Actualizado en septiembre de 2026 · Forma parte de nuestros tutoriales de IA y ComfyUI. Para imágenes, tienes la guía dedicada a los modelos de IA para imágenes en ComfyUI.
Hace solo dos años, generar vídeo con IA en tu propio PC significaba clips de pocos segundos, borrosos y mudos. Hoy, con ComfyUI, puedes crear vídeo en alta resolución con audio sincronizado, diálogos y varios planos conectados. Es lo que más nos ha sorprendido desde que trabajamos con IA en local.
Pero también es el terreno donde más fácil es perderse: modelos enormes, versiones nuevas cada mes y licencias llenas de trampas, hasta el punto de que algunos modelos no se pueden usar en la UE. En esta guía los ponemos en orden, del más antiguo al más reciente: qué hacen, cuánta memoria piden (pensando en quien, como nosotros, trabaja con 12 GB) y qué permite de verdad su licencia.
Todos los modelos de vídeo en una tabla
| Modelo | Año | Desarrollador | Audio | Licencia | Uso en la UE y comercial |
|---|---|---|---|---|---|
| LTX-Video 0.9 | 2024–2025 | Lightricks | No | Licencia Lightricks | Ver página oficial |
| Mochi 1 | 2024 | Genmo | No | Apache 2.0 | Sí |
| Wan 2.1 | 2025 | Alibaba (Wan) | No | Apache 2.0 | Sí |
| Wan 2.2 | 2025 | Alibaba (Wan) | No | Apache 2.0 | Sí |
| HunyuanVideo 1.5 | 2025 | Tencent | No | Tencent Hunyuan Community | No: UE excluida |
| LTX-2 | 2026 | Lightricks | Sí | LTX-2 Community | Sí, con menos de 10 millones $ de facturación |
| LTX-2.3 | 2026 | Lightricks | Sí | LTX-2 Community | Sí, con menos de 10 millones $ de facturación |
| LTX-2.5 | 2026 | Lightricks | Sí | LTX-2.x Community | Sí, con menos de 10 millones $ de facturación |
| MiniMax H3 | 2026 | MiniMax | Sí | MiniMax H3 Community | No: excluidos UE, Reino Unido, EE. UU. y Corea del Sur |
Esta página es una guía divulgativa, no asesoramiento legal. Las licencias pueden cambiar: antes de usar un modelo en un trabajo, lee siempre el texto completo en la página oficial enlazada en cada ficha.
Las licencias de los modelos de vídeo, en resumen
- Apache 2.0 (Wan 2.1 y 2.2, Mochi) — la más libre: permite uso comercial, modificaciones e integración en productos.
- LTX-2 / LTX-2.x Community License (LTX-2, 2.3, 2.5) — uso comercial gratuito si facturas menos de 10 millones de dólares al año; por encima necesitas un acuerdo comercial con Lightricks. Sin límites geográficos. Los vídeos generados son tuyos, pero la licencia pide indicar que el contenido está generado por una máquina cuando lo difundes.
- Licencias que excluyen Europa (HunyuanVideo, MiniMax H3) — el propio texto de la licencia excluye la Unión Europea: desde la UE no puedes usar el modelo, salvo que obtengas una licencia aparte de la empresa.
Qué ordenador necesitas para el vídeo con IA
Los modelos de vídeo son los más pesados de todos: generan decenas de fotogramas a la vez (y los más recientes, también el audio). Para trabajar con comodidad necesitas al menos 16 GB de VRAM, mejor 24 GB o más, y mucha RAM de sistema (32 GB como mínimo, 64 GB recomendados), porque ComfyUI pasa a la RAM las partes del modelo que no caben en la tarjeta. Con menos memoria puedes experimentar igualmente usando versiones cuantizadas (fp8, int8, GGUF), resoluciones bajas y clips cortos.
Para elegir tarjeta, lee la guía de las mejores tarjetas gráficas para IA. Si aún no tienes ComfyUI, empieza por cómo instalar ComfyUI en Windows.
La primera generación (2024–2025)
LTX-Video 0.9
El primer modelo de vídeo de Lightricks (finales de 2024, actualizado en 2025) se dio a conocer por su velocidad: clips cortos generados en pocos segundos incluso en tarjetas con poca memoria. Fue el punto de partida de muchos para el vídeo en ComfyUI (nosotros también lo usábamos en las pruebas con la RTX 3060), pero hoy lo ha superado la familia LTX-2.
- Licencia: licencia propia de Lightricks, que hay que leer en la página del modelo.
- Dónde encontrarlo: LTX-Video
Mochi 1
Publicado por Genmo en octubre de 2024, fue uno de los primeros modelos de vídeo de buena calidad con licencia totalmente libre. Hoy tiene sobre todo valor histórico: los modelos posteriores son más bonitos y más ligeros.
- Licencia: Apache 2.0.
- Dónde encontrarlo: Mochi 1
Wan 2.1 (2025)
En febrero de 2025 Alibaba publica Wan 2.1, el primer modelo de vídeo abierto capaz de competir de verdad con los servicios de pago: texto a vídeo e imagen a vídeo, una versión grande de 14 mil millones de parámetros y una pequeña de 1.300 millones para tarjetas con poca memoria. Alrededor de Wan ha nacido un enorme ecosistema de LoRA, controles y workflows para ComfyUI, que todavía hoy se usa muchísimo.
- Licencia: Apache 2.0, libre también para uso comercial.
- Dónde encontrarlo: Wan 2.1 T2V 14B
Wan 2.2 (2025)
Lanzado en julio de 2025, mejora el movimiento, la luz y la composición con una arquitectura de "expertos": un modelo plantea la escena y otro pule los detalles. Existe en tres versiones: T2V-A14B (desde texto), I2V-A14B (desde imagen) y TI2V-5B, la versión compacta que genera vídeo a 720p y 24 fotogramas por segundo en tarjetas de consumo como la RTX 4090. Es la referencia si buscas la licencia más libre. No genera audio.
- VRAM: la versión 5B está pensada para tarjetas de consumo (24 GB); las versiones 14B en ComfyUI necesitan versiones cuantizadas y offload a la RAM.
- Licencia: Apache 2.0, libre también para uso comercial. Las versiones posteriores de Wan, hasta ahora, solo se han ofrecido como servicio online.
- Dónde encontrarlo: Wan 2.2 T2V A14B · Wan 2.2 TI2V 5B
HunyuanVideo 1.5 (ojo con la licencia)
El modelo de vídeo de Tencent (noviembre de 2025) tiene 8.300 millones de parámetros, genera hasta 10 segundos a 480p o 720p y funciona con al menos 14 GB usando offload. Técnicamente es excelente por su relación calidad/ligereza, pero la Tencent Hunyuan Community License declara expresamente que "no se aplica en la Unión Europea, el Reino Unido y Corea del Sur". Desde la UE no hay ninguna licencia que cubra su uso: mejor elegir Wan o LTX.
- Licencia: Tencent Hunyuan Community License, excluidos UE, Reino Unido y Corea del Sur.
- Dónde encontrarlo: HunyuanVideo 1.5 (para leer la licencia)
La nueva generación: vídeo con audio (2026)
El gran salto de 2026 es el audio generado junto con el vídeo, en la misma pasada: diálogos con sincronización labial, efectos de sonido y ambientes. Ya no hace falta añadir el audio después con otro programa.
LTX-2 (enero de 2026)
El 6 de enero de 2026 Lightricks publica LTX-2, el primer modelo abierto pensado para producción que genera vídeo y audio sincronizados en una sola pasada. Tiene 19 mil millones de parámetros (unos 14 para el vídeo y 5 para el audio) y llega hasta 4K a 50 fotogramas por segundo, en clips de hasta 20 segundos. Lightricks afirma haberlo entrenado con datos bajo licencia.
- Licencia: LTX-2 Community License, gratuita también para uso comercial con menos de 10 millones de dólares de facturación anual.
- Dónde encontrarlo: LTX-2
LTX-2.3 (marzo de 2026)
LTX-2.3 lleva el modelo a 22 mil millones de parámetros con un nuevo VAE y un nuevo espacio latente: detalles más nítidos, contornos más limpios, mejor audio, más coherencia al pasar de imagen a vídeo y mejor soporte para el formato vertical 9:16, perfecto para Shorts y Reels. Como "traductor" del prompt (text encoder) usa el modelo Gemma de 12 mil millones de parámetros.
En ComfyUI tiene soporte nativo, con seis plantillas oficiales, sin nodos adicionales:
- texto a vídeo;
- imagen a vídeo;
- primer y último fotograma (FLF2V): el vídeo que conecta dos imágenes;
- imagen + audio: un personaje que habla sincronizado con una pista de audio;
- control con IC-LoRA (profundidad, pose, contornos);
- ID-LoRA: vídeos personalizados a partir de una referencia.
Además del modelo completo (dev) existen una versión destilada de 8 pasos, mucho más rápida, y upscalers para aumentar la resolución y la fluidez.
- VRAM: es un modelo grande. Incluso en fp8 funciona mejor con 24 GB o más y mucha RAM; con menos memoria puedes probar la versión destilada, resoluciones bajas y clips cortos.
- Licencia: LTX-2 Community License, gratuita también para uso comercial con menos de 10 millones de dólares de facturación anual. Sin límites geográficos.
- Dónde encontrarlo: LTX-2.3 · tutorial oficial de ComfyUI
LTX-2.5 (agosto de 2026)
El 11 de agosto de 2026 Lightricks publica LTX-2.5, de 22 mil millones de parámetros, que define como un "world model" abierto. Las principales novedades:
- Multi-shot nativo: varios planos conectados en una sola pasada, con personajes y escenarios coherentes de un corte a otro.
- Duración automática: un módulo opcional calcula por sí solo cuánto debe durar el clip según la acción descrita.
- 4K HDR nativo y un nuevo traductor del prompt (Gemma 4 de 12 mil millones de parámetros), que maneja mejor los prompts largos que describen personajes, movimientos de cámara e iluminación.
- Versión destilada de 8 pasos, mucho más rápida, además del modelo completo para el entrenamiento.
Tiene soporte en ComfyUI desde el primer día, con plantillas oficiales de texto a vídeo e imagen a vídeo y versiones cuantizadas int8 y NVFP4 (esta última para las tarjetas NVIDIA más recientes).
- VRAM: como LTX-2.3, mejor 24 GB o más; las versiones int8 reducen el consumo.
- Licencia: LTX-2.x Community License, gratuita también para uso comercial con menos de 10 millones de dólares de facturación anual, sin obligación de mostrar la marca. Los vídeos generados son tuyos; hay que indicar que están generados por una máquina.
- Dónde encontrarlo: LTX-2.5 · texto de la licencia
MiniMax H3 (agosto de 2026): el más potente, pero no en la UE
MiniMax, la empresa del servicio Hailuo, presentó H3 el 31 de julio de 2026 y publicó sus pesos el 3 de agosto. Se considera el modelo de vídeo abierto más potente: 33 mil millones de parámetros, vídeo con audio estéreo generado en la misma pasada, clips de 4 a 15 segundos a 24 fotogramas por segundo, resolución base de 768p y muchos formatos, incluido el 9:16. Existe en dos versiones:
- FL2VA: desde texto, con primer y último fotograma opcionales;
- Ref2VA: desde referencias, hasta 9 imágenes, 3 vídeos y 3 audios.
Algunas partes no se han publicado: el módulo que lleva la salida a 2K y el que reelabora las instrucciones siguen disponibles solo online. ComfyUI lo soporta de forma nativa, y la comunidad ya ha publicado LoRA para acelerarlo (versiones de 8 pasos), para controlarlo y para la edición de vídeo. La versión cuantizada INT8 ocupa unos 19,5 GB solo para el modelo.
Pero para nosotros la licencia es el punto clave. La MiniMax H3 Community License es válida en todo el mundo salvo en los "Territorios Excluidos", definidos como Unión Europea, Reino Unido, Corea del Sur y Estados Unidos. Quien se encuentre en estos territorios debe contactar con MiniMax para obtener una licencia. En el resto del mundo se permite el uso comercial, pero por encima de 20 millones de dólares de facturación anual hace falta una autorización por escrito.
En la práctica, desde la UE: sin una licencia solicitada directamente a MiniMax, H3 no se puede usar en local. Para vídeo con audio en Europa, la alternativa abierta es la familia LTX-2; el servicio online Hailuo de MiniMax es otra historia, con sus propios términos de uso.
- Licencia: MiniMax H3 Community License, excluidos UE, Reino Unido, Corea del Sur y EE. UU.; por encima de 20 millones de dólares de facturación hace falta una autorización.
- Dónde encontrarlo: MiniMax H3 (para leer la licencia)
Qué modelo de vídeo elegir
| Si quieres… | Te recomendamos |
|---|---|
| Vídeo con audio y diálogos, desde la UE | LTX-2.5 o LTX-2.3 |
| Varios planos conectados (multi-shot) | LTX-2.5 |
| Hacer hablar a un personaje sobre una pista de audio | LTX-2.3 (plantilla imagen + audio) |
| La licencia más libre posible | Wan 2.2 (Apache 2.0) |
| Empezar con una tarjeta de 16–24 GB | Wan 2.2 TI2V 5B, LTX en versión destilada |
| Muchos LoRA y workflows de la comunidad | Wan 2.1 y 2.2 |
Consejos prácticos para el vídeo en ComfyUI
- Empieza por las plantillas oficiales del menú Workflow: descargan los archivos correctos y traen ajustes ya probados. También las encuentras en la biblioteca de Comfy.
- Prueba primero en pequeño: baja resolución y pocos segundos para dar con el prompt adecuado; después sube la calidad y la duración.
- Usa las versiones destiladas (4–8 pasos) para las pruebas: son mucho más rápidas.
- Parte de una imagen: a menudo conviene crear primero el plano con un modelo de imágenes (mira la guía de modelos de imágenes) y luego animarlo con un modelo de imagen a vídeo.
- Indica que el vídeo está generado con IA cuando lo publiques: lo exigen algunas licencias y, para contenidos realistas, también las plataformas.
Las tarjetas gráficas que recomendamos
- NVIDIA RTX 5060 Ti 16 GB – el punto de partida sensato para el vídeo con IA en local: 16 GB de VRAM a un precio asequible.
- NVIDIA RTX 5070 Ti 16 GB – la misma memoria, pero mucho más rápida: menos espera en cada generación.
- NVIDIA RTX 5090 32 GB – la opción de gama alta: 32 GB de VRAM, el mayor margen para los modelos de vídeo grandes.
- PC ya montado con RTX 5060 Ti 16 GB – para quien no quiere montar el ordenador y prefiere empezar enseguida.
Para el vídeo con IA en local recomendamos partir de 16 GB (RTX 5060 Ti 16 GB). La RTX 3060 de 12 GB sirve para aprender, pero con los modelos de vídeo va al límite.
Preguntas frecuentes
¿Cuál es el mejor modelo de vídeo open source en 2026?
Técnicamente MiniMax H3, pero su licencia excluye la Unión Europea. Si trabajas desde la UE, la referencia es LTX-2.5 (o LTX-2.3), con audio integrado y licencia gratuita por debajo de 10 millones de dólares de facturación. Si necesitas la licencia más libre, Wan 2.2.
¿Puedo usar MiniMax H3 si lo descargo de todos modos?
La licencia no concede derechos de uso en la Unión Europea: descargarlo y usarlo desde la UE no está cubierto por la licencia. Si lo necesitas para un proyecto, contacta con MiniMax para una licencia específica, como indica el propio texto.
¿Cuánta memoria necesitan LTX-2.3 y LTX-2.5?
Son modelos de 22 mil millones de parámetros: para trabajar con comodidad necesitas 24 GB o más de VRAM y al menos 32 GB de RAM. Con las versiones cuantizadas (fp8, int8), la versión destilada y resoluciones más bajas puedes experimentar también con menos memoria.
¿Puedo usar los vídeos generados para trabajar?
Con Wan (Apache 2.0), sí. Con la familia LTX-2, sí, si tu actividad factura menos de 10 millones de dólares al año, indicando que el contenido está generado por una máquina. Con HunyuanVideo y MiniMax H3, desde la UE, no, salvo con una licencia específica.
