Panel de capacidades

Lo que puede hacer cada modelo que se probó, cuánto cuesta un clip de ~6 s a 720p y cuántos alcanzan con el plan actual. Precios leídos en fal.ai y wavespeed el 2026-11-09; tiempos medidos en la prueba.

Modelo	Nivel	Texto → video	Imagen → video	Imágenes de referencia	Inicio + final	Resolución máx.	Duración máx.	Audio	Clip 720p	Tiempo medido	Con el plan
Wan 2.2 A14BInference Providers · fal-ai	El mejor	Sí	Sí	1	Sí	720p	≈10 s (161 cuadros a 16 fps)	No	US$0.48US$0.08 por segundo a 720p (6 s)	239.3 s	≈4/mes (0.14/día)
HunyuanVideo 1.5Inference Providers · fal-ai	Equilibrado	Sí	Sí	1	No	480p	121 cuadros (≈5 s)	No	—Solo 480p hoy (US$0.075 por segundo ≈ US$0.45 por 6 s)	269.6 s	≈4/mes (0.15/día)
LongCat-VideoInference Providers · fal-ai	Equilibrado	Sí	Sí	1	No	720p (endpoint aparte)	961 cuadros (≈64 s a 15 fps)	No	US$0.30480p: US$0.025 por segundo; variante 720p en fal ≈ 2× (estimado)	230.7 s	≈6/mes (0.22/día)
HunyuanVideoInference Providers · fal-ai	Equilibrado	Sí	Sí	1	No	720p	129 cuadros (≈5.4 s)	No	US$0.40US$0.40 por video (×2 en modo pro)	385.5 s	≈5/mes (0.17/día)
Wan 2.1 14BInference Providers · fal-ai	Equilibrado	Sí	Sí	N (solo en VACE)	Sí	720p	100 cuadros (≈6 s)	No	US$0.40US$0.40 por video a 720p (US$0.20 a 480p)	71 s	≈5/mes (0.17/día)
Wan 2.2 TI2V 5BInference Providers · wavespeed	Equilibrado	Sí	Sí	1	No	720p	≈6.7 s a 24 fps	No	US$0.15US$0.15 por video en fal; precio de wavespeed sin verificar	145 s	≈13/mes (0.44/día)
LTX-Video 13B distilledInference Providers · fal-ai	Económico	Sí	Sí	N (multiconditioning: images[] con start_frame_num)	Sí	720p	1441 cuadros	No	US$0.04US$0.04 por video (480p y 720p)	104.9 s	≈50/mes (1.67/día)
LTX-Video distilled (Space)ZeroGPU · Space Lightricks/ltx-video-distilled	Económico	Sí	Sí	1	No	1280 px	≈8 s	No	Gratis (cuota)Gratis dentro de los 40 min/día de ZeroGPU	13.7 s	≈49/día
Wan 2.2 I2V rápido (Space)ZeroGPU · Space zerogpu-aoti/wan2-2-fp8da-aoti-faster	Económico	No	Sí	1	No	832×624 (fijo del Space)	≈5 s	No	Gratis (cuota)Gratis dentro de la cuota	64.3 s	≈16/día
LTX-2 Turbo (Space)ZeroGPU · Space alexnasa/ltx-2-TURBO	Económico	no por API (first_frame obligatorio)	Sí	2	Sí	1280 px	≈5 s	Sí	Gratis (cuota)Gratis dentro de la cuota	32.6 s	≈73/día
Wan 2.2 inicio+final (Space)ZeroGPU · Space multimodalart/wan-2-2-first-last-frame	Económico	No	Sí	2	Sí	según las imágenes (≈832 px)	≈5 s	No	Gratis (cuota)Gratis dentro de la cuota	98.6 s	≈10/día

Propuesta: inicio + final de calidad moderada

Wan 2.2 A14B image-to-video con end_image_url, vía HF Inference Providers (provider fal-ai)

Modelo en HF: Wan-AI/Wan2.2-I2V-A14B
Parámetros: image_url (inicio) + end_image_url (final), resolution 480p, aspect_ratio 9:16, num_frames 81 (≈5 s a 16 fps; interpolación a 32 fps por defecto)
Precio: US$0.04/s a 480p → ≈US$0.20 por clip de 5 s (580p ≈0.30, 720p ≈0.40); turbo 480p: US$0.05 por video (endpoint /turbo no mapeado en HF)
Resolución: 480p / 580p / 720p
Por qué: Es el único inicio+final accesible con el token HF actual (mapeo live en HF) y cuenta contra los US$2 de PRO; Wan2.1-FLF2V-14B no tiene proveedor en HF y LTX multiconditioning tampoco.
Alternativa gratis: multimodalart/wan-2-2-first-last-frame (ZeroGPU, RUNNING): /generate_video(start_image_pil*, end_image_pil*, prompt*, duration_seconds=2.1, steps=8) — gratis dentro de 40 min/día; resolución no expuesta en la firma — es el video «Wan 2.2 inicio+final (Space)» de la página de videos.

Qué hace cada uno y para qué proyectos

Wan 2.2 A14B

Alibaba (Wan-AI)

El modelo abierto más fuerte de la familia Wan: dos expertos (uno para la composición, otro para el detalle) que dan movimiento coherente, buena física y textura de piel creíble.

Recomendado para: Tomas realistas para reels y anuncios, b-roll de calidad, escenas con personas.

Según su ficha: Texto a video de la familia Wan más reciente con mezcla de expertos: un experto arma la composición y otro afina el detalle, con más calidad que Wan 2.1 al mismo costo de inferencia. · Licencia apache-2.0 · Uso comercial: Sí: Apache 2.0, y el autor declara no reclamar derechos sobre lo que generes, siempre que respetes la licencia y la ley.

Entrada: fal i2v (image_url + end_image_url): US$0.04/s 480p · 0.06 580p · 0.08 720p (s a 16 fps; 81 frames ≈ 5 s → US$0.20 a 480p) · turbo: US$0.05/0.075/0.10 por video · lora: 0.10/s · wavespeed i2v-720p con last_image: US$0.30 por 5 s, 0.48 por 8 s

Ficha del modelo API en fal

HunyuanVideo 1.5

Tencent

Versión ligera y nueva de HunyuanVideo: tiende al realismo cinematográfico y sigue bien la descripción de la escena.

Recomendado para: Escenas realistas cortas, pruebas de estilo cinematográfico.

Según su ficha: Calidad de primer nivel con solo 8.3B de parámetros: corre en GPU de consumo y trae superresolución propia a 1080p. · Licencia other (tencent-hunyuan-community) · Uso comercial: No lo indica: remite a la licencia comunitaria de Tencent Hunyuan, que hay que leer aparte.

Entrada: i2v solo image_url; sin end frame ni referencias múltiples.

Ficha del modelo API en fal

LongCat-Video

Meituan

Pensado para videos largos y continuos: mantiene la escena estable durante decenas de segundos.

Recomendado para: Clips de 10–60 s, fondos en bucle, escenas que no deben cortar.

Según su ficha: Un solo modelo hace texto a video, imagen a video y continuación de video, y su punto fuerte son los videos largos sin perder coherencia. · Licencia mit · Uso comercial: Sí: los pesos son MIT, aunque no da derecho a usar marcas ni patentes de Meituan.

Entrada: i2v solo image_url. Variantes distilled no tarificadas aquí.

Ficha del modelo API en fal

HunyuanVideo

Tencent

El HunyuanVideo original de 13 B parámetros: buen realismo y movimiento de cámara, más lento y caro que la 1.5.

Recomendado para: Tomas realistas donde la versión 1.5 no alcanza la resolución.

Según su ficha: Primera generación de Hunyuan, pesada: pide 60 GB de memoria de GPU para 720p con 129 cuadros (45 GB en 540p); su sucesor 1.5 es más ligero. · Licencia other (tencent-hunyuan-community) · Uso comercial: No lo indica: remite al archivo LICENSE de la comunidad Tencent Hunyuan.

Entrada: i2v: image_url, num_frames, resolution; sin end frame.

Ficha del modelo API en fal

Wan 2.1 14B

Alibaba (Wan-AI)

La generación anterior de Wan en tamaño grande: sólido y estable, menos detalle fino que la 2.2.

Recomendado para: Producción en lote cuando la 2.2 es cara; animaciones estilizadas.

Según su ficha: La generación anterior de Wan, estable y muy probada; para el mismo uso Wan 2.2 A14B da más calidad. · Licencia apache-2.0 · Uso comercial: Sí: Apache 2.0, y el autor declara no reclamar derechos sobre lo que generes, siempre que respetes la licencia y la ley.

Entrada: wan-flf2v: US$0.20 a 480p · 0.40 a 720p por video (×1.25 con más frames que el default) · vace: US$0.04/0.06/0.08 por s (480/580/720p)

Ficha del modelo API en fal

Wan 2.2 TI2V 5B

Alibaba (Wan-AI)

Wan 2.2 compacto: acepta texto o una imagen inicial y sale nativo a 720p. Más estilizado que realista.

Recomendado para: Volumen diario a 720p, animar una imagen propia, contenido ilustrado.

Según su ficha: El Wan ligero: hace texto a video e imagen a video en un solo modelo a 720p y 24 fps, ideal cuando importa la velocidad o la GPU es chica. · Licencia apache-2.0 · Uso comercial: Sí: Apache 2.0, y el autor declara no reclamar derechos sobre lo que generes, siempre que respetes la licencia y la ley.

Entrada: i2v sin end_image_url.

Ficha del modelo API en wavespeed

LTX-Video 13B distilled

Lightricks

Versión destilada (menos pasos) del LTX de 13 B: rapidísimo y muy barato; sacrifica detalle de rostros y manos.

Recomendado para: Bocetos de movimiento, previsualizar guiones, fondos y texturas.

Según su ficha: La variante destilada de 13B es más rápida y gasta menos VRAM que la completa, a cambio de una ligera pérdida de calidad. · Licencia other (LTX-Video Open Weights License 0.X para 13B 0.9.7 y 0.9.8 distilled) · Uso comercial: No lo indica: remite al archivo LTX-Video-Open-Weights-License-0.X.txt del repo.

Entrada: multiconditioning 0.9.8: US$0.02/s a 24 fps (detail_pass ×2) · 0.9.7: US$0.04 por video

Ficha del modelo API en fal

LTX-Video distilled (Space)

Lightricks

El LTX destilado oficial corriendo gratis en ZeroGPU. Sale en segundos; calidad de borrador.

Recomendado para: Pruebas rápidas sin gastar, storyboard animado.

Según su ficha: El modelo de video abierto más rápido de la lista: genera 30 fps a 1216×704 más rápido de lo que dura el video. · Licencia other (licencia por versión; 0.9.6 en adelante: LTX-Video Open Weights License 0.X) · Uso comercial: No lo indica: cada versión remite a su propio archivo de licencia en el repo.

Entrada: input_image_filepath o input_video_filepath; height 512 × width 704 por defecto, duration_ui 2 s por defecto.

Ficha del modelo Space

Wan 2.2 I2V rápido (Space)

Alibaba (Wan-AI) · zerogpu-aoti

Wan 2.2 A14B cuantizado (FP8) y compilado para ZeroGPU: anima una imagen inicial con buena calidad en ~1 min.

Recomendado para: Animar una foto o un still de FLUX/Grok gratis; tomas encadenadas.

Según su ficha: Anima una imagen fija con la arquitectura de expertos de Wan 2.2; el autor destaca que reduce el movimiento de cámara poco realista. · Licencia apache-2.0 · Uso comercial: Sí: Apache 2.0, y el autor declara no reclamar derechos sobre lo que generes, siempre que respetes la licencia y la ley.

Entrada: Sin end frame ni t2v.

Ficha del modelo Space

LTX-2 Turbo (Space)

Lightricks · alexnasa

LTX-2, la generación nueva de Lightricks (también hace audio), en modo turbo: usa cuadro inicial y final y LoRAs de cámara.

Recomendado para: Transiciones entre dos imágenes, movimientos de cámara controlados.

Según su ficha: Genera video y audio sincronizados en un solo modelo; la ficha ya señala como versión nueva Lightricks/LTX-2.3. · Licencia other (ltx-2-community-license-agreement) · Uso comercial: No lo indica: remite a LICENSE-2 (LTX-2 Community License Agreement) del repo de GitHub.

Entrada: ZeroGPU (cuota 40 min/día)

Ficha del modelo Space

Wan 2.2 inicio+final (Space)

Alibaba (Wan-AI) · multimodalart

Wan 2.2 con cuadro inicial y cuadro final: interpola el movimiento entre dos imágenes que tú eliges, gratis en ZeroGPU.

Recomendado para: Transiciones controladas, tomas encadenadas (el final de una es el inicio de la siguiente), antes/después.

Según su ficha: Mismo modelo de imagen a video de Wan 2.2, usado en un Space que interpola entre un cuadro inicial y uno final: sirve para encadenar tomas. · Licencia apache-2.0 · Uso comercial: Sí: Apache 2.0, y el autor declara no reclamar derechos sobre lo que generes, siempre que respetes la licencia y la ley.

Entrada: Inicio y final obligatorios; duración por defecto 2.1 s.

Ficha del modelo Space