¿Qué es HunyuanVideo 1.5?
HunyuanVideo 1.5 se publicó el 20 de noviembre de 2025 y sigue siendo el modelo de vídeo abierto de uso general de Tencent; sus lanzamientos de vídeo posteriores se basan en él. Es un diffusion transformer de 8.300 millones de parámetros con un VAE causal 3D que genera texto a vídeo e imagen a vídeo a 480p o 720p, con modelos de superresolución destilados por pasos que escalan a 1080p. El clip por defecto tiene 121 fotogramas a 24 fps, unos 5 segundos, y no hay audio.
Tencent indica 14 GB de memoria de GPU como mínimo con offloading. Un modelo imagen a vídeo de 480p destilado por pasos, añadido en diciembre de 2025, funciona en 8 o 12 pasos y genera un clip en unos 75 segundos en una RTX 4090; el código de entrenamiento y los scripts de LoRA llegaron ese mismo mes. Los pesos usan la Tencent Hunyuan Community Licence, que no se aplica en la Unión Europea, el Reino Unido ni Corea del Sur.
¿Merece la pena HunyuanVideo 1.5?
HunyuanVideo 1.5 es la opción práctica para vídeo local en hardware modesto, y poco más. Con offloading funciona con 14 GB de memoria de GPU, el modelo imagen a vídeo de 480p destilado por pasos genera un clip en unos 75 segundos en una RTX 4090, y Diffusers, ComfyUI, LightX2V y Wan2GP lo admiten; Wan2GP asegura que funciona con solo 6 GB.
Ha envejecido. El modelo no genera sonido, mientras que MiniMax H3, LTX-2.5 y MAGI-2 Preview generan audio con la imagen y figuran en la tabla actual de texto a vídeo de Artificial Analysis, donde HunyuanVideo 1.5 no aparece. Las pruebas de Tencent son comparaciones de preferencia lado a lado con 300 prompts de 2025, no puntuaciones de arena.
La licencia lo limita aún más. La Tencent Hunyuan Community Licence no se aplica en la UE, el Reino Unido ni Corea del Sur, prohíbe usar los resultados para mejorar cualquier otro modelo de IA y exige una licencia aparte de Tencent para servicios con más de 100 millones de usuarios activos mensuales.
El uso alojado es barato pero limitado. fal cobra 0,075 $ por segundo, así que un clip de 5 segundos cuesta unos 0,38 $, pero solo ofrece texto a vídeo a 480p y tarda unos 3 minutos por clip de 121 fotogramas. Algunos pesos prometidos, como los modelos de texto a vídeo de 720p destilados y con atención dispersa, siguen marcados como próximamente un año después del lanzamiento.
Dónde se gana su sitio
Un animador autónomo en Texas con una RTX 4090
Convertir imágenes conceptuales en pruebas de movimiento cortas
Ejecuta el modelo imagen a vídeo de 480p destilado a 8 o 12 pasos, unos 75 segundos por clip, y escala los buenos con el modelo de superresolución a 1080p. El sonido tiene que salir de otra herramienta.
Un grupo de investigación universitario en Singapur
Afinar un modelo de vídeo compacto con un conjunto de datos de su ámbito
Usa el train.py publicado con LoRA, FSDP y el optimizador Muon en un nodo multi-GPU; la licencia permite derivados dentro de su territorio pero prohíbe usar los resultados para mejorar modelos que no sean Hunyuan.
Antes de decidirte
- Puesta en marcha
- Clona el repositorio, instala Flash Attention y, si quieres, SageAttention, descarga los checkpoints y ejecuta el script de generación; un LLM de reescritura de prompts tras un endpoint de vLLM es opcional pero recomendable.
- Integraciones
- Diffusers, ComfyUI, LightX2V, Wan2GP, aceleradores de caché como DeepCache y TeaCache, y el endpoint alojado de fal.
- Datos y privacidad
- Los pesos autoalojados mantienen el material en local; la licencia prohíbe usarlo fuera de su territorio y usar los resultados para entrenar otros modelos de IA.
- Coste a escala
- En fal, 1.000 clips de cinco segundos cuestan unos 375 $; autoalojado, una RTX 4090 produce unos 48 clips destilados de 480p por hora a 75 segundos cada uno.
- Límites
- 121 fotogramas a 24 fps por defecto; 480p y 720p nativos; sin audio; fal solo ofrece texto a vídeo a 480p; algunos checkpoints destilados y dispersos siguen sin publicarse.
Lo bueno
- Funciona con 14 GB de memoria de GPU con offloading
- Unos 75 segundos por clip destilado de 480p en una RTX 4090
- Código de entrenamiento y scripts de LoRA abiertos
- Compatible con Diffusers, ComfyUI y LightX2V
Lo malo
- Sin audio
- La licencia excluye la UE, el Reino Unido y Corea del Sur
- Los resultados no pueden usarse para mejorar otros modelos de IA
- Varios checkpoints prometidos siguen sin publicarse
Ideal para
Aficionados y equipos pequeños fuera de Europa que quieren clips mudos de 5 segundos desde una sola GPU de consumo.
Alternativas a HunyuanVideo 1.5
HunyuanVideo 1.5: preguntas frecuentes
- ¿Merece la pena HunyuanVideo 1.5?
- HunyuanVideo 1.5 es el modelo de vídeo abierto que cabe en un PC gaming, siempre que no necesites sonido, usuarios europeos ni nada más nuevo que la calidad de 2025. Le damos un 3.5 sobre 5.
- ¿Cuánto cuesta HunyuanVideo 1.5?
- Pesos gratuitos bajo la Tencent Hunyuan Community Licence (no válida en la UE, el Reino Unido ni Corea del Sur; licencia aparte por encima de 100 millones de usuarios mensuales). fal cobra 0,075 $ por segundo de vídeo a 480p.
- ¿Qué inconvenientes tiene HunyuanVideo 1.5?
- Sin audio; la licencia excluye la UE, el Reino Unido y Corea del Sur; los resultados no pueden usarse para mejorar otros modelos de IA; varios checkpoints prometidos siguen sin publicarse.
- ¿Para quién es HunyuanVideo 1.5?
- Aficionados y equipos pequeños fuera de Europa que quieren clips mudos de 5 segundos desde una sola GPU de consumo.
- ¿Cuánto cuesta HunyuanVideo 1.5 para un equipo o en producción?
- En fal, 1.000 clips de cinco segundos cuestan unos 375 $; autoalojado, una RTX 4090 produce unos 48 clips destilados de 480p por hora a 75 segundos cada uno.
- ¿Es HunyuanVideo 1.5 seguro para los datos de la empresa?
- Los pesos autoalojados mantienen el material en local; la licencia prohíbe usarlo fuera de su territorio y usar los resultados para entrenar otros modelos de IA.
- ¿Cuáles son las mejores alternativas a HunyuanVideo 1.5?
- Las alternativas más cercanas que hemos analizado son LTX-2.5, Kandinsky 6.0 Video, LongCat-Video y MiniMax H3 (Hailuo 3.0).
Respuestas comprobadas el 7 nov 2026.