Inicio/LLM locales avanzados/Herramientas locales de imagen, vídeo y visión comparadas (2026): generación, visión y OCR

Image & Video Generation

Herramientas locales de imagen, vídeo y visión comparadas (2026): generación, visión y OCR

Última actualización: 20 de septiembre de 2026·9 min de lectura·Por Hans Kuepper · Fundador de PromptQuorum · Motor de descubrimiento de IA de pesos abiertos y código abierto

Las 39 herramientas locales de imagen del directorio de PromptQuorum se dividen en dos trabajos que conviene comparar por separado: generación de imagen y vídeo (24 herramientas) y visión y OCR (16). Dentro de la generación, ComfyUI, InvokeAI y StableSwarmUI documentan flujos de trabajo basados en nodos; AUTOMATIC1111, ComfyUI, Stable Diffusion WebUI Forge, StableSwarmUI y ToolNeuron documentan sistemas de extensiones; y AUTOMATIC1111, ComfyUI, Stable Diffusion WebUI Forge y ToolNeuron documentan una API local. En visión, LLaVA documenta la lectura de texto en imágenes e Idefics documenta varias imágenes por prompt. Usa la tabla comparativa de abajo y lee el análisis de cada herramienta antes de instalarla.

Conclusiones clave

39 herramientas, dos trabajos: generación de imagen y vídeo (24) y visión y OCR (16).
La tabla se genera a partir del registro de cada herramienta y se contrasta con su README o sitio oficial; un guion significa "no indicado en la documentación", nunca "no".
Las licencias difieren de formas que importan: por ejemplo, AUTOMATIC1111, DiffusionBee, Stable Diffusion WebUI Forge y Locally Uncensored son AGPL-3.0, ComfyUI y Fooocus son GPL-3.0, AnimateDiff, ControlNet e InvokeAI son Apache-2.0, StableSwarmUI y ToolNeuron son MIT, y Stable Diffusion usa una licencia OpenRAIL.
Cada nombre de herramienta de la tabla enlaza a su propio análisis en PromptQuorum, donde se explican los pasos de instalación y los límites.

📍 En una frase

Las herramientas locales de imagen son dos trabajos distintos — generar imágenes y vídeo, y entender imágenes — por lo que las 39 herramientas del directorio de PromptQuorum se comparan dentro de cada trabajo, con una tabla generada a partir de los mismos datos que el análisis propio de cada herramienta.

💬 En términos simples

Algunas herramientas dibujan imágenes a partir de un prompt de texto, y otras miran una imagen y responden preguntas sobre ella. Comparar una herramienta de dibujo con un modelo que lee imágenes en "inpainting" no tiene sentido, así que esta guía compara solo lo comparable.

Leer en:

🇺🇸en 🇩🇪de 🇫🇷fr 🇯🇵ja 🇨🇳zh 🇪🇸es 🇧🇷pt 🇸🇦ar 🇰🇷ko

Advertencia de mantenimiento. Este artículo trata de apps sin actualizaciones desde hace más de 3 meses (entre paréntesis, la fecha de la última actualización original): AUTOMATIC1111 (2 de marzo de 2026). Es posible que ya no tengan mantenimiento: comprueba que siguen funcionando en tu equipo antes de depender de ellas.

Las herramientas locales de imagen hacen dos trabajos distintos — generar imágenes y vídeo a partir de un prompt, y entender las imágenes que les das — y ninguna lista de funciones única las compara con justicia. Esta guía compara 39 herramientas gratuitas y de pago que se ejecutan en tu propio hardware, un trabajo cada vez, con una tabla comparativa generada a partir de los mismos datos que el análisis propio de cada herramienta en PromptQuorum, de modo que la tabla y los análisis no pueden contradecirse.

Esta página contiene enlaces de referencia a productos de terceros. PromptQuorum no participa en ningún programa de afiliados — son enlaces simples que no generan comisión. Hacer clic en los enlaces y los pasos siguientes son de tu entera responsabilidad. Estos enlaces no representan ningún respaldo ni verificación por parte de PromptQuorum.

Cómo comparamos

Los datos de cada herramienta — precio, licencia, plataformas, requisitos de hardware y atributos específicos de la categoría — se guardan una sola vez, en el registro de esa herramienta en el directorio. La tabla comparativa de abajo se genera a partir de esos registros, y el análisis de cada herramienta se basa en el mismo registro, por lo que ambos no pueden indicar valores distintos.

Los atributos específicos de la categoría (por ejemplo, inpainting o compatibilidad con extensiones) se tomaron del README o sitio web oficial de cada proyecto y se contrastaron con la redacción exacta allí. Cuando la documentación no dice nada, la tabla muestra un guion en lugar de adivinar; cuando una afirmación tiene matices (experimental, dependiente de un fork o un servicio alojado y no una función local), el atributo se deja fuera de la tabla y se trata en el análisis de la herramienta.

Solo las herramientas con análisis propio en PromptQuorum están en la tabla. La comparación recoge herramientas que se ejecutan en tu propio hardware; no las clasifica, porque la adecuada depende de tu restricción.

Tabla comparativa

Elige un trabajo abajo y lee a lo largo de una fila. Haz clic en el nombre de una herramienta para abrir su análisis completo en PromptQuorum.

Herramienta	Precio	Licencia	Plataformas	Ejecución	Hardware	Versión	Inpainting	Generación de video	Editor de flujos por nodos / grafos	Extensiones / plugins	Modo de poca VRAM	Servidor API local	Análisis	enlace de producto · divulgado
AnimateDiff	Gratis	Apache-2.0	Windows, Linux, macOS	Local	13 GB de VRAM	—	—	Sí	—	—	—	—	Leer análisis →	AnimateDiff
AUTOMATIC1111	Gratis	AGPL-3.0	macOS, Windows, Linux	Local	Basta con CPU	v1.10.1	Sí	—	—	Sí	Sí	Sí	Leer análisis →	AUTOMATIC1111
ComfyUI	Gratis	GPL-3.0	macOS, Windows, Linux	Local	Basta con CPU	v0.43.0	—	—	—	—	—	Sí	Leer análisis →	ComfyUI
ControlNet	Gratis	Apache-2.0	Windows, Linux, macOS	Local	8 GB de VRAM	—	—	—	—	—	Sí	—	Leer análisis →	ControlNet
DiffusionBee	Gratis	AGPL-3.0	macOS	Local	Basta con CPU	—	Sí	Sí	—	—	—	—	Leer análisis →	DiffusionBee
Draw Things	Freemium	Proprietary	macOS, iOS	Híbrido	8 GB de RAM	—	—	Sí	—	—	—	—	Leer análisis →	Draw Things
Easy Diffusion	Gratis	Custom (MIT-style grant + CreativeML Open RAIL-M use restrictions) …	Linux, macOS, Windows	Local	Depende del modelo	v3.0.16	Sí	—	—	Sí	Sí	—	Leer análisis →	Easy Diffusion
Fooocus	Gratis	GPL-3.0	Windows, Linux, macOS	Local	Basta con CPU	v2.5.5	Sí	—	—	—	Sí	—	Leer análisis →	Fooocus
FriedrichAI	De pago	Proprietary (closed source)	Windows	Local	Depende del modelo	1.0	—	—	—	—	—	—	Leer análisis →	FriedrichAI
Genva	Freemium	Proprietary	iOS	Local	—	1.0.0	—	—	—	—	—	—	Leer análisis →	Genva
Invoke AI	Freemium	Apache-2.0	Windows, Linux, macOS	Local	4 GB de VRAM	—	Sí	—	Sí	—	—	—	Leer análisis →	Invoke AI
Krita AI Diffusion	Freemium	GPL-3.0	macOS, Windows, Linux	Híbrido	Basta con CPU	1.53.0	Sí	—	—	—	—	—	Leer análisis →	Krita AI Diffusion
Laria	De pago	Proprietary	Android	Híbrido	—	—	—	—	—	—	—	—	Leer análisis →	Laria
LLM Hub	Freemium	Source-available (PolyForm Noncommercial 1.0.0) …	Android, iOS	Local	Depende del modelo	Android 4.4.2 / iOS 1.4.0	—	—	—	—	—	—	Leer análisis →	LLM Hub
Local AI: Offline Chat & Image (GeetMark)	Gratis	Not stated	Android	Local	Depende del modelo	26.10.11	—	—	—	—	—	—	Leer análisis →	Local AI: Offline Chat & Image (GeetMark)
Locally Uncensored	Freemium	AGPL-3.0	Windows, Linux, macOS	Local	Depende del modelo	3.0.2	—	Sí	No	—	—	—	Leer análisis →	Locally Uncensored
OpenMontage	Gratis	AGPL-3.0	macOS, Windows, Linux	Híbrido	Depende del modelo	—	—	Sí	—	—	—	—	Leer análisis →	OpenMontage
PixlStash	Gratis	GPL-3.0	macOS, Windows, Linux	Local	Basta con CPU	1.11.5	—	—	—	—	—	Sí	Leer análisis →	PixlStash
Radiant Canvas	Freemium	Proprietary	macOS	Local	16 GB de RAM	1.22	—	—	Sí	—	—	—	Leer análisis →	Radiant Canvas
Stable Diffusion	Gratis	OpenRAIL	macOS, Windows, Linux	Local	10 GB de VRAM	—	—	—	—	—	—	—	Leer análisis →	Stable Diffusion
Stable Diffusion WebUI Forge	Gratis	AGPL-3.0	Linux, macOS, Windows	Local	Depende del modelo	—	—	—	—	Sí	—	Sí	Leer análisis →	Stable Diffusion WebUI Forge
StableSwarmUI	Gratis	MIT	Windows, Linux	Local	8 GB de VRAM	—	—	Sí	Sí	Sí	—	—	Leer análisis →	StableSwarmUI
TokForge	Gratis	Proprietary	Android	Local	Depende del modelo	1.3.6.1	—	—	—	—	—	—	Leer análisis →	TokForge
ToolNeuron	Gratis	MIT	Android	Local	Depende del modelo	—	—	—	—	—	—	Sí	Leer análisis →	ToolNeuron

«—» significa que la documentación del propio proyecto no lo indica, no que la función no exista. Los valores proceden del README oficial o del sitio de cada proyecto y se vuelven a comprobar cuando se actualiza el análisis de una herramienta.

Generación de imagen y vídeo: qué cambia

Estilo de flujo de trabajo. ComfyUI, Invoke AI y StableSwarmUI documentan flujos basados en nodos o grafos. La documentación de las demás herramientas no describe un editor de nodos.
Extensiones y plugins. AUTOMATIC1111, ComfyUI, Stable Diffusion WebUI Forge, StableSwarmUI y ToolNeuron documentan un sistema de extensiones o plugins.
Vídeo. ComfyUI, StableSwarmUI, DiffusionBee, Draw Things, Locally Uncensored y AnimateDiff documentan la generación de vídeo o animación.
Inpainting. AUTOMATIC1111, ComfyUI, DiffusionBee, Fooocus e Invoke AI documentan el inpainting.
Funcionamiento con poca VRAM. AUTOMATIC1111, Fooocus y ControlNet documentan un modo de poca VRAM o un requisito declarado de VRAM reducida; para las demás, consulta el análisis, ya que el requisito depende del modelo que cargues.
API local. AUTOMATIC1111, ComfyUI, Stable Diffusion WebUI Forge y ToolNeuron documentan una API a la que pueden llamar otras apps.
Licencia y precio. AUTOMATIC1111, DiffusionBee, Stable Diffusion WebUI Forge y Locally Uncensored son AGPL-3.0; ComfyUI y Fooocus son GPL-3.0; AnimateDiff, ControlNet e Invoke AI son Apache-2.0; StableSwarmUI y ToolNeuron son MIT; Stable Diffusion usa una licencia OpenRAIL. Draw Things es una app de código cerrado, Locally Uncensored es gratuita y de código abierto con una extensión de nube de pago opcional, e Invoke AI es freemium. Las licencias copyleft imponen condiciones al distribuir versiones modificadas — consulta Licencias de herramientas de IA explicadas.

Visión y OCR: qué cambia

Lectura de texto en imágenes. LLaVA y los modelos de visión de Ollama documentan la lectura o el reconocimiento de texto en imágenes.
Varias imágenes por prompt. Idefics documenta que acepta varias imágenes en un mismo prompt.
API local. Los modelos de visión de Ollama documentan una API local; la API documentada de Idefics está alojada y no es local, por lo que no se cuenta.
Licencia. LLaVA e Idefics son Apache-2.0; los modelos de visión de Ollama son un conjunto de modelos con licencias distintas, así que consulta la licencia de cada modelo.

Lo que esta comparación no puede decirte

Compara capacidades documentadas, no calidad. No dice nada sobre lo buenas que se ven las imágenes ni lo precisa que es la lectura de texto — para eso necesitas tus propios prompts y tu propio hardware.
No incluye pruebas de velocidad: PromptQuorum no las ha medido para estas herramientas.
Los guiones son lagunas en la documentación de los proyectos, no hallazgos negativos. Algunas herramientas pueden admitir una función que su README no menciona.
Las herramientas de edición y escalado (Real-ESRGAN, FunClip) y DALL-E 3 mediante Ollama no se comparan aquí: las dos primeras tienen muy poco en común para compararse, y la última no tiene análisis en PromptQuorum.
Las herramientas cambian rápido. El análisis de cada herramienta indica la versión con la que se contrastó, y esta guía se actualiza cuando se actualiza un análisis.

Preguntas frecuentes

¿Por qué se comparan por separado la generación de imágenes y los modelos de visión?

Hacen trabajos distintos, así que la mayoría de los atributos solo tienen sentido dentro de un trabajo — el inpainting se aplica a la generación de imágenes, la lectura de texto en imágenes a los modelos de visión. Compararlos en una sola tabla dejaría la mayoría de las celdas vacías o sin sentido.

¿Qué significa un guion en la tabla comparativa?

Significa que la documentación del propio proyecto no indica ese atributo. No significa que la función no exista; consulta el análisis de la herramienta o su repositorio.

¿Es Stable Diffusion en sí una app?

Stable Diffusion es una familia de modelos de imagen, no una app. Aparece junto a las apps porque tiene su propio análisis en PromptQuorum, y la mayoría de las herramientas de generación de aquí pueden ejecutar modelos de Stable Diffusion.

¿Alguna de estas herramientas tiene un enlace de afiliado?

No. PromptQuorum no tiene ninguna relación de afiliación con ninguna herramienta de esta comparación en el momento de escribir esto, y ningún enlace de aquí genera comisión.

¿Con qué frecuencia se actualiza esta comparación?

Se actualiza dos veces al año y siempre que se actualiza el análisis de alguna de las herramientas incluidas, porque la tabla se genera a partir de los mismos datos que esos análisis.

Fuentes

El README o sitio web oficial de cada herramienta, indicado en el análisis de esa herramienta en PromptQuorum (enlazado desde la tabla comparativa).
Directorio de apps de IA local de PromptQuorum — el registro a partir del cual se genera cada fila de la tabla.
Licencias de herramientas de IA explicadas — qué significan las familias de licencias mencionadas arriba.

← Volver a LLM locales avanzados