Mago Studio lanza una plataforma local de produccion de video con IA que funciona con 8 GB de VRAM
Mago Studio convierte un guion en una secuencia de planos, escenas y versiones dentro de una unica aplicacion de escritorio. Los proyectos permanecen en el ordenador, mientras que los renderizados pueden enviarse a una instancia local de ComfyUI o a la nube. Para Windows, los desarrolladores recomiendan una GPU NVIDIA con 8 GB de VRAM y unos 63 GB de espacio libre. El codigo se publica bajo la licencia AGPL-3.0, por lo que los equipos no quedan atrapados en la interfaz y el catalogo de modelos de un tercero.
Procesado por IA desde TG: @cgevent (Метаверсище и ИИще); editado por Hamidun News
La produccion de video con IA tiene un incomodo problema cotidiano: el guion esta en un servicio, las imagenes en otro, el video se genera en un tercero y las versiones que funcionan deben buscarse en carpetas con nombres como final_v7_really_final. Mago Studio intenta reunir todo este flujo en una unica aplicacion de escritorio. El proyecto se almacena localmente, los renderizados pueden ejecutarse en la propia GPU mediante ComfyUI y, cuando sea necesario, se pueden enviar escenas concretas a la nube.
No se trata simplemente de otra interfaz con un campo para prompts. Mago Studio ofrece dos modos principales: Director convierte el guion en personajes, una lista de planos, un storyboard y escenas conectadas; Transform, por su parte, edita video ya grabado y permite cambiar el estilo, la iluminacion, los personajes o zonas concretas mediante mascaras. Las versiones se conservan entre intentos, de modo que el resultado puede debatirse y perfeccionarse como un proyecto, en lugar de convertirse en un flujo interminable de generaciones aleatorias.
Como funciona en la practica
Supongamos que un equipo prepara un video de un minuto para lanzar un producto. Primero carga el guion y lo divide en planos. Para cada plano define los personajes, las referencias y la direccion visual. La escena siguiente puede continuar la anterior, lo que ayuda a mantener al menos una coherencia basica entre los personajes y los entornos. Si un fragmento no sale bien, puede regenerarse o editarse por separado sin tener que reconstruir todo el video.
El componente local funciona sobre ComfyUI. En Windows hay un instalador que configura una version compatible de ComfyUI, los nodos necesarios y los modelos. La configuracion minima incluye MiniMax H3 para video y Qwen3-VL 4B para describir imagenes y videos. Los desarrolladores indican una GPU NVIDIA con 8 GB de VRAM y aproximadamente 63 GB de espacio libre. En macOS y Linux, la aplicacion se conecta a una instalacion existente de ComfyUI. Si no hay una GPU local, la interfaz sigue siendo utilizable y los renderizados pueden ejecutarse mediante Mago Cloud.
El modo en la nube impide considerar el producto totalmente local: al renderizar en la nube se envian el plano seleccionado, el video original, las referencias y las mascaras. Segun los desarrolladores, el resto del proyecto permanece en el equipo. Tras iniciar sesion, los guiones y las imagenes de referencia tambien utilizan modelos en la nube de forma predeterminada; para trabajar de manera completamente autonoma es necesario instalar por separado un LLM local y modelos de imagen.
Por que el codigo abierto es importante aqui
Mago Studio se publica bajo AGPL-3.0. Esto permite estudiar el funcionamiento interno de la aplicacion, conectar modelos propios y adaptar el flujo de trabajo a las necesidades del equipo. Resulta especialmente util no tener que esperar a que el propietario de un servicio cerrado incorpore el modelo de video necesario: la integracion puede implementarse de forma independiente mediante el flujo existente de ComfyUI.
Sin embargo, AGPL no concede permiso incondicional para hacer cualquier cosa con el codigo. Si una empresa modifica la aplicacion y la ofrece a usuarios a traves de una red, deberia revisar de antemano sus obligaciones de divulgacion del codigo fuente. Las licencias de los modelos descargados tambien se aplican por separado: MiniMax H3, por ejemplo, se distribuye bajo sus propias condiciones.
Que comprobar antes de adoptarlo
El proyecto aun es joven, por lo que un video de demostracion atractivo no sustituye una prueba en un flujo de produccion real. Tome un guion corto, proceselo desde el storyboard hasta la exportacion y mida el tiempo, el consumo de VRAM, la consistencia de los personajes y el numero de correcciones manuales. Compruebe tambien por separado la instalacion de ComfyUI: las incompatibilidades entre versiones de nodos y Python siguen siendo una causa habitual de fallos.
Para un estudio pequeno o un equipo de producto, el atractivo de Mago Studio no reside en la promesa de un boton magico, sino en su intento de poner orden. Si la herramienta supera el proyecto piloto, puede sustituir la dispersion de pestanas, carpetas y hojas de calculo por un unico flujo gestionable. Si no lo hace, el codigo abierto sigue ofreciendo a los desarrolladores un punto de partida para construir su propio sistema local de produccion de video.
- 8 nov 2026Andrej Karpathy construyo HackerTube con 6.454 videos en dos horas
- 8 nov 2026ComfyUI 0.44 exporta video de IA a ProRes y escala Flux hasta 4K
- 8 nov 2026Pruna AI lanza P-Video-2-Pro-Replace: sustituye personajes en videos de hasta 120 segundos por $0.05/s
- 8 nov 2026Un editor pasó 30 entrevistas por Claude: las citas son fieles, pero el modelo nunca dicta el veredicto «no la veas»
Preguntas frecuentes sobre la noticia
Como funciona en la practica?
Supongamos que un equipo prepara un video de un minuto para lanzar un producto. Primero carga el guion y lo divide en planos. Para cada plano define los personajes, las referencias y la direccion visual. La escena siguiente puede continuar la anterior, lo que ayuda a mantener al menos una coherencia basica entre los personajes y los entornos. Si un fragmento no sale bien, puede regenerarse o editarse por separado sin tener que reconstruir todo el video. El componente local funciona sobre ComfyUI.
Por que el codigo abierto es importante aqui?
Mago Studio se publica bajo AGPL-3.0. Esto permite estudiar el funcionamiento interno de la aplicacion, conectar modelos propios y adaptar el flujo de trabajo a las necesidades del equipo. Resulta especialmente util no tener que esperar a que el propietario de un servicio cerrado incorpore el modelo de video necesario: la integracion puede implementarse de forma independiente mediante el flujo existente de ComfyUI. Sin embargo, AGPL no concede permiso incondicional para hacer cualquier cosa con el codigo.
¿Qué se sabe sobre Que comprobar antes de adoptarlo?
El proyecto aun es joven, por lo que un video de demostracion atractivo no sustituye una prueba en un flujo de produccion real. Tome un guion corto, proceselo desde el storyboard hasta la exportacion y mida el tiempo, el consumo de VRAM, la consistencia de los personajes y el numero de correcciones manuales. Compruebe tambien por separado la instalacion de ComfyUI: las incompatibilidades entre versiones de nodos y Python siguen siendo una causa habitual de fallos.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.