Límites del outpainting de video con Wan y una RTX 3090

¿Hay un límite de frames para el outpainting con Wan?

No existe un límite fijo impuesto por el modelo o por ComfyUI en cuanto a la cantidad de frames consecutivos que puedes procesar. Lo que realmente determina si puedes generar decenas de miles de frames no es la longitud del video, sino cómo gestionas tu memoria y el flujo de trabajo. En una RTX 3090 con sus 24 GB de VRAM, el secreto está en procesar los frames de manera secuencial: leer uno, generarlo, guardarlo y continuar.

Donde suelen aparecer los problemas no es en la duración total del video, sino en intentar cargar contextos temporales demasiado grandes. Si el workflow intenta mantener 81 o más frames simultáneos en memoria, o si subes la resolución por encima de 720p manteniendo modelos pesados como Wan 14B sin cuantizar, es ahí cuando la VRAM se convierte en el factor limitante.

¿Qué versión de Wan rinde mejor?

Ahora que entendemos los límites operativos, veamos qué modelo usar. Para una RTX 3090, el punto dulce suele estar entre Wan Distilled y LTX Video Distilled. Wan Distilled es probablemente tu mejor opción general porque ofrece una excelente relación calidad/tiempo; produce bordes y texturas mucho más convincentes que LTX cuando estás trabajando con áreas grandes.

Por otro lado, si tu prioridad es la velocidad bruta, LTX Distilled puede procesar muchos más frames por hora. Wan 2.2 completo podría superar a ambos en calidad pura, pero para tareas de outpainting donde la consistencia entre cuadros es clave, un modelo ligeramente menos detallado que permita contextos temporales más amplios suele dar resultados finales más estables.

Un error común es intentar «ayudar» al modelo con prompts descriptivos cuando ya tienes el video central renderizado. Si estás ampliando los márgenes de un material existente, lo mejor suele ser usar un prompt neutro o incluso ninguno, dando mucho peso a la imagen original para que la IA simplemente infiera el contexto.

Optimizando la expansión 4:3 a 16:9

Dado que tu objetivo es ampliar los lados de un video existente de 4:3 a 16:9, esto es mucho más amable que generar contenido nuevo desde cero. Pasar de un formato vertical a uno panorámico requiere añadir aproximadamente un 33% más de ancho. Por ejemplo, si vas de 960×720 píxeles a 1280×720, estás añadiendo 320 píxeles en total, normalmente distribuyendo 160 píxeles a cada lado.

Para este tipo de expansión horizontal, prioriza un workflow que procese ventanas temporales de 17–33 frames. Si te encuentras con escenas difíciles como personas cortadas por el borde o vehículos entrando desde fuera de pantalla, ahí es donde cualquier modelo empieza a mostrar sus límites. Con una configuración correcta y usando Wan Distilled para mantener esa coherencia temporal, no deberías preocuparte por videos de 5, 10 o incluso 30 minutos.