無審查 AI 影片 · Kandinsky Lab
無審查 Kandinsky 6.0：會說話、會唱歌、聲音逼真的影片
大多數 AI 影片至今仍是無聲的，接著你得再花一小時找旁白、配樂和音效。Kandinsky 6.0 改變了這一切：一個提示詞，就能得到對白、嘴型、背景音和配樂全都到位的 5 秒短片。Kandinsky Lab 在 2026 年 10 月公開了權重，創作者因此能在自己的 GPU 上用 ComfyUI 執行無審查 Kandinsky 6.0，不必讓雲端過濾器決定什麼能做。以下介紹它能做出什麼、該選哪個版本、如何安裝，以及怎麼寫出聽起來和看起來一樣出色的提示詞。
- 有聲影片
- 開放權重
- 可在 ComfyUI 執行
無審查替代影片生成器
圖片轉影片上傳照片並描述動作，Spicy AI 就會把它變成一段短片。
試用提示詞
範例提示詞為英文，能得到最穩定的結果。
從無聲短片到有聲場景
Kandinsky Lab 以 Kandinsky 5.0 打響名號，這款開放影片模型早已有許多玩家在家中執行。新一代保留了原本的影片核心，並加入第二條串流，在生成畫面的同時寫出音訊，讓歌手的嘴型對上歌詞，腳步聲也在腳踩到地板的瞬間響起。每段短片都是 5 秒、每秒 24 格，搭配可混合人聲、環境音與音樂的 44 kHz 音訊。你可以只用文字開始，也可以用一張參考照片作為第一格畫面。進步是真的，但限制也是真的：短片依然很短，放大前的原生解析度約為 864×480，較大的 Pro 模型也需要大量記憶體。Kandinsky Lab 自己的人工盲測也承認，整體而言最頂尖的閉源影片服務仍然領先。
創作者用有聲 AI 影片做些什麼
最大的轉變是短影音創作者的速度。過去一段短片需要另外跑一次文字轉語音、找一首庫存音樂再手動對齊，現在一次算圖就完成。正因如此，這款模型最先在短影音與說故事頻道、音樂迷因創作者，以及為社群動態打造 AI 角色的人之間流行起來。成人（18+）創作者也運用同樣的優勢，製作撩人的獨白、慢舞與私密氛圍場景，因為一句低語加上輕柔音樂，遠比沉默更能營造情調。
會說話的角色
角色看著鏡頭說出台詞，嘴型跟著字句同步。非常適合短劇、開場片頭與故事預告。
音樂與舞蹈時刻
酒廊歌手、街頭鼓手，或隨著輕柔爵士起舞的情侶，節拍與動作同時到位。
氛圍與環境音循環
雨打窗戶、劈啪作響的壁爐、夜晚的海浪：適合放鬆系短影音與背景的有聲短循環。
為什麼大家想要無審查 Kandinsky 6.0
託管型影片 App 會檢查每一個提示詞和每一格畫面，即使是兩廂情願的成年人，也常把泳裝、浪漫或稍微曖昧的內容擋下來。開放權重就不一樣了。當你在自己的電腦上用 ComfyUI 執行無審查 Kandinsky 6.0，流程中沒有任何審核服務：工作流程只會照你的描述算圖。不過請記得，它是通用模型，並非針對成人內容調校，因此露骨細節並不是它的強項；而且每個場景都只能出現成年人，也絕不能未經同意使用真實人物。
- 你的提示詞和短片都只留在自己的電腦上。
- 私房寫真、泳裝或浪漫等有品味的成人主題不會被拒絕。
- 在工作流程中完全掌控步數、種子、人聲與音樂。
Lite 與 Pro：該執行哪個版本
模型有兩種尺寸。Lite 有 30 億參數，對家用 GPU 較友善。Pro 有 290 億參數，動作更乾淨、細節更豐富，但需要多得多的記憶體與時間。兩者都提供基礎檢查點（50 步，CFG 5）、蒸餾版（10 步，CFG 1），以及用於微調的預訓練檢查點。日常製作無審查 Kandinsky 6.0 短片，建議從蒸餾模型開始；官方 ComfyUI 範本預設就是 Pro 蒸餾版。
| Lite | Pro | |
|---|---|---|
| 大小 | 3B 參數 | 29B 參數 |
| 適合 | 16GB 至 24GB 家用 GPU、快速測試 | 最高畫質、24GB 以上顯示卡或雲端 GPU |
| RTX 4090、基礎模型、SD 短片 | 437 秒 | 936 秒 |
| 蒸餾版 | 10 步，CFG 1 | 10 步，CFG 1 |
時間為官方 README 中非蒸餾模型暖機後的數據；Kandinsky Lab 尚未公布蒸餾版的時間。
Kandinsky 6.0 ComfyUI 安裝與工作流程
想在下載數十 GB 之前先試試看？Kandinsky Lab 提供了一個使用 Pro 蒸餾版的免費 Hugging Face Space。準備好在本機執行時，ComfyUI 是執行無審查 Kandinsky 6.0 最簡單的地方，因為實驗室在發布當天就推出了自家的自訂節點。ComfyUI 核心的原生支援仍是尚未合併的 pull request，所以目前請使用擴充套件：
- 安裝：在 ComfyUI Manager 搜尋 kandinsky6（放大用的 kandinsky6-sr 也一起），或執行 comfy node install kandinsky6 kandinsky6-sr。生成擴充套件需要 ComfyUI 0.38.0 或更新版本。
- 工作流程：開啟內建的 Text to Video+Audio 或 Image to Video+Audio 範本。
- 下載模型：範本的 Download models 按鈕會抓取所需的每個部分，包括文字編碼器、影片 VAE、音訊 VAE 與聲碼器，以及放大器。
- 資料夾：擴散模型放在 models/diffusion_models，文字編碼器放在 models/text_encoders，影片 VAE 放在 models/vae，音訊部分放在 models/audio_vae。
- 選用：Qwen3.5-9B 提示詞增強器約多佔 19 GB；若硬碟空間或記憶體吃緊，可將它關閉。
VRAM 需求：16GB 顯示卡跑得動嗎？
可以，只要有耐心，無審查 Kandinsky 6.0 在 16GB 上也能執行。官方 16GB 預設會把模型區塊卸載到系統 RAM，雖然壓低了顯示記憶體用量，但負擔轉移到了 RAM 與時間上。針對論文的獨立分析指出，在這個模式下 Pro 約需 58 GiB 系統 RAM，所以除非 RAM 很充裕，16GB 顯示卡實際上只適合 Lite。若完全載入 GPU，峰值約為 Lite 44 GiB、Pro 73 GiB。請記得，檔案大小不等於峰值 VRAM。單段 5 秒短片的官方時間：
| GPU | Lite | Pro |
|---|---|---|
| RTX 5060 Ti 16GB | 1,310 秒（SD）· 1,774 秒（Full HD） | 3,530 秒（Full HD） |
| RTX 4090 | 437 秒（SD） | 936 秒（SD） |
| RTX 5090 | 309 秒（SD） | 754 秒（SD） |
| H100 | 239 秒（SD） | 356 秒（SD） |
非蒸餾模型，暖機後測得，不含權重載入與 MP4 編碼（Kandinsky Lab README）。
適合低 VRAM 的 INT8 與量化版本
如果你在找 GGUF 版本，目前沒有官方版。社群提供的替代方案是 INT8 ConvRot 檔案。T8star 套件提供單一檔案模型：Lite 4.87 GB、Lite 蒸餾版 3.77 GB、Pro 蒸餾版 34.97 GB，需要 ComfyUI 0.39.0 或更新版本、comfy-kitchen 0.2.37 或更新版本，以及具備 INT8 Tensor Core 的 NVIDIA GPU。作者在 24 GB 的 RTX 5090 Laptop 上驗證過。kabachuha 的另一組檔案依賴尚未合併的 ComfyUI 原生 pull request，因此可能無法搭配官方節點使用。兩者都請視為社群版本，並與原版比較結果。
排除 ComfyUI 錯誤與節點衝突
全新安裝時的問題大多來自少數幾個原因，在全部重裝之前先檢查這些：
- 節點重複：官方 kandinsky6 擴充套件與 T8star 擴充套件會註冊相同的節點名稱。只啟用其中一個。
- 版本不符：將 ComfyUI 更新到擴充套件要求的版本，並讓 comfy-kitchen 與 GPU 驅動程式保持最新。Kandinsky Lab 提供了適用於 ComfyUI 0.38.0 搭配 comfy-kitchen 0.2.36 的備援 wheel。
- Lite 基礎版畫面不對：非蒸餾的 Lite 模型需要 50 步與 CFG 5，並移除或略過 MagCache。
- 蒸餾版設定：使用 10 步、CFG 1 與 denoise 1，否則輸出會變得混濁。
- 直接用 diffusers 失敗：已發布的 diffusers 套件可能尚未支援，請改用 ComfyUI 擴充套件或實驗室自己的儲存庫。
Full HD 放大與有聲圖片轉影片
兩項額外功能讓無審查 Kandinsky 6.0 短片實用得多。第一，獨立的超解析度模型（安裝 kandinsky6-sr）可放大 2 倍、2.25 倍或 4 倍，最高到 1920×1080。這是第二次處理，請預留額外時間與記憶體；ComfyUI 範本會保留聲音，而直接使用 diffusers 管線只會輸出影片，音訊需要自己再合併回去。第二，有聲圖片轉影片：選擇 Image to Video+Audio 範本，載入一張照片作為第一格畫面，再描述動作與聲音。這是讓角色的臉孔與服裝在不同短片間保持一致的最佳方法。
對白、音樂與環境音的提示詞配方
模型會讀取兩段描述：給畫面用的影片說明，以及給聲音用的音訊說明。說出口的台詞放在影片說明中的 <S> 與 <E> 之間，音樂、噪音與嗓音風格則寫在音訊說明裡。這些配方能充分發揮無審查 Kandinsky 6.0 的實力，換上你自己的細節即可：
- 對白："An adult woman in a red dress leans on a bar and says <S>You came back.<E>, slow push-in." 音訊："warm female voice, quiet bar chatter, soft piano."
- 歌唱："An adult man with a guitar sings on a rooftop at sunset, close-up." 音訊："gentle acoustic ballad, male vocals, light wind."
- 環境音："Rain streams down a window, a candle flickers on the sill, static camera." 音訊："steady rain, distant thunder, faint crackle."
- 浪漫（18+）："An adult couple slow dances in a dim loft, fairy lights, camera orbits slowly." 音訊："soft saxophone, quiet laughter."
- 每段短片只放一個動作和一句台詞；5 秒一下就過去了。
- 在每個提示詞中寫明運鏡（push-in、orbit、tracking）與光源。
- 描述嗓音：年齡、溫暖程度、語速與口音都會改變結果。
- 調整音訊說明時固定種子，就能聽出到底改變了什麼。
- 註明畫面中的每個人都是成年人（18+）。
與 Wan 2.2、LTX-2.5 的比較
最大賣點是原生聲音加上開放權重。在實驗室的人工盲測中，Pro 在畫質與語音上勝過 LTX-2.5，而 LTX-2.5 在音畫同步與整體音訊上略勝一籌，論文認為這個差距並不顯著。LTX-2.5 已有 ComfyUI 原生支援，安裝較簡單。Wan 2.2 產生的是無聲影片，所以要另外加上語音模型；Habr 上一篇俄文實測評論認為這條路線較慢、成本較高，但更能在多段短片間維持同一個聲音，並測得量化 Pro 版本每段 5 秒短片約需 144 秒。這些是單一測試者的感想，並非實驗室數據。
沒有 GPU？直接在瀏覽器製作成人影片
不是每個人都有 24GB 顯示卡，或一整個下午可以花在安裝上。Spicy AI 在線上提供類似的無審查影片生成：上傳照片、描述動作，就能得到成人（18+）短片，完全不用下載任何東西。只使用你擁有或已獲授權的照片，絕不呈現未成年人或未經同意的真實人物。
一張照片就能變成無審查短影片，不需要 GPU 也不用安裝。
開啟圖片轉影片 →自行架設 Kandinsky 6.0 vs 在 Spicy AI 線上生成
| 本機部署（官方權重） | Spicy AI 線上版 | |
|---|---|---|
| 內容過濾 | 在你自己的工作流程中沒有 | 對成人不設內容過濾 |
| 開放權重 | 是 | 不需要，在瀏覽器中執行 |
| 模型 | Kandinsky 6.0 Lite 或 Pro | 類似的無審查影片模型，線上託管 |
| 入門成本 | 免費下載，需自備 GPU | 提供免費方案 |
常見問題
Kandinsky 6.0 是什麼？
這是 Kandinsky Lab 於 2026 年 10 月 6 日發布的開放影片模型系列，能生成 5 秒短片並同步產生 44 kHz 音訊，包括人聲、環境音與音樂。分為 Lite（3B）與 Pro（29B）。
真的無審查嗎？
開放權重在本機執行，沒有審核服務，因此不會有任何東西過濾你的提示詞。不過它是通用模型，露骨細節有限，且所有內容都只能涉及成年人。
可以在 16GB VRAM 上用 ComfyUI 執行嗎？
可以，使用官方 16GB 預設或社群 INT8 版本即可。Lite 是比較實際的選擇，需要充足的系統 RAM，一段短片可能要 20 分鐘以上。
影片有多長、多清晰？
每段短片都是 5 秒、24 fps。原生輸出約為 864×480，透過獨立的放大器可提升到 Full HD。
可以不安裝任何東西就試用嗎？
可以。Kandinsky Lab 提供使用 Pro 蒸餾模型的免費 Hugging Face Space，讓你在下載前先測試提示詞。
Spicy AI 與 Kandinsky Lab 有關係嗎？
沒有。Spicy AI 是獨立平台，與 Kandinsky Lab 沒有任何關聯，也未獲其背書。Kandinsky 為其各自所有者的商標。
資料來源
- Kandinsky 6.0 Video 技術報告（arXiv 2610.05608）
- kandinskylab/kandinsky-6 儲存庫（GitHub）
- 官方 ComfyUI 擴充套件指南
- Kandinsky Lab 影片模型頁面
- Kandinsky 6.0 Lite 模型卡（Hugging Face）
- Kandinsky 6.0 影片超解析度模型卡（Hugging Face）
- 免費 Pro 蒸餾版示範（Hugging Face Space）
- ComfyUI Registry 上的 kandinsky6 節點
- T8star INT8 ComfyUI 模型（Hugging Face）
- Kandinsky 6.0 原生支援 pull request（ComfyUI）
- 俄文實測評論（Habr）