Mejores herramientas de IA de imagen y vídeo de código abierto de 2026

De las 14 opciones de herramientas de IA de imagen y vídeo de código abierto que hemos analizado, ahora mismo las mejores son ComfyUI, Hugging Face Diffusers y HyperFrames. Cada una aparece según nuestra nota, con su precio, nuestro veredicto y para quién es.

Por Sheela · Actualizado el 3 nov 2026 · Cómo analizamos

Cómo clasificamos: por nuestra nota sobre 5, a partir de reseñas basadas en los precios, la documentación y las políticas de cada producto, además de benchmarks independientes cuando existen, todo comprobado en la fecha que indica cada reseña. No cobramos comisiones de afiliación.

1
ComfyUI
Los nuevos modelos abiertos de imagen y vídeo llegan aquí primero; el grafo de nodos y un servidor sin autenticación son el precio de entrada.
Ideal para: Artistas y desarrolladores que quieren control total sobre la generación local de imagen y vídeo.
Precio: Gratuito y de código abierto con licencia GPL-3.0. Comfy Cloud cuesta desde 20 $ al mes (16 $ con facturación anual); los Partner Nodes se pagan por uso.
Lee nuestra reseña de ComfyUI
4.7/5
2
Hugging Face Diffusers
Diffusers es la forma de ejecutar desde código los modelos abiertos de imagen y vídeo, y da por hecho que leerás la guía de memoria antes de ejecutar nada grande.
Ideal para: Desarrolladores e investigadores de Python que trabajan con modelos de difusión.
Precio: Gratuito y de código abierto con licencia Apache 2.0.
Lee nuestra reseña de Hugging Face Diffusers
4.4/5
3
HyperFrames
HyperFrames convierte el vídeo en algo que un agente de programación puede escribir, y su licencia Apache elimina la factura que acompaña a Remotion.
Ideal para: Desarrolladores y pipelines de agentes que producen desde código vídeos cortos de producto, datos o documentación.
Precio: Gratuito bajo Apache 2.0, sin tarifas por renderizado ni umbrales de uso comercial. El renderizado en la nube de HeyGen y los medios de HeyGen (avatares, clips generados) se pagan en créditos de HeyGen; los renderizados 4K en la nube cuestan 1,5 veces más.
Lee nuestra reseña de HyperFrames
4.4/5
4
AI Toolkit
AI Toolkit es donde suele llegar primero el soporte para un nuevo modelo abierto de imagen o vídeo, y da por hecho que tú pones la GPU y la paciencia.
Ideal para: Creadores que entrenan LoRA para modelos abiertos de imagen y vídeo.
Precio: Gratuito y de código abierto con licencia MIT. Ostris Cloud alquila GPU preconfiguradas por segundos, desde 0,71 $/hora (A40 48 GB) hasta 2,99 $/hora (RTX PRO 6000 96 GB).
Lee nuestra reseña de AI Toolkit
4.2/5
5
InvokeAI
Una aplicación local de imágenes cómoda para artistas que ha sobrevivido a su empresa y que está ahora a mitad de una arriesgada reescritura para la v7.
Ideal para: Artistas que quieren generar y editar imágenes al estilo de un lienzo en su propia máquina.
Precio: Gratuito y de código abierto bajo la licencia Apache 2.0. Sin nivel de pago desde que el servicio alojado cerró en octubre de 2025.
Lee nuestra reseña de InvokeAI
3.9/5
6
Concat
Concat ya hace la mayor parte de lo que la gente usa en CapCut sin cuenta ni subidas, pero es una beta de dos meses con un desarrollador principal y los informes de fallos que eso supone.
Ideal para: Creadores de vídeo corto y desarrolladores que quieren edición al estilo de CapCut y automatización con agentes sin que nada salga de la máquina.
Precio: Gratuito y de código abierto (AGPL-3.0). Sin nivel de pago, cuenta ni marca de agua; el proyecto pide donaciones en Patreon.
Lee nuestra reseña de Concat
3.8/5
7
Freefield
Freefield es una copia minuciosa con pesos abiertos del catálogo de Higgsfield y un proyecto de ComfyUI excepcionalmente bien documentado, aunque necesitas una GPU grande o una cuenta de Modal y paciencia con las licencias de los modelos.
Ideal para: Usuarios de ComfyUI y pequeños estudios que quieren efectos al estilo de Higgsfield sin créditos y tienen una GPU de 24 GB o una cuenta de Modal.
Precio: Gratis bajo MIT. Pagas el tiempo de GPU: en Modal, una imagen de personaje tardó 13,0 s de L40S en el laboratorio, unos 0,007 $ al precio base de Modal de 1,95 $ la hora; en local, solo tu propio hardware.
Lee nuestra reseña de Freefield
3.8/5
8
Upscayl
Upscayl sigue siendo la forma gratuita más sencilla de ampliar una foto sin subirla, pero la app que descargas hoy es la de la Navidad de 2024.
Ideal para: Fotógrafos, diseñadores y archiveros con una GPU dedicada o una integrada reciente que quieren ampliaciones 4x gratuitas y privadas de imágenes nítidas pero pequeñas.
Precio: Gratuito y de código abierto (AGPL-3.0) desde GitHub y la web; 12,99 $ en la Mac App Store. Upscayl Cloud ofrece una prueba gratuita de 10 créditos y Pro a 24,99 $ por 300 créditos al mes.
Lee nuestra reseña de Upscayl
3.8/5
9
VoiceStudio
VoiceStudio es un sustituto local serio de ElevenLabs, pero el modelo de voz predeterminado tiene licencia de uso no comercial y el instalador pide mucha confianza.
Ideal para: Particulares y equipos pequeños que quieren clonación de voz, doblaje y transcripción en su propio hardware y pueden comprobar la licencia de cada modelo antes de un uso comercial.
Precio: App de código abierto gratuita con AGPL-3.0. Pro a 99 $ por usuario al año o Lifetime a 299 $ en un solo pago, cada uno para un usuario en hasta 3 dispositivos, con licencia comercial y funciones por lotes; Enterprise a consultar. Los pesos de los modelos tienen sus propias licencias.
Lee nuestra reseña de VoiceStudio
3.8/5
10
ArtCraft
ArtCraft es una herramienta de puesta en escena realmente útil para controlar planos generados con IA, pero es un cliente abierto para un servicio de créditos de pago, no una forma de ejecutar modelos por tu cuenta.
Ideal para: Artistas de storyboard, equipos de previsualización y estudios pequeños que quieren controlar el encuadre con modelos alojados de imagen y vídeo.
Precio: La aplicación es gratuita y de código abierto (MIT o Apache-2.0). La generación alojada usa créditos: Basic 10 $/mes (1.000 créditos), Pro 35 $/mes (3.750), Max 60 $/mes (6.600), que aparecen a 8 $, 28 $ y 48 $ con facturación anual durante un descuento del 20%; Enterprise a medida. Las cuentas conectadas de Grok, Midjourney, Sora o World Labs se facturan aparte.
Lee nuestra reseña de ArtCraft
3.7/5
11
OpenMontage
OpenMontage es el intento más completo hasta ahora de hacer que un agente de programación se comporte como un equipo de producción, aunque depende de un solo mantenedor, no tiene versiones y su licencia AGPL limita el uso alojado.
Ideal para: Creadores independientes y pequeños equipos de marketing que ya pagan un agente de programación y quieren vídeos cortos repetibles con un rastro de costes visible.
Precio: Gratuito y de código abierto (AGPL-3.0). La vía sin claves es gratuita; la generación de pago usa tus propias claves de proveedor, con ejemplos en el README de 1,33 $ a unos 5 $ por pieza corta terminada. Tope de presupuesto por defecto de 10 $.
Lee nuestra reseña de OpenMontage
3.7/5
12
editonny
Un flujo de edición local y cuidadoso para vídeo hablado que tiene doce días, está probado en Mac y ya tropieza en Windows.
Ideal para: Creadores y equipos pequeños que trabajan en Mac, ya usan Claude Code o Codex y quieren clips hablados recortados y subtitulados sin subir el material.
Precio: Gratuito y de código abierto (MIT). Tu suscripción a Claude Code o Codex va aparte, y cualquier generador externo opcional te cobra directamente.
Lee nuestra reseña de editonny
3.4/5
13
SketchVLM
SketchVLM es una forma ingeniosa y barata de que un modelo de visión muestre su razonamiento sobre la imagen, que vale la pena leer y de la que tomar ideas, pero es código de artículo sin licencia y sus mejoras son más limitadas de lo que sugiere el resumen.
Ideal para: Investigadores y equipos de producto que exploran cómo un modelo de visión podría mostrar su razonamiento sobre una imagen y quieren una receta probada de prompt y cuadrícula como punto de partida.
Precio: El código es público en GitHub sin archivo de licencia, así que los derechos de reutilización no están claros. Ejecutarlo cuesta las llamadas a la API de GPT-5, Gemini, Claude o modelos de OpenRouter.
Lee nuestra reseña de SketchVLM
3.3/5
14
VideoAgent
VideoAgent es una demo de artículo impresionante y algo incómodo de ejecutar, sostenido por cuatro claves de API y dos licencias de modelos no comerciales.
Ideal para: Investigadores e ingenieros que estudian cómo planificar pipelines de vídeo multiagente, más que equipos que necesitan una herramienta de edición fiable.
Precio: Gratuito con MIT. Para ejecutarlo hacen falta claves de API de pago de Claude, además de DeepSeek, OpenAI y Gemini para distintas funciones; algunos modelos incluidos son de uso no comercial.
Lee nuestra reseña de VideoAgent
3.2/5