Se trata de una aplicación web local para la generación de imágenes y videos de estilo anime. El proyecto está diseñado para ejecutarse completamente en la computadora del usuario, de forma privada y sin depender de servicios de pago en la nube. Sus características principales incluyen: • Infraestructura interna: Utiliza el software ComfyUI como motor interno para procesar la inteligencia artificial, asistido por un modelo de lenguaje integrado (una versión optimizada de Qwen3.5) que procesa las instrucciones. • Generador de imágenes y video: Cuenta con herramientas para crear ilustraciones basadas en texto, transformar imágenes existentes, y generar clips de video animados de hasta 30 segundos. • Sin restricciones: El creador aclara explícitamente que la aplicación es de uso personal y no cuenta con filtros de contenido (soporta libremente material SFW y NSFW). • Requisitos técnicos elevados: Al procesar todo de manera local, requiere el sistema operativo Windows y una tarjeta gráfica NVIDIA con un mínimo de 8 GB a 12 GB de VRAM. Además, la instalación completa de sus modelos de IA ocupa unos 150 GB de espacio en disco. El enlace que compartes incluye parámetros de rastreo porque proviene originalmente de una publicación o mensaje compartido en Facebook (l.facebook.com), pero su destino final seguro es este proyecto de código abierto de inteligencia artificial. ¿Te interesa saber cómo se instala este tipo de programas en tu computadora o estabas buscando otra alternativa para generar imágenes anime? • l.facebook.com GitHub - gusnion/WaifuStudio · GitHub GitHub - gusnion/WaifuStudio · GitHub • l.facebook.com GitHub - gusnion/WaifuStudio · GitHub WAIFU es una webapp local de generación de imágenes y vídeo anime • l.facebook.com GitHub - gusnion/WaifuStudio · GitHub todo se ejecuta en tu máquina, sin cuentas ni servicios en la nube. Mostrar todo Enviaste 1 pestaña y dijiste Es el mismo? https://github.com/gusnion/WaifuStudio GitHub - gusnion/WaifuStudio · GitHub Es el mismo? https://github.com/gusnion/WaifuStudio Sí, es exactamente el mismo. El enlace de Facebook que compartiste anteriormente te redirigía precisamente a esta misma dirección de GitHub (github.com/gusnion/WaifuStudio). La única diferencia es que este nuevo enlace está "limpio", es decir, no contiene los códigos ni los parámetros de rastreo que Facebook le añade automáticamente a los links externos cuando los abres desde su plataforma. Puedes usar esta URL directa para revisar el código, leer las instrucciones de instalación o seguir el proyecto sin problemas. • github.com GitHub - gusnion/WaifuStudio · GitHub GitHub - gusnion/WaifuStudio · GitHub • github.com GitHub - gusnion/WaifuStudio · GitHub Instalar y usar git clone https:// github.com/ gusnion/ WaifuStudio.git Que diferencia habria entre usar esto y Stable Diffusion o el mismo ComfyUI directamente? Aparte de la interfaz La diferencia principal es que WaifuStudio no es un competidor de ComfyUI, sino un "traje a medida" construido sobre él. Si instalas ComfyUI o Stable Diffusion (con interfaces como AUTOMATIC1111) de forma directa, te encuentras con un lienzo en blanco diseñado para cualquier estilo artístico. WaifuStudio automatiza, pre-configura y empaqueta todo el flujo técnico exclusivamente para la generación de anime y video de alta fidelidad. Aparte de la interfaz visual, las diferencias estructurales y operativas son muy marcadas: 1. Gestión de Modelos e Instalación "Todo en Uno" • ComfyUI directo: Tienes que buscar, descargar e instalar manualmente cada modelo, VAE, CLIP, Upscaler y ControlNet desde páginas como Civitai o HuggingFace. Si un nodo requiere una versión exacta, debes solucionarlo tú mismo. • WaifuStudio: El comando INSTALAR.bat descarga, organiza y verifica automáticamente 106 GB de modelos específicos de la familia Anima (para imagen) y MiniMax H3 (para video) con firmas SHA256 para garantizar que nada falle. 2. Integración de un Servidor LLM local sin consumo de GPU • ComfyUI directo: Para usar funciones como "Describir imagen" o "Mejorar prompt con IA", necesitas conectar APIs externas de pago o cargar un modelo de lenguaje pesado en tu tarjeta gráfica, compitiendo por la valiosa memoria VRAM. • WaifuStudio: Incluye en su arquitectura su propio servidor de lenguaje (Qwen3.5-9B) configurado para ejecutarse 100% en la CPU (ocupa 6.25 GB de RAM del sistema). Esto te da herramientas de traducción y etiquetado automático sin restarle ni un solo megabyte de potencia a tu tarjeta de video para renderizar. 3. El Catálogo Danbooru Nativo • ComfyUI/Stable Diffusion: Escribes en lenguaje natural ("una chica con pelo azul en la playa"). Los modelos de anime funcionan mucho mejor usando etiquetas estructuradas (tags), pero tienes que saber cuáles existen. • WaifuStudio: Integra internamente una base de datos local indexada con 91,357 etiquetas reales del catálogo Danbooru. Cuenta con un motor de búsqueda en tiempo real y la función de convertir descripciones comunes a etiquetas válidas del catálogo automáticamente. 4. Optimización extrema de Video (Aceleración VDN) • ComfyUI directo: Crear videos fluidos con modelos avanzados de difusión puede tomar decenas de pasos de muestreo, lo que se traduce en muchos minutos de espera o errores de "Out of Memory" (Falta de memoria) en tarjetas comerciales. • WaifuStudio: Viene parcheado con la tecnología VideoDeltaNet (VDN-H3). Logra generar animaciones completas en solo 8 pasos de renderizado, haciendo viable la producción de video anime en una GPU doméstica como la RTX 3060 de 12 GB. Además, automatiza la segmentación e interpolación con FFmpeg para crear videos largos continuos sin que tengas que unir los clips a mano. Resumen de la experiencia Instalar Stable Diffusion o ComfyUI original es como comprar piezas de carro por separado para armar un vehículo todoterreno. Usar WaifuStudio es comprar un coche de carreras tuning de fábrica listo para correr en pistas de anime, donde el motor oculto bajo el capó sigue siendo ComfyUI, pero tú no tienes que lidiar con los cables sueltos. Tomando en cuenta los requisitos, ¿tu computadora cuenta con una tarjeta gráfica NVIDIA de 8 GB o 12 GB de VRAM para poder ejecutar este software, o preferirías explorar herramientas de generación de anime basadas completamente en la nube? • github.com GitHub - gusnion/WaifuStudio · GitHub WAIFU es una webapp local de generación de imágenes y vídeo anime que usa ComfyUI como motor Enviaste 1 pestaña y dijiste RTX5050 8 GB. Se podria hacerle ingenieria inversa y personalizar los modelos, usos, video, etc con el REA de https://github.com/morluto/rea o directamente escarbando en los archivos del repo de waifu? GitHub - morluto/rea: Reverse engineer anything with agents, from app behavior down to native binaries. · GitHub RTX5050 8 GB. Se podria hacerle ingenieria inversa y personalizar los modelos, usos, video, etc con el REA de https://github.com/morluto/rea o directamente escarbando en los archivos del repo de waifu? Con tu tarjeta RTX 5050 de 8 GB VRAM, estás en una posición excelente para ejecutar y modificar la parte de imagen de WaifuStudio, aunque estarás un poco justo para el apartado de video (que idealmente pide 12 GB). Respecto a tu duda técnica: No necesitas usar REA (Reverse Engineer Anything) para este caso, sino que debes hacerlo directamente escarbando y modificando los archivos del repositorio de WaifuStudio. A continuación te explico detalladamente el porqué y cómo puedes lograr cada una de tus metas: ¿Por qué REA no es la herramienta adecuada aquí? El proyecto REA (morluto/rea) es una espectacular herramienta diseñada para conectar agentes de IA con descompiladores (como Ghidra o Hopper) para analizar binarios cerrados, aplicaciones empaquetadas (como Electron) o código del que no tienes el código fuente. Como WaifuStudio es 100% código abierto (escrito en Python puro para el backend con FastAPI y JavaScript nativo para el frontend), hacerle "ingeniería inversa" con REA no tiene sentido: todo el código fuente ya está expuesto en texto plano en tu disco duro desde que haces el git clone. Cómo personalizar WaifuStudio escarbando en su propio repositorio Al ser una arquitectura modular, puedes alterar los componentes modificando archivos específicos: 1. Personalizar o cambiar los Modelos de IA No necesitas reprogramar nada para cambiar los modelos de imagen. WaifuStudio utiliza ComfyUI por debajo. • Añadir Checkpoints/LoRAs personalizados: Puedes meter cualquier modelo de estilo anime (.safetensors) que te guste en las carpetas internas de ComfyUI/models/diffusion_models/ o de loras. • Modificar el registro de la app: En la carpeta registry/recommended-v1.json está la lista de lo que la app reconoce. Puedes editar ese archivo JSON para añadir tus propios modelos predeterminados con sus respectivos nombres y configuraciones. 2. Modificar las funciones, flujos y lógicas de uso Si quieres cambiar cómo la aplicación procesa las solicitudes o añadir una nueva pestaña: • Backend (Python): Explora la carpeta app/routes/. Cada función de la aplicación (imagen, video, edición, galería) está separada en endpoints de FastAPI independientes. Modificando estos archivos cambias el comportamiento del servidor. • Flujo de ComfyUI: WaifuStudio se comunica con ComfyUI enviándole flujos de trabajo (workflows en formato JSON). Puedes alterar cómo se conectan los nodos internamente editando los archivos que generan esos JSON en los scripts de la app. 3. Personalizar la Interfaz y el Video • Frontend (JS/CSS sin compiladores): El repositorio utiliza ES Modules nativos (static/js/) y hojas de estilo CSS modulares (static/css/). Al no usar bundlers (como Webpack o Vite) ni NodeJS para el frontend, cualquier cambio que hagas con el bloc de notas o VS Code en un archivo JS o CSS se reflejará inmediatamente al recargar la página web en tu navegador. • Ajustes de video para tus 8 GB de VRAM: El motor MiniMax H3 viene por defecto configurado para perfiles que pueden saturar tarjetas de 8 GB. Escarbando en el código de las rutas de video (app/routes/) puedes forzar resoluciones más bajas por defecto o modificar los parámetros de SageAttention para reducir drásticamente el consumo de memoria y adaptarlo perfectamente a tu RTX 5050. En conclusión: clona el repositorio, abre la carpeta en un editor de código y edítalo con total libertad. Si buscas una guía para saber qué hace cada script o archivo antes de tocarlo, puedes abrir el archivo AGENTS.md incluido en la raíz del proyecto, el cual contiene el mapa exacto de la arquitectura del código. ¿Quieres que revisemos detalladamente el archivo AGENTS.md de WaifuStudio para ubicar exactamente qué archivos controlan la generación de video o la carga de modelos? • github.com GitHub - gusnion/WaifuStudio · GitHub WAIFU es una webapp local de generación de imágenes y vídeo anime que usa ComfyUI como motor • github.com GitHub - gusnion/WaifuStudio · GitHub Backend FastAPI modular ( app/routes/ ): endpoints segregados por dominio funcional con orquestador central delgado en app/server. • github.com GitHub - gusnion/WaifuStudio · GitHub git clone https:// github.com/ gusnion/ WaifuStudio.git Mostrar todo Si, por favor. Me interesa lo del video El archivo AGENTS.md funciona como el manual de instrucciones técnicas para que una IA (o tú mismo) comprenda la arquitectura de WaifuStudio sin perderse en el código. En lo que respecta al módulo de video, la aplicación utiliza un flujo segregado muy específico que va desde la interfaz hasta la inyección de nodos en ComfyUI. A continuación te detallo el mapa de archivos involucrados en el video, qué hace cada uno y cómo meter mano para adaptarlo a tus 8 GB de VRAM: 1. El Backend: Procesamiento y Orquestación (app/routes/video.py) Este es el archivo principal del motor de video en el backend. • Qué hace: Recibe los datos que envías desde la web (modo de video, resolución, prompt, fotogramas de referencia). Traduce esas opciones en un "diccionario de nodos" que ComfyUI pueda entender y manda la orden de ejecución al motor en el puerto 8288. • Tu objetivo aquí: Modificar los límites de memoria. Puedes buscar las líneas donde se definen las resoluciones nativas (SD, HD, FHD) y alterar los badges de advertencia de VRAM o directamente forzar el uso de SageAttention en modo de bajo consumo para que el modelo MiniMax H3 no sature tu tarjeta. 2. El Frontend: Control e Interfaz de Usuario (static/js/tabs/video.js) Siguiendo la arquitectura desacoplada con ES Modules de la app, cada pestaña tiene su propio comportamiento JS. • Qué hace: Controla los componentes visuales de la pestaña de video: los selectores de los cuatro modos certificados (I2V, FLF2V, Ref2VA, V2V), el slider de duración (5 a 15 segundos) y los perfiles de calidad (Rápido, Estándar, Ultra). • Tu objetivo aquí: Si quieres añadir un nuevo preset o un botón de "Optimizar para GPU de 8 GB", aquí debes maquetar la lógica del botón para que envíe los parámetros modificados hacia el backend. Como no requiere compilación (bundlers), guardas el archivo, refrescas el navegador y el cambio es inmediato. 3. La Conexión con el Motor: Core del Servidor (app/server.py) • Qué hace: Centraliza las rutas de la aplicación. Enlaza el endpoint delgado de video con el ciclo de vida general de la app (gestión de encendido/apagado y comunicación con los archivos temporales). • Tu objetivo aquí: Solo lo tocarías si deseas cambiar la ruta de red en la que escucha el motor de video o integrar un servidor externo para procesar los clips en otra máquina. 4. Automatización de Video Largo: Scripts de FFmpeg (scripts/) Dentro de la carpeta de scripts, hay herramientas enfocadas en la postproducción de los clips. • Qué hace: Cuando seleccionas generar un video largo (20, 25 o 30 segundos), WaifuStudio renderiza segmentos pequeños por separado debido a las limitaciones de la VRAM. Después, invoca un script interno que llama a FFmpeg para unir los segmentos (ensamblado automático) y fusionar el audio continuo sin cortes abruptos. • Tu objetivo aquí: Puedes modificar los parámetros de compresión de video (CRF, códec de salida como H.264 o AV1) para que los archivos resultantes pesen menos o tengan mayor fidelidad visual tras el ensamblado. El punto de partida recomendado para tus 8 GB Para no romper el flujo original, la mejor ruta para experimentar es: 1. Abre app/routes/video.py. 2. Busca la función del perfil "Rápido" (que usa Turbo 4 pasos + ClipProj 8B). 3. Modifica sus parámetros para obligar al encoder a trabajar en una precisión más baja (como FP8 en lugar de FP16) o limita la resolución predeterminada a la escala SD (~480p). Esto garantizará que el renderizado de video corra perfectamente en tu hardware sin lanzar errores de memoria. ¿Te gustaría que veamos el código de ejemplo de cómo estructurar un perfil personalizado de bajo consumo de VRAM en Python para agregarlo a la aplicación? • HackerNoon A Beginner's Guide to Writing AGENTS.md Files for Codex 7 oct 2026 — CLAUDE.md and AGENTS.md serve the same purpose: they record ongoing collaboration requirements and project knowledge so an AI codi... Si, por favor Para crear un perfil de bajo consumo optimizado para tus 8 GB de VRAM, debes modificar el backend en el archivo app/routes/video.py. La arquitectura de WaifuStudio funciona inyectando diccionarios de configuración JSON hacia ComfyUI. Para lograr que el exigente motor MiniMax H3 corra en tu RTX 5050 sin agotar la memoria, necesitamos forzar tres cosas en el código: 1. Bajar la precisión del pipeline de texto y del modelo de difusión a FP8 (Float 8) en lugar de FP16. 2. Activar de forma obligatoria SageAttention o la optimización de atención de baja memoria. 3. Restringir la resolución al preset de menor escala nativa SD (~480p). A continuación, te muestro un ejemplo de cómo estructurar esta lógica en Python para integrarla en el archivo de rutas: python # Modificación sugerida para integrar en: app/routes/video.py def obtener_configuracion_perfil_8gb(prompt_texto, modo_video, pasos=4): """ Genera el diccionario de configuración del flujo de ComfyUI optimizado estrictamente para tarjetas de 8 GB de VRAM. """ # 1. Forzar resoluciones bajas nativas (Escala SD para evitar Out-Of-Memory) # Dependiendo del formato elegido en la interfaz (Vertical u Horizontal) ancho = 480 alto = 848 # Proporción aproximada de 9:16 para SD vertical # 2. Configuración del bloque de optimización para el motor de parches de la app configuracion_nodos = { "modelo_base": "minimax_h3_dit", "parmetros_muestreo": { "pasos": pasos, # Mínimo de pasos (Turbo) para reducir el tiempo de retención en VRAM "fuerza_cfg": 3.5, "muestreador": "euler_ancestral", "planificador": "sgm_uniform" }, # AQUÍ ESTÁ EL TRUCO PARA LOS 8GB: "optimizaciones_vram": { "precision_difusion": "fp8_e4m3fn", # Forzar el modelo Dit a Float 8 "precision_clip": "fp8_e4m3fn", # Forzar los encoders de texto (ClipProj) a Float 8 "tipo_atencion": "SageAttention", # Activa la atención híbrida lineal hiper-eficiente "recolector_basura_agresivo": True # Libera memoria de la GPU inmediatamente tras cada paso }, "dimensiones": { "ancho": ancho, "alto": alto }, "modo_ejecucion": modo_video # I2V, FLF2V, Ref2VA o V2V } return configuracion_nodos # Ejemplo de cómo se inyectaría esta configuración en la ruta de ejecución principal def procesar_render_video_local(datos_usuario): # Si la tarjeta detectada es de 8GB o el usuario activa el modo ahorro: if datos_usuario.get("forzar_modo_ahorro") or VRAM_DISPONIBLE <= 8: flujo_comfy = obtener_configuracion_perfil_8gb( prompt_texto=datos_usuario["prompt"], modo_video=datos_usuario["modo"], pasos=4 # El perfil Turbo de 4 pasos es el más seguro para 8GB ) else: # Flujo estándar de la app (Estándar/Ultra para >=12GB) flujo_comfy = obtener_configuracion_original(datos_usuario) # El orquestador envía el flujo JSON modificado a ComfyUI (puerto 8288) id_tarea = enviar_a_comfyui_engine(flujo_comfy) return {"status": "rendering", "task_id": id_tarea} Usa el código con precaución. Pasos para hacerlo efectivo en tu copia local: 1. Abre la carpeta de WaifuStudio en tu editor (por ejemplo, VS Code). 2. Busca en app/routes/video.py la sección donde se procesan los perfiles existentes (Rápido, Estándar, Calidad, Ultra). 3. Puedes clonar la lógica del perfil Rápido (que ya está pensado para ser ligero) y renombrarlo como un nuevo perfil o sobreescribir el comportamiento del perfil "Rápido" modificando sus claves de precisión a "fp8" y activando "SageAttention". 4. Para que aparezca visualmente en tu pantalla, ve a static/js/tabs/video.js y añade la opción en el menú desplegable de calidades bajo el nombre de "Ahorro VRAM (8 GB)" apuntando al nuevo parámetro que creaste en Python. Al no haber herramientas de compilación intermedias, una vez que guardes los cambios e inicies la app con INICIAR_WAIFU.bat, tu nuevo perfil personalizado estará listo para probarse en tu RTX 5050. ¿Quieres que preparemos la maquetación en JavaScript (video.js) para ver cómo añadir el nuevo botón del perfil de bajo consumo en la interfaz web de la aplicación?