AIREITERElige ByteDance si necesitas escalado e interpolación mediante una API alojada; Topaz, si buscas restauración local e interactiva; y Real-ESRGAN, si quieres montar tus propios procesos. El estado del material original y las necesidades de entrega importan más que cualquier etiqueta de 4K.
La respuesta rápida: elige según el material original, no según la resolución final
ByteDance Video Upscaler resulta práctico cuando necesitas convertir metraje generado por IA, contenido UGC, series cortas o películas antiguas en un archivo de entrega a 1080p, 2K o 4K. Topaz Video encaja mejor cuando un editor necesita previsualizaciones locales y control manual del modelo. Real-ESRGAN es la opción de referencia, económica y automatizable, aunque el procesamiento fotograma a fotograma requiere trabajo adicional para evitar parpadeos y conservar el audio.
| Tu tarea | Mejor punto de partida | Motivo |
|---|---|---|
| Limpiar un clip generado por IA y llevarlo a 2K/4K | ByteDance Video Upscaler | Preajuste AIGC y un único proceso de vídeo a vídeo |
| Restaurar con control del editor en una estación de trabajo | Topaz Video | Renderizado local, previsualizaciones y flujo de escritorio |
| Procesar muchos clips con control total del flujo | Real-ESRGAN | Inferencia de código abierto y automatización |
| Usar una API comercial con tarifas públicas por segundo | ByteDance a través de fal | API de colas, webhooks, preajustes y controles de facturación |
Qué ofrece realmente ByteDance Video Upscaler
La página de Replicate identifica el modelo como el escalador de vídeo vCube de ByteDance. Documenta entradas de 480p, 720p y 1080p con salida a 2K o 4K, además de mejora e interpolación en un mismo proceso. No es un generador de vídeo a partir de imágenes: trabaja con un archivo de vídeo existente.
Los controles importantes son el preajuste de escena, el nivel de procesamiento, la resolución de destino y la frecuencia de fotogramas. Replicate contempla las escenas aigc, short_series, ugc, old_film y common; su página también describe los niveles standard y pro, este último disponible únicamente mediante una lista de acceso. El README de Replicate indica que un clip de 5 segundos suele tardar entre 3 y 5 minutos, así que no estamos ante una herramienta de previsualización en tiempo real.
| Control | Opciones documentadas | Uso práctico |
|---|---|---|
| Escena | aigc, short_series, ugc, old_film, common | Adapta el preajuste al material original |
| Resolución | De 240p a 1080p, 2K y 4K en Replicate | Elige el techo de entrega, no 4K automáticamente |
| Frecuencia de fotogramas | 24, 30, 60 y una opción documentada de 120 | Mantén la del original salvo que busques interpolar |
| Nivel | standard; pro requiere acceso en Replicate | Reserva Pro para rostros y detalles finos |
| Salida | Un MP4 | Comprueba el audio y los metadatos en el proveedor elegido |
fal expone más controles que Replicate, incluidos niveles, fidelidad, profundidad de bits, preajustes y objetivos de esquema de hasta 8K, aunque su tabla de tarifas visible solo cubre 1080p, 2K y 4K.
Los controles que cambian la factura
fal publica, para 30 fps en modo estándar, precios de $0.0072 por segundo a 1080p, $0.0144 a 2K y $0.0288 a 4K. Su página indica que 60 fps duplica el coste, mientras que Pro cuesta 10 veces más que la tarifa normal. Por tanto, un render estándar de 30 segundos en 4K/30 sale por unos $0.864, antes de cualquier cargo específico de la cuenta.
| Configuración de fal | Tarifa por segundo de salida | Ejemplo de 30 segundos |
|---|---|---|
| Standard, 1080p/30 | $0.0072 | $0.216 |
| Standard, 2K/30 | $0.0144 | $0.432 |
| Standard, 4K/30 | $0.0288 | $0.864 |
| Standard, 4K/60 | $0.0576 | $1.728 |
| Pro, 4K/30 | $0.288 | $8.640 |
Son precios de fal, no una tarifa universal de ByteDance; BytePlus VOD aplica precios independientes por minuto según el nivel, la resolución y la banda de frecuencia de fotogramas.
Cómo comparar el mismo clip antiguo sin engañarte
Una comparación útil necesita una única fuente y un único objetivo de entrega. Elige un recorte de 5–10 segundos del vídeo antiguo que incluya un rostro, textura fina, subtítulos o carteles, un borde en movimiento y una zona oscura uniforme. Mantén constantes la fuente, el recorte, la resolución de salida, la frecuencia de fotogramas, el códec y el paso de remultiplexado del audio.
| Flujo | Qué renderizar | Qué revisar |
|---|---|---|
| ByteDance | old_film o common, 2K o 4K, con los mismos FPS que la fuente | Grano, rostros, texto y estabilidad temporal |
| Topaz Video | Un modelo de mejora coherente y exactamente los mismos ajustes de salida | Recuperación de detalle frente a textura inventada |
| Real-ESRGAN | Los mismos fotogramas con un modelo y un ajuste de teselas documentados | Coherencia entre fotogramas, halos y tiempo de ejecución |
Considera los resultados un benchmark solo si registras la fuente, los ajustes, el tiempo de ejecución, el coste y una revisión comparativa a ciegas. Las páginas de los proveedores sirven para confirmar capacidades y precios, no para proclamar un ganador universal en calidad.
La tabla anterior es una guía para elegir flujo, no una garantía de calidad: prueba primero el material antes de comprometerte con un render completo. Los fallos importan más que el logotipo. Unos subtítulos diminutos pueden convertirse en trazos demasiado enfocados; los rostros pueden quedar cerosos o excesivamente detallados; el grano de película puede transformarse en ruido errático; y un original a 24 fps renderizado a 60 fps puede parecer más fluido sin contener movimiento nuevo capturado. Un material blando, muy comprimido, entrelazado o mal expuesto puede verse peor en 4K porque ahora los halos y los detalles alucinados resultan más evidentes.
Flujo de API: enviar, consultar, descargar y procesar por lotes
La API de fal es asíncrona. Guarda la clave en un servidor, envía una URL pública o un archivo subido, consulta la cola y descarga el MP4 devuelto. Un worker mínimo en Python podría ser así:
import os
import fal_client
VIDEO = "https://example.com/archive/clip.mp4"
result = fal_client.subscribe(
"fal-ai/bytedance-upscaler/upscale/video",
arguments={
"video_url": VIDEO,
"target_resolution": "4k",
"target_fps": 30,
"enhancement_preset": "old_film",
"enhancement_tier": "standard",
"fidelity": "high",
},
with_logs=True,
)
print(result["video"]["url"])Para procesos por lotes en producción, sustituye subscribe por el envío a la cola junto con un webhook o consultas de estado. Añade reintentos para fallos temporales, registra el identificador de la petición del proveedor y limita la concurrencia para que una carpeta llena de clips cortos no dispare una factura incontrolada. Procesa primero un recorte de 5–10 segundos y envía la fuente completa solo después.
El flujo con Real-ESRGAN es más manual: extrae los fotogramas con FFmpeg, ejecuta el script oficial de inferencia de vídeo o un modelo de imagen, vuelve a ensamblar los fotogramas numerados con la frecuencia original y remultiplexa el audio original. Conserva la numeración de los fotogramas y utiliza intermedios sin pérdida o de alta calidad; de lo contrario, estarás evaluando tanto el códec intermedio como el escalador.
Cuándo el escalado empeora el vídeo
Detén el proceso o reduce el objetivo cuando aparezca cualquiera de estos problemas en una prueba corta:
- El texto cambia de forma. El modelo está reconstruyendo una conjetura, no recuperando caracteres legibles.
- Los rostros cambian entre fotogramas. Elige un nivel más conservador o un flujo local con mejores controles.
- Los bordes generan halos. Un enfoque demasiado fuerte está dibujando el contraste en lugar de recuperar detalle.
- El grano se mueve. El ruido se ha convertido en textura temporal; quizá necesites eliminar ruido antes de ampliar.
- El movimiento parece artificial. La interpolación ha cambiado el ritmo o ha creado objetos mezclados.
- La fuente está entrelazada o mal expuesta. Desentrelaza o corrige primero el material original.
- El destino final es solo 1080p. Un render en 4K aumenta el coste y puede hacer visibles artefactos que desaparecerán al reducir la imagen.
El preajuste old_film de ByteDance es una opción interesante para probar material de archivo, pero las páginas públicas del modelo no prometen eliminar arañazos, corregir parpadeos, conservar el audio ni utilizar un códec concreto. Trátalo como una cuestión del flujo de trabajo, no como una función garantizada.
Preguntas frecuentes: decisiones prácticas antes de renderizar
¿Puede ByteDance escalar vídeo a 4K?
Sí. Replicate documenta objetivos de 2K y 4K, mientras que fal expone 4K y otros valores adicionales de esquema. Los límites exactos, el precio y el nivel dependen del proveedor de alojamiento.
¿Debería convertir 24 fps a 60 fps?
Solo cuando la entrega lo exija o hayas revisado los artefactos de interpolación. Una frecuencia de fotogramas mayor no recupera un movimiento que nunca se capturó.
¿ByteDance es más barato que Topaz?
Para unos pocos segundos mediante API, ByteDance alojado puede salir económico; fal publica $0.864 por 30 segundos en 4K/30 con el nivel estándar. La documentación oficial de precios de Topaz Video indica $299 al año pagados por adelantado o $33 al mes con un compromiso anual. El punto de equilibrio depende de tu GPU, del volumen y de si necesitas renderizado en la nube: compara el coste anual de la licencia más el tiempo de hardware con los segundos alojados que esperas consumir.
¿Real-ESRGAN es gratis para vídeo?
El proyecto oficial proporciona código abierto y modelos preentrenados, pero la computación, el almacenamiento y el tiempo de ingeniería tienen un coste. El procesamiento fotograma a fotograma también requiere un flujo probado para el audio y la coherencia temporal.
¿El escalador conserva el audio?
No lo des por hecho. La salida del modelo o de la API es un archivo de vídeo, pero la documentación pública revisada no ofrece una garantía universal de conservación del audio. Conserva el audio original y remultiplexa cuando sea necesario.
¿Qué debería utilizar para los rostros?
Empieza con un recorte corto y compara ByteDance Pro, Topaz y un ajuste conservador de Real-ESRGAN. Descarta cualquier resultado que cambie la identidad o produzca una piel de plástico, aunque muestre más poros visibles.
La decisión que aplicaría en producción
La secuencia más segura es esta: extrae un recorte corto, renderiza todos los candidatos con la frecuencia real de entrega, revisa rostros, texto y movimiento al 100 % y procesa después el archivo completo. Para flujos locales relacionados, consulta la guía de instalación de Real-ESRGAN y la restauración facial con GFPGAN y CodeFormer.