工作流教程
Kandinsky 5.0
本指南介绍如何在 ComfyUI 中使用 Kandinsky 5.0 视频生成工作流
Kandinsky 5.0 是由 Kandinsky Lab 开发的视频和图像生成扩散模型系列。Kandinsky 5.0 T2V Lite 是一个轻量级的 2B 参数模型，在开源视频生成模型中名列前茅，能够生成长达 10 秒的视频。
概述
Kandinsky 5.0 使用带有 Flow Matching 的潜在扩散管道，具有以下特点：
- 扩散 Transformer (DiT)： 主要生成骨干网络，通过交叉注意力连接文本嵌入
- Qwen2.5-VL 和 CLIP： 提供高质量的文本嵌入
- HunyuanVideo 3D VAE： 将视频编码和解码到潜在空间
该模型系列包含多个针对不同用例优化的变体：
- SFT 模型： 最高生成质量
- CFG-distilled： 推理速度提升 2 倍
- Diffusion-distilled： 速度提升 6 倍，质量损失极小（16 步）
- Pretrain 模型： 专为微调设计
所有模型均提供 5 秒和 10 秒视频生成版本。
模型变体
| 模型 | 视频时长 | NFE | 延迟 (H100) |
|---|---|---|---|
| Kandinsky 5.0 T2V Lite SFT | 5s / 10s | 100 | 139s / 224s |
| Kandinsky 5.0 T2V Lite no-CFG | 5s / 10s | 50 | 77s / 124s |
| Kandinsky 5.0 T2V Lite distill | 5s / 10s | 16 | 35s / 61s |
| Kandinsky 5.0 I2V Lite | 5s | 100 | 673s |
文生视频工作流
1. 下载工作流文件
请更新你的 ComfyUI 到最新版本，并通过菜单 工作流 -> 浏览模板 -> 视频 找到 "Kandinsky 5.0 T2V" 以加载工作流。
2. 手动下载模型
Text Encoders
Diffusion Model
VAE
ComfyUI/
├── 📂 models/
│ ├── 📂 text_encoders/
│ │ ├── qwen_2.5_vl_7b_fp8_scaled.safetensors
│ │ └── clip_l.safetensors
│ ├── 📂 diffusion_models/
│ │ └── kandinsky5lite_t2v_sft_5s.safetensors
│ └── 📂 vae/
│ └── hunyuan_video_vae_bf16.safetensors图生视频工作流
1. 下载工作流文件
请更新你的 ComfyUI 到最新版本，并通过菜单 工作流 -> 浏览模板 -> 视频 找到 "Kandinsky 5.0 I2V" 以加载工作流。
2. 手动下载模型
Text Encoders
Diffusion Model
VAE
ComfyUI/
├── 📂 models/
│ ├── 📂 text_encoders/
│ │ ├── qwen_2.5_vl_7b_fp8_scaled.safetensors
│ │ └── clip_l.safetensors
│ ├── 📂 diffusion_models/
│ │ └── kandinsky5lite_i2v_5s.safetensors
│ └── 📂 vae/
│ └── hunyuan_video_vae_bf16.safetensors资源
官方原文
本页来自 Comfy-Org 官方中文文档的固定版本，并转换为 xueai 静态页面。内容以官方持续更新的页面为准。