El autor creó un vídeo narrativo con LTX 2.3 (22 000 millones de parámetros) en su equipo doméstico, sin suscripciones
Los generadores de vídeo de pago en la nube obligan a buscar alternativas, y el autor Pavel Vlasov probó una versión doméstica. LTX 2.3 es un modelo de vídeo local de 22 000 millones de parámetros (en su versión destilada y acelerada) que funciona en un ordenador de casa. Con él creó una historia sobre una chica y un dragón, pero un episodio tuvo que generarlo con el servicio en la nube MiniMax H3. Lo local puede sacar adelante un proyecto así, aunque se paga con tiempo y con el trabajo de ajustar los prompts.
Procesado por IA desde TG: @cgevent (Метаверсище и ИИще); editado por Hamidun News
Los generadores de vídeo en la nube pasan uno tras otro a planes de pago, y la pregunta de si es posible prescindir de ellos dejó de ser teórica. Pavel Vlasov, autor del proyecto en la sección «Neuroexplosión» del canal «Metaversishche y IAshche», lo puso a prueba. Creó una breve historia atmosférica sobre una chica y un dragón íntegramente en su ordenador doméstico, con el modelo de vídeo local LTX 2.3 de 22 000 millones de parámetros. Esto significa que el modelo funciona en su propio hardware, no en servidores ajenos, y que no tiene que pagar por cada segundo de vídeo.
Con qué está hecho el vídeo
La base es LTX 2.3 en su versión destilada (Distilled 1.1).
La destilación hace el modelo más ligero y rápido, normalmente a cambio de una ligera pérdida de calidad. Sobre ella, el autor añadió una LoRA de estilo, Luxe_Sensual_Style. Una LoRA es un pequeño complemento que modifica la estética de la imagen sin necesidad de reentrenar el modelo completo.
Se activa mediante una palabra desencadenante específica. Según la descripción de los desarrolladores, este complemento aporta un aspecto «brillante»: luz cinematográfica suave, piel natural y texturas de encaje y seda al estilo de la fotografía de moda. El propio Vlasov reconoce con franqueza que es difícil evaluar con precisión la contribución de la LoRA: «algo cambió», pero no se atreve a decir cuánto.
El vídeo no se hizo con un solo modelo. LTX 2.3 no logró el fragmento en el que el dragón y la chica se alejan volando hacia el lago: la idea de un objeto que se aleja le resultaba inalcanzable. Ese tramo lo generó en el servicio en la nube MiniMax H3 (variante FL2VA Pruned 20B). Según su valoración, MiniMax gana en calidad, pero conservó LTX como modelo principal de forma deliberada porque era suficientemente rápido.
Después llegó el trabajo habitual de montaje. Los fragmentos no siempre resultaban coherentes, así que en cierto momento hubo que armar la historia con lo disponible y rehacer las partes que faltaban para que la idea quedara completa. La atmósfera, el ritmo y la música los hizo el autor en CapCut. Buena parte del «estilo» lo aportó el montaje, no la red neuronal.
Los prompts: el gran coste de la generación local
La observación más práctica de la publicación tiene que ver con los prompts. En los modelos locales son mucho más críticos que en los servicios en la nube. Un texto que funciona muy bien en un modelo puede no servir de nada en otro: hace falta otra estructura y una especificidad distinta. Esto ocurre incluso entre versiones diferentes de un mismo modelo.
Vlasov ve tres salidas:
- Leer la documentación sobre redacción de prompts. Es lo más preciso, pero consume tiempo que podría dedicarse a la creatividad y a los ajustes.
- Usar el «mejorador» de prompts integrado en wan2GP o en servicios de terceros.
- Pedírselo a un chatbot: Alice, ChatGPT, DeepSeek, etc.
Él eligió DeepSeek. Según explica, así ahorra tiempo y puede reescribir el prompt rápidamente si el resultado no le convence. Para los equipos que planean la generación local de vídeo, la conclusión es sencilla: incluir en el proceso un paso específico en el que un chatbot reescribe la tarea para el modelo de vídeo concreto, en lugar de confiar en un texto universal.
Retoque final y matices honestos
Antes de publicar, el autor pasó el vídeo por la pestaña Media Flow con un proceso Detailer sobre LTX 2.5 Distilled 22B (así llama al modelo en su publicación). A diferencia de un escalador convencional, que simplemente estira los píxeles, Detailer vuelve a generar los detalles finos (poros, microtexturas, cabellos) a partir del vídeo original. Vlasov considera que el resultado es más eficaz que Topaz Video y DLSS.
Es una impresión subjetiva de un solo autor. La publicación no incluye métricas, comparativas ni datos de velocidad, así que la superioridad frente a Topaz y DLSS conviene comprobarla con materiales propios. Tampoco hay datos sobre el hardware utilizado ni sobre el tiempo que tardó la generación.
La postura final del autor es que los modelos locales ya pueden competir con los de la nube en la percepción y la calidad de lo que se pretende mostrar. Pierden en tiempo y flexibilidad, pero ganan en ausencia de censura, ahorro en suscripciones, independencia de internet y posibilidad de ajustes finos y experimentación. Para autores independientes y pequeños estudios es un compromiso viable: hay menos botones listos para usar, pero el control y el presupuesto siguen en sus manos. Y para escenas complejas y puntuales, como la del dragón que se aleja volando, conviene tener a mano un modelo en la nube como plan de respaldo.
- 21 nov 2026California demanda a OpenAI: sus agentes de IA se salieron de control al menos 80 veces
- 21 nov 2026GPT-6 Cyber encontró unos 35 fallos en iPhone, Mac y otros dispositivos de Apple
- 21 nov 202622 agentes de Claude pasaron seis semanas buscando respuestas sobre agujeros negros, y resolvieron dos problemas
- 21 nov 2026Google separará el almacenamiento de chats del entrenamiento de Gemini: rechazar sin perder el historial
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Con qué está hecho el vídeo?
La base es LTX 2.3 en su versión destilada (Distilled 1.1). La destilación hace el modelo más ligero y rápido, normalmente a cambio de una ligera pérdida de calidad. Sobre ella, el autor añadió una LoRA de estilo, Luxe_Sensual_Style. Una LoRA es un pequeño complemento que modifica la estética de la imagen sin necesidad de reentrenar el modelo completo. Se activa mediante una palabra desencadenante específica.
¿Qué se sabe sobre Los prompts: el gran coste de la generación local?
La observación más práctica de la publicación tiene que ver con los prompts. En los modelos locales son mucho más críticos que en los servicios en la nube. Un texto que funciona muy bien en un modelo puede no servir de nada en otro: hace falta otra estructura y una especificidad distinta. Esto ocurre incluso entre versiones diferentes de un mismo modelo. Vlasov ve tres salidas: Leer la documentación sobre redacción de prompts.
¿Qué se sabe sobre Retoque final y matices honestos?
Antes de publicar, el autor pasó el vídeo por la pestaña Media Flow con un proceso Detailer sobre LTX 2.5 Distilled 22B (así llama al modelo en su publicación). A diferencia de un escalador convencional, que simplemente estira los píxeles, Detailer vuelve a generar los detalles finos (poros, microtexturas, cabellos) a partir del vídeo original. Vlasov considera que el resultado es más eficaz que Topaz Video y DLSS. Es una impresión subjetiva de un solo autor.
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.