WorldFoundry
English中文

Kandinsky 6.0 pro-distill

Kandinsky 6.0 pro-distill（Kandinsky6）：文生视频、图生视频；Runner 一致性待确认; 独立环境 `worldfoundry-kandinsky6-cu126`。

编辑此页GitHubMarkdown

Kandinsky 6.0 Pro-distill 根据文本生成同步视频和 44.1 kHz 音频， 并支持可选的首帧图像条件。WorldFoundry 通过原生扩散组件运行 Pro transformer，默认使用 10 步 PiFlow 采样。

本 docs 树没有入库的官方 teaser 或方法图。

代码：kandinskylab/kandinsky-6。

构建运行命令

推理 Pipeline
Kandinsky6Pipelineworldfoundry.pipelines.kandinsky6.pipeline_kandinsky6
任务Default default
环境worldfoundry-kandinsky6-cu126
设备CUDA 12.6
Runnerworldfoundry.pipeline
加载方式from_pretrained
调用方式native_or_standard_invocation
worldfoundry-eval run \
  kandinsky6-pro-distill \
  --pipeline.task-profile default \
  --json

用来做什么

用 kandinsky6-pro-distill 跑本系列联合 T2V/I2V 推理路径。本页记录了这两种任务 profile。

catalog 记录的任务包括 文生视频、图生视频、音视频联合生成。别名包括 kandinsky6、kandinsky-6。模态上，它接受文本、图像，输出视频、音频。

运行时契约

可选 prompt、input_path、interactions、operator_kwargs、ref_image_path；产物 generated_video、kandinsky6-pro-distill.mp4。

CLI task profile：default。绑定的 pipeline 类是 Kandinsky6Pipeline。

系列状态：Runner 一致性待确认。

文生视频已在单张 H100 80GB 上验证通过，使用 SDPA、component offload 和 seed 42，输出 121 帧、864x480、24 fps 的视频及同步音频。 固定的 Python 3.10 / CUDA 12.6 环境中，权重加载耗时 85.2 秒， 生成耗时 140.4 秒。 验证报告位于 outputs/kandinsky6-pro-distill-validation/cuda-validation.json。

图生视频和与官方 demo 的一致性仍待验证。

在 WorldFoundry 中运行

启动 worldfoundry-eval run kandinsky6-pro-distill --pipeline.task-profile default 采样视频。上方命令构建器按已记录任务切换 --pipeline.task-profile，发出的仍是 worldfoundry-eval run。

运行环境是独立 profile worldfoundry-kandinsky6-cu126（Python 3.10，CUDA 12.6，torch==2.9.0+cu126）。

记录的权重仓库包括 kandinskylab/Kandinsky-6.0-Pro-distill-5s-Diffusers。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh kandinsky6-pro-distill；下载缺失的公开权重时加 --download。

状态：Runner 一致性待确认。