
• Página de modelos de vídeo da Kandinsky Lab
• Model card do Kandinsky 6.0 Lite (Hugging Face)
• Model card do modelo de super-resolução de vídeo do Kandinsky 6.0 (Hugging Face)
• Demo gratuita do Pro destilado (Hugging Face Space)
• Nó kandinsky6 no ComfyUI Registry
• Modelos INT8 T8star para ComfyUI (Hugging Face)
• Pull request de suporte nativo ao Kandinsky 6.0 (ComfyUI)
• Análise prática em russo (Habr)

Mais guias de modelos de vídeo sem censura

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