Viggle Remake edita video en local: ComfyUI necesita entre 12 y 24 GB de VRAM

Un anuncio ya está terminado, pero el cliente pide otro personaje y un fondo invernal. Normalmente, eso implica volver a rodar o trabajar cada plano por separado. Viggle Remake propone editar el video original: indicar el cambio deseado, preparar imágenes de referencia y obtener una nueva versión de la escena. Para un equipo que desarrolla herramientas de producción audiovisual, es una oportunidad para probar el procesamiento local con su propio material.

Viggle ha publicado los pesos, el código de ejecución y la integración con ComfyUI. Sin embargo, la promesa de que «funciona en una GPU doméstica» requiere una aclaración: un flujo manual en una tarjeta con entre 12 y 24 GB de memoria de video y el procesamiento autónomo mediante un agente necesitan configuraciones distintas. La documentación del proyecto los distingue expresamente.

Qué cambia exactamente en el video

Remake se basa en MiniMax-H3 con dos módulos LoRA especializados. El modo swap se encarga de sustituir personajes; edit, de modificar objetos, el entorno, el tiempo y la iluminación. Como entrada recibe el video original, una instrucción y entre una y cuatro imágenes preparadas. Estas definen el aspecto del resultado y pueden vincularse a fotogramas concretos.

Imaginemos una tienda de ropa que necesita variantes de una misma toma publicitaria de un modelo caminando. El equipo prepara imágenes con una chaqueta nueva y comprueba cómo se traslada el cambio al movimiento. La pregunta práctica es sencilla: ¿cuántos fotogramas habrá que corregir después de la generación y saldrá más barato que volver a rodar? Un ejemplo vistoso en el repositorio no basta para responder.

Los desarrolladores describen la conservación del movimiento, los movimientos de cámara y el audio original, pero también enumeran fallos: artefactos en detalles pequeños, problemas con personajes no humanos en planos largos y desfases temporales entre escenas con determinados ajustes. Con estos materiales, aún es pronto para prometer la sustitución impecable de cualquier actor. Las limitaciones están publicadas en la ficha del modelo.

De qué se encarga el agente

El proyecto incluye un servidor MCP, una interfaz que permite al agente acceder a las herramientas de procesamiento. Según los autores, el agente puede detectar cortes, preparar fotogramas clave, procesar fragmentos individuales, revisar el resultado y montar el video con su pista de audio. Las instrucciones de conexión figuran en la guía de MCP.

Desde el punto de vista de producto, esto resulta más interesante que un botón aislado para «sustituir una cara»: permite crear una cola de tareas y conectar la preparación del material con el renderizado. Pero disponer de MCP todavía no demuestra con qué fiabilidad se completa todo el proceso sin intervención humana. Eso hay que medirlo con videos propios.

Yo empezaría con un único plano corto en el que se vean claramente la cara, las manos y el objeto que se quiere modificar. Después probaría un giro de cabeza, la oclusión del objeto y una transición entre escenas. Ese conjunto de pruebas mostrará los límites de la herramienta más rápido que intentar rehacer de entrada un anuncio de un minuto. Conviene contabilizar por separado las generaciones repetidas: pueden consumir el ahorro previsto.

Cuánto cuesta ejecutar en local

Para las GPU con entre 12 y 24 GB de VRAM hay versiones cuantizadas y flujos manuales de ComfyUI. El agente autónomo en una sola RTX 5090 de 32 GB requiere otra configuración; los desarrolladores indican unos 60 GB de memoria RAM del sistema. Según su medición, procesar una ventana de 345 fotogramas a una resolución de 1280×736 tarda aproximadamente 28 minutos. Es una cifra orientativa de los autores, no una prueba independiente. Los detalles figuran en las instrucciones de ComfyUI.

Por tanto, para un editor interactivo primero habrá que comprobar si la espera es aceptable. Para generar variantes por lotes durante la noche, las exigencias de velocidad pueden ser menores. Al desarrollador le conviene definir de antemano qué considera un resultado satisfactorio: que el personaje siga siendo reconocible, que el producto se conserve, que no haya defectos visibles y cuánto retoque manual haga falta.

Antes de integrarlo en un producto comercial, también hay que distinguir las licencias: el código se publica bajo Apache 2.0 y los pesos se rigen por la MiniMax H3 Community License. Una instalación local no implica por sí sola un uso sin restricciones. Las condiciones figuran en la sección de licencias.

El valor práctico de Remake está en poder construir y medir un proceso propio de edición de video. El siguiente paso razonable para un equipo es una pequeña prueba piloto que registre el tiempo, los intentos repetidos y las correcciones manuales. Esas cifras mostrarán dónde la herramienta realmente acorta la producción.