Kandinsky 5.0

このガイドでは、ComfyUI で Kandinsky 5.0 動画生成ワークフローを使用する方法について説明します

Kandinsky 5.0 は、Kandinsky Lab によって開発された動画および画像生成のための拡散モデルシリーズです。Kandinsky 5.0 T2V Lite は、オープンソースの動画生成モデルの中で上位ランクに位置する軽量な 2B パラメータモデルであり、最大 10 秒の動画を生成できます。

ポータブル版または自宅サーバーで実行しているユーザー

ComfyUI が最新版に更新されていることを確認してください。

• ComfyUI のダウンロード
• 更新手順

このガイドで紹介するワークフローは、ワークフローテンプレートから入手できます。
テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。（デスクトップ版の更新は若干遅れることがあります）

ワークフローを読み込んだ際にノードが欠落している場合の主な原因：

1. 最新の ComfyUI（Nightly 版）を使用していない
2. 起動時に一部のノードのインポートに失敗している

デスクトップ版またはクラウド版ユーザー

• デスクトップ版は ComfyUI の安定版（Stable Release）をベースとしており、新しいデスクトップ安定版がリリースされると自動的に更新されます。
• Cloud は、ComfyUI の安定版リリース後に更新されます。

したがって、このドキュメントで記載されているコアノードのうち、一部が利用できない場合は、そのノード機能がまだ最新の安定版に含まれていないためです。次回の安定版リリースをお待ちください。

​

概要

Kandinsky 5.0 は、Flow Matching を備えた潜在拡散パイプラインを使用し、以下の特徴があります：

• 拡散 Transformer (DiT): テキスト埋め込みへのクロスアテンションを備えた主要な生成バックボーン
• Qwen2.5-VL と CLIP: 高品質なテキスト埋め込みを提供
• HunyuanVideo 3D VAE: 動画を潜在空間にエンコードおよびデコード

このモデルシリーズには、異なるユースケースに最適化された複数の変種が含まれます：

• SFT モデル: 最高品質の生成
• CFG-distilled: 推論速度が 2 倍
• Diffusion-distilled: 品質の低下を最小限に抑えつつ速度が 6 倍（16 ステップ）
• Pretrain モデル: ファインチューニング用に設計

すべてのモデルは、5 秒および 10 秒の動画生成バージョンで利用可能です。

​

モデル変種

モデル	動画の長さ	NFE	レイテンシ (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

​

文生動画ワークフロー

​

1. ワークフローファイルのダウンロード

ComfyUI を最新バージョンに更新し、メニュー ワークフロー -> テンプレートを表示 -> 動画 から “Kandinsky 5.0 T2V” を見つけてワークフローを読み込んでください。

JSON ワークフローファイルをダウンロード

​

2. モデルの手動ダウンロード

テキストエンコーダー

• qwen_2.5_vl_7b_fp8_scaled.safetensors
• clip_l.safetensors

拡散モデル

• kandinsky5lite_t2v_sft_5s.safetensors

VAE

• hunyuan_video_vae_bf16.safetensors

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

​

画像生動画ワークフロー

​

1. ワークフローファイルのダウンロード

ComfyUI を最新バージョンに更新し、メニュー ワークフロー -> テンプレートを表示 -> 動画 から “Kandinsky 5.0 I2V” を見つけてワークフローを読み込んでください。

JSON ワークフローファイルをダウンロード

​

2. モデルの手動ダウンロード

テキストエンコーダー

• qwen_2.5_vl_7b_fp8_scaled.safetensors
• clip_l.safetensors

拡散モデル

• kandinsky5lite_i2v_5s.safetensors

VAE

• hunyuan_video_vae_bf16.safetensors

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

​

リソース

• HuggingFace モデルコレクション
• GitHub リポジトリ
• ComfyUI 統合
• プロジェクトページ