Actualizado en septiembre de 2026 · Los servicios, las versiones y los precios cambian a menudo: consulta siempre las páginas oficiales. Forma parte de nuestros tutoriales sobre IA y ComfyUI.
Los vídeos hechos con IA son lo que más nos ha sorprendido en los últimos dos años. Hemos pasado de clips de pocos segundos, borrosos y mudos, a vídeos creíbles con movimientos naturales, audio y diálogos sincronizados. Y para quien hace videodiseño, como nosotros, la pregunta se vuelve muy concreta: ¿conviene pagar un servicio online o hacerlos en tu propio ordenador?
Te decimos ya lo que pensamos: en vídeo la elección pesa mucho más que en imágenes. Online pagas cada segundo generado; en local no pagas nada, pero necesitas una tarjeta gráfica adecuada y algo de paciencia. Aquí comparamos Veo de Google, Kling, Seedance y Runway con ComfyUI y los modelos abiertos como LTX-2.5 y Wan, con pros, contras y costes reales.
En resumen
| Online | En local (ComfyUI) | |
|---|---|---|
| Calidad | La más alta disponible hoy | Muy buena con LTX-2.5 y Wan 2.2 |
| Velocidad | De decenas de segundos a pocos minutos por clip | De pocos minutos en adelante, según la tarjeta gráfica |
| Coste | Créditos o segundos de pago, puede subir rápido | Gratis después de comprar el hardware |
| Hardware | Cualquier ordenador | Tarjeta gráfica de 16–24 GB o más, RAM de 32–64 GB |
| Privacidad | El material está en los servidores del servicio | Todo se queda en tu ordenador |
| Control | Prompt, imagen inicial, algunas herramientas | Total: LoRA, controles de pose y profundidad, workflows |
| Continuidad | El servicio puede cerrar (mira Sora) | El modelo descargado sigue siendo tuyo |
Los mejores generadores de vídeo online
- Google Veo 3.1 y Gemini Omni — Veo 3.1 está entre los modelos de mayor calidad, con diálogos y audio sincronizados. En mayo de 2026 Google añadió Gemini Omni, que permite crear y editar vídeos conversando. Se usan desde la app Gemini con los planes Google AI y desde la herramienta Flow.
- Kling 3.0 — excelente relación calidad/precio, clips de hasta 15 segundos, sincronización labial en varios idiomas y créditos gratuitos diarios para probarlo.
- Seedance 2.0 (ByteDance) — muy rápido y apreciado para animar imágenes y para vídeos con referencias; disponible también en los nodos de pago de ComfyUI.
- Runway Gen-4.5 — el más completo en herramientas de control (pinceles de movimiento, coherencia entre escenas), pensado para quien hace montaje y producción.
- Hailuo (MiniMax) — el servicio online de MiniMax, la misma empresa del modelo abierto H3.
¿Y Sora? OpenAI cerró la app de Sora el 26 de abril de 2026 y la API el 24 de septiembre de 2026: quien había basado su trabajo en Sora tuvo que cambiar de herramienta. Hablamos de ello en el editorial La IA de la semana.
Pros y contras de los servicios online
- ✅ Calidad puntera y tiempos rápidos, incluso desde cualquier portátil.
- ✅ Funciones avanzadas listas: diálogos, sincronización labial, extensión de clips, 4K.
- ❌ Costes que suben rápido: los vídeos se pagan por segundos o por créditos, y hacen falta muchos intentos para conseguir el clip adecuado.
- ❌ Filtros sobre contenidos y caras, a veces muy restrictivos.
- ❌ Dependencia del servicio: los precios, las reglas e incluso la existencia del producto no dependen de ti.
Vídeos con IA en local con ComfyUI
2026 ha sido el año del gran salto para el vídeo en local. La familia LTX-2 de Lightricks (hasta LTX-2.5, de agosto) genera vídeos con audio sincronizado, varios planos enlazados y 4K, con una licencia gratuita incluso para uso profesional por debajo de 10 millones de dólares de facturación. Wan 2.2 sigue siendo la referencia con licencia completamente libre. Cuidado, en cambio, con MiniMax H3 (y todas sus evoluciones, como Singularity: las vemos más abajo) y con HunyuanVideo: sus licencias excluyen a la Unión Europea. Lo tienes todo en nuestro vademécum sobre modelos de vídeo en ComfyUI.
MiniMax H3 y sus evoluciones, hasta Singularity
Entre los modelos de vídeo abiertos, MiniMax H3 es el que más ruido ha hecho en 2026. Lo creó MiniMax, la misma empresa del servicio online Hailuo: presentado el 31 de julio y con los pesos publicados el 3 de agosto, genera vídeos con audio estéreo en la misma pasada, clips de 4 a 15 segundos, también en vertical. Existe en dos versiones: FL2VA (a partir de texto, con primer y último fotograma) y Ref2VA (a partir de referencias: hasta 9 imágenes, 3 vídeos y 3 audios). ComfyUI lo admite de forma nativa.
El problema, al principio, era el peso: 33 mil millones de parámetros y unos 19,5 GB solo para el modelo en la versión INT8. En los meses siguientes la comunidad trabajó muchísimo en él, y hoy en torno a H3 hay un pequeño ecosistema:
- DMAD (Texas A&M y ByteDance, octubre de 2026): dos LoRA que llevan H3 de 50 a 4 pasos, con una conversión para ComfyUI ya lista. Proyecto en GitHub.
- FreeVideo: un plugin para ComfyUI, con instalador para Windows, que hace funcionar H3 con 8 GB de memoria de vídeo y 16 GB de RAM, cargando el modelo por partes mientras trabaja. Es un proyecto en fase preliminar que cambia cada día. FreeVideo en GitHub.
- Veda: un nodo de ComfyUI que acelera H3 con una técnica de «atención dispersa», es decir, calculando solo las partes de la imagen que importan de verdad. Veda en GitHub.
- ControlNet Union 2.0 (Alibaba PAI): ocho controles en un solo archivo (pose, profundidad, contornos, garabatos y otros), además de vídeo a vídeo e inpainting de vídeo.
- LoRA de la comunidad: por ejemplo Character Swap, que sustituye a una persona en un vídeo por un personaje de referencia manteniendo la escena y los movimientos de cámara.
MiniMax H3 Singularity es la más ambiciosa de estas evoluciones. No es un modelo oficial de MiniMax: es una «fusión» creada por la comunidad AIGC-Singularity, publicada en Hugging Face el 5 de septiembre de 2026 y actualizada varias veces. Une en un solo archivo distintas variantes de H3, refinadas después con tres días más de entrenamiento. Los objetivos declarados son concretos: menos desenfoque en los movimientos rápidos, caras más definidas en planos medios y generales, una piel menos «brillante», movimientos más enérgicos en las peleas, mejores efectos y partículas, y una respuesta más precisa a los movimientos de cámara. Los autores aseguran que los prompts y workflows hechos para H3 siguen funcionando.
En ComfyUI se carga en lugar del modelo H3 original y funciona a partir de texto, imagen, referencias y vídeo. Hay varias versiones: la v1.3 «pruned» en INT8 (unos 21 GB, la recomendada), una versión aún más comprimida en w4a8 (unos 12 GB) y la nueva v2 en INT8 (unos 34 GB). Para trabajar más rápido, los autores recomiendan combinarla con una LoRA «turbo» de 4 pasos. Encontrarás archivos, workflows y ejemplos en la página de Singularity en Hugging Face.
La nota honesta, que para nosotros es decisiva: en la página de Singularity la licencia indicada es Apache 2.0, pero está construido sobre los pesos de H3, y para esos pesos rige la MiniMax H3 Community License. Esta excluye explícitamente a la Unión Europea, el Reino Unido, Corea del Sur y Estados Unidos. Traducido: desde Italia, H3 y todas sus evoluciones (Singularity incluida) no se pueden usar en local sin una licencia solicitada directamente a MiniMax. Lo seguimos con interés porque es técnicamente notable, pero para trabajar desde Europa la opción abierta sigue siendo la familia LTX-2; online, en cambio, puedes usar el servicio Hailuo de MiniMax, que tiene sus propios términos de uso. El texto de la licencia está en la página oficial de MiniMax.
Pros y contras del local
- ✅ Intentos ilimitados: en vídeo hacen falta muchas pruebas, y en local no cuestan nada.
- ✅ Control de director: primer y último fotograma, poses, profundidad, LoRA para personajes y estilos, vídeos que hablan sobre una pista de audio.
- ✅ Privacidad para proyectos de clientes y material confidencial.
- ✅ Integración con el resto del trabajo: imágenes, upscaling, interpolación y montaje en el mismo workflow.
- ❌ Hardware exigente: los modelos de vídeo son los más pesados, mejor 24 GB de memoria de vídeo y 64 GB de RAM.
- ❌ Tiempos más largos que los grandes servicios online, sobre todo en alta resolución.
- ❌ Curva de aprendizaje más empinada que un simple prompt.
El flujo híbrido: lo mejor de los dos mundos
Muchos creadores optan por un camino intermedio:
- Ideas y pruebas en local: encuadres, estilo y personajes con ComfyUI, sin costes.
- Imágenes clave en local con un modelo de imágenes, para animarlas después de imagen a vídeo.
- Online solo para los clips finales que requieren la máxima calidad, pagando unos pocos segundos en lugar de cientos de intentos.
- Acabado en local: upscaling, interpolación y montaje.
ComfyUI también permite usar algunos modelos online (Seedance, Veo y otros) dentro de los workflows mediante los "nodos partner" de pago, así todo se queda en un único programa.
Qué camino elegir
| Si quieres… | Te recomendamos |
|---|---|
| Probar sin gastar | Online con los créditos gratuitos (por ejemplo Kling), o en local si ya tienes una buena tarjeta gráfica |
| Algunos clips de alta calidad al mes | Online |
| Shorts, Reels y vídeos frecuentes | En local con LTX-2.5 o Wan 2.2, quizá con algún clip online |
| Videoclips, anuncios, proyectos con clientes | Flujo híbrido |
| Aprender de verdad el vídeo con IA | En local con ComfyUI |
Para hacer cuentas entre hardware y suscripciones, lee cuánto cuesta crear imágenes y vídeos con IA.
Las tarjetas gráficas que recomendamos para vídeo con IA
| Prodotto | Scheda video | Memoria video | Link |
|---|---|---|---|
| ASUS Dual GeForce RTX 5060 Ti OC 16 GB | NVIDIA RTX 5060 Ti | 16 GB | Vedi su Amazon |
| ASUS Prime GeForce RTX 5070 Ti OC | NVIDIA RTX 5070 Ti | 16 GB | Vedi su Amazon |
| MSI GeForce RTX 5090 32G Gaming Trio OC | NVIDIA RTX 5090 | 32 GB | Vedi su Amazon |
| PC Ryzen 7 5700X + RTX 5060 Ti 16 GB | NVIDIA RTX 5060 Ti 16 GB | 16 GB | Vedi su Amazon |
Preguntas frecuentes
¿Se pueden hacer vídeos con IA con audio en local?
Sí: LTX-2, LTX-2.3 y LTX-2.5 generan vídeo y audio sincronizados en la misma pasada, directamente en ComfyUI, con una licencia que se puede usar también en Italia.
¿Cuál es el mejor generador de vídeo con IA online?
Por calidad pura, Veo 3.1 de Google; por relación calidad/precio, Kling 3.0; por velocidad, Seedance 2.0; por control, Runway. Conviene probar dos o tres con la misma idea.
¿Me basta una tarjeta de 12 GB para vídeo?
Para aprender y hacer clips cortos a baja resolución, sí, con las versiones reducidas de los modelos. Para trabajar de forma continuada hacen falta al menos 16 GB, mejor 24 GB o más.
