Il 6 ottobre sono arrivati due modelli video open source nello stesso giorno, ed entrambi generano anche l'audio. Il più interessante per noi è Kandinsky 6.0: licenza MIT e un'estensione ufficiale per ComfyUI. Sul fronte online Google ha rilasciato Nano Banana 2.1, che costa la metà del modello precedente. Intanto ComfyUI ha aggiunto un nodo per scegliere l'inquadratura senza scriverla a mano.
In breve
- Kandinsky 6.0: clip da 5 secondi con audio sincronizzato, versioni da 3 e 29 miliardi di parametri, licenza MIT, estensione ComfyUI ufficiale.
- Nano Banana 2.1: il nuovo modello di Google per immagini e modifiche. Via API costa circa la metà di Nano Banana 2 ed è già nel nodo partner di ComfyUI.
- ComfyUI (ramo master): nuovo nodo CameraAngle e prompt enhancer di Qwen-Image 2.1 quasi due volte più veloce sulle schede con poca VRAM.
- Prism: video 2K con audio da Tencent Hunyuan e Fudan, licenza MIT, ma per ora serve una GPU da 80 GB.
Kandinsky 6.0: video con audio, open source e già in ComfyUI
Cosa è successo. Kandinsky Lab ha pubblicato Kandinsky 6.0 Video in due taglie: Lite da 3 miliardi di parametri e Pro da 29 miliardi. Ognuna esce in versione base, pre-addestrata e distillata: quest'ultima lavora in soli 10 passi. Il modello genera clip da 5 secondi a 24 fotogrammi al secondo, con audio a 44 kHz sincronizzato e anche il lip-sync. Si parte da un testo oppure da un'immagine. L'uscita di base è piccola (480×864), ma c'è un modello di super-risoluzione a parte che porta il video fino al Full HD.
Perché ti interessa. Questa volta la licenza è MIT sia per il codice sia per i pesi su Hugging Face. Quindi niente esclusioni per l'Europa e niente limiti all'uso commerciale, a differenza di MiniMax H3. In più c'è un'estensione ufficiale per ComfyUI: si installano kandinsky6 e kandinsky6-sr dal Manager (serve ComfyUI 0.38.0 o successivo) e si parte da due template già pronti. Un utente ha anche proposto il supporto nativo dentro ComfyUI, ma per ora la richiesta non è stata unita.
Cosa ne pensiamo. La licenza è il vero punto di forza. Le prestazioni invece vanno prese con calma. Nella tabella ufficiale la versione Lite in HD impiega circa 7 minuti per una clip su una RTX 4090. Su una RTX 5060 Ti ne servono circa 22, con i blocchi del modello spostati in RAM. La RTX 3060 da 12 GB non è in tabella e la VRAM minima non è dichiarata. Con la nostra scheda quindi non possiamo ancora dire se funziona e in quanto tempo. La versione distillata a 10 passi dovrebbe ridurre parecchio i tempi: è quella da provare per prima.
Nano Banana 2.1: più qualità e prezzo dimezzato, ma solo online
Cosa è successo. Google ha rilasciato Nano Banana 2.1, che arriva nell'app Gemini, in AI Studio e in Flow. Nel changelog ufficiale delle API Google promette miglioramenti di qualità, di aderenza al prompt e di coerenza dei personaggi nelle modifiche fatte in più passaggi. Promette anche testo più leggibile nelle immagini e formati larghi e panoramici. Il vecchio Nano Banana 2 (gemini-3.1-flash-image) è deprecato, ma per ora senza una data di spegnimento.
Perché ti interessa. Il prezzo. Secondo il listino ufficiale un'immagine 1K costa circa 3,4 centesimi di dollaro, contro i 6,7 di Nano Banana 2. Un'immagine 4K costa circa 11 centesimi. Il modello è già nel nodo partner Nano Banana 2 di ComfyUI, con risoluzioni 1K, 2K e 4K e tre livelli di "ragionamento". Attenzione però: i livelli più alti costano di più.
Cosa ne pensiamo. Noi lavoriamo quasi sempre in locale, ma l'online ha i suoi vantaggi reali. Per le modifiche veloci, i mockup con testo e i personaggi da mantenere coerenti tra più immagini, un modello come questo fa risparmiare tempo. A questi prezzi diventa un buon complemento a Qwen-Image 2.1, non un sostituto. Se vuoi vederlo messo a confronto con GPT Image 2.5 e Seedream 5.0 Pro, guarda "Nano Banana 2.1 Is Here! But Is It Actually Better?" del canale AI Video School.
ComfyUI: il nodo CameraAngle e un prompt enhancer più veloce
Cosa è successo. Il giorno dopo la 0.39.0 sono state unite nel ramo master diverse novità utili:
- Nodo CameraAngle (PR #16251). Scegli l'angolo orizzontale, l'angolo verticale e lo zoom, anche guardando un'anteprima con un'immagine di riferimento. Il nodo restituisce i dati della camera e una descrizione dell'inquadratura in inglese, pronta da usare nel prompt.
- Prompt enhancer di Qwen-Image 2.1 più veloce con poca VRAM (PR #16820). Nel test dell'autore, su una RTX 5060, la generazione del testo è passata da 5,7 a 10,9 token al secondo.
- Governance dei nodi personalizzati (PR #16167). Serve alle aziende che distribuiscono ComfyUI e vogliono permettere solo i nodi approvati. Per le installazioni normali non cambia nulla.
Cosa ne pensiamo. Il nodo CameraAngle è il più interessante per chi fa motion graphics e storyboard: niente più tentativi a caso con "low angle" o "three-quarter view". Il prompt enhancer più veloce è una buona notizia per chi lavora con 12 GB come noi, perché era uno dei passaggi più lenti del workflow. Sono tutte modifiche del ramo master: arriveranno con la prossima versione stabile. Se usi la versione portable, ti conviene aspettare quella.
Prism: video 2K con audio, da tenere d'occhio
Cosa è successo. Ricercatori della Fudan University, di Tencent Hunyuan e della Zhejiang University hanno pubblicato Prism, un modello che genera video fino al 2K nativo insieme all'audio, anche partendo da immagini di riferimento. Codice e pesi sono sotto licenza MIT. Sono disponibili due checkpoint di anteprima su Hugging Face, mentre la versione "pro" non è ancora uscita.
Cosa ne pensiamo. Per ora non fa per noi. Secondo il repository, anche il 720p richiede una GPU NVIDIA da 80 GB. Per il 1080p e il 2K ne servono almeno quattro. Non c'è nessun nodo ComfyUI. Ne parliamo perché la licenza è aperta e la comunità spesso riesce a quantizzare e alleggerire questi modelli. Ne parla anche Theoretically Media nel video "Make Any Game With AI & 2 New Open Source Video Models!", dove segnala anche dei dubbi su alcune clip dimostrative.
Da provare subito
Se hai una scheda da 16 GB o più, installa l'estensione kandinsky6 dal Manager e apri il template incluso con la versione Lite distillata. Fai una prima prova a bassa risoluzione con un prompt semplice e una sola fonte sonora, per esempio "pioggia su una finestra". Così vedi subito se l'audio segue davvero l'immagine. Lascia la super-risoluzione per dopo, quando la clip ti convince. Con 12 GB conviene aspettare qualche giorno: di solito arrivano presto versioni quantizzate e i primi riscontri della comunità.
Per orientarti tra i modelli video locali leggi la guida ai modelli AI per video in ComfyUI. Per le immagini c'è quella sui modelli AI per immagini. Se stai valutando quanto spendere tra API come Nano Banana e un PC in locale, abbiamo fatto i conti in quanto costa creare immagini e video con l'AI. Se pensi a una scheda con più VRAM, leggi la guida alle migliori GPU per l'AI. Se invece parti da zero, inizia dalla guida introduttiva a ComfyUI.
È tutto per questa volta. Scarica i nostri workflow gratuiti dalla sezione ComfyUI e seguici sul canale YouTube @tutorial3d. Ci vediamo al prossimo aggiornamento con le novità dell'AI.
