Modèles d’IA locaux en octobre 2026 : vidéo, image et musique

👁 119 lectures

En octobre 2026, plusieurs modèles ouverts méritent d’être installés sur votre ordinateur : Kandinsky 6.0 pour générer des vidéos avec du son, Qwen-Image 2.1 Turbo et FLUX 3 Image Klein pour les images, et YuE2 pour les chansons avec voix. Je les ai téléchargés sur une RTX 4090, lancés dans ComfyUI et mesuré leur temps de génération, leur consommation mémoire et leurs performances avec le polonais. Voici un récapitulatif des résultats et des liens vers les tests complets.

Configuration des tests

• Carte RTX 4090 24 Go, 64 Go de RAM, processeur i9-14900KF, Windows 11.
• ComfyUI 0.41.0 (mis à jour depuis la version 0.37, qui ne prend pas en charge FLUX 3, YuE2 ni Qwen Turbo).
• Modèles stockés sur un SSD de 8 To connecté en USB. Le premier chargement aurait été plus rapide depuis un disque NVMe.
• Le temps est mesuré entre l’envoi de la tâche et l’enregistrement du fichier. La VRAM correspond au pic d’utilisation de la carte entière, relevé avec nvidia-smi.

Tableau comparatif des modèles

Vidéo : Kandinsky 6.0

C’est la nouveauté la plus intéressante du mois. Kandinsky 6.0, développé par Kandinsky Lab, génère l’image et le son en une seule passe : parole avec synchronisation des lèvres, bruitages et musique de fond. La version Lite compte 3 milliards de paramètres et tient dans 24 Go ; la version Pro en compte 29 milliards et ne fonctionne sur RTX 4090 qu’en plaçant une partie des poids en RAM.

• Dans le test en polonais, la version Pro a prononcé correctement 7 mots sur 9 de la phrase « Bonjour ! Des pommes tout juste cueillies au verger, douces comme le miel ! » (traduction du texte polonais testé) ; elle a prononcé la phrase anglaise sans erreur.
• La version Lite est plus de 3 fois plus rapide, mais déforme la parole en polonais.
• La licence MIT ne prévoit pas d’exclusion de pays. C’est à noter, car les poids du modèle concurrent MiniMax H3 ne peuvent pas être utilisés dans l’UE.

Le test complet de Kandinsky 6.0 Video en local contient huit clips avec son, un tableau des temps de génération et les instructions d’installation.

Images : Qwen-Image 2.1 Turbo

Cette version distillée du meilleur modèle ouvert de génération d’images du classement Artificial Analysis n’utilise que 8 étapes au lieu de 25. Il est difficile de voir la différence de qualité sans comparer les résultats côte à côte. Dans mon test, les textes « JAZZ AU-DESSUS DE L’ODRA » et « VINAIGRE 12 » (traductions des originaux polonais testés) étaient corrects ; pour le nom de la ville, le modèle a produit une inscription altérée dans le test polonais original.

Retrouvez la comparaison complète sur quatre consignes dans le test Qwen-Image 2.1 Turbo en local.

Images : FLUX 3 Image Klein

Black Forest Labs a lancé, entre le 13 et le 15 octobre, le premier modèle ouvert de la famille FLUX 3. Klein compte 5,6 milliards de paramètres et génère des images à partir de texte, permet de retoucher des images et de composer avec jusqu’à 10 images de référence. Son encodeur de texte est Qwen3-VL-4B et son VAE est le même que celui de FLUX.2. ComfyUI le prend en charge nativement depuis la version 0.41.

• Fichiers pour ComfyUI : modèle int8 de 5,83 Go, encodeur int8 de 4,86 Go, VAE de 0,34 Go.
• Le fabricant recommande explicitement d’enrichir la consigne avant la génération, à l’aide d’un « prompt upsampler » distinct fondé sur Qwen 3.5 9B ou de n’importe quel modèle de langage. Une consigne courte produit une image générique.
• Le dépôt nécessite d’accepter la licence FLUX Kommunity ; il faut donc un compte et un jeton Hugging Face pour télécharger le modèle.

Mes mesures : 6 à 7 s pour une image de 1024×1536 (15 étapes, int8) et un pic de 7,5 Go de VRAM sur la carte entière, soit plus de deux fois moins que Qwen Turbo. Les textes du test polonais ont donné les mêmes résultats qu’avec Qwen Turbo : « ODRA » et « 12 » (traductions des originaux polonais testés) étaient corrects ; le nom de la ville comportait une inscription altérée dans le test polonais original. La comparaison avec les mêmes consignes et les instructions de téléchargement figurent dans le test FLUX 3 Image Klein en local. Pour la version dans le cloud, consultez le guide FLUX 3 Image en polonais.

Musique : YuE2 et comparaison de quatre modèles

J’ai soumis le même texte polonais (une ballade avec deux couplets et deux refrains) à quatre modèles locaux, puis analysé les résultats avec Whisper large-v3. J’ai calculé le pourcentage de mots du texte que l’on pouvait reconnaître dans l’enregistrement.

YuE2 a obtenu le meilleur résultat lors d’un essai en polonais (98,8 %) et a été parfait en anglais, mais ses résultats sont variables et sa licence interdit l’usage commercial. ACE-Step 1.5 est le plus régulier et peut être utilisé à des fins commerciales. Le test de YuE2 en polonais présente les détails, des extraits à écouter et les paramètres utilisés.

Influenceuse IA : photos et vidéos

J’ai réalisé un test pratique avec les mêmes modèles : création de 5 influenceuses IA très différentes, sans aspect « plastique », avec 2 photos générées pour chacune des 5 modèles d’image, puis des vidéos de 5 secondes avec une voix en polonais. Pour les photos destinées à un usage commercial, FLUX.2 Klein 4B (Apache 2.0) s’est démarqué ; pour la vidéo avec voix, c’est Kandinsky 6.0 Pro (65 % des mots reconnus en moyenne).

• Influenceuse IA sans effet plastique : 125 photos et modèle de consigne
• Une influenceuse IA qui parle : 15 clips avec Kandinsky 6 et Wan 2.2

Autres nouveautés et modèles non téléchargés

• MiniMax H3 (vidéo avec son, 33B) : la licence des poids exclut l’UE, les États-Unis, le Royaume-Uni et la Corée du Sud ; son utilisation n’est donc pas autorisée dans ces territoires. Même la version FastH3 réduite, qui tient dans 8 Go de VRAM, ne change rien à cette restriction.
• HY Image 3.5 Preview de Tencent : prise en charge dans ComfyUI depuis le 13 octobre. Je l’ai présenté dans le test sur les textes polonais et la retouche d’images.
• MAGI-2 et LTX-2.5 : retrouvez leur comparaison dans l’article Modèles vidéo ouverts en 2026.

Par où commencer

1. Installez ou mettez à jour ComfyUI vers la version 0.41 : consultez le guide ComfyUI pour débuter.
2. Pour commencer, téléchargez FLUX 3 Klein (environ 11 Go, fonctionne même sur des cartes de 8 à 12 Go) ou Qwen-Image 2.1 Turbo (7,3 Go + 10 Go de fichiers partagés, le plus rapide sur une carte de 24 Go).
3. Pour la vidéo, choisissez Kandinsky 6.0 Lite (6,4 Go + environ 18 Go de fichiers partagés).
4. Pour les chansons, choisissez ACE-Step 1.5 (le plus régulier en polonais, licence MIT) ou YuE2 (7,8 Go + 1,4 Go) pour les textes en anglais et un usage privé.

Vous trouverez la liste complète des modèles que j’ai testés en local, y compris les modèles de langage, dans le guide IA locale.

Questions fréquentes

Une carte de 16 Go suffit-elle ?

Oui pour Qwen Turbo, YuE2 et Kandinsky Lite, mais il faudra transférer une partie des poids vers la RAM et les modèles seront plus lents que lors de mes mesures. Je déconseille Kandinsky 6 Pro avec 16 Go.

Lesquels de ces modèles peuvent être utilisés à des fins commerciales ?

Kandinsky 6.0 (MIT), DiffRhythm 2 (Apache 2.0) et ACE-Step 1.5 (MIT). Qwen-Image 2.1 Turbo est réservé à la recherche ; YuE2 est sous licence CC BY-NC 4.0. FLUX 3 Klein a sa propre licence, FLUX Kommunity : lisez-en les conditions avant de l’utiliser pour générer des revenus.

Combien d’espace disque faut-il prévoir ?

La liste complète, avec Kandinsky Pro en int8 et sans la version officielle bf16, occupe environ 100 Go. Kandinsky Pro seul utilise 30,5 Go en int8 et 60,3 Go en bf16.

Ces modèles fonctionnent-ils sur Mac ?

Je les ai testés uniquement sur Windows avec une carte NVIDIA. Certains modèles ont des versions MLX pour Mac, par exemple YuE2 et Qwen Turbo, mais je ne les ai pas vérifiées.

Sources

• Kandinsky 6.0 sur Hugging Face
• Qwen-Image 2.1 Turbo sur Hugging Face
• FLUX 3 Image Klein sur Hugging Face
• YuE2 sur Hugging Face
• DiffRhythm 2 sur GitHub
• Journal des modifications de ComfyUI
• Mesures réalisées sur RTX 4090, le 17 octobre 2026.

// lire la suiteTest Gemma 4 12B : 7 modèles IA locaux sur RTX 4090BenchmarksGLM 5.3 : le coût réel de ce modèle bon marchéBenchmarksTest GPT-6 Astra : 11 modèles IA face à 9 défis de codeBenchmarks