Vídeo IA sin censura · NVIDIA NVlabs

SANA-Video 2.0 720p sin censura: clips cinematográficos en segundos, no en minutos

Preguntar a la IA ▾

Esperar veinte minutos por un clip de IA de cinco segundos mata cualquier idea creativa antes de que tenga una oportunidad. El equipo NVlabs de NVIDIA creó SANA-Video 2.0 precisamente para resolver eso. El checkpoint SANA-Video 2.0 720p es un modelo de pesos abiertos con unos 4.470 millones de parámetros que genera ocho segundos de vídeo a 24 fps a partir de un prompt breve, o da vida a una imagen fija usándola como primer fotograma, y en una sola H100 el equipo afirma obtener un clip de cinco segundos en 720p en unos 13 segundos. Como los pesos son públicos, puedes ejecutarlo en tu propia GPU sin ningún filtro en la nube de por medio. Aquí verás en qué destaca, lo rápido que es de verdad, cómo ejecutarlo y qué prompts funcionan mejor.

  • 720p, unos 8 segundos
  • Pesos abiertos
  • Texto e imagen a vídeo
Anima una foto ahora →

Generador de vídeo alternativo sin censura

Imagen a vídeo

Sube una foto y describe el movimiento, y Spicy AI la animará en un clip corto.

Tu foto será animada.

De SANA-Video a la versión 2.0: qué ha mejorado

El primer SANA-Video, presentado como ponencia oral en ICLR 2026, demostró que un modelo de vídeo pequeño podía ser rápido sustituyendo la mayor parte del pesado cálculo de atención por una atención lineal más ligera. SANA-Video 2.0, publicado por NVlabs junto con socios como MIT y HKU en agosto de 2026, mantiene esa idea de velocidad pero cierra la brecha de calidad. El modelo duplica con creces su tamaño, de unos 2.000 millones a unos 4.500 millones de parámetros. Tres de cada cuatro capas siguen usando la atención lineal rápida, mientras que cada cuarta capa usa la atención softmax clásica como ancla que mantiene coherentes los detalles y el movimiento. También adopta el autoencoder de vídeo LTX 2.3, añade entrenamiento conjunto de texto a vídeo e imagen a vídeo desde el primer fotograma, e incluye una vista previa destilada de 4 pasos para borradores instantáneos. El resultado son clips más largos y nítidos sin perder la velocidad que hizo interesante a la serie.

Versión 1 frente a 2.0 de un vistazo

Si probaste el modelo original y los clips te parecieron blandos o cortos, SANA-Video 2.0 merece una segunda oportunidad. Estos son los cambios que importan a los creadores en el día a día.

SANA-Video (v1)SANA-Video 2.0
Tamaño del modeloUnos 2B parámetrosUnos 4,47B parámetros (nivel 5B)
Diseño de atenciónAtención lineal causal por bloquesCapas lineales + softmax en proporción 3:1
Autoencoder de vídeoVAE anteriorLTX 2.3 (128 canales)
ModosTexto e imagen a vídeoTexto a vídeo, imagen a vídeo desde el primer fotograma, vista previa de 4 pasos
Duración del clip en 720pClips más cortos193 fotogramas a 24 fps, unos 8 segundos

Qué crean los creadores con un modelo de vídeo rápido

La velocidad cambia tu forma de trabajar. Cuando un clip se renderiza en segundos en lugar de media hora, dejas de proteger cada prompt y empiezas a explorar: diez ángulos de cámara para una escena, cinco ambientes de iluminación para un producto, tres finales para un momento de la historia. Por eso los primeros en hablar de SANA-Video 2.0 720p son equipos de microdramas que hacen storyboards de decenas de planos por episodio, vendedores de e-commerce que necesitan B-roll nuevo cada semana, ilustradores que quieren que un póster respire y desarrolladores que buscan una base barata y rápida para sus propias herramientas de vídeo. Los creadores de contenido adulto (18+) aprecian el mismo ciclo para paseos glamurosos, looks de moda y escenas románticas, donde probar muchas variaciones rápidamente importa más que un único render perfecto.

Storyboards para microdramas

Previsualiza en minutos una secuencia completa de planos de drama vertical: haz el borrador con la versión de 4 pasos y luego renderiza los mejores en calidad completa.

Planos de producto y anuncios

Plataformas giratorias, acercamientos lentos y luz atmosférica sobre relojes, perfumes o zapatillas, listos como B-roll para tiendas y anuncios en redes.

Mini historias de dibujos animados

Personajes animados de colores vivos que bailan, saludan o corren. La propia demo de NVIDIA es un gallo de dibujos animados, y los estilos desenfadados le sientan muy bien al modelo.

Reloj de pulsera plateado girando sobre un pedestal de mármol negro bajo una suave luz de contorno, un plano de vídeo de producto con IA

¿Qué tan rápido es frente a Wan 2.2 y LTX-2.3?

La velocidad es el titular. La página del proyecto de NVIDIA compara el tiempo para renderizar un clip de cinco segundos en 720p con 40 pasos en una sola H100. Con su stack de inferencia Sol-Engine, SANA-Video 2.0 720p termina en unos 13 segundos, lo que el equipo describe como unas 120 veces más rápido que Wan 2.2 A14B. Sin ese stack, el artículo indica 13,2 segundos para un clip de 480p con 40 pasos y una puntuación VBench de 84,30. Son gráficos del propio laboratorio, no benchmarks independientes, y aún no se han publicado tiempos en GPU de consumo. Aun así, si buscas el modelo de vídeo open source más rápido ahora mismo, este es la referencia con la que todos se comparan.

Modelo (720p, 5 s, 40 pasos, una H100)Tiempo de render indicado
Wan 2.2 14B1556 s
HunyuanVideo788 s
LTX-2.3130 s
SANA-Video 2.0 14B (aún no publicado)69.3 s
SANA-Video 2.0 5B + Sol-Engine13.06 s

Las cifras proceden de la página del proyecto y del artículo de NVIDIA. Wan 2.2 sigue teniendo una comunidad y un ecosistema de LoRA más grandes, y LTX-2.3 ofrece herramientas de audio más completas; la ventaja de SANA es la velocidad pura.

Cómo es la salida en 720p y 8 segundos

El formato SANA-Video 2.0 720p renderiza a 1280×736, 193 fotogramas a 24 fotogramas por segundo, lo que equivale a unos ocho segundos de metraje. Es suficiente para un movimiento de cámara completo o un pequeño momento narrativo, como un personaje que se gira, sonríe y sale del encuadre. Si cambias el tamaño, mantén el ancho y el alto divisibles entre 32, y elige un número de fotogramas que, restándole uno, sea divisible entre 8 (por ejemplo, 121 o 193). Los planos limpios y cinematográficos con un único sujeto claro son los que mejor quedan: productos girando, paisajes, retratos con movimiento suave y animación estilizada. Las escenas abarrotadas con acción rápida siguen siendo su punto débil.

Modelo completo de 50 pasos frente a la vista previa de 4 pasos

Dos checkpoints de SANA-Video 2.0 comparten el tamaño 720p y están pensados para trabajar en equipo. El modelo completo ofrece el mejor detalle y admite imagen a vídeo desde el primer fotograma. La versión de 4 pasos, publicada en septiembre de 2026, es un modelo destilado de texto a vídeo que genera un borrador casi al instante, así puedes probar ideas primero y renderizar las ganadoras después.

Modelo completoVista previa de 4 pasos
ModosTexto a vídeo + imagen a vídeo desde el primer fotogramaSolo texto a vídeo
Pasos y guíaUnos 50 pasos, CFG 8, flow shift 12, motion score 204 pasos, CFG 1
Opciones de clip720p, 193 fotogramas, 24 fps5 s a 16 fps u 8 s a 24 fps
Ideal paraRenders finales e imágenes animadasBorradores rápidos y storyboards

Imagen a vídeo: haz que una imagen fija se mueva

En el modelo completo SANA-Video 2.0 720p puedes aportar una imagen como primer fotograma y describir lo que debe ocurrir a continuación. Ilustraciones, pósteres, fotos de producto y arte de personajes funcionan: el pelo se mueve con el viento, la cámara se acerca, aparece una sonrisa. En el archivo de prompts oficial, cada línea contiene el texto, luego la etiqueta <image> y después la ruta a tu imagen. Mantén un movimiento moderado, porque el equipo advierte que el vídeo puede alejarse de los detalles originales a lo largo de ocho segundos. La vista previa de 4 pasos no admite imágenes, así que usa el modelo completo para este modo.

Zorro alegre de dibujos animados bailando en una acogedora habitación vintage con papel pintado floral, una idea de vídeo IA animado corto

Descárgalo de Hugging Face y ejecútalo en local

Poner en marcha SANA-Video 2.0 lleva cuatro pasos, y puedes probar prompts en la demo online gratuita de Hugging Face antes de descargar nada. Dos preguntas habituales aún no tienen respuesta oficial: NVIDIA no ha publicado los requisitos de VRAM, solo resultados de pruebas en H100, y no se ha confirmado soporte nativo en ComfyUI ni Diffusers para la versión 2.0, así que por ahora los scripts oficiales son la vía fiable.

  • Clona el repositorio NVlabs/Sana de GitHub e instala sus dependencias.
  • Descarga el checkpoint Efficient-Large-Model/SANA-Video_2.0_5B_720p, o la versión _4step para borradores, desde Hugging Face.
  • Descarga el autoencoder de vídeo LTX 2.3 que indica la ficha del modelo.
  • Ejecuta inference_video_scripts/inference_sana_video.sh con tu archivo de prompts, el tamaño y el número de fotogramas.

Plantillas de prompts que funcionan

El consejo del equipo es sencillo: corto y concreto gana a largo y vago, y la fidelidad al prompt cae cuando acumulas muchos detalles. Para SANA-Video 2.0 720p, una fórmula fiable es un sujeto, una acción, un movimiento de cámara y una fuente de luz. Copia estas plantillas y cambia el sujeto por el tuyo.

  • Producto: "A sleek silver wristwatch rotating slowly on a black marble pedestal, soft rim light, shallow depth of field, 24fps cinematic."
  • Microdrama: "Close-up of an adult woman on a rainy city street at night, neon reflections, she turns her head and smiles, handheld camera."
  • Dibujos animados: "A cheerful cartoon fox dancing in a cozy vintage room with floral wallpaper, bright colors, smooth motion."
  • Paisaje: "Aerial drone shot gliding over misty mountains at sunrise, slow forward motion, golden light."
  • Imagen a vídeo: primer fotograma más "The character gently blinks and her hair moves in the wind, camera slowly pushes in."
  • Glamour (18+): "An adult model in a satin evening gown walks down a candlelit hallway, slow tracking shot, warm light."
  1. Escribe un sujeto y una acción por clip; ocho segundos pasan rápido.
  2. Indica el movimiento de cámara (acercamiento, órbita, travelling, dron) en cada prompt.
  3. Añade una fuente de luz, como neón, hora dorada o luz de contorno.
  4. Haz el borrador con el modelo de 4 pasos y vuelve a renderizar el mejor prompt con el modelo completo.
  5. Indica que todas las personas que aparecen son adultas (18+).

Limitaciones conocidas y primeras reacciones de la comunidad

NVIDIA es franca sobre los puntos débiles de SANA-Video 2.0: las escenas abarrotadas o muy dinámicas, la anatomía humana, el texto en pantalla y la física pueden fallar, los prompts largos y complicados se siguen con menos precisión, y la imagen a vídeo puede alejarse de la imagen de origen. La puntuación VBench es autodeclarada. El interés inicial es real, con unos pocos miles de descargas del checkpoint en Hugging Face durante su primer mes, pero todavía no han aparecido grandes análisis independientes. Un modelo de 14B que renderiza en 480p figura como próximamente, sin fecha anunciada.

¿Existe un SANA-Video 2.0 sin censura?

Las apps de vídeo alojadas revisan cada prompt y cada fotograma, y a menudo rechazan bañadores, lencería o romance incluso entre adultos que consienten. Los pesos abiertos son distintos: cuando ejecutas SANA-Video 2.0 720p en tu propia máquina, no hay ningún servicio de moderación en el proceso, así que en ese sentido el modelo local ya es sin censura. La pega, siendo honestos, es que no se entrenó ni se ajustó para contenido adulto, y a noviembre de 2026 no se había encontrado ningún fine-tune ni LoRA NSFW, así que el detalle explícito no es su fuerte. Úsalo como motor rápido de borradores para escenas adultas con buen gusto, y asegúrate de que todas las personas sean adultas (18+) y nunca una persona real sin su consentimiento.

¿Sin H100? Crea vídeos para adultos en tu navegador

La mayoría de la gente no tiene una GPU de centro de datos ni la paciencia para configurar scripts de Python. Spicy AI ofrece una generación de vídeo sin censura similar online: sube una foto, describe el movimiento y obtén un clip corto para adultos (18+), sin instalar nada. Usa solo fotos que sean tuyas o que tengas permiso para usar.

Convierte una foto en un vídeo corto sin censura, sin GPU ni configuración.

Abrir imagen a vídeo →

SANA-Video 2.0 autoalojado frente a generar online en Spicy AI

Despliegue local (pesos oficiales)Spicy AI online
Filtros de contenidoNinguno en tu propia instalaciónSin filtros de contenido para adultos
Pesos abiertosSíNo hacen falta, funciona en el navegador
ModeloSANA-Video 2.0 5B 720p o de 4 pasosModelo de vídeo sin censura similar, alojado online
Precio para empezarDescarga gratuita, tu propia GPUPlan gratuito disponible

Preguntas frecuentes

¿Qué es SANA-Video 2.0?

Es un modelo de vídeo de pesos abiertos del equipo NVlabs de NVIDIA, con socios como MIT y HKU. El checkpoint 5B 720p, publicado en agosto de 2026, crea clips de unos ocho segundos a 24 fps a partir de texto o de una imagen como primer fotograma.

¿Qué duración y nitidez tienen los vídeos?

El modelo 720p renderiza a 1280×736 con 193 fotogramas a 24 fps, unos ocho segundos. La vista previa de 4 pasos ofrece 5 segundos a 16 fps u 8 segundos a 24 fps.

¿Cuánta VRAM necesita?

NVIDIA aún no ha publicado los requisitos. Todas las cifras oficiales de velocidad se midieron en una sola H100.

¿Funciona en ComfyUI?

No se ha confirmado soporte nativo en ComfyUI ni Diffusers para la versión 2.0. Por ahora, usa los scripts del repositorio NVlabs/Sana o la demo de Hugging Face.

¿Ya está disponible la versión 14B?

Todavía no. El modelo 14B en 480p aparece como próximamente en la página del proyecto, sin fecha de lanzamiento.

¿De verdad es sin censura?

Ejecutado en local, no hay ningún servicio de moderación filtrando los prompts. Sin embargo, no se entrenó para contenido adulto y no se ha encontrado ningún fine-tune NSFW, así que el detalle explícito es limitado y todo el contenido debe involucrar solo a adultos.

¿Spicy AI está afiliado a NVIDIA?

No. Spicy AI es una plataforma independiente y no está afiliada ni respaldada por NVIDIA. NVIDIA y SANA son marcas comerciales de sus respectivos propietarios.

Fuentes

Sign in

Welcome to Spicy AI

or