【2026 最新】Kandinsky 6 ComfyUI 教學：選對六代節點，做出五秒有聲短片與驗收紀錄

你找到一支會說話的 AI 短片，照著舊教學安裝節點，卻遇到模型載不進去、影片沒聲音，或放大後人物變形。這篇 Kandinsky 6 ComfyUI 教學先幫你認清六代模型、官方套件與工作流，再帶你設定一個五秒聲畫鏡頭，逐項檢查輸出。

這篇寫給第一次接觸節點式影片生成的讀者。你可以把 ComfyUI 當成把工作卡片用線接起來的製作桌：每張卡只做一件事。以下依 2026 年 10 月 7 日取得的官方文件與模板整理操作；成功標準是留下有聲 MP4、工作流 JSON、實際提示詞與驗收紀錄。

想先理解模型原理與作者評測，可讀 Kandinsky 6 開源影音模型分析。這裡專心處理從選對節點到保存短片的製作流程。

先說結論：Kandinsky 6 ComfyUI 教學先走官方模板

可交付短片＝正確模型與節點＋完整聲畫接線＋可回查設定＋逐段驗收。 這四件事像攝影棚的器材、錄音線、場記板與看片會；缺了任何一項，漂亮預覽都還不是完整作品。

• 先辨認六代：生成套件叫 kandinsky6，超解析套件叫 kandinsky6-sr，發行者是 kandinskylab。
• 先照官方 Pro Distill 模板：它和 Lite Distill 的可用路徑不同；不要把模型家族名稱當成節點相容清單。
• 先驗原片：把畫面、聲音與同步分開檢查；確認可用後，再做超解析，並重新驗收放大版本。

① 選對六代模型：Lite、Pro 與 Distill 是兩個維度

為什麼搜尋結果都叫 Kandinsky，設定卻對不上？先看世代，再看大小，最後看訓練版本。 六代官方模型卡列出 Lite 與 Pro 家族，另有蒸餾版與預訓練版。蒸餾可想成讓模型學會較短的解題路線；它不是把 Pro 改名成 Lite，也不代表參數一定變少。

目前官方 ComfyUI 說明與兩個範例都以 Pro Distill起步。更關鍵的是，這次核對的 loader 原始碼對蒸餾 Lite checkpoint 明確拋出不支援錯誤。因此即使你能在 Hugging Face 下載 Lite Distill，也不要直接把它換進這個模板；要選另一條官方模型卡記載的執行路徑，或等節點發布明確相容版本。

本文的製作路線是 Pro Distill 官方模板，先學完整接線。若你的資源不適合這條路，可先到 官方示範 Space查看是否可用，再決定要不要準備自己的 NVIDIA 環境。示範頁能否排到運算與你自己的模型配置是不同問題。

辨識舊教學也要看頁面標題。截至本次查核，官方 Video 網頁的主內容仍標示 5.0；六代操作則以六代 repository 與對應模型卡核對。另有容易誤判的地方：六代模板的 DualCLIPLoader 選項仍寫 kandinsky5，這是共享編碼器的設定字串，不能單靠它判斷裝錯世代。請同時核對套件名、Sampler 節點與 transformer 的六代路徑。

② 安裝六代節點：先驗來源，再下載模型

點到一個舊連結就遇到 404，該從哪裡重來？從官方 Registry 身分重新核對。 打開 Kandinsky 6 Registry 頁，確認套件 kandinsky6、發行者 kandinskylab，以及 Repository 按鈕指向六代專案；SR 則另外核對 kandinsky6-sr。

在 ComfyUI Manager 的 custom-node 清單搜尋並安裝這兩個套件，然後重新啟動。若已經有 comfy-cli 與 Manager，可用 comfy --workspace /path/to/ComfyUI node install kandinsky6 kandinsky6-sr；先把 /path/to/ComfyUI 換成自己的工作區。這是節點安裝指令，不是模型下載指令。

本次生成 extension 的 套件要求列出 ComfyUI 0.38.0+、Python 3.10+。請在這個工作區確認版本；不要拿 repository 主程式的 Python 環境要求，直接套到 ComfyUI extension。兩條路的安裝與卸載機制不同。

如果 Manager 路徑受阻，官方也提供手動方式：把 repository clone 到 custom_nodes 之外，再把其中 comfyui/ 的內容放進 ComfyUI/custom_nodes/kandinsky6/；SR 放進相應的 kandinsky6-sr/。用 ComfyUI 正在使用的 Python執行 python -m pip install -r ComfyUI/custom_nodes/kandinsky6/requirements.txt，SR 同理，再重啟。用系統另一套 Python 安裝，可能讓你看到「裝好了」卻仍缺依賴。

開啟模板後，按設定筆記裡的 Download models。下載器會處理生成模型、文字編碼器、影音 VAE、vocoder 與 VSR 等所需檔案及 JSON 設定。VAE 是把壓縮的內部表示轉回畫面或聲音的元件，vocoder 則把聲音表示轉成波形；就像剪輯工程除了影像素材，還得有音軌和解碼工具。

下載前先盤點磁碟、系統 RAM 與 GPU 顯存。這次官方下載清單還含提示詞擴寫用的 Qwen3.5-9B，它和生成所需的 Qwen2.5 編碼器是兩個角色。模型本體較小，不等於整條流程只載入一個小檔案。 首輪先保留 weight_dtype=default；量化、注意力加速與卸載設定留到能生成後逐項比較。

③ Kandinsky 6 ComfyUI 教學：把第一個鏡頭接完整

空白畫布要先拖哪張卡？先載入官方 JSON，別從零猜接線。 在 Workflow → Browse Templates → kandinsky6 選 Kandinsky 6.0 Text to Video+Audio；有自己的起始圖片時，再選 Kandinsky 6.0 Image to Video+Audio。你也可以從 官方文字影音工作流 JSON下載模板檔並載入，保留原始版作對照。

先認識四段工作：文字編碼把描述變成模型能讀的條件；Kandinsky 6 Sampler 逐步產生聲畫的內部表示；影片與音訊 VAE 各自解碼；CreateVideo → SaveVideo 把影格和音軌裝進 MP4。擴散模型可以粗略想成反覆修正一份草稿，Sampler 就是安排修正順序與步數的工作卡。

依這次核對的 模板設定，Pro Distill 使用 10 steps、CFG=1、denoise=1，音訊 VAE 的 scaling=0.417。CFG 可想成提示詞牽引力，denoise 在這裡控制生成段的更新程度；第一輪照模板值，先確定能輸出。非蒸餾 Pro 使用另一組步數與音訊 scaling，請把它當另一份配置，不要只換權重檔。

模板起始影格設定為 864×480、121 frames、24 fps，官方稱為五秒片段；不是影片一定精確等於 5.000 秒。你應檢查實際檔案時長，而不是把介面最大可填影格數當成更長片段已被驗證的能力。

先做一個簡單鏡頭：固定相機，一隻手敲一次木桌，聲音是一聲短敲擊，背景安靜。這個案例是供你試跑的提示設計，容易看到和聽到同一個事件。若場景、運鏡、多人台詞和配樂一次全加上去，失敗時很難知道是哪個條件造成。

• video_caption：A fixed camera shows a hand tapping a wooden table once. One clear tap, then the hand rests. No cuts.
• audio_caption：A single short wooden knock synchronized with the visible tap. Quiet room ambience. No speech or music.
• 固定跑次：把 Sampler 的 seed 設為你記錄的整數，將生成後控制改為 fixed，保存工作流；日後改提示詞時另存版本。

模板有 Beautify Prompt：它會把你的描述擴寫，結果顯示在 Preview as Text。第一輪為了對照輸入，可把 enabled=false，直接使用自己的兩段描述；之後再開啟擴寫，保存實際送入編碼器的文字。固定 Sampler seed 卻換了擴寫內容，已經是另一個輸入條件。

想試一句話時，把精確台詞放在 video caption 的 <S>Look there!<E> 中；audio caption 寫聲線與環境音。繁體中文可另開一組，例如 <S>我們出發吧。<E>，逐字聽、看有沒有漏字、錯音或結尾被切掉。這是檢查方法；本次沒有足夠直接證據把繁中發音成功率寫成保證。

如果改用圖片模板，請替換 Load Image 裡的官方範例肖像，使用自己有權使用的圖片；保留模板中的圖片縮放與參考影格移除節點。提示詞描述的是圖片裡接下來的動作，別把一張近景肖像和多人遠景指令硬湊在一起。

④ 保存原片，再單獨驗超解析

模板已經含超解析，為什麼還要留原片？分開保存才能定位問題。 官方兩個模板含 VSR；若想先驗未放大版本，另存工作流副本，把 VAEDecode 的影格、Kandinsky6AudioVAEDecode 的音訊，以及 Empty Latent 的 fps 接到 CreateVideo，再接 SaveVideo。保存前檢查三條輸入，不要只留下圖片線。

接著載入 官方獨立 SR 模板，把這支原片作為輸入。超解析是在原片上增加細節的後段工序，並非重拍；先比較有沒有手指變形、邊緣閃爍與切塊接縫，再決定是否採用。兩份檔案分別命名，例如 tap_base.mp4、tap_sr.mp4。

官方提供 2x、2.25x 與 4x。VSR 選 2.25x 時，latent-upscaler loader 用 2x；選 4x 時兩邊都要選 4x。2.25x 是請求倍率，不是精確交付尺寸。 SR 程式還會做 VAE 尺寸對齊與最終 target_resolution 處理；這次模板預設為 none，保留原始 SR 尺寸。需要 1920×1080 時，按交付規格處理後，讀取最終檔案的寬高；不要用倍率心算代替驗收。

SR extension 說明會把影格往 24 fps 重取樣、最多保留 121 影格，音訊裁切到對應長度。請像官方模板那樣，把 VSR 的 images、frame_rate、audio 三個輸出一起傳下去；混用放大後影格與放大前音訊，是你需要另外排除的同步風險。

若已有 FFmpeg 工具，可用 ffprobe 官方檢查器執行 ffprobe -v error -show_entries stream=codec_type,width,height,sample_rate,duration:format=duration -of json tap_base.mp4，核對是否同時有 video、audio stream、尺寸與時長。五秒是這一代公開 checkpoint 的目標任務，不是將短片串接後人物與聲音自動一致的證據。

⑤ 怎麼驗收：畫面、音訊、同步與資源分開記

你看一眼覺得漂亮，為什麼交片時才發現聲音斷了？用三次播放回答三個問題。 先靜音看動作：敲擊次數、接觸位置和手指是否合理；再只聽聲音：是否只有一聲、是否有破音或尾音消失；最後聲畫一起播放：聲音是否出現在可見接觸附近。失敗時記下時間點和原因，保留完整候選。

• 影片：檔案能播放、目標事件存在、沒有妨礙交付的破圖或閃爍。
• 音訊：確實有音軌，台詞完整，聲音事件與要求一致。
• 同步：逐格或慢速播放，記錄敲擊或嘴型與聲音事件的對應位置；先訂你的容許差距。
• 超解析：尺寸符合交付要求，接縫與新出現的變形已檢查，音軌仍完整。
• 資源：記 GPU 型號、VRAM、RAM、軟體版本、下載體積、生成與 SR 各自耗時，以及全部候選數。

若使用 NVIDIA 環境，可在生成時用 nvidia-smi觀察 GPU 記憶體，但要註明你的監測間隔；輪詢看到的最高值可能漏掉瞬間尖峰。也記錄 ComfyUI 日誌與程序 RAM。顯存卸載像把器材搬去隔壁倉庫：GPU 騰出位置，搬運與系統記憶體卻仍有代價。

官方 Performance 表是指定配置、暖機後的非蒸餾測試，排除權重載入和 MP4 編碼；不能照搬成本文 Pro Distill 流程的總等待時間。請把第一次下載、載入、生成、超解析、編碼和人工挑片各自記下。你的製作成本可以用「全部候選的總時間 ÷ 合格鏡頭數」衡量；合格數為零時，先修流程。

最小交付資料夾保留 workflow.json、prompt.txt、base.mp4、sr.mp4 和 acceptance.txt。另外記 checkpoint、extension commit、ComfyUI 版本與 seed。這些讓你能追查同一配置；換硬體或底層運算後，是否逐位元相同仍要另驗。

常見問題：Kandinsky 6 ComfyUI 教學的八個快答

1. 看到 kandinsky5 就代表裝錯嗎？

不一定。六代官方模板的 DualCLIPLoader 仍使用這個編碼器選項。核對整套 extension、Sampler 與六代 transformer 路徑。

2. Lite Distill 能直接換進本文模板嗎？

本次版本不行。核對的六代 loader 明確拒絕蒸餾 Lite；HF 有檔案與 ComfyUI 節點能載入是兩個判斷。

3. 10 steps 能套用到所有 Pro 嗎？

不行。這是本文 Pro Distill 配置；非蒸餾版的官方設定不同，音訊 VAE scaling 也要一起核對。

4. MP4 能播放就代表有聲音嗎？

不代表。檢查 audio stream，再實際聽完整片段；有音軌也可能有錯字、靜音或裁切問題。

5. 可以保證繁體中文台詞念對嗎？

本篇不作這項保證。把台詞另設成一個驗收案例，保留原始輸出與逐字紀錄，再決定是否另外配音。

6. 小顯卡一定能跑 Lite 嗎？

不能只看模型大小下結論。還要核對執行路徑、編碼器、RAM、卸載設定與實際錯誤；本文沒有對特定顯存給可跑保證。

7. 2.25x 就是 1920×1080 嗎？

不一定。SR 流程含 VAE 尺寸對齊與最終尺寸選項；先讀實際寬高，再按交付規格調整。

8. 固定 seed 就等於作品能交付嗎？

不等於。它是保存條件的一部分，還要記模型、提示詞、版本與音軌接線，最後看片驗收。

給新手的三個重點

• 先對身分：六代 repository、套件發行者與模型路徑一起看，別只認一個節點字串。
• 先做窄鏡頭：固定相機、單一動作、簡短聲音；每次只改一個條件。
• 先保留原片：工作流、提示詞、全部候選與驗收紀錄一起留，再把超解析作為另一份成品檢查。