¿Qué es un modelo de difusión?
Modelo de difusión explicado sin fórmulas: cómo convierte ruido en imagen o video paso a paso, por qué importan los pasos y qué modelos de video lo usan.
En esta página
Un modelo de difusión es un tipo de IA generativa que aprende a quitar ruido de una imagen y, al usarlo al revés, crea imágenes o video nuevos a partir de ruido puro. Durante el entrenamiento ve millones de ejemplos degradados con ruido creciente y aprende a reconstruirlos. Al generar, arranca de una «nieve» aleatoria y la limpia en varios pasos, guiado por tu prompt, hasta que aparece la escena.
Cómo genera un clip, paso a paso#
- Ruido inicial: el modelo parte de un bloque de ruido aleatorio. La semilla (seed) fija ese ruido; con la misma semilla y los mismos ajustes obtienes el mismo resultado.
- Guía del texto: un codificador traduce el prompt a números que orientan cada paso.
- Limpieza iterativa: en cada paso el modelo predice qué parte es ruido y la resta.
- Decodificación: el resultado, que vive en un espacio latente comprimido, se convierte en fotogramas visibles.
En video, el modelo limpia a la vez todos los fotogramas del clip, por eso puede mantener el movimiento coherente.
Qué modelos de video usan difusión#
| Modelo | Variante documentada | Fuente |
|---|---|---|
| Kling 3.0 | Diffusion Transformer con VAE 3D propio | Wikipedia |
| Seedance 1.5 Pro | DiT de doble rama, audio y video juntos | paper de ByteDance Seed |
| Wan 2.2 A14B | dos expertos: ruido alto y ruido bajo | docs de ComfyUI |
El caso de Wan 2.2 es didáctico: en ComfyUI el modelo de 14B se carga como dos archivos, uno que trabaja los primeros pasos (forma y composición) y otro los últimos (detalle). Es la difusión hecha visible. La ficha de Wan explica cómo montarlo.
Cómo funciona la generación de imágenes con IA (modelos de difusión)
Explicación en español del proceso de difusión aplicado a imágenes, base de los modelos de video.
Por qué te importa al crear#
Entender la difusión explica por qué cada generación sale distinta: cambia el ruido de partida. Por eso conviene fijar la semilla cuando encuentras un resultado que te gusta y quieres variar solo el prompt. También explica el costo: más pasos y más resolución implican más cálculo, y eso se traduce en créditos o en minutos de GPU.
Si quieres ver la difusión por dentro, ComfyUI expone cada nodo del proceso. Para usarla sin tocar parámetros, la guía para crear videos con IA compara las plataformas listas para usar. Más contexto teórico en la entrada de Wikipedia sobre modelos de difusión.