Generadores de video IA open source, explicados

Un generador de video IA open source, como Wan 2.2, HunyuanVideo 1.5 o LTX-2, puede funcionar en tu propia GPU, gratis y sin marca de agua. A cambio necesitas una tarjeta gráfica potente, algo de paciencia con ComfyUI y resolver por tu cuenta el guion, la voz, los subtítulos y la edición. Aquí tienes el panorama real y cómo FacelessGenie usa modelos abiertos para que no tengas que ejecutarlos tú.

Configura tu video

Agrega el material de partida para tu video.

Qué es un generador de video IA open source

La mayoría de las herramientas que se venden como generadores de video con IA usan modelos cerrados en servidores de otra empresa. Un modelo de video open source o de pesos abiertos es distinto: el desarrollador publica los pesos entrenados, así que cualquiera puede descargarlos y ejecutarlos en su propio equipo. Las licencias varían. Algunas son totalmente permisivas, como Apache 2.0, y otras son licencias comunitarias con condiciones según el tamaño de la empresa, la región o el uso comercial. En la práctica, casi todo el mundo los ejecuta con ComfyUI o Hugging Face Diffusers en una GPU NVIDIA local o alquilada en la nube.

Wan 2.2 y Wan 2.1 de Alibaba

Wan es la familia de video abierto más usada. Wan 2.2, publicado en julio de 2025 con licencia Apache 2.0, incluye modelos de 14B de texto a video y de imagen a video, y un modelo más pequeño, TI2V-5B, que genera video en 720p a 24 fotogramas por segundo. Según el equipo de Wan, el modelo de 5B necesita al menos 24 GB de VRAM, como una RTX 4090, y tarda menos de nueve minutos en un clip de cinco segundos en 720p. El anterior Wan 2.1 tiene un modelo de texto a video de 1.3B que necesita unos 8 GB de VRAM y va bien para 480p. Las versiones más nuevas de Wan se ofrecen en la nube de Alibaba y no como descarga; la organización oficial de Wan en GitHub publica pesos hasta Wan 2.2.

HunyuanVideo 1.5 de Tencent

HunyuanVideo 1.5 es un modelo de 8.3B publicado en noviembre de 2025, con texto a video e imagen a video en 480p y 720p y un escalador a 1080p. Los clips duran unos cinco segundos por defecto y Tencent indica un mínimo de unos 14 GB de VRAM con offloading. Usa la Tencent Hunyuan Community License, que no se aplica en la UE, el Reino Unido ni Corea del Sur y exige una licencia aparte para servicios con más de 100 millones de usuarios mensuales. Lee la licencia antes de usarlo con fines comerciales.

LTX-2 de Lightricks

La línea LTX-2 de Lightricks genera video y audio sincronizado a la vez, con modos de texto a video, imagen a video, fotogramas clave y video a video, y una salida nativa de alrededor de 1080p con escalado a 4K. Se publica con la LTX-2 Community License, que permite el uso comercial gratuito a organizaciones con menos de 10 millones de dólares de facturación anual; las empresas más grandes necesitan un acuerdo de pago. La descarga completa es grande, así que en GPUs domésticas tendrás que usar pesos de menor precisión y offloading.

CogVideoX, Mochi 1 y otros modelos abiertos

CogVideoX, de Zhipu, tiene una versión de 2B con Apache 2.0 y versiones de 5B con licencia propia, y genera clips cortos de unos seis segundos; con optimizaciones de memoria funciona en GPUs modestas. Mochi 1, de Genmo, es un modelo de texto a video de 10B con Apache 2.0 que saca video en 480p y funciona con menos de 20 GB en ComfyUI. También vale la pena conocer Open-Sora 2.0 (Apache 2.0), Step-Video-T2V de StepFun con 30B (MIT, necesita una GPU de 80 GB), MAGI-1 de Sand AI (Apache 2.0, con una versión de 4.5B que cabe en una tarjeta de 24 GB) y los modelos SkyReels de Skywork, que alargan los clips mucho más allá de los cinco segundos habituales.

Cómo usa FacelessGenie los modelos abiertos

FacelessGenie combina modelos abiertos y cerrados y elige según el formato. El plan gratuito funciona con modelos abiertos en nuestras propias GPUs: Z-Image Turbo, del laboratorio Tongyi de Alibaba (Apache 2.0), para las imágenes de cada escena y Kokoro (Apache 2.0) para la narración, con Whisper sincronizando los subtítulos palabra por palabra. Cuando una escena se genera directamente desde texto, Wan 2.2 es nuestro modelo de texto a video por defecto. En los niveles de mayor calidad puedes cambiar a modelos cerrados como Seedance 2.5 o Genie Motion. Usas modelos abiertos sin instalar nada, y la app también escribe el guion, monta las escenas, mezcla la música y te entrega el MP4 final.

Detalles de la herramienta

Ejecuta los modelos tú mismo o sáltate la instalación3 pasos

01
Revisa tu hardware y la licencia
Elige un modelo que quepa en la memoria de tu GPU y lee su licencia si el video es para una empresa o un canal monetizado.
02
Genera clips y luego arma el video
Un modelo local te da clips cortos, mudos o con audio. Todavía necesitas guion, narración, subtítulos, música y edición para tener un video terminado.
03
O empieza con una idea en FacelessGenie
Elige un formato, escribe tu idea y deja que la app haga el video entero, con modelos abiertos en el plan gratuito. Un video gratis al día, de hasta 90 segundos.

Preguntas frecuentes6 respuestas

¿Cuál es el mejor generador de video IA open source?

Para la mayoría, Wan 2.2 es el mejor punto de partida: tiene licencia Apache 2.0, buen soporte en ComfyUI y Diffusers, y un modelo de 5B que funciona en una tarjeta de 24 GB. HunyuanVideo 1.5 y LTX-2 son buenas alternativas, pero revisa antes sus licencias comunitarias. LTX-2 es la opción principal si quieres que el audio se genere junto con el video.

¿Puedo usar un generador de video IA en mi propio PC?

Sí, si tienes una GPU NVIDIA potente. El modelo de 1.3B de Wan 2.1 necesita unos 8 GB de VRAM para clips en 480p, mientras que el de 5B de Wan 2.2 pide al menos 24 GB para 720p. Cuenta con varios minutos por cada clip de cinco segundos en una tarjeta doméstica de gama alta, y más si usas offloading en GPUs pequeñas.

¿Los modelos de video open source son gratis para uso comercial?

Algunos sí. Wan 2.1 y 2.2, Mochi 1, CogVideoX-2B y Open-Sora 2.0 usan Apache 2.0. Otros usan licencias comunitarias: la de HunyuanVideo excluye la UE, el Reino Unido y Corea del Sur, y la de LTX-2 solo es gratuita para organizaciones con menos de 10 millones de dólares de facturación anual. Lee siempre la licencia que acompaña a los pesos.

¿Cuánto duran los clips de los modelos de video open source?

Normalmente unos cinco segundos por generación, entre 480p y 720p. Algunos modelos escalan a 1080p o 4K, y unos pocos, como SkyReels, pueden alargar los clips. Los videos más largos se hacen generando muchos clips y editándolos juntos.

¿FacelessGenie usa modelos open source?

Sí. El plan gratuito usa Z-Image Turbo para las imágenes y Kokoro para la narración, ambos con licencia Apache 2.0 y en nuestras propias GPUs, y Whisper para sincronizar los subtítulos. Wan 2.2 es nuestro modelo de texto a video por defecto. Los niveles de calidad de pago añaden modelos cerrados como Seedance 2.5 y Genie Motion.

¿Por qué usar FacelessGenie en lugar de ejecutar modelos en local?

Un modelo local te da clips. Un video terminado también necesita guion, narración, escenas que encajen, subtítulos, música y edición. FacelessGenie hace todo eso a partir de una idea en el navegador, sin GPU, sin instalaciones y con el costo en créditos a la vista antes de generar. Si te gusta trastear y tienes una buena GPU, ejecutar modelos en local es una gran forma de aprender.

Más herramientas gratis

Convierte cualquier tema en un video explicativo con IA Haz videos de historias de Reddit con IA Texto a voz para YouTube que no suena a robot Generador de guiones para TikTok gratis

Modelos de IA

Wan Seedance