[HILO] Inteligencias Artificiales Generativas | IMAGEN - AUDIO - VÍDEO - 3D |

Responder
1, 2, 3
Lightricks lanza LTX DESKTOP, un editor de vídeo de IA que usa LTX

LTX DESKTOP https://github.com/Lightricks/LTX-Desktop/releases
LTX Desktop es una aplicación de escritorio de código abierto para generar videos con modelos LTX, localmente en GPU NVIDIA de Windows compatibles, con un modo API para hardware no compatible y macOS.
Estado: Beta. Se esperan cambios importantes. La arquitectura del frontend se encuentra en proceso de refactorización; por ahora, se podrían rechazar solicitudes de modificación de interfaz de usuario de gran tamaño.
Imagen


Características
-Generación de texto a vídeo
-Generación de imagen a vídeo
-Generación de audio a vídeo
-Generación de edición de video (Retoma)
-Interfaz del editor de vídeo
-Proyectos de edición de vídeo


En el modo de solo API, las resoluciones/duraciones disponibles pueden estar limitadas a lo que admite la API.
Imagen

Requisitos del sistema
Windows (generación local)
Windows 10/11 (x64)
GPU NVIDIA con soporte CUDA y ≥32 GB de VRAM (cuanto más, mejor)
16 GB+ de RAM (se recomiendan 32 GB)
Mucho espacio libre en disco para pesos y salidas de modelos

macOS (solo API)
Silicon de Apple (arm64)
macOS 13+ (Ventura)
Conexión a Internet estable


No consigo que me salgan los modelos en local y los he descargado, quizás es que no tengo suficiente VRAM como indican los requisitos mínimos y por eso no me sale.

UPSCALEAR IMÁGENES CON COMFYUI
He encontrado este flujo de trabajo para upscalear imágenes y va bastante bien
Imagen
Imagen

Ejemplos de reescalado
Imagen
Imagen

Imagen
Imagen


En general suele ser muy fiel al detalle original, simplemente lo incrementa y es un flujo sencillo que se procesa bastante rápido.

Hay que crear un archivo .json y pegar el texto para la plantilla, luego descargar los módulos necesarios que pida la plantilla en comfyui, en principio está configurado para NVIDIA pero se puede configurar para CPU
{
  "id": "d332fa4f-1f39-49d2-af15-063dc4b7515f",
  "revision": 0,
  "last_node_id": 16,
  "last_link_id": 17,
  "nodes": [
    {
      "id": 5,
      "type": "SeedVR2VideoUpscaler",
      "pos": [
        2068.181348011575,
        931.1260707749041
      ],
      "size": [
        329.956640625,
        386
      ],
      "flags": {},
      "order": 5,
      "mode": 0,
      "inputs": [
        {
          "name": "image",
          "type": "IMAGE",
          "link": 2
        },
        {
          "name": "dit",
          "type": "SEEDVR2_DIT",
          "link": 3
        },
        {
          "name": "vae",
          "type": "SEEDVR2_VAE",
          "link": 4
        }
      ],
      "outputs": [
        {
          "name": "IMAGE",
          "type": "IMAGE",
          "links": [
            1,
            17
          ]
        }
      ],
      "properties": {
        "cnr_id": "seedvr2_videoupscaler",
        "ver": "2.5.24",
        "Node name for S&R": "SeedVR2VideoUpscaler",
        "ue_properties": {
          "widget_ue_connectable": {},
          "input_ue_unconnectable": {},
          "version": "7.7"
        }
      },
      "widgets_values": [
        9527,
        "fixed",
        2560,
        4096,
        1,
        false,
        "lab",
        0,
        0,
        0,
        0,
        "cpu",
        true
      ]
    },
    {
      "id": 2,
      "type": "SeedVR2LoadDiTModel",
      "pos": [
        1614.6994624982103,
        1090.0083715783621
      ],
      "size": [
        317.5630859375,
        202
      ],
      "flags": {},
      "order": 0,
      "mode": 0,
      "inputs": [
        {
          "name": "torch_compile_args",
          "shape": 7,
          "type": "TORCH_COMPILE_ARGS",
          "link": null
        }
      ],
      "outputs": [
        {
          "name": "SEEDVR2_DIT",
          "type": "SEEDVR2_DIT",
          "links": [
            3
          ]
        }
      ],
      "properties": {
        "cnr_id": "seedvr2_videoupscaler",
        "ver": "2.5.24",
        "Node name for S&R": "SeedVR2LoadDiTModel",
        "ue_properties": {
          "widget_ue_connectable": {},
          "input_ue_unconnectable": {},
          "version": "7.7"
        }
      },
      "widgets_values": [
        "seedvr2_ema_3b-Q4_K_M.gguf",
        "cuda:0",
        0,
        false,
        "cpu",
        false,
        "sdpa"
      ]
    },
    {
      "id": 3,
      "type": "SeedVR2LoadVAEModel",
      "pos": [
        1624.6362854154631,
        1359.4701133442259
      ],
      "size": [
        321.808203125,
        298
      ],
      "flags": {},
      "order": 1,
      "mode": 0,
      "inputs": [
        {
          "name": "torch_compile_args",
          "shape": 7,
          "type": "TORCH_COMPILE_ARGS",
          "link": null
        }
      ],
      "outputs": [
        {
          "name": "SEEDVR2_VAE",
          "type": "SEEDVR2_VAE",
          "links": [
            4
          ]
        }
      ],
      "properties": {
        "cnr_id": "seedvr2_videoupscaler",
        "ver": "2.5.24",
        "Node name for S&R": "SeedVR2LoadVAEModel",
        "ue_properties": {
          "widget_ue_connectable": {},
          "input_ue_unconnectable": {},
          "version": "7.7"
        }
      },
      "widgets_values": [
        "ema_vae_fp16.safetensors",
        "cuda:0",
        true,
        1024,
        128,
        true,
        1024,
        128,
        "false",
        "cpu",
        false
      ]
    },
    {
      "id": 4,
      "type": "SaveImage",
      "pos": [
        2540.2524058734894,
        752.0389881857375
      ],
      "size": [
        692.3956097028213,
        513.0973076654907
      ],
      "flags": {},
      "order": 6,
      "mode": 0,
      "inputs": [
        {
          "name": "images",
          "type": "IMAGE",
          "link": 1
        }
      ],
      "outputs": [],
      "properties": {
        "cnr_id": "comfy-core",
        "ver": "0.15.1",
        "ue_properties": {
          "widget_ue_connectable": {},
          "input_ue_unconnectable": {},
          "version": "7.7"
        }
      },
      "widgets_values": [
        "ComfyUI"
      ]
    },
    {
      "id": 14,
      "type": "Image Comparer (rgthree)",
      "pos": [
        2472.1742093154244,
        1338.7744725315279
      ],
      "size": [
        1136.207604739941,
        827.2972168047984
      ],
      "flags": {},
      "order": 7,
      "mode": 0,
      "inputs": [
        {
          "dir": 3,
          "name": "image_a",
          "type": "IMAGE",
          "link": 17
        },
        {
          "dir": 3,
          "name": "image_b",
          "type": "IMAGE",
          "link": 16
        }
      ],
      "outputs": [],
      "properties": {
        "cnr_id": "rgthree-comfy",
        "ver": "1.0.2512112053",
        "comparer_mode": "Slide",
        "ue_properties": {
          "widget_ue_connectable": {},
          "input_ue_unconnectable": {},
          "version": "7.7"
        }
      },
      "widgets_values": [
        [
          {
            "name": "A",
            "selected": true,
            "url": "/api/view?filename=rgthree.compare._temp_zrbts_00092_.png&type=temp&subfolder=&rand=0.794164386191451"
          },
          {
            "name": "B",
            "selected": true,
            "url": "/api/view?filename=rgthree.compare._temp_zrbts_00093_.png&type=temp&subfolder=&rand=0.7237070125449392"
          }
        ]
      ]
    },
    {
      "id": 1,
      "type": "ImageScaleBy",
      "pos": [
        1648.7663993839426,
        872.3506055901372
      ],
      "size": [
        270,
        82
      ],
      "flags": {},
      "order": 4,
      "mode": 0,
      "inputs": [
        {
          "name": "image",
          "type": "IMAGE",
          "link": 13
        }
      ],
      "outputs": [
        {
          "name": "IMAGE",
          "type": "IMAGE",
          "links": [
            2
          ]
        }
      ],
      "properties": {
        "cnr_id": "comfy-core",
        "ver": "0.15.1",
        "Node name for S&R": "ImageScaleBy",
        "ue_properties": {
          "widget_ue_connectable": {},
          "input_ue_unconnectable": {},
          "version": "7.7"
        }
      },
      "widgets_values": [
        "lanczos",
        0.5
      ]
    },
    {
      "id": 16,
      "type": "Load Image Batch",
      "pos": [
        1242.276225306999,
        1315.86387345563
      ],
      "size": [
        299.708984375,
        270
      ],
      "flags": {},
      "order": 2,
      "mode": 0,
      "inputs": [],
      "outputs": [
        {
          "name": "image",
          "type": "IMAGE",
          "links": []
        },
        {
          "name": "filename_text",
          "type": "STRING",
          "links": null
        }
      ],
      "properties": {
        "cnr_id": "was-ns",
        "ver": "3.0.1",
        "Node name for S&R": "Load Image Batch",
        "ue_properties": {
          "widget_ue_connectable": {},
          "input_ue_unconnectable": {},
          "version": "7.7"
        }
      },
      "widgets_values": [
        "incremental_image",
        759772274022434,
        "randomize",
        0,
        "Batch 001",
        "C:\\Users\\desktop\\Pictures\\",
        "*",
        "false",
        "true"
      ]
    },
    {
      "id": 7,
      "type": "LoadImage",
      "pos": [
        1265.6886729741254,
        925.8946237418718
      ],
      "size": [
        282.798828125,
        314
      ],
      "flags": {},
      "order": 3,
      "mode": 0,
      "inputs": [],
      "outputs": [
        {
          "name": "IMAGE",
          "type": "IMAGE",
          "links": [
            13,
            16
          ]
        },
        {
          "name": "MASK",
          "type": "MASK",
          "links": null
        }
      ],
      "properties": {
        "cnr_id": "comfy-core",
        "ver": "0.15.1",
        "Node name for S&R": "LoadImage",
        "ue_properties": {
          "widget_ue_connectable": {},
          "input_ue_unconnectable": {},
          "version": "7.7"
        }
      },
      "widgets_values": [
        "Screenshot_204png_2317d1df61.jpeg",
        "image"
      ]
    }
  ],
  "links": [
    [
      1,
      5,
      0,
      4,
      0,
      "IMAGE"
    ],
    [
      2,
      1,
      0,
      5,
      0,
      "IMAGE"
    ],
    [
      3,
      2,
      0,
      5,
      1,
      "SEEDVR2_DIT"
    ],
    [
      4,
      3,
      0,
      5,
      2,
      "SEEDVR2_VAE"
    ],
    [
      13,
      7,
      0,
      1,
      0,
      "IMAGE"
    ],
    [
      16,
      7,
      0,
      14,
      1,
      "IMAGE"
    ],
    [
      17,
      5,
      0,
      14,
      0,
      "IMAGE"
    ]
  ],
  "groups": [],
  "config": {},
  "extra": {
    "workflowRendererVersion": "LG",
    "ue_links": [],
    "ds": {
      "scale": 0.4736244074476865,
      "offset": [
        -1041.3096324764415,
        -632.5043914554459
      ]
    },
    "links_added_by_ue": [],
    "frontendVersion": "1.39.19"
  },
  "version": 0.4
}
ACE STEP UI / SUNO PERO OPEN SOURCE Y EN LOCAL
https://github.com/fspecii/ace-step-ui
ACE-Step UI es una interfaz web profesional para generar música con el modelo AI ACE-Step 1.5.
Permite crear canciones completas de forma local, gratuita y sin límites.
Imagen
  • Funciona completamente local
  • Compatible con GPU NVIDIA
  • Los modelos se descargan automáticamente



Característicaㅤ­­­­ㅤㅤSuno/UdioㅤㅤㅤㅤㅤInterfaz de usuario ACE-Step
Costoㅤㅤㅤㅤㅤㅤㅤ$10-50/mesㅤㅤㅤㅤㅤGRATIS para siempre
PrivacidadㅤㅤㅤㅤㅤBasado en la nubeㅤㅤ100% local
PropiedadㅤㅤㅤㅤㅤCon licenciaㅤㅤㅤㅤㅤEres dueño de todo
PersonalizaciónㅤㅤㅤLimitadoㅤㅤㅤㅤㅤㅤControl total
Límites de colaㅤㅤㅤRestringidoㅤㅤㅤㅤㅤIlimitado
Uso comercialㅤㅤㅤNiveles carosㅤㅤㅤㅤSin restricciones[/b]

¿Qué hace que ACE-Step 1.5 sea especial?
Calidad de vanguardia que rivaliza con los servicios comerciales
Generación de canciones completas de hasta 4 minutos o más con voces
Se ejecuta localmente : no requiere Internet después de la configuración
Código abierto : inspeccionar, modificar, mejorar
Desarrollo activo - mejoras constantes



Características
  • Generación de música con IA local
  • Interfaz moderna tipo Suno
  • Compatible con ACE-Step 1.5
  • Soporte para letras y estilos
  • Edición de audio integrada
  • Modelos LM seleccionables (0.6B / 1.7B / 4B)
  • Auto-descarga de modelos
  • Sin límites ni suscripciones


Requisitos
  • Python 3.10+
  • Node.js 18+
  • GPU recomendada (aunque puede funcionar en CPU)
  • ACE-Step instalado



Funciones principales
Text → Music
  • Introduce estilo musical
  • Añade letras
  • Genera canciones completas

Audio Editing
  • Editar canciones generadas
  • Repaint de partes
  • Extender canciones

AI Enhance
  • Mejora de calidad
  • Post-procesado de audio

Se puede instalar desde pinokio, con una 3080 me genera temas en unos treinta segundos
Imagen
Al parecer Grok desde su web se ha vuelto de pago, posiblemente es temporal, pero ya no deja crear imágenes ni vídeos de forma gratuita, y a través de twitter es bastante limitada la edición.

Estos días me bajé LTX con PINOKIO y aún siendo limitado va bien.

Generación de hasta 20 segundos a 540p, posibilidad de meter audio.
Lo que me gustaría es que pudiera hacer vídeos más largos, por ejemplo, agarrar el último frame generado y el audio seguirlo en el punto del segundo que no ha podido procesar, y a partir de allí procesar, que es como hacen otros workflows en comfyui, simplemente lo continúan así, igual se puede desde el editor, ya que solo estoy usando el playground.


No sé si es algo común o cosa de esa imagen, pero al final siempre me sale como un letrero raro, me ha pasado con la misma imagen en casi todas las generaciones.

https://ltx.io/model/model-blog/ltx-2-3-prompt-guide
Actualmente podéis usar uno de los mejores modelos generadores de imagen, NANO BANANA 2, gratis y de forma ilimitada desde https://labs.google/flow/about

Los vídeos si cuestan créditos, pero nano banana 2 y pro actualmente son gratuitos e ilimitados.


Grok a través de su web https://grok.com/ ha capado la generación de imagen y vídeo pero puede que vuelva pronto, a través de twitter se pueden generar imágenes por el moment de forma gratuita, aunque es mejor nano banana 2.
OPENAI HAY LANZA GPT IMAGES 2.0 https://openai.com/index/introducing-ch ... mages-2-0/
Presentando ChatGPT Images 2.0, un modelo de imagen de última generación que puede abordar tareas visuales complejas y producir visuales precisos e inmediatamente utilizables, con edición más nítida, diseños más ricos e inteligencia a nivel de pensamiento.

Video realizado con ChatGPT Images


ChatGPT Images 2.0 representa un cambio radical en el seguimiento de instrucciones detalladas, la colocación y relación precisa de objetos, y el renderizado de texto denso, con la capacidad de generar en diferentes proporciones de aspecto.

También es preciso en varios idiomas y utiliza su conocimiento visual y del mundo ampliado para rellenar los vacíos por ti, por lo que obtienes imágenes más inteligentes con menos indicaciones.

Mayor Precisión y Control
Las Imágenes de ChatGPT 2.0 pueden conceptualizar imágenes más sofisticadas y luego materializar esa visión de manera efectiva.

Es capaz de seguir instrucciones, preservar los detalles solicitados y representar los elementos de granulación fina que a menudo rompen los modelos de imágenes: texto pequeño, iconografía, elementos de UI, composiciones densas y restricciones estilísticas sutiles, todo ello con una resolución de hasta 2K.


Más Fuerte Entre Idiomas
ChatGPT Images 2.0 puede producir imágenes con texto en idiomas no ingleses que no solo se representan correctamente, sino con un lenguaje que fluye de manera coherente.

Esto hace que el modelo sea más útil a nivel global y ayuda a las personas a crear visuales que funcionan en los idiomas que realmente utilizan.

Elegancia Estilística y Realismo Fotográfico
Las Imágenes de ChatGPT 2.0 es mejor capaz de capturar las características definitorias de las fotos, así como de fotogramas cinematográficos, arte pixelado, manga y otros lenguajes visuales distintivos, con mayor consistencia en textura, iluminación, composición y detalle fino.

Esto es especialmente útil para prototipado de juegos, guionización visual, creatividad en marketing y creación de activos en un medio o género particular.


Relaciones de Aspecto Flexibles
ChatGPT Images 2.0 admite relaciones de aspecto tan anchas como 3:1 y tan altas como 1:3. Puede generar salidas listas para ajustarse a los formatos que necesites, desde pancartas anchas y diapositivas de presentación hasta pósters y gráficos para redes sociales.

Un Socio de Pensamiento Visual
ChatGPT Images 2.0 es nuestro primer modelo de imagen con capacidades de pensamiento.

Cuando se selecciona un modelo de pensamiento en ChatGPT, Images 2.0 puede buscar en la web información en tiempo real, crear múltiples imágenes distintas a partir de un solo prompt, verificar doblemente sus propias salidas e incluso crear códigos QR funcionales.

Esto le permite asumir más de la carga pesada entre la idea y la imagen, especialmente cuando la precisión, la información actualizada, la consistencia y la cohesión visual importan más.

Inteligencia del Mundo Real
ChatGPT Images 2.0 cuenta con una actualización del corte de conocimiento hasta diciembre de 2025 y una inteligencia que le permite manejar de manera experta tareas de principio a fin, desde redacción hasta análisis y composición de diseño.


ChatGPT Images 2.0 está disponible a partir de hoy para todos los usuarios de ChatGPT y Codex.

Las imágenes con pensamiento están disponibles para los usuarios de ChatGPT Plus, Pro y Business (Enterprise próximamente). En dispositivos móviles, asegúrate de actualizar a la versión más reciente de la aplicación.

El modelo subyacente, gpt-image-2, está disponible en la API.


VOICE-PRO https://github.com/abus-aikorea/voice-pro
Voice-Pro es una aplicación web de última generación impulsada por inteligencia artificial que revoluciona la creación de contenido multimedia. Integra múltiples herramientas en una sola plataforma: descarga de vídeos, separación de voz, reconocimiento, traducción y generación de voz. Voice-Pro es una solución completa y potente para el procesamiento de voz con IA. Su enfoque todo-en-uno lo convierte en una herramienta ideal para crear contenido multilingüe, automatizar tareas de audio y experimentar con tecnologías avanzadas de voz.
Imagen
🎙️ Voice-Pro
La mejor solución de reconocimiento de voz, traducción y doblaje multilingüe con IA

🌍 Idiomas compatibles
  • Coreano
  • Inglés
  • Chino (simplificado y tradicional)
  • Japonés
  • Alemán
  • Español
  • Portugués
  • Y más de 100 idiomas en total


🚀 Tecnologías principales
  • Reconocimiento de voz: Whisper, Faster-Whisper, Whisper con timestamps
  • Clonación de voz: F5-TTS, E2-TTS, CosyVoice (zero-shot)
  • Texto a voz: Edge-TTS, Kokoro (Azure TTS en versión de pago)
  • Procesamiento de YouTube: yt-dlp
  • Traducción automática: Deep-Translator (Azure Translator en versión de pago)


⭐ Características principales

1. 🎥 Estudio de doblaje
  • Descarga de vídeos de YouTube
  • Extracción de audio
  • Separación de voces con Demucs
  • Reconocimiento y traducción en más de 100 idiomas

2. 🎤 Tecnologías de voz
  • Speech-to-Text: Whisper y variantes
  • Text-to-Speech:
    • Edge-TTS: más de 100 idiomas y 400 voces
    • F5-TTS, E2-TTS, CosyVoice: clonación de voz sin entrenamiento previo
    • Kokoro: altamente valorado en HuggingFace

3. 🌍 Traducción en tiempo real
  • Reconocimiento de voz instantáneo
  • Traducción automática multilingüe
  • Soporte para entradas de audio personalizadas



🤖 Interfaz Web (WebUI)

📌 Dubbing Studio
  • Centro todo-en-uno (YouTube, audio, subtítulos, traducción, TTS)
  • Compatible con formatos ffmpeg
  • Exportación: WAV, FLAC, MP3
  • Subtítulos en más de 100 idiomas
  • Control de velocidad, volumen y tono

📌 Whisper Caption
  • Generación de subtítulos en más de 90 idiomas
  • Subtítulos integrados en vídeo
  • Resaltado por palabras y reducción de ruido

📌 Translate
  • Traducción en más de 100 idiomas
  • Soporte para archivos SRT, ASS, SSA, etc.
  • Traducción y reconocimiento en tiempo real

📌 Speech Generation
  • Edge-TTS, F5-TTS, CosyVoice, Kokoro
  • Generación de voz estilo podcast
  • Clonación de voz multilingüe



🎥 Demostraciones
  • Demo general del sistema
  • Clonación de voz
  • Transcripción en tiempo real
  • Traducción multilingüe
  • AI Karaoke
  • NVIDIA RTX Video Super Resolution


⚠️ Aviso importante
  • El desarrollo de Voice-Pro está pausado debido al proyecto WeConnect
  • El código es completamente open source y gratuito
  • Puede ser modificado y redistribuido libremente
  • Optimizado principalmente para Windows con GPU NVIDIA
  • Compatibilidad con Mac y Linux no completamente verificada

🛠️ Solución de problemas
En muchos casos, los errores se solucionan eliminando la carpeta del proyecto y ejecutando:
  • configure.bat
  • start.bat


📰 Noticias y versiones

Versión 3.2
  • Proyecto liberado como código abierto
  • Compatible con Windows, Mac y Linux
  • Enfoque del equipo en WeConnect

WeConnect
Aplicación enfocada en intercambio cultural global, aprendizaje de idiomas y conexión entre personas de todo el mundo.


🎤 Voces disponibles
  • Inglés
  • Chino
  • Coreano
  • Japonés
  • (Se pueden solicitar nuevas voces en GitHub)


💻 Requisitos del sistema
  • Sistema operativo: Windows 10/11 (64 bits), Linux, Mac
  • GPU: NVIDIA con CUDA 12.4 (recomendado)
  • VRAM: 4GB mínimo (8GB recomendado)
  • RAM: 4GB mínimo
  • Almacenamiento: 20GB libres
  • Internet: obligatorio




TRELLIS.2 ( Microsoft 3D ) https://trellis2.com/es https://microsoft.github.io/TRELLIS.2/
TRELLIS.2 es un gran modelo generativo 3D diseñado para imagen a 3D: dada una sola imagen, produce una malla texturizada con atributos de material PBR (incluyendo opacidad). Está construido alrededor de una representación de vóxeles dispersos llamada O-Voxel, con el objetivo de mantener la topología fiel incluso para superficies abiertas y geometría no-manifold. Un modelo 3D de imagen de código abierto con 4 mil millones de parámetros que produce hasta 1536³ de recursos texturizados PBR , basado en VAE 3D nativos con compresión espacial de 16× , que ofrece una generación de recursos eficiente, escalable y de alta fidelidad .


POR QUÉ ES INTERESANTE
-Manejo de topología sin campos (no limitado por campos de isosuperficie)
-Apariencia rica: color base, rugosidad, metálico, opacidad
-Latentes estructurados compactos vía VAE 3D disperso (compresión espacial 16×)

BRUSH ( GAUSSIAN SPLATTING ) https://github.com/ArthurBrussee/brush/releases
Brush es un motor de reconstrucción 3D que utiliza la técnica de dispersión gaussiana . Funciona en una amplia gama de sistemas: macOS, Windows, Linux , tarjetas AMD, Nvidia e Intel , Android y navegadores web . Para ello, utiliza tecnología compatible con WebGPU y el marco de aprendizaje automático Burn .


El aprendizaje automático para renderizado en tiempo real tiene un enorme potencial, pero la mayoría de las herramientas de ML no funcionan bien con él: el renderizado requiere interactividad en tiempo real, suele implicar formas y cálculos dinámicos, no se ejecuta en la mayoría de las plataformas y puede resultar engorroso distribuir aplicaciones con grandes dependencias de CUDA. Brush, en cambio, produce binarios sencillos sin dependencias, se ejecuta en casi todos los dispositivos y no requiere configuración.

WEB DEMO: https://arthurbrussee.github.io/brush-demo/


CARACTERÍSTICAS
-Entrenamiento;
Brush admite datos COLMAP o conjuntos de datos en formato Nerfstudio. El entrenamiento es totalmente compatible de forma nativa, en dispositivos móviles y en navegadores web. Durante el entrenamiento, puedes interactuar con la escena, observar la dinámica del entrenamiento en tiempo real y comparar la representación actual con las vistas de entrada a medida que avanza el proceso.

También admite el enmascaramiento de imágenes:

Imágenes con transparencia. Esto forzará que la mancha final coincida con la transparencia de la imagen de entrada.
Una carpeta de imágenes llamada 'máscaras'. Esto ignora las partes de la imagen que están enmascaradas.

Visualizador:
Brush también funciona bien como visor de salpicaduras, incluso en la web. Puede cargar archivos .ply y .compressed.ply. Puede transmitir datos desde una URL (para una aplicación web, simplemente agregue ?url=).

Brush también puede cargar archivos .zip de archivos splat para mostrarlos como una animación, o una capa especial que incluye fotogramas delta (¡ver cat-4D y Cap4D !).

CLI:
Brush se puede usar como una interfaz de línea de comandos (CLI). Ejecútalo brush --helppara obtener una descripción general. Todos los comandos de la CLI pueden funcionar con --with-viewer, que también abre la interfaz de usuario para facilitar la depuración.
La verdad que tiene muy buena pinta, pero a ver quien mueve esto en local

BLACK FOREST LABS PRESENTA FLUX 3
Un modelo multimodal para Imagen, Video, Audio y Predicción de Acciones. Las creaciones son más fieles a la vida en todo tipo de estilos.

Entrenado conjuntamente en una arquitectura unificada, nuestro modelo puede extenderse para predecir acciones en robótica. Consulta nuestro trabajo con mimic y Audi en el hilo.


FLUX 3 es nuestro nuevo modelo base multimodal. Aprende de forma conjunta a partir de imágenes, vídeos y audio dentro de una arquitectura unificada, porque lo que necesita aprender no es ninguno de estos elementos de forma aislada. En cambio, un modelo debe aprender una representación del mundo: cómo se mantienen unidos los objetos, cómo se mueven y cómo suenan los eventos.

Ninguna modalidad por sí sola ofrece una descripción completa. Cada una es una proyección de la misma realidad subyacente, capturada por diferentes sensores, cada uno de los cuales pierde información en el proceso. Las imágenes capturan estructuras y relaciones espaciales en un momento específico. Los videos restauran la dimensión del tiempo y revelan dinámicas temporales y leyes físicas. El audio revela relaciones causales entre fenómenos mecánicos y acústicos que la visión por sí sola no puede detectar. El lenguaje vincula estas percepciones con objetivos, abstracciones e instrucciones.

Aprende de una y obtendrás un buen modelo de esa proyección. Aprende de todas a la vez y sus restricciones mutuas te revelarán más: el sonido debe coincidir con el impacto, el movimiento debe obedecer a la masa, el futuro debe derivarse del pasado. Las modalidades dejan de ser independientes y comienzan a ser evidencia de una realidad subyacente.

FLUX 3 es nuestro primer modelo construido íntegramente sobre ese principio, y un hito en nuestra misión de desarrollar inteligencia visual para el mundo real: modelos que perciben, predicen y actúan en entornos físicos y digitales. Los primeros resultados en la creación de contenido e IA física sugieren que vamos por el buen camino.

FLUX 3: Un modelo, múltiples capacidades.
Imagen



Video
FLUX 3 puede crear vídeos muy diversos con audio de hasta 20 segundos de duración en una sola generación.


Sus capacidades principales incluyen las siguientes (todas las salidas cuentan con generación de audio nativa):

-Generación de texto a vídeo.
-Generación de vídeo a partir de imágenes, ya sea continuando desde un fotograma inicial ("animación") o utilizando imágenes como referencias visuales.
-Generación de vídeo a vídeo a partir de un clip de referencia, trasladando los elementos centrales de un vídeo fuente, por ejemplo el mismo personaje, a una nueva escena o contexto.
-Continuación generativa de vídeo y audio a partir de vídeo y audio de entrada.
-Generación de fotogramas clave a vídeo para transiciones controladas entre momentos definidos.
-Diálogo multilingüe.
-Una amplia gama de estilos visuales y relaciones de aspecto, que van mucho más allá de la producción cinematográfica convencional.
-Encadenamiento intencionado de clips individuales en secuencias más largas de múltiples tomas.
-Gran diversidad de estilos: FLUX 3 Video maneja fácilmente una amplia gama de estilos, desde grabaciones espontáneas con videocámara hasta animación y secuencias cinematográficas.
-Generación de tipografía potente y diseños animados.


Imagen
FLUX 3 puede sintetizar y editar imágenes en una amplia variedad de estilos, relaciones de aspecto y resoluciones. En las evaluaciones preliminares realizadas durante la fase de entrenamiento, FLUX 3 ya muestra una mejora significativa con respecto a las versiones anteriores de FLUX: su capacidad para gestionar indicaciones complejas y generar texto ha mejorado notablemente. El modelo produce una amplia gama de estilos de salida (véanse los siguientes ejemplos) y es capaz de generar texto de alta precisión en varios idiomas.

Acción
La comprensión del mundo de FLUX 3 se extiende a la predicción de acciones. Para ello, hemos seguido dos caminos: integrar la predicción de acciones nativa directamente en FLUX 3, ampliando nuestro trabajo inicial en Self-Flow; y utilizar la arquitectura de vídeo preentrenada como una base sensible a la dinámica a partir de la cual se pueden ajustar modelos de acción especializados con datos limitados específicos de la tarea.

En segundo lugar, Mimic Robotics fue uno de los primeros socios en obtener acceso anticipado a FLUX 3. Juntos desarrollamos FLUX-mimic, un modelo de acción de vídeo que combina la arquitectura base de FLUX 3 con la experiencia de Mimic en aprendizaje robótico para manipulación precisa e implementación en producción. Lea nuestra tesis sobre por qué la IA física y la creación de contenido se basan en los mismos fundamentos y cómo se está probando en tareas de producción reales en Audi.


Plan de lanzamiento
Durante las próximas semanas y meses, pondremos a disposición las siguientes funcionalidades, cada una tras una fase de acceso anticipado para garantizar una implementación fluida, recopilar comentarios y realizar pruebas de seguridad rigurosas. Todas las funcionalidades se basan en el mismo modelo subyacente de correspondencia de flujos multimodales. Estas funcionalidades y modelos incluyen:

-Generación y edición de vídeo y audio mediante API y acceso a pesos privados. (“FLUX 3 Video”)
-Predicción de acciones a través de socios comerciales y de investigación seleccionados, comenzando con la robótica de imitación ("FLUX-mimic y FLUX 3 Action").
-Síntesis y edición de imágenes mediante API y acceso a pesos privados. (“FLUX 3 Image”)
-Acceso abierto a una infraestructura multimodal para la creación de contenido (vídeo, audio e imagen) y la predicción de acciones. (“FLUX 3 Dev”)

También publicaremos más detalles técnicos sobre el enfoque subyacente.

https://bfl.ai/blog/flux-3
@katatsumuri me parece brutal como te curras este hilo con la IA, y la cantidad de pruebas que haces y aportas.

Como veo que dominas bastante te voy a preguntar...

Qué IA crees que debería usar en local para poder hacer transiciones entre 2 fotos de la misma persona?

Pinokio y Stable Video Diffusion?
lolololitoo escribió:@katatsumuri me parece brutal como te curras este hilo con la IA, y la cantidad de pruebas que haces y aportas.

Como veo que dominas bastante te voy a preguntar...

Qué IA crees que debería usar en local para poder hacer transiciones entre 2 fotos de la misma persona?

Pinokio y Stable Video Diffusion?

No uso mucho vídeo porque mi GPU es horrible, aunque ahora con dynamic ram me va mucho mejor, de hecho en pinokio me iba fatal krea 2 y hice unos cambios instalando dependencias nuevas sin la ayuda del update de comfyui de pinokio, porque actualizando normal y no servía.

Creo que lo que más usa la gente es LTX para vídeo, pronto será FLUX 3 que aún no lo han lanzado creo para local.


Puedes probar Maestro https://pinokio.co/apps/github-com-blizaine-maestro

Imagen

El otro día lo probé y estaba bastante enfocado en tema de vídeo, y te baja los modelos, o puedes buscar un flujo gratuito para comfy

Este canal sube workflows sobre keyframes con LTX y cosas así
https://www.youtube.com/watch?v=aOsXg5L9574
https://www.youtube.com/watch?v=4S3r8mLsnj0
@katatsumuri gracias compañero ;) lo he estado probando (MAESTRO con LTX 2.3 Distilled 1.1), pero no me hace exactamente lo que quiero.

Tengo 2 fotos, 1 inicial y 1 final....1 mi hijo y yo hace muchos años estirados en una cama....(él quizá tenía 6 años y yo era un jovenzuelo), y otra estamos en un sofá........ con KLING AI, hace la transición perfecta...se ve como nos levantamos y pasamos a estar sentados en un sofá....

con MAESTRO simplemente hace un cambio de imagen...pero tardando la leche ...consumiendo mucha RAM (casi 50 GB de RAM), poca VRAM de GPU (cerca de 3 GB) y poca CPU.

Básicamente quiero algo parecido a esto....



Quizá en VIDEO no todas las IAs lo tienen tan claro?
@lolololito tienes que entrenar un lora para ello si quieres que sea fiel, seedance que es de pago igual tiene una buena consistencia, pero lo mejor es un lora porque los personates van a cambiar.

No sé mucho de vídeo porque ya te digo que no he podido experimentar mucho.

Esas webs tienen como loras que hacen secuencias de esas sin configurar nada supongo.
@katatsumuri sí, KLING AI es buenísimo haciendo esto....ya lo probé, pero claro...es de pago..... XD quería hacer un video de cumpleaños haciendo el cambio entre pequeño a mayor, para que fuera más chulo....pensé que quizá una IA local estaría capacitada....

O sea, entrenar un LoRA, debería ser con vídeos o imágenes con el efecto generado? o sea, si KLING AI, me ha hecho muestras, explicarle con esos ejemplos?
@lolololito se puede hacer loras de todo, de personajes para mantener la consistencia, por ejemplo, 4 personajes, pues 4 loras, uno entrenado para cada uno y actúan como módulos separados, obviamente si, se entrena con imágenes, en vídeo igual con vídeo.


Luego puedes tener también un lora que esté entrenado con transiciones, por ejemplo, quieres crear una transición del personaje A convirtiéndose a B, pues puedes poner un lora de transiciones, aunque supongo que hay modelos que entienden bien el tema de las transiciones y sin tanta historia te lo hacen.



En esta web tienes loras y de todo, modelos custom, puedes mezclarlos, etc... https://civitai.com/search/models?sortB ... transition
https://civitai.com/models/2641811/vali ... ition-lora


En comparación con un LoRA de transición estrechamente ajustado, esta versión se centra más en la continuidad del movimiento, la estabilidad semántica, la capacidad de respuesta rápida y la calidad de la transformación entre escenas, por lo que sigue siendo efectiva incluso fuera de la estricta configuración del marco de inicio y fin.Descripción general

Fortalezas fundamentales
Excelente calidad de transición del primer al último cuadro.
Produce una interpolación semántica y visual más fluida entre dos estados objetivo, lo que reduce los saltos abruptos y el movimiento interrumpido.

Funciona más allá de los escenarios de solo transición
. Incluso sin restricciones explícitas de inicio/fin de cuadro, funciona bien en la generación de texto a video y de imagen a video.

Paradigma de entrenamiento personalizado
Entrenado con una metodología dedicada diseñada para mejorar la controlabilidad, la coherencia temporal y la consistencia del sujeto en escenas cambiantes.

Fuerte adaptabilidad de indicaciones Maneja
bien el cambio de personajes, la transformación de estilo, la transformación de objetos, el cambio de escena y las indicaciones de movimiento cinematográfico.

Amplia cobertura temática
Eficaz en humanos, animales, personajes de animación, entornos e indicaciones de conceptos mixtos.

Mejores casos de uso
Este LoRA es especialmente adecuado para los siguientes flujos de trabajo:

Primera a última generación de fotogramas Une suavemente dos fotogramas muy diferentes preservando al mismo tiempo la lógica del movimiento y la legibilidad visual.

Generación de texto a video Mejore las indicaciones de transformación dinámica, las indicaciones de evolución de escenas y las indicaciones de transición narrativa.

Generación de imagen a video Agregue una intención de movimiento más fuerte y una capacidad de transformación más expresiva a la generación de video basada en una sola imagen.

Diseño de transición creativo Útil para clips de transformación, cortes cinematográficos, transformaciones de identidad, intercambios de objetos y transiciones de escenas surrealista

Lo mejor es usar un portal tipo kling o en hugging face porque lo otro ya es complicarse más, por eso existen estas plataformas, porque te lo dan ya casi hecho a tiro de prompt + te dejan seleccionar plantillas de lo que quieres, y esas plantillas son precisamente loras, seguramente también con otros elementos como vaes entrenados para algo, cuando usas eso realmente te están ofreciendo flujos de trabajo preconfigurados.
@katatsumuri gracias compañero por la info ;) seguiré haciendo pruebas a ver qué tal...aunque aquí hay mucho tema interesante ..sigue así ;)
El nuevo Minimax H3 lo anuncian para hacer precisamente eso. Le das 2 frames, primero y último, y te genera una transición entre ellos

https://www.minimax.io/blog/minimax-h3? ... erm_type=3
https://huggingface.co/MiniMaxAI/MiniMax-H3
https://huggingface.co/spaces/multimodalart/minimax-h3


Yo lo he estado probando un poco (no para esto en concreto) y va bastante bien. Eso sí, yo tengo una spark así que no me preocupo tanto por la VRAM, no sé si es viable usarlo en una GPU pequeña
@Acermax si es posible, pero destilado

Acabo de probar, unos 12 minutos 5 segundos con una RTX 3080 de 10 GB
COMFYUI ALL-IN-ONE MINIMAX NODE https://github.com/LeonQ8/ComfyUI-ALLinONE-MinimaxH3
Imagen
Quien quiera probar minimax os comparto este NODO, solo tenéis que descargarlo de github y descomprimir, copiar la carpeta entera dentro de la carpeta de customnodes de Comfyui

ComfyUI ALL-in-ONE MiniMax H3
Otro nodo unificado para el pipeline completo de video MiniMax H3
- T2V, I2V, R2V
- sincronización labial impulsada por audio
- fijación de fotogramas clave
- extensiones de video sin interrupciones
- encadenamiento de rutas latentes
- +escalado de video RTX/Seed2VR integrado.


Dentro de Comfyui tenéis que clicar dos veces sobre el fondo oscuro vacío con el ratón y buscar el nodo ALLinONE-MinimaxH3, y ya.
Imagen


Imagen


En el github también se piden otras cosas como descargar previamente los modelos y algún otro nodo básico (creo que se pueden instalar desde el manager los nodos que puedan faltar)


Imagen




Cabe decir que en windows actualmente da problemas por el requisito de SageAttention, es posible que lo arreglen con el tiempo, pero en Linux no hay problemas.
@anderprr hilo_software-gratuito-para-creacion-de-contenido-por-ia_2536350
sobre el hilo que preguntas por interfaces para generar vídeos, yo buscaría canales de youtube con workflows para comfyui o escarbaría en canales de discord donde suben workflows de lo que busques.

Sobre pinokio, recuerda mantenerlo siempre actualizado, últimamente se actualiza solo, te avisa desde el propio programa de que puedes actualizar por haber una nueva actualización, aunque la culpa suele ser más del propio frontend que le falta alguna dependencia de python y que entra en conflicto con alguna actualización.

He visto que maestro ha sido actualizado a la versión 2.0 hace nada:
Imagen


Si tienes un problema con un front end como Maestro puedes instalar snapshots antiguas, obviando la build más reciente. Cuando le das a instalar te sale una lista con las fechas, pudiendo recurrir a una build antigua que no te daba ese problema.
Imagen

Recuerda que en pinokio tienes los hastags para buscar frontends de lo que quieras, vídeo, imagen, música, LLMs, clicas y te saldrán solo esos:
Imagen


Allí como puedes ver tienes infinidad de interfaces para generar vídeos, incluso puedes filtrar por plataforma, windows, linux, mac y por GPU (AMD - NVIDIA - APPLE)

En pinokio así que me venga a la cabeza está LTX DESKTOP (no se ve en esa lista), o WAN2GP, puedes ir probando y desinstalando si no te gustan, generalmente lo bueno de estos fronends es que te bajan los modelos y todo directamente, incluso a veces detectan tu hardware y adaptan los modelos a tus posibilidades, te muestran solo destilados, etc... ajustados a tu VRAM, son más vistosos a nivel visual, pero yo creo que al final ocupan espacio innecesario, al final es mejor tener solo comfyui y arrastrar un workflow .json y crear una biblioteca de workflows.

El problema de COMFY es que te tienes que bajar generalmente los modelos a mano, pero una vez bajados ya sabes que necesitas, además tienes más versatilidad a la hora de escoger modelos reentrenados y de todo de civitai https://civitai.com/ que te interesen, porque los de los fronends suelen ser por defecto.

Igual hay algún puente o un frontend que conecta con la web y lo hace más fácil.


Sobre usar gemini como te dijo lolo también es una buena opción, aunque estás limitado por los créditos diarios, actualmente creo que puedes conseguir un año gratuito de gemini pro si eres estudiante, y no sé si hay algún truco por si no lo eres.

A mi gemini no me gusta mucho, GROK me parecía muy superior, pero Musk lo ha nerfeado una barbaridad estos últimos meses y ya no vale la pena usarlo si no es pagando, aunque a veces te dan unos días de prueba, pero aún así lo está nerfeando hasta tal punto que la gente que paga también se siente asqueada.


Interesante video, comprativa entre MINIMAX H3 Y LTX 2.5
Imagen


Recomiendo su canal porque es bastante didáctico.
El otro día YT me sugirió este vídeo:



Bastante interesante, ya que permite hacer algo que no se puede hacer con un pront, CONSISTENCIA, y también sería una forma de demostrar que de cara al futuro, tras la polémica del DLSS 5, una sola persona podría hacer producciones de Hollywood y juegos triple A sin tener ni idea de hacer nada, con solo pasarle un par de cubitos de colores y decirle a la IA quien es quien y que dice y hace ya es suficiente.
@mmiiqquueelll si, las referencias son clave para lograr resultados, y tampoco hace falta un programa 3D, puedes incluso hacerlo a mano con un chroma verde de tela, en suelo y pared, te puedes construir los elementos, te puedes pintar las maderas y tal.

El tema por el cual digo esto es porque animar en un programa 3D puede ser complejo para mucha gente, pero pintar varias maderas rectangulares de diferente color y colocarlas es más fácil. Además en un mundo real es más fácil encontrar elementos de referencia parecidos a lo que buscas y aplicarlo.


Incluso les puedes atar hilos de esos transparentes de pesca y controlarlos como si fueran marionetas para darle un movimiento real de referencia, o usar directamente marionetas, dependiendo de lo que quieras hacer.

También puedes usar a actores reales, en la parte de la mesa puedes hacer que sean personas con esos trajes
Imagen
https://www.amazon.es/disfraz-Halloween ... B0FRMLQYF4


Esto creo que lo comenté en otro hilo hace tiempo, incluso puedes usar un videojuego tipo GTA para hacer persecuciones policiales, porque puedes programar cámaras, lo pueden jugar varias personas, dos personas pueden hacer de policía que te persigue, otro es el que escapa, etc... si no manejas muy bien el 3D un entorno tipo GTA es más práctico, digo GTA pero pueden ser otros juegos.
Buenas. Alguna IA gratis para hacer imagenes de famosos? quiero hacer una en la q salga Corey Taylor de Slipknot y Sully Erna de Godsmack cara a cara con cierto angulo gritando con microfono en mano y con las venas marcadas en el cuello. No se puede con Gemini ni con ChatGPT.
GodsmackTheBest escribió:Buenas. Alguna IA gratis para hacer imagenes de famosos? quiero hacer una en la q salga Corey Taylor de Slipknot y Sully Erna de Godsmack cara a cara con cierto angulo gritando con microfono en mano y con las venas marcadas en el cuello. No se puede con Gemini ni con ChatGPT.

Provaste con Grok, suele ser menos censurado.
Buenas.
Necesito ayuda con Flow, pero estoy abierto a otras vías fuera de Flow.

He iniciado un canal de YouTube, haciendo una serie de animación con IA.
Hacia tiempo que quería hacer una historia sobre este genero, por que toda la gente hace videos con IA sobre chorradas sin sentido, y tenia ganas que llegara alguna IA de creación de videos con personajes.

Y aqui es donde tengo los problemas, en la creación de personajes que sean iguales de forma continua.
YA he mencionado que estoy usando Flow, he creado varios personajes, y estoy haciendo una historia, pero, es que no me salen siempre como tienen que salir. Flow hace una vez el personaje bien, y otras dos mal, o cambia la apariencia de edad, o cambia la ropa, o se lo inventa, cuando en los ingredientes le estoy dando el modelo y añadiendo que NO SE INVENTE OTRO PERSONAJE QUE NO SEA EL QUE LE DOY Y QUE USE LAS CARACTERISTICAS DEL MODELO; VESTIMENTA; EDAD APARENTE etc... Pues estoy pasando un suplicio para que genere algo bien, y los créditos vuelan, ya se podrían reembolsar los créditos por que haga un trabajo mal.

El caso es que vengo a preguntar, si hay alguna forma de que siempre use el modelo de personaje tal cual está, y que no se invente nada, por que en cuanto le das un escenario, que tampoco lo tiene que cambiar, si no utilizarlo tal cual, también se lo inventa...

Alguien que este con el tema de esta IA o alguna que pueda usar personajes, para que la historia sea lineal?

Ah por cierto, estoy usando chatGPT para crear los prompt y crear la historia, y si, a veces tengo que corregir los prompt de chatGPT por que la lía.
@X-Tornado Probé y me saca 2 imagenes, una con 1 microno y la otro con 2 microfonos, pero las caras no se parecen en nada. Subí las fotos de Corey y Sully y puse el prompt anterior y al darle a generar imagen me sale q tengo q pagar... Asi q nada. Es imposible.
Para lograr consistencia se tiene que entrenar un lora con múltiples imágenes del personaje, y eso generalmente suele ser de pago, si tenéis PC con una GPU normal para IA, para imagen no hace falta mucho, podéis entrenar loras en local, dejáis el PC por la noche y lo tendréis.


Google flow tiene creo que como una sección de avatares y personajes, que se supone que logran más consistencia, no lo he probado la verdad, no sé si es eficiente y si es como un lora, que te entrenan el lora ellos o es con imágenes de referencia con algún prompt que tienen
@Koldriun Buenos días, para que Google Flow tenga consistencia el personaje que creas debe ser bastante definido.

Mírate este pavo que te lo explica bien.
El pixel art siempre me pareció un problema.
Algunos modelos no hacían pixel art real, solo algo con "estética" pixel art. Con otros tenías problemas de consistencia para animaciones y demás.
Pero el nuevo Opus 5.5 es una auténtica locura como hace el pixel art.

https://x.com/majidmanzarpour/status/21 ... 8948927543
@Acermaxx si, es alucinante, pero no es abierto, pero si te dedicas a esto es realmente una buena inversión


Por cierto, acaban de lanzar QWEN IMAGE 2.1 https://youtu.be/F7VeVDunaok
https://youtu.be/zZvr8_oXmns

He visto esta

Character turnaround sheet for an animated film: a young inventor girl with goggles on her head, patched overalls and a mechanical arm, shown in front, three-quarter, side and back views side by side on a plain background, consistent proportions and colours across all views.
https://comfy.org/qwen-image-2.1/
Imagen

QWEN-IMAGE-2.1
Imagen
DEMO: https://huggingface.co/spaces/Qwen/Qwen-Image-2.1
Qwen-Image-2.1 destaca por unir la creación de recursos y su edición. Puede generar imágenes transparentes, trabajar con varias referencias y modificar una fotografía. Resulta especialmente interesante para experimentar con pegatinas, recortes de productos y variaciones de personajes.

Hay dos condiciones importantes: los pesos publicados tienen una licencia de investigación y los 7B anunciados corresponden solo al generador visual. Conviene probar la demo antes de comprar hardware y aclarar la licencia antes de incorporarlo a trabajos remunerados. Información y precios comprobados el 24 de septiembre de 2026.



Novedades que sí cambian el flujo de trabajo
Qwen-Image-2.1, publicado el 20 de septiembre de 2026, integra generación y edición. Incorpora transparencia RGBA nativa, hasta diez referencias y cambios locales guiados por anotaciones o máscaras. Qwen también anuncia mejoras en textos, iluminación de retratos y texturas; son afirmaciones del fabricante, no una garantía de superioridad en cada encargo.

Imagen
Imagen
Guarda los recursos transparentes como PNG y comprueba sus bordes sobre fondos claros y oscuros. Diez referencias es un límite de entrada, no una promesa de mantener diez rostros o todos los detalles de un producto sin cambios.


Nos complace anunciar la publicación de Qwen-Image-2.1 como código abierto . Este
modelo de imagen de la familia Qwen equilibra la calidad de generación, la eficiencia de la
inferencia y el coste. Qwen-Image-2.1 unifica la generación de texto a imagen y la edición
de imágenes en un único modelo, con tan solo 7 mil millones de parámetros en su
componente de generación visual y compatibilidad nativa para generar y editar imágenes
transparentes.

Esta actualización introduce cuatro mejoras clave:

· Compacto y eficiente : una arquitectura ligera y optimizaciones de inferencia
equilibran la calidad de la imagen y el coste computacional.
· Transparencia nativa, creación y edición unificadas : genere imágenes normales o
transparentes a partir de indicaciones, edite capas transparentes y extraiga sujetos de
las fotos.

· Edición versátil : utilice hasta 10 imágenes de referencia , especifique ediciones
locales, conserve personas y productos, y gestione una amplia gama de tareas.
. Texturas realistas y estética refinada : la tipografía mejorada, la iluminación de retrato
y los detalles finos hacen que las imágenes generadas sean visualmente más atractivas.

https://www.alibabacloud.com/blog/qwen- ... edium=news
Qwen Image 2.1 es muy buena,
Yo la he estado probando estos días y lo que me sorprende es la velocidad que tiene de generación. En una spark con lo limitada que es me estaba generando imágenes en ~30 segundos a 1mpx de resolución.

No la he probado en una gráfica, pero en una 5090 debería generar casi instantáneamente.

Y la calidad es realmente buena. A nivel abierto es probablemente la mejor sobretodo teniendo en cuenta lo poco que pesa.
GodsmackTheBest escribió:@X-Tornado Probé y me saca 2 imagenes, una con 1 microno y la otro con 2 microfonos, pero las caras no se parecen en nada. Subí las fotos de Corey y Sully y puse el prompt anterior y al darle a generar imagen me sale q tengo q pagar... Asi q nada. Es imposible.

Yo a veces luego uso FaceFusion para hacer un reemplazo de las caras... pero si claro no es perfecto.

Al final lo ideal para estas cosas es usar modelos que puedes ejecutar tu (o en una plataforma que deje ejecutar tus mierdas o alguiler de gpu a distance o cosas asi para que puedas usar modelos no censurados o menos)

Y como dicen otros luego hay lo de loras para entrenar para personas en concreto y luego poder generar siempre correctamente...
@lolololito Eso mas o menos lo que le he hecho, no con el prompt que hace este pavo, pero parecido.
Hice una imagen del modelo, le dije a Flow como debería vestir, como se comporta, la altura, y de que época era la vestimenta.
También hay un problema que me pasó a mi con la generación de personajes, y al subirle las imágenes para generarlo, y es que hay un control estricto en la apariencia y creación de personajes, y es que no admite personajes que parezcan menores de edad, aunque estén bien vestidos, y no haya apariencia sexual, solo por el echo de parecer menor, te lo echa atrás Flow.
Eso es una putadita, porque si el personaje tiene que ser un niño, como en mi caso que me hacia falta para la personalidad de personalidad, pues te hecha parte del proyecto fuera. Tuve que prescindir de la idea que tenia, y me rompió muchos roles de conversaciones.

Luego los personajes, los hace bien, pero empieza a inventarse cosas de forma aleatoria conforme le de la gana a Flow.

No se si habrá una formula magina de escribirle el prompt a Flow, para que utilice solo el personaje y ni cambie apariencia, ni vestimenta ni voz.
Acermaxx escribió:Qwen Image 2.1 es muy buena,
Yo la he estado probando estos días y lo que me sorprende es la velocidad que tiene de generación. En una spark con lo limitada que es me estaba generando imágenes en ~30 segundos a 1mpx de resolución.

No la he probado en una gráfica, pero en una 5090 debería generar casi instantáneamente.

Y la calidad es realmente buena. A nivel abierto es probablemente la mejor sobretodo teniendo en cuenta lo poco que pesa.

Acabo de probar Qween Image 2.1 en una 3080 con los int8

qwen_image_2.1_int8_convrot.safetensors
qwen3vl_8b_int8_convrot.safetensors
qwen_image_2.1_vae_bf16.safetensors

Y la verdad que me ha generado con muy buen resultado, consistencia y calidad, además el tiempo que me ha tardado es bastante inferior al de krea 2, que no tiene capacidad de editar, pero Qwen Image 2.1 es genial editando.


https://qwen.ai/blog?id=qwen-image-2.1
https://unsloth.ai/docs/models/qwen-image-2.1
https://docs.comfy.org/tutorials/image/ ... -image-2-1


Eliminar fondo: Qwen Imagen 2.1
Elimina el fondo de una foto con una instrucción de edición. El flujo de trabajo reutiliza el subgrafo de edición de imagen con el prompt , y luego compara el resultado con el original.

Remove the background, and output a PNG image

Imagen
Se ve que no he sido el único que me he tirado la noche en vela peleándome con la IA creadora de video.

Le he dado mil vueltas a la identidad de mi personaje en Flow, he estado pensando en varias alternativas de por que Flow se inventa voces, apariencia, edades, estaturas y vestimentas cuando le da la gana.
Lo primero que pensé es que la identidad de mi personaje no estaba bien creada, y por eso Flow, al no tener información detallada del personaje, pues en ocasiones se lía he inventa.
Mi problema, que el personaje que tengo creado, parte de una única imagen, y no es foto realista ni semi realista, tampoco es de dibujo, pero Flow la interpreta como realista (cosa que no es), volvemos a mi problema, no puedo borrar este personaje hasta que haya creado otro de apariencia similar pero con una plantilla al detalle.
Hasta aquí, guay, ya uno piensa, tienes la solución, pero, cuando coges la imagen original, la sacas al detalle en otras perspectivas, y dices, ya lo tengo, incluso mejor que antes, pues Flow no la interpreta igual, y crea personajes parecidos, pero no encajan.
Así que me he tirado toda la noche a prueba y error, creando multitud de plantillas, en distintos formatos visuales, ya que la imagen original del personaje es de pintura...

Me he tirado una noche buena, pero, conseguí sacar esa cara característica del personaje, el problema vino en que la sacó en un modelo versión animación realista, ósea, que no es realista, y al crear personaje desde Flow para una escena, saca el modelo de personaje estilo visual animación 3D realista...

Bueno, yo no he terminado con mi problema, pero, si he dado con la forma correcta de crear un personaje para Flow, y tiene unos pasos. Os lo dejo al detalle a continuación para si alguien algún día se anima a crear algo con Flow, lo pueda hacer bien a la primera, no como yo, que soy un paquete.

-Como crear un personaje en Flow:

1º- La creación de la imagen:
Cogéis vuestra foto, la foto del personaje que vayáis a crear, y os vais a Flow.
Le dais la imagen, que sea de buena calidad en resolución, y le decís a Flow, que te cree una ficha de personaje de distintas perspestivas, a continuacion te dejo el prompt que tienes que poner junto con la imagen:
Prompt para crear ficha de personaje en Flow:

Character sheet, full body turnaround reference sheet of the character in the attached reference image, high-end 3D animation style. Multiple views from different angles: front view, right profile view, left profile view, and back view. Upper row shows full-body neutral poses. Lower row shows a close-up character expression sheet with detailed facial features. Plain studio background, consistent clothing, identical proportions, high technical consistency, cinematic lighting, 8k resolution, no text, no guidelines.


Te devuelve la ficha de personaje hecha por Flow. Lo importante, está hecha por Flow, ella sabrá asimilar mejor esos rasgos. Se me olvidaba comentar, tienes que crear unas 4 imágenes a la vez, así tardas menos en encontrar el personaje ideal para crearlo después en personaje. El modelo que tienes que usar es el mas avanzado Banana Pro o el Banana 2 también sirve. Cuando tengas la ficha que te gusta, LA DESCARGAS EN LA MAXIMA CALIDAD que te permita Flow, yo no tengo para descargar en 4K, pero seria lo suyo. Ojo, donde pone ( high-end 3D animation style) lo podéis cambiar por el estilo visual que queráis del personaje.

2º- Creación de personaje:
Ahora que tenemos la ficha de personaje que queremos, solo queda meterlo en Flow, y decirle, que quiero ese modelo en concreto, y que no se invente otro.
Volvemos a cargar la ficha que tenemos en alta definición en el ordenador y la subimos a Flow (este paso es necesario para tener la ficha con mayor calidad, no usar la ficha tal cual te la da Flow desde su galería), y nos vamos a crear personaje. Usamos la ficha del personaje para crear el personaje añadiéndola desde el cuadro de añadir ingredientes. Y ahora puedes crear el personaje dándole una descripción detallada de tu personaje, pero te recomiendo usar el siguiente prompt:

[IDENTITY AND STYLE BLOCK]
The attached character sheet is the ABSOLUTE and SOLE visual reference for this character. Maintain 100% fidelity to the exact art style, line work, shading, and character design. Do not alter, reinterpret, or add creative variations to the aesthetic.

[FIXED PHYSICAL ATTRIBUTES]
- Age: Permanently set at [Specify exact age here, e.g., 25 years old]. This age must remain identical in every frame and scene.
- Height and proportions: Fixed height of [Specify height or scale, e.g., 1.85 meters / average adolescent height]. Proportions must remain rigid and constant relative to the environment and other objects.
- Face and body: Face shape, features, and body structure are immutably defined. No mutations are permitted.

[AUDIO AND VOICE RESTRICTIONS]
- Voice profile: Permanently linked to the selected voice reference. Pitch, intonation, accent, and volume must remain entirely consistent, stable, and unaltered throughout all generated dialogue.

[EXECUTION GUIDELINE]
Prioritize character sheet continuity over environmental lighting or fluid physics. Identity, style, age, voice, and height must remain unaltered and constant in every video generation.


Ojo, lo que está entre [...] es para que lo rellenéis con la edad y altura especifica de tu personaje, luego borráis lo demás que está entre las [...] incluidas estas.
Este promp es para que generéis el personaje fiel al modelo que tenéis creado ya en la ficha, si le dais a crear personaje sin especificarle a la IA que use la identidad de tu ficha, generará otro parecido o aleatorio.

Una vez creado el personaje, te queda el cuerpo, que en realidad es mas, el aspecto de la vestimenta, por lo menos en mi caso. Aquí ya os dejo a vuestra voluntad, por que lo que tenéis que hacer es algo parecido como con la ficha de personaje, ir a Flow, darle tu personaje, y pedirle el tipo de cuerpo que tiene que tener y vestimenta, que te cree una imagen vertical con una foto del personaje frontal, de espaldas y de costado. Y esa es la imagen de cuerpo.

La voz es fácil, definirla a vuestro gusto, eliges una que te guste, le dices como quieres que suene, si con pausa, que suene ronca, que suene alterada... hay muchas combinaciones.

Y por ultimo nos queda el comportamiento del personaje. En el cuadro abajo Información de personaje (opcional)... es opcional si te da igual como actúe o se mueva el personaje, y también como hable, pero si es un pirata con pata de palo, igual quiere que cojee. Abajo de dejo un prompt de muestra, tu cambia las cualidades de tu personaje.

[PERSONALITY AND BEHAVIOR]
- Personality: Distrustful, aggressive, and curious.
- Tone and mannerisms: Acts like an idiot and is drunk all day long.

[INTERACTION AND BODY LANGUAGE]
- Gestures: Abrupt, erratic movements.
- Interpersonal interaction: When interacting with others, maintains constant eye contact and listens very attentively.
- Animations during dialogue: Naturally accompanies speech with subtle hand movements and head tilts.


Y eso es casi todo, por que aun estoy liado con el mío, que me queda bastante por arreglar.
Dejo este GIT para quien quiera agarrar prompts para QWEN IMAGE 2.1 https://github.com/magiccreator-ai/awes ... -1-prompts
GOOGLE LANZA NANO BANANA 2.1

Nuestro último modelo de generación de imágenes supera a nuestros modelos anteriores en todos los aspectos:

- mejor diseño visual
- edición basada en máscaras
- consistencia del sujeto
- imágenes de apariencia más natural

pruébalo hoy en https://ai.studio

Se puede probar en google flow, para los que buscan consistencia creo que mejora bastante. @Koldriun @GodsmackTheBest

Si lo testeáis comentad, si está gratis, han quitado nano banana 2 normal y lo han cambiado por 2.1, han dejado el lite y el pro, yo realmente prefiero el 2 normal que el pro la verdad, no sé para que no han dejado los 4 modelos, me da rabia cuando quitan uno.
@katatsumuri Gracias por el aporte.

En Flow están todos los modelos en la versión 3.1, Lite, Fast y Quality.

Luego lo pruebo y comento, por que ya estaba arto la verdad. El ultimo video que hice no había por donde cogerlo, te cambia cosas randon al gusto, y no hay por donde cogerlo para montar el video.
Koldriun escribió:Buenas.
Necesito ayuda con Flow, pero estoy abierto a otras vías fuera de Flow.

He iniciado un canal de YouTube, haciendo una serie de animación con IA.
Hacia tiempo que quería hacer una historia sobre este genero, por que toda la gente hace videos con IA sobre chorradas sin sentido, y tenia ganas que llegara alguna IA de creación de videos con personajes.

Y aqui es donde tengo los problemas, en la creación de personajes que sean iguales de forma continua.
YA he mencionado que estoy usando Flow, he creado varios personajes, y estoy haciendo una historia, pero, es que no me salen siempre como tienen que salir. Flow hace una vez el personaje bien, y otras dos mal, o cambia la apariencia de edad, o cambia la ropa, o se lo inventa, cuando en los ingredientes le estoy dando el modelo y añadiendo que NO SE INVENTE OTRO PERSONAJE QUE NO SEA EL QUE LE DOY Y QUE USE LAS CARACTERISTICAS DEL MODELO; VESTIMENTA; EDAD APARENTE etc... Pues estoy pasando un suplicio para que genere algo bien, y los créditos vuelan, ya se podrían reembolsar los créditos por que haga un trabajo mal.

El caso es que vengo a preguntar, si hay alguna forma de que siempre use el modelo de personaje tal cual está, y que no se invente nada, por que en cuanto le das un escenario, que tampoco lo tiene que cambiar, si no utilizarlo tal cual, también se lo inventa...

Alguien que este con el tema de esta IA o alguna que pueda usar personajes, para que la historia sea lineal?

Ah por cierto, estoy usando chatGPT para crear los prompt y crear la historia, y si, a veces tengo que corregir los prompt de chatGPT por que la lía.

Por cierto, para quienes trabajáis con personajes e imágenes generadas por IA, quizá os interese echar un vistazo a esta herramienta: https://desnudar.ai/ Puede ser útil para experimentar con la edición de imágenes de personajes y preparar referencias visuales para vuestros proyectos. Con tantos problemas para mantener la apariencia de los personajes entre escenas, cualquier herramienta que permita trabajar mejor con sus imágenes puede merecer la pena probarla.


Creo que, para una serie así, lo más difícil es conseguir que los personajes sigan siendo reconocibles de una escena a otra. Sobre todo cuando hay que mantener no solo la cara, sino también la edad, la ropa y otros detalles, incluso si cambia el entorno o el ángulo de la cámara. Y la verdad es que da rabia gastar tantos créditos en generar una y otra vez cuando ya le has dado al modelo las referencias y has explicado claramente qué tiene que mantener. Creo que, para una historia larga, es importante encontrar un flujo de trabajo que permita controlar estos detalles sin tener que corregirlos de nuevo después de cada generación. Quizá también merezca la pena probar otras herramientas de IA que permitan trabajar mejor con las referencias visuales y mantener una mayor coherencia entre escenas?
@Supermoon Ya, ese es el problema, que son muchas cosas las que tienen que tener continuidad, y es imposible hacerlo.
Estoy haciendo la serie, pero ya he tirado la toalla con la continuidad de la vestimenta y apariencia, cuando no es una cosa es otra la que cambia, he optado por pensar que la gente comprenda que la serie va en una dirección, aunque las vestimentas y escenarios cambien entre tomas, por que en mi caso, no encuentro la manera de hacerlo.

Cosas como que me cambie los personajes de dirección al caminar, o diálogos que cambian de boca de personaje, o música de fondo que pone cuando yo le digo una y otra vez que no quiero música... puedo corregirlo de alguna manera con un editor de video, pero hasta cierto punto.

No me he puesto a investigar otras IAs de generación de video, pero tiene que haber maneras mejores de hacerlo a la forma que yo lo hago, no hay mas que ver el video que hicieron con la IA en la comic-con, y tiene bastante continuidad y consistencia.

Ah por cierto, estoy usando la versión gratis, y creo que eso puede ser uno de los motivos de que no me salga bien, ya que no estoy utilizando las versiones de Veo Lite, Quality, Fast, estoy usando Omni Flash 1.1 y lo que ello conlleva.
Así que @katatsumuri, no las he probado aun, necesitaría una versión de pago.
Yo en modelos generativos me pierdo porque estoy muy centrando en los de texto, agentes y demás.
Pero hoy he visto esta maravilla

https://x.com/bluehorizon_ai/status/2109716362419446271

Y desde luego no tienen los problemas que comentas de continuidad entre escenas y demás. Puedes echarle un ojo al enlace que ponen debajo del vídeo a ver si te da alguna idea.
¿Sabéis de algún lector de prompts de imágenes? Cuando sueles generar una imagen se queda el prompt grabado en ella, luego con programas como comfyui si arrastras la imagen a una plantilla te carga todo el flujo de trabajo que se hizo para crear esa imagen, automáticamente, obviamente incluyendo el prompt dentro de su nodo.

FORGE NEO tiene una sección de ver el prompt de cada imagen, pero yo busco un programa más liviano, tipo el visor de imágenes de windows, o pictureflect, para abrir la imagen y tener una sección de ver el prompt, un programa muy liviano.

Lo suyo sería que el visor de windows tuviera esa opción, más que nada para ver imágenes rápido y ir agarrando los prompts que me interesen de ellas para otros flujos de trabajo.

Vale, encontré estos:
https://github.com/zanllp/infinite-image-browsing
https://github.com/receyuki/stable-diff ... mpt-reader
https://github.com/Gerkinfeltser/image-metadata-display


El infinite image browsing me gusta bastante y por lo visto lo siguen actualizando periódicamente
Imagen

Noticia que se me había pasado:

FLUX 3 KLEIN CON PESOS ABIERTOS
FLUX 3 Image Klein está aquí.

-Pesos abiertos con la calidad de un gran modelo de frontera. Personalizable y rápido.
-5.6 mil millones de parámetros y se ejecuta en una sola GPU de consumo.
-Nativo 4K, cuadros delimitadores y edición perfecta a nivel de píxel.


• Pesos abiertos base: el checkpoint completo para ajuste fino, entrenamiento adicional e investigación.

• Pesos abiertos destilados: versión de baja latencia para generación más rápida y autoalojamiento.

• Versiones cuantizadas: FP8, NVFP4 e INT8, lo suficientemente pequeñas para ejecutarse en GPUs y portátiles con 8 GB de VRAM.

• API de BFL: El modelo destilado con 4K nativo, cuadros delimitadores y edición perfecta a nivel de píxel.

• Herramientas de personalización e implementación: Soporte de lanzamiento para el AI Toolkit de ostrisai, ComfyUI, Diffusers y SGLang Diffusion, vLLM-Omni, además de recetas de ajuste fino de @nvidia y optimizaciones de implementación.

Mantiene la generación nativa en 4K del modelo de imagen más grande FLUX 3, los cuadros delimitadores y la edición perfecta a nivel de píxel.

En nuestras evaluaciones internas, FLUX 3 Image Klein obtiene puntuaciones más altas que Qwen Image 2.1 (el actual líder en pesos abiertos) en generación de texto a imagen y generación multi-referencia, mientras cuesta menos.



Está en la frontera de Pareto para calidad y velocidad con un tamaño de modelo más pequeño.
Imagen
Imagen

FLUX 3 Imagen Klein entrenada en NVIDIA GB200 NVL72 y optimizada con
@NVIDIAAI
:

• 0,55 s por imagen en NVIDIA GB300 (NVFP4)
• ~4 s en NVIDIA GeForce RTX 5090 (INT8)
• Se ejecuta en GPUs RTX y portátiles con 8 GB de VRAM
Imagen
Imagen
140 respuestas
Responder
1, 2, 3
Volver a General