IA de video open source en 2026: los modelos que puedes usar gratis

La mejor IA de video open source en octubre de 2026 es Wan 2.2 de Alibaba: tiene licencia Apache 2.0 con uso comercial, cubre texto a video, imagen a video y animación de personajes, y funciona en ComfyUI con GPU desde 8 GB en su versión ligera. Le siguen modelos más especializados: Wan 2.2 Animate para transferir movimiento, AnimateDiff para animación estilizada y MiniMax H3, el más potente con pesos descargables pero con una licencia que excluye la Unión Europea. Todos se ejecutan, casi siempre, dentro de ComfyUI.

Esta lista ordena los modelos por utilidad práctica para quien crea video en español: licencia, requisitos de hardware, soporte en ComfyUI y, cuando existe, posición en las arenas públicas. No incluye pruebas propias: las cifras vienen de los repositorios oficiales y de la documentación de cada proyecto.

Resumen: modelos de video abiertos en 2026#

¿Qué significa «open source» en video con IA?#

Conviene separar dos cosas. Open source en sentido estricto implica una licencia como Apache 2.0 o MIT, que permite usar, modificar y redistribuir, también comercialmente, sin excluir países. Open weights solo significa que los pesos se pueden descargar, a veces con condiciones propias. MiniMax H3 es el ejemplo: pesos públicos, licencia restringida.

Además, muchas familias mezclan versiones abiertas y cerradas. En Wan, solo la 2.1, la 2.2 y los modelos Animate son abiertos; la 2.5, 2.6, 2.7 y 3.0 son comerciales por API. El líder actual del ranking de Artificial Analysis en texto a video, Wan 3.0, no se puede descargar. El estado de las arenas está en el ranking de modelos de video con IA.

1. Wan 2.2: el mejor modelo de video abierto para uso general#

Alibaba publicó Wan 2.2 el 28 de julio de 2025 bajo Apache 2.0, con uso comercial permitido. La familia incluye T2V-A14B e I2V-A14B, modelos de mezcla de expertos para texto a video e imagen a video a 480p y 720p, y TI2V-5B, que genera a 720p y 24 fps. En agosto de 2025 se sumó S2V-14B, que convierte voz en video.

Los requisitos son el gran filtro. Según el repositorio oficial de Wan 2.2, los modelos A14B necesitan al menos 80 GB en una sola GPU, y el 5B pide 24 GB y genera 5 segundos a 720p en menos de 9 minutos en una RTX 4090. La documentación de ComfyUI matiza que el 5B «cabe bien en 8 GB» con offloading, y existen versiones fp8 y GGUF cuantizadas de los 14B.

Wan 2.2 es la opción jurídicamente más limpia para trabajos comerciales con modelos abiertos, también desde España. No genera audio y se queda en 720p, pero no cobra por clip ni pone marca de agua. Montaje paso a paso en la ficha de Wan.

How To Use WAN 2.2 in ComfyUI: The BEST FREE AI Video Model

Tutorial en inglés para instalar y usar Wan 2.2 en ComfyUI, de la plantilla al primer clip.

2. Wan 2.1 1.3B: la puerta de entrada para GPU modestas#

Wan 2.1, publicado el 25 de febrero de 2025 bajo Apache 2.0, sigue siendo relevante por un modelo concreto: T2V-1.3B. Según su repositorio, requiere solo 8,19 GB de VRAM y genera 5 segundos a 480p en unos 4 minutos en una RTX 4090. Es el modelo de video abierto más accesible para una tarjeta de gama media.

La familia 2.1 incluye además T2V-14B, I2V-14B a 480p y 720p, FLF2V-14B, que parte de un primer y un último fotograma, y VACE en 1.3B y 14B. Para quien empieza, la recomendación práctica es aprender el flujo de ComfyUI con el 1.3B y pasar al 5B de Wan 2.2 cuando el hardware lo permita.

El límite es la calidad: 480p y movimiento menos rico que los modelos grandes. Para pruebas de composición, storyboards animados o loops sencillos, alcanza. Para entregas finales, conviene un modelo mayor o un paso de reescalado.

3. Wan 2.2 Animate y Wan-Animate-2: animar personajes con movimiento real#

Wan 2.2 Animate-14B, publicado el 19 de septiembre de 2025, es la alternativa abierta a Kling Motion Control. En ComfyUI tiene dos modos. Move anima al personaje de una imagen con el movimiento de un video de referencia. Mix sustituye al personaje de un video por otro, conservando gestos e iluminación del original. El ancho y el alto deben ser múltiplos de 16.

El 7 de agosto de 2026 llegó Wan-Animate-2, también bajo Apache 2.0, con pesos Base, una versión destilada de 10 pasos y una variante Lite para streaming, además de control del punto de vista por texto. Pero la configuración por defecto, según su ficha en Hugging Face, usa 8 GPU A800 a 720p: no es para PC doméstico.

Desde el oficio, Animate es rotoscopia moderna: grabas tu propia actuación de referencia y el modelo la traslada a tu diseño. Funciona mejor con un solo personaje, fondo limpio y cuerpo completo en cuadro.

4. MiniMax H3: los pesos más potentes, con licencia restringida#

MiniMax publicó en Hugging Face, el 3 de agosto de 2026, los pesos de H3-Base: 33 000 millones de parámetros, generación a 768p, clips de 4 a 15 segundos a 24 fps y audio estéreo de 32 kHz, con variantes de primer y último fotograma y de referencias múltiples. Ocupa 123,6 GB a precisión nativa o 42,5 GB en la variante mínima. En el leaderboard de imagen a video de Artificial Analysis, H3 768p encabezaba la tabla el 14 de octubre de 2026, en empate técnico con otros modelos.

El problema es la licencia. Según la cobertura de NYU Shanghai, la MiniMax H3 Community License no es open source OSI, excluye la Unión Europea, Reino Unido, Corea del Sur y Estados Unidos, y exige autorización para uso comercial por encima de 20 millones de USD de ingresos anuales. En España la licencia de los pesos no aplica; en México sí. ComfyUI afirma que corre en una RTX 3060 de 12 GB con offloading dinámico, aunque lento. Contexto completo en la ficha de Hailuo y MiniMax.

5. LTX-Video, HunyuanVideo, CogVideoX y Mochi: alternativas en ComfyUI#

ComfyUI soporta de forma nativa otros modelos de video abiertos: LTX-Video 2 y 2.3, HunyuanVideo 1.5, CogVideoX, Mochi, Kandinsky 5 Video y Cosmos Predict2, además de LTX-AV, que genera audio y video juntos. Están en la lista oficial de modelos del repositorio de ComfyUI.

Una admisión honesta: para estos modelos no tenemos en nuestras fuentes cifras verificadas de VRAM, licencia detallada o calidad comparada, así que no los ordeno entre sí. Lo que sí se puede decir es que, junto con Wan, forman el grupo de modelos nativos de video que hoy dominan el realismo en el ecosistema abierto, frente a enfoques anteriores como AnimateDiff.

Si quieres explorarlos, ComfyUI ofrece plantillas para la mayoría; antes de usarlos en un encargo, revisa la licencia en el repositorio de cada uno, porque varían entre proyectos.

6. AnimateDiff: el veterano para animación estilizada#

AnimateDiff es un módulo de movimiento que convierte modelos de imagen de Stable Diffusion en generadores de animación sin reentrenarlos. Su última versión, v3 con SparseCtrl, es de diciembre de 2023, y con SD1.5 funciona con 8 a 12 GB de VRAM, generando unos 16 fotogramas por ventana.

En 2026 ya no compite en realismo con Wan, pero sigue siendo muy útil para lo que un animador valora: estilos dibujados, loops y video a video con ControlNet. Puede usar todo el ecosistema de checkpoints y LoRA de Stable Diffusion, y SparseCtrl permite animar a partir de bocetos clave. La extensión AnimateDiff-Evolved para ComfyUI añade ventanas de contexto para clips largos, AnimateLCM y CameraCtrl, y funciona en Mac M1 a M3.

Su licencia es Apache-2.0, aunque el README menciona uso académico: para encargos comerciales, revisa cada pieza. Más detalle en la ficha de AnimateDiff y, para estilos anime, en mejores IA para anime.

7. ComfyUI: la interfaz donde se ejecuta casi todo#

ComfyUI no es un modelo, pero sin él esta lista sería teórica. Es un motor de nodos open source con licencia GPL-3.0, para Windows, Linux y macOS, compatible con GPU NVIDIA, AMD, Intel, Apple Silicon y Ascend. Afirma ejecutar los modelos abiertos más grandes con 4 GB de VRAM y 8 GB de RAM mediante streaming de pesos, a costa de mucha velocidad.

La app de escritorio es gratuita y la forma más sencilla de empezar. Para quien no tiene GPU, Comfy Cloud alquila una RTX PRO 6000 de 96 GB desde 20 USD al mes, con 5 ejecuciones gratis. Y los Partner Nodes permiten mezclar en el mismo flujo modelos abiertos con modelos cerrados como Kling o Veo, pagando créditos.

Aprender ComfyUI es la inversión que desbloquea todo el video abierto: el mismo conocimiento sirve para Wan, AnimateDiff, LTX-Video o H3. Guía de instalación y costos en la ficha de ComfyUI.

EJECUTA IA en LOCAL GRATIS 👉 ¡Genera Código, Vídeo, Imágenes y Texto!

Dot CSV Lab explica en español cómo ejecutar modelos de IA en local, incluido video.

8. Meta Animated Drawings: para dibujos infantiles#

Animated Drawings es la implementación open source, con licencia MIT, de un paper de Meta publicado en ACM TOG en junio de 2023 sobre cómo animar dibujos de figuras humanas hechos por niños. Detecta la figura, estima un esqueleto y la anima con archivos de movimiento BVH, y exporta MP4 o GIF con fondo transparente.

Es un caso muy distinto a los modelos de difusión: no genera píxeles nuevos, sino que deforma tu dibujo siguiendo un esqueleto, así que respeta exactamente el trazo original. Para talleres con niños o para animar ilustraciones de figura humana sencilla, es una opción gratuita y fiel. El repositorio está archivado, en solo lectura, desde el 3 de septiembre de 2025, y su demo web puede dejar de funcionar. Otras técnicas en animar dibujos con IA.

9. Herramientas abiertas de apoyo: interpolar, reescalar y subtitular#

Un flujo de video completo necesita más que el generador. Tres piezas abiertas cubren la posproducción:

• RIFE (licencia MIT): interpolación de fotogramas para pasar de 24 a 48 o 60 fps o hacer cámara lenta.
• Video2X (AGPL-3.0): reescalado e interpolación con Real-ESRGAN, Real-CUGAN, Anime4K y RIFE, en Windows, Linux o Google Colab. Flujo en mejorar la calidad de un video con IA.
• Whisper de OpenAI (MIT): transcripción para subtítulos, desde el modelo tiny de unos 1 GB de VRAM hasta large de unos 10 GB. Ver subtítulos automáticos con IA.

Para recortar personas sin pantalla verde existe Robust Video Matting, también gratuito; alternativas en quitar el fondo de un video.

Dónde falla el video open source#

• Hardware: los modelos buenos piden GPU caras; con 8 GB todo es lento y limitado a 480p o 720p.
• Audio: Wan 2.1 y 2.2 no generan sonido; el audio nativo abierto queda en LTX-AV y en H3, este con licencia restringida.
• Duración y resolución: los abiertos se quedan por detrás de los comerciales, que ya llegan a 15 o 30 segundos con 1080p.
• Licencias confusas: hay que leer cada licencia; «open» no siempre significa uso comercial ni validez en tu país.
• Curva técnica: ComfyUI, extensiones y versiones cuantizadas exigen tiempo.

¿Qué modelo abierto elegir según tu equipo?#

• GPU de 8 GB: Wan 2.1 1.3B o Wan 2.2 5B con offloading; AnimateDiff con SD1.5 para estilos.
• GPU de 12 a 24 GB: versiones cuantizadas de Wan 2.2 14B; en México, MiniMax H3 con offloading.
• Sin GPU: Comfy Cloud o plataformas comerciales con créditos gratis; ver generadores de video con IA gratis.
• Trabajo comercial desde España: Wan 2.1 y 2.2, por su Apache 2.0 sin exclusiones territoriales.

El mapa completo de opciones, abiertas y comerciales, está en la guía para crear videos con IA.