Kandinsky 6.0으로 사내 PC에서 소리 있는 영상을 만들려면

사내 PC로 대사와 효과음이 들어간 짧은 영상을 만들 수 있는지 판단하려면, 그 PC에 어떤 그래픽카드가 있는지부터 봐야 합니다. GitHub kandinskylab 저장소의 README 갱신 기록에 따르면 2026년 10월 6일 영상과 오디오를 함께 만드는 Kandinsky 6.0이 오픈소스로 공개됐습니다. README는 5초 영상과 44kHz 오디오를 입 모양까지 맞춰 함께 생성한다고 밝혔습니다. 이 글에서는 GPU 조건, 실행 절차, 라이선스를 README 기준으로 어디서 확인하면 되는지 정리했습니다.

1. 공개된 모델과 만들 수 있는 영상

README는 Kandinsky 6.0 Video를 Lite(3B, 파라미터 30억 개)와 Pro(29B, 파라미터 290억 개)로 나눠 소개합니다. 파라미터 수는 모델의 크기를 뜻하며, README 성능표에서도 같은 GPU와 같은 해상도라면 Pro가 Lite보다 오래 걸립니다. 두 모델 모두 글로 설명해 영상과 소리를 만드는 방식(T2AV)과 이미지를 함께 넣어 만드는 방식(TI2AV)을 지원합니다. 결과물을 Full HD(1920×1080)로 키우려면 별도로 공개된 화질 향상(super-resolution) 모델을 붙입니다.

같은 날 갱신 기록에는 Diffusers, ComfyUI, vLLM-omni, SGLang, FastVideo에서 Kandinsky 6.0을 쓸 수 있게 됐다는 내용과, Pro Distill 모델을 브라우저에서 시험할 수 있는 Hugging Face 체험 공간(Space)을 추가했다는 내용도 있습니다. 이 글에서 날짜를 확인한 근거는 README 갱신 기록뿐이며, 별도 발표 글이나 기술 보고서의 날짜는 확인하지 못했습니다.

2. GPU 조건부터 확인하기

README 빠른 시작의 첫 문장은 "An NVIDIA GPU."입니다. NVIDIA 그래픽카드가 없는 사무용 PC는 README가 적은 조건을 충족하지 못합니다. 성능표는 5초 영상 1편을 만드는 데 걸린 작업 시간(초)을 GPU별로 적었고, 증류하지 않은 모델, 예열 후 측정, 가중치 로딩과 MP4 인코딩 시간 제외라는 조건을 붙였습니다. 소비자용 그래픽카드는 블록 오프로드, RTX PRO 6000·A100 80GB·H100은 모듈 오프로드를 썼다고 밝혔습니다. 오프로드는 그래픽 메모리가 부족할 때 모델 일부를 필요한 때에만 그래픽 메모리로 옮겨 쓰는 방식입니다.

초 단위 수치와 측정 조건은 Kandinsky 6.0 README 성능표(제작자 측정)를 옮긴 것이고, 분 단위 환산과 GPU 묶음 표시는 작성자가 정리한 것입니다. 그래프는 성능표의 Full HD 행만 골라 그렸습니다.

성능표를 분으로 바꿔 보면 Pro Full HD는 RTX 4090에서 1247초(약 21분), RTX 5060 Ti에서 3530초(약 59분), H100에서 402초(약 7분)입니다. Lite HD는 RTX 4090에서 422초(약 7분)입니다. 모두 제작자가 잰 수치이고, 비교한 장비도 NVIDIA GPU뿐입니다. README 본문에는 최소 그래픽 메모리 용량이 적혀 있지 않으며, 실행 경로별 빠른 시작 문서는 이 글에서 확인하지 못했습니다.

3. 실행 절차와 실행 경로

README는 실행에 uv(Python 환경 관리 도구)와 just(명령 실행 도구)가 필요하다고 적었습니다. 실행 경로는 Pipeline, vLLM-Omni, SGLang, FastVideo로 나뉘며, 경로마다 환경과 생성 명령이 따로 있고 각각의 안내 문서가 연결돼 있습니다. README에 실린 기본 명령 순서는 아래와 같습니다.

git clone https://github.com/kandinskylab/kandinsky-6.git
cd kandinsky-6
just setup
just download pro-distill
just generate 'A cat is lying on a mat, turns toward the camera, opens its mouth and says <S>Hello<E>'

README 예시 문장은 고양이가 말하는 대사를 와 사이에 넣었습니다. 예시가 내려받는 모델은 pro-distill인데, 성능표는 증류하지 않은 모델로 측정했습니다. 그래서 pro-distill로 만들 때 걸리는 시간은 성능표로 알 수 없습니다. 작성자 판단으로는 설치 전에 README가 연결한 Hugging Face 체험 공간에서 결과 품질을 먼저 보는 편이 장비 검토 부담이 적습니다.

4. 라이선스와 확인하지 못한 것

GitHub은 이 저장소의 라이선스를 MIT로 표시합니다. 다만 저장소 코드의 라이선스와 내려받는 모델 가중치의 라이선스는 따로 정해질 수 있습니다. 가중치 라이선스와 상업 이용 조건은 이 글에서 확인하지 못했으므로, 코드가 MIT라는 이유로 가중치도 같은 조건이라고 보지 마십시오.

확인 항목	README에서 확인한 내용	확인하지 못한 내용
장비	NVIDIA GPU 필요, GPU별 처리 시간표	최소 그래픽 메모리 용량
실행 도구	uv와 just, 실행 경로별 안내 문서	경로별 안내 문서의 세부 절차
결과물	5초 영상, 44kHz 오디오, 입 모양 맞춤	한국어 대사 생성 지원 여부
라이선스	GitHub 저장소 표시 MIT	모델 가중치 라이선스, 상업 이용 조건
처리 시간	증류하지 않은 모델 기준 수치	pro-distill 모델의 처리 시간

5. 이번 주에 해 볼 첫 단계

먼저 사내에서 쓸 수 있는 PC의 그래픽카드 모델명을 확인해 README 성능표와 비교해 보십시오. 표에 있는 NVIDIA GPU라면 Lite와 Pro로 5초 영상 1편을 만들 때 걸릴 시간을 미리 가늠할 수 있습니다.

설치하기 전에는 README가 연결한 Hugging Face 체험 공간에서 짧은 문장 1개로 결과를 확인해 보십시오. 체험 공간은 외부 서비스이므로 회사 자료나 실제 인물 사진은 넣지 않습니다.

예시: "A presenter stands in front of a whiteboard, turns to the camera and says Welcome to the session"

마지막으로 Hugging Face의 모델 페이지에서 가중치 라이선스를 직접 읽고, 만든 영상을 사내 자료에 써도 되는지 담당 부서와 확인한 뒤 도입 여부를 정하면 됩니다.