Expansión de Video con IA: Modelos, RTX 3090 y el futuro del Qwen

Escrito el por griquelme
Facebook Twitter WhatsApp LinkedIn

Convertir un video de 4:3 a 16:9 con IA es un desafío técnico fascinante que requiere elegir entre consistencia, velocidad y calidad. Hoy exploramos qué modelos son realmente útiles para este tipo de expansión, cuánto tiempo esperar en una RTX 3090 y si la intuición de usar algo como ‘Qwen Edit’ podría cambiar el panorama.

Imagen técnica mostrando una comparación lado a lado de dos interfaces de software de IA, Wan VACE y LTX 2.3, procesando un video.
Comparativa visual entre los modelos de expansión y la GPU RTX 3090 en acción.

Modelos para expandir video

No se trata solo de elegir un modelo, sino de entender qué tan estable quieres el movimiento y cuánto detalle estás dispuesto a inventar. Mi impresión práctica actual destaca tres enfoques:

  • Wan 2.1/2.2 VACE: Para resultados más consistentes y utilizables en escenas reales.
  • LTX 2.3: Una opción mucho más rápida, ideal para procesar lotes grandes aunque sea menos preciso en detalles finos.
  • Pipelines híbridos: Para máxima calidad cinematográfica, combinando expansión con upscale y refino posterior.

Si me preguntas qué usaría yo en una RTX 3090 para este trabajo, el punto dulce es Wan VACE. La GPU sigue siendo una bestia gracias a sus 24 GB de VRAM, lo que la hace muy cómoda para workflows pesados como ComfyUI.

Rendimiento y tiempos reales

Ahora viene la parte menos sexy: los tiempos de procesamiento en tu tarjeta gráfica. En una RTX 3090, puedes esperar aproximadamente:

  • Wan VACE a 720p: Entre 30 y 90 segundos por segundo de video.
  • LTX 2.3 a 480p: Solo unos 1–3 segundos por segundo de video.

Vale la pena notar que estos tiempos dependen muchísimo de los pasos, el CFG y si haces un upscale posterior. Además, procesar videos completos de una sola pasada es impráctico; hay que hacerlo en chunks obligatorios de 5–10 segundos con overlap para evitar cortes visibles.

ComfyUI frente a Wan2GP

Aquí surge la duda sobre qué plataforma usar. Si buscas control serio, flexibilidad y la capacidad de mezclar VACE con ControlNet o LoRAs, ComfyUI es la elección obvia.

Visualización abstracta y futurista donde una rejilla geométrica se superpone a un video, simbolizando el análisis semántico de la IA.
Representación conceptual de un modelo que entiende la geometría implícita del video para mantener continuidad espacial.
Conociendo el tipo de cosas que preguntas normalmente —optimización, control fino—, terminarías disfrutando más ComfyUI a pesar de su curva de aprendizaje.
Por otro lado, Wan2GP es más amigable y automatiza tareas como el chunking, lo cual reduce el sufrimiento al manejar videos largos. Pero para alguien que se interesa por la infraestructura y la optimización, ComfyUI sigue siendo superior.

¿Y qué hay del Qwen?

Finalmente, surge una idea brillante: ¿y si hubiera un ‘Qwen Edit’ para video? En imágenes, Qwen ya logra entender la geometría implícita y la intención compositiva de la escena en lugar de rellenarla estadísticamente.

Aplicar esto al video sería revolucionario. Podrías expandir los frames clave con Qwen para establecer una referencia espacial sólida, y luego usar interpolación o video diffusion encima. Con una RTX 3090 tienes suficiente VRAM para jugar con estos workflows ‘semi artesanales’ que ahora mismo suelen ganar a las soluciones totalmente automáticas.