Skip to content

Panorama de modelos × tareas: elige el modelo correcto antes de empezar ​

💡 Objetivo: en 10 minutos, encontrar el modelo adecuado para la tarea que tienes entre manos —si la VRAM es suficiente, si permite uso comercial y en qué tutorial empezar— todo esto se consulta de una vez en esta página; 15 tutoriales de workflows de ComfyUI clasificados por imagen y video están listos.

Mucha gente pregunta qué modelos admite ComfyUI — la respuesta depende de tu tarea y de tu tarjeta gráfica. ComfyUI en sí es un «motor»; quienes realmente trabajan son los modelos: si eliges bien, generas imágenes en 8 pasos y puedes ejecutar video con 8GB de VRAM; si eliges mal, descargas más de veinte GB de pesos y solo entonces descubres que no puedes ejecutarlos. Así que dedica primero diez minutos a encontrar tu lugar.

🎯 Objetivos de la etapa ​

  • Encontrar los modelos candidatos en 30 segundos según la tarea: texto a imagen, edición de imágenes, fondo transparente, maquetas de productos, texto a video, fotogramas inicial y final… consulta la tabla matricial para hallar el modelo y el tutorial correspondiente
  • Evaluar la VRAM antes de descargar: consulta la matriz para ver las referencias de VRAM y no descargues pesos grandes a ciegas
  • Distinguir los límites entre los dos tipos de modelos, «generación» y «edición»: para texto a imagen fotorrealista busca modelos base; para cambiar fondo o texto busca la clase Edit; para repintado y ampliación de imagen busca Fill
  • Ejecutar con éxito al menos un workflow de modelo nuevo: carga el workflow oficial desde la biblioteca de plantillas, coloca el modelo en el directorio correcto y genera la primera imagen o el primer video siguiendo los parámetros del tutorial

⏳ Tiempo estimado ​

  • Completar esta etapa por entero: 15 lecciones, en total unos 204 minutos (aprox. 3.5 horas), con un margen adicional de unos 140–265 minutos
  • No incluye el tiempo de descarga de modelos: en esta etapa muchos modelos son pesos grandes de nivel 12B–20B; la versión completa de FLUX.1 pesa unos 23GB, a calcular aparte según tu velocidad de red
  • Saltar a lo que necesitas ahorra tiempo:

🚀 Antes de empezar ​

  • Has ejecutado 1.5 tu primera generación de imágenes: sabes cargar modelos, escribir prompts y ejecutar con Ctrl + Enter
  • Sabes dónde van los archivos de modelos: tienes claro el papel de cada subdirectorio de diffusion_models, text_encoders y vae (si lo olvidas, repasa 1.4 dónde se colocan los modelos)
  • Has actualizado ComfyUI a la última versión: los modelos de esta etapa son muy recientes; la plantilla de FLUX.3 Klein requiere 0.41.0 o superior
  • Verifica disco y VRAM: los archivos de modelos grandes no son pequeños (la versión completa de FLUX.1 pesa unos 23GB); el tamaño de la VRAM determina qué lección aprender primero (consulta la matriz de abajo)
  • Un vaso de agua ☕ — aprovecha el tiempo de descarga de los modelos para hidratarte

💡 La biblioteca de plantillas es la entrada principal de esta etapa

Cada lección comienza cargando el workflow oficial desde Template Library (icono Templates en la barra lateral izquierda); si falta un modelo, el nodo correspondiente se marca en rojo, y basta con hacer Download uno por uno en la pestaña Errors de la derecha. Los detalles de todo este proceso están en 4.1 la biblioteca de plantillas.

📋 Elige el modelo según la tarea ​

Esta etapa cubre cinco familias de modelos con tutoriales oficiales completos: Z-Image, Qwen-Image, FLUX, Wan2.2 y LTX. Las dos tablas siguientes son guías rápidas de recomendación y comparación de modelos de ComfyUI ordenadas por tarea; los requisitos de VRAM y los pasos provienen de los tutoriales oficiales, así que basta con consultarlas al elegir.

Clase de imagen ​

Tu tareaModelo recomendadoDatos clave (VRAM / pasos / licencia)Tutorial
Generación rápida de imágenes, VRAM limitadaZ-Image-TurboVersión destilada de 6B de Alibaba Tongyi; genera en 8 pasos; corre con 16GB de VRAM; renderizado preciso de texto en chino e inglés2.1
Escribir texto en chino dentro de la imagenQwen-Image (incluye 2512)20B del equipo Qwen de Alibaba; potente renderizado de texto en chino e inglés; versión destilada en 15 pasos, Lightning LoRA en 8 pasos2.2
Edición de imágenes en una frase: cambiar fondo, modificar texto, cambiar materialesQwen-Image-Edit (2509/2511)edición mediante instrucciones; 2511 admite sustitución de materiales y consistencia de personajes2.3
Generación y edición integradas, fondo transparente, 2KQwen-Image-2.1un solo modelo con doble uso; 2048×2048 nativo; fondo transparente alpha; 16 ranuras de imágenes de referencia2.4
Texto a imagen fotorrealista (prompts en inglés)FLUX.1 dev / schnell12B, imágenes más realistas y diversas; schnell en 4 pasos, Apache 2.0; dev no comercial2.5
Consistencia de personajes, edición en múltiples rondasFLUX.1 Kontext12B edición iterativa, mantiene personajes y estilo tras múltiples rondas de modificación; solo admite prompts en inglés2.6
Repintado local, ampliación de imagenFLUX.1 Fillespecializado en inpaint / outpaint; según lo oficial, su calidad solo es superada por la versión comercial Fill [pro]2.7
Consistencia con múltiples referencias, maquetas de productosFLUX.2 Devhasta 4MP con calidad fotográfica; hasta 10 imágenes de referencia; color de marca en hex2.8
Generación rápida con poca VRAM, vista previaFLUX.2 Klein4B; distilled 8.4GB de VRAM, unos 1.2 segundos por imagen (5090)2.8
Ejecutar localmente la última generación de FLUXFLUX.3 Kleintexto a imagen y edición con el mismo conjunto de pesos; distilled en 4–16 pasos; FLUX Kommunity License2.9

Clase de vídeo ​

Tu tareaModelo recomendadoDatos clave (VRAM / pasos / licencia)Tutorial
Generar vídeo con 8GB de VRAMWan2.2 5Bun solo modelo para texto a vídeo e imagen a vídeo; con offloading nativo funciona con 8GB de VRAM2.10
Texto a vídeo de alta calidadWan2.2 14B T2VMoE con doble experto de ruido alto/bajo; Apache 2.0 apto para uso comercial2.11
Dar vida a las fotosWan2.2 14B I2Vsube una imagen como primer fotograma y genera un vídeo en movimiento2.12
Controlar el inicio y el final del vídeoWan2.2 FLF2Vse dan el primer y el último fotograma, y el tramo intermedio se completa automáticamente2.13
Vídeo con sonidoLTX-2/2.319B audio y vídeo integrados, genera vídeo y audio sincronizados en una sola pasada; distilled en 8 pasos (CFG=1)2.14
Narración multiplano, 4K HDRLTX-2.5multishot multiplano nativo; 4K HDR hasta 50 FPS; hay que solicitar acceso al repositorio de HF primero2.15

⚠️ Revisa la licencia antes de usarlo comercialmente

schnell y Wan2.2 son Apache 2.0 y pueden usarse comercialmente; la serie FLUX.1 dev (incluidos Kontext y Fill) tiene licencia no comercial; FLUX.3 Klein usa la FLUX Kommunity License. Para el resto de los modelos, rige la licencia que aparece en la página de descarga.

💡 Si dudas, empieza por el de menor barrera de entrada

Si la VRAM es escasa: para imágenes prueba primero FLUX.2 Klein (distilled 8.4GB) o Z-Image-Turbo (16GB), y para vídeo prueba primero Wan2.2 5B (8GB). Una vez que uno funcione, la estructura de los flujos de trabajo de los demás modelos es muy similar: cambiar de modelo es mucho más fácil que aprender una herramienta nueva.

📚 Cursos de esta etapa ​

CursoContenidoDuración
2.1 Z-Image-Turbo texto a imagenel caballo veloz nacional de 8 pasos y 16GB de VRAM; Fun Union ControlNet y ampliación a 2K12 minutos
2.2 Qwen-Image texto a imagenla base de 20B escribe bien el chino; aceleración por destilación / Lightning; 2512 mejora fotográfica (descargable en ModelScope)12 minutos
2.3 Qwen-Image-Edit edición por instruccionescambia el fondo o el texto con una frase; 2509 consistencia multi-imagen, 2511 reemplazo de materiales15 minutos
2.4 Qwen-Image-2.1generación y edición integradas; 2K nativo, fondo transparente, 16 imágenes de referencia15 minutos
2.5 FLUX.1 texto a imagendespliegue local de dev y schnell; dos formas de instalación, completa y fp812 minutos
2.6 FLUX.1 Kontextedición iterativa en múltiples rondas con consistencia de personajes; toma imágenes del directorio de salida para encadenar cambios12 minutos
2.7 FLUX.1 Fillrepintado local (inpaint) y ampliación de imagen (outpaint)12 minutos
2.8 FLUX.2consistencia multirreferencia de Dev y versión ligera Klein; flujo de trabajo para maquetas de productos15 minutos
2.9 FLUX.3 Kleinel FLUX de código abierto más reciente; texto a imagen y edición con los mismos pesos, distilled en 4–16 pasos12 minutos
2.10 Wan2.2 5Btexto a vídeo e imagen a vídeo con 8GB de VRAM15 minutos
2.11 Wan2.2 14B texto a vídeodoble modelo experto de ruido alto y bajo para resultados espectaculares15 minutos
2.12 Wan2.2 14B imagen a vídeoda vida a las fotos; ten en cuenta que I2V usa pesos fp1615 minutos
2.13 Wan2.2 vídeo a partir de fotogramas inicial y finalcontrola el inicio y el final, el intermedio se completa automáticamente12 minutos
2.14 LTX-2/2.3genera en una sola vez vídeo con sonido; seis flujos de trabajo oficiales15 minutos
2.15 LTX-2.5narración multiplano, 4K HDR y DFR; el repositorio de HF requiere solicitar acceso primero15 minutos

🎒 Lo que aprenderás ​

  • un mapa de selección «tarea → modelo → tutorial»: cuando salgan nuevos modelos, podrás evaluarlos tú mismo según las dimensiones de VRAM, pasos, licencia y tarea
  • conciencia de los límites antes de descargar: revisa primero la referencia de VRAM y la licencia (Apache 2.0 / no comercial / Kommunity) y deja de esperar horas de descarga en vano
  • la forma de ejecutar las plantillas oficiales correspondientes a los 15 tutoriales de flujos de trabajo de ComfyUI: carga de plantillas, colocación de modelos y ajuste de parámetros, hasta obtener imágenes y vídeos
  • la entrada a dos rutas avanzadas: imágenes hacia práctica con imágenes de e-commerce, control, LoRA y cuantización hacia técnicas avanzadas

¿Todo listo? Empieza la primera lección: Z-Image-Turbo texto a imagen →

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.