Durante la Game Developers Conference (GDC) de esta semana, NVIDIA anunció, en colaboración con ComfyUI, una serie de actualizaciones para hacer que la creación de video asistida por IA sea más rápida, eficiente y accesible para ejecutarse localmente en GPUs RTX y en NVIDIA DGX Spark.
Estas herramientas pueden apoyar los flujos creativos en las fases iniciales —desde la exploración de conceptos hasta la creación de storyboards y la planificación de escenas— al mismo tiempo que reducen la barrera de entrada para nuevos usuarios que experimentan con modelos de video en PCs con IA equipadas con RTX. La publicación de ayer en el blog RTX AI Garage explora las actualizaciones en detalle y muestra cómo creadores y desarrolladores pueden comenzar a utilizarlas:
ComfyUI App Mode introduce una interfaz simplificada que oculta el grafo de nodos subyacente y muestra solo los campos de entrada necesarios para el usuario, transformando flujos de trabajo complejos en aplicaciones fáciles de usar. Todo optimizado para GPUs RTX. Visita el blog de ComfyUI para más información.
Mayor rendimiento de modelos con soporte para NVFP4 y FP8: ComfyUI ahora admite los formatos de datos NVIDIA NVFP4 y FP8, lo que permite que los modelos modernos de generación de contenido se ejecuten con mucha más eficiencia en GPUs RTX. Con modelos como FLUX.2 Klein, estas optimizaciones pueden ofrecer hasta 2,5 veces más rendimiento y reducir hasta un 60% el uso de VRAM en GPUs GeForce RTX Serie 50. El soporte NVFP4 para LTX-2.3 también llegará pronto, ampliando los flujos de trabajo de video de alto rendimiento.
RTX Video Super Resolution para pipelines de video con IA: NVIDIA también introdujo RTX Video Super Resolution como un nodo de ComfyUI, lo que permite a los creadores escalar videos generados por IA hasta una resolución 4K mucho más rápido. Ejecutada en los Tensor Cores de las GPUs RTX, la tecnología puede realizar este proceso hasta 30 veces más rápido que alternativas locales de escalado, consumiendo significativamente menos VRAM. NVIDIA también lanzó un paquete de Python y códigos de ejemplo, permitiendo a los desarrolladores integrar las mismas capacidades de escalado con IA directamente en sus propias aplicaciones.
