Intenté generar vídeo con una RTX 5070 Ti de 16GB… y la realidad no fue la que esperaba
Monté un pipeline local de text-to-video con una RTX 5070 Ti (16 GB) pensando que sería suficiente para clips de calidad. La realidad: cold start brutal, 3–4 minutos por 5 segundos incluso con warm-up, VRAM al límite y artefactos (flickering, caras inestables) que no se arreglan solo cambiando de modelo.
TL;DR (para decidir rápido)
- Sí, se puede generar vídeo en local con una RTX 5070 Ti de 16 GB.
- No, no es rápido: sin warm-up, el primer clip puede ser un suplicio; con warm-up, sigue siendo un proceso de minutos.
- 16 GB de VRAM no son un superpoder: en vídeo, subir duración, FPS, resolución o steps dispara consumo y riesgo de inestabilidad.
- Cambiar de versión de modelo no lo arregla todo: probé Wan 2.2, 1.3 y variantes grandes (hasta 5B) con resultados muy parecidos.
- El límite real es la coherencia temporal: si hay flickering y detalles que “bailan”, más VRAM ayuda… pero no garantiza calidad profesional.
Cuando monté mi sistema de generación de vídeo en local, pensaba que tenía todo a favor:
- Una RTX 5070 Ti con 16 GB de VRAM
- Modelos modernos
- Backend propio optimizado
- Pipeline estable
En teoría, suficiente para generar clips de calidad alta desde texto.
En la práctica, fue una lección de humildad técnica.
El primer choque: 22 minutos para 5 segundos
La primera generación real tardó 22 minutos.
No era un error. No estaba colgado.
Era el famoso cold start.
En ese primer arranque, la GPU y el stack tienen que:
- Cargar varios gigabytes de pesos
- Inicializar el pipeline completo (y sus dependencias)
- Compilar kernels internamente (dependiendo del stack y del entorno)
Hasta que no implementé un sistema de warm-up (precalentamiento automático al arrancar el backend), cada primera ejecución era una penalización enorme.
Con warm-up activado, bajé a 3–4 minutos por clip de 5 segundos.
Sigue sin ser precisamente rápido.
Lo que aprendí aquí (visión “producto / negocio”)
Si estás evaluando esto para producción, el cold start no es un detalle técnico: es un coste operativo real.
- Afecta a la experiencia (sobre todo en demos y primeras impresiones)
- Afecta al throughput (cuántos clips puedes producir por hora)
- Afecta al coste total (tiempo de máquina, energía, esperas, reintentos)
16 GB no son “más que suficiente” en vídeo
Uno de los mayores mitos es que 16 GB de VRAM es “más que suficiente”.
- Para imagen, muchas veces sí.
- Para vídeo realista, no necesariamente.
En cuanto aumentas cualquiera de estas variables:
- Duración
- FPS
- Resolución
- Steps
…la memoria se pone al límite.
Generar en vertical a 1080×1920 ya era exigente. Intentar subir calidad implicaba riesgo real de inestabilidad.
En vídeo, todo escala. Y escala rápido.
Un cuadro mental útil para CEOs
En imagen, “subir calidad” suele ser un ajuste incremental.
En vídeo, “subir calidad” suele ser un salto de complejidad multiplicativa:
- más frames
- más latentes
- más cómputo por frame
- más necesidad de consistencia entre frames
Probé Wan 2.2… y también 1.3 y variantes grandes (hasta 5B)
Aquí viene un punto clave: no fue un problema de versión.
Probé distintas variantes de Wan:
- Versiones ligeras
- Versiones intermedias
- Versiones más grandes (hasta 5B)
¿El resultado?
Muy parecido en todos los casos.
Más tamaño no significó automáticamente:
- Mejor coherencia temporal
- Menos artefactos
- Más realismo
- Menor tiempo de generación
La diferencia de calidad no justificaba el aumento de carga.
Esto fue especialmente revelador: el cuello de botella no era solo el modelo; era el entorno completo y el coste inherente del text-to-video (T2V).
El problema real: los artefactos
Aunque el sistema funcionara y el MP4 se generara correctamente, el resultado tenía problemas típicos de vídeo generado:
- Flickering entre frames
- Inconsistencias en caras
- Movimiento poco natural
- Detalles que “bailan”
Nada roto.
Pero tampoco profesional.
La coherencia temporal sigue siendo uno de los grandes desafíos de la generación de vídeo.
Y no se soluciona únicamente con más VRAM o un modelo más grande.
Qué implica esto si “lo quieres para redes”
Cuando el objetivo es publicar, el estándar no es “que salga un MP4”.
El estándar es:
- consistencia (cara, ropa, fondo)
- ausencia de parpadeos
- movimiento creíble
- estabilidad en detalles
Y ese estándar, hoy, todavía es difícil de alcanzar en local con hardware “de gama alta de escritorio”, incluso con pipelines bien montados.
La trampa de la comparación: demos vs realidad
Vemos demos espectaculares online y asumimos que con una buena GPU podremos replicarlo.
Pero muchas de esas demos están hechas con:
- GPUs industriales
- Infraestructura multi-GPU
- Optimizaciones internas no públicas
- Equipos ajustando prompts, seeds, postproceso y selección de tomas
Una 5070 Ti de 16 GB es potente, sí.
Pero no está al nivel de un entorno de producción a gran escala.
Números (resumen honesto)
| Factor | Expectativa inicial | Realidad en mi setup |
|---|---|---|
| Primera ejecución | “Un poco más lenta” | 22 min por 5 s (cold start) |
| Con warm-up | “Casi en tiempo real” | 3–4 min por 5 s |
| VRAM 16 GB | “Sobra margen” | margen justo al subir resolución/FPS/steps |
| Modelos más grandes | “Mejoran calidad clara” | mejora marginal vs coste |
| Calidad final | “Lista para publicar” | artefactos visibles en muchos clips |
La gran conclusión
¿Se puede generar vídeo en local con una RTX 5070 Ti?
Sí.
¿Es rápido?
No demasiado.
¿Es calidad profesional lista para redes?
Depende del nivel de exigencia, pero en mi experiencia, no.
¿Cambió algo usar Wan 2.2 frente a 1.3 o 5B?
Mucho consumo adicional y resultados muy similares.
Lo que realmente aprendí (y lo que recomendaría)
- Warm-up obligatorio si no quieres tiempos absurdos en la primera ejecución.
- 16 GB es el mínimo razonable para experimentar, no el máximo.
- La generación de vídeo escala en complejidad mucho más rápido que la de imagen.
- Cambiar de versión de modelo no siempre soluciona artefactos.
- La calidad final depende de más factores que solo el tamaño del modelo.
La generación de vídeo local es posible.
Pero todavía no es magia.
Y entender sus límites es, probablemente, la parte más valiosa del proceso.