Aleph: un estudio de IA generativa 100 % local

Aleph es un estudio de IA generativa que funciona por completo en local: genera imagen, vídeo, banda sonora para vídeo y voz desde una sola página web servida en 127.0.0.1, sin nube, sin cuentas y sin que ningún dato salga de la máquina. Por debajo unifica dos mundos: ComfyUI como motor de imagen y vídeo, y modelos de HuggingFace ejecutados en subprocesos propios. El nombre viene del Aleph de Borges: un punto que contiene todas las imágenes. La misma idea, aplicada a modelos de lenguaje: DRAGO Model Runner.

El backend web usa exclusivamente la librería estándar de Python: ni Flask, ni FastAPI, ni siquiera requests. Hasta el parseo de formularios multipart está escrito a mano en veinte líneas. No es purismo: al no importar torch en el proceso del servidor, arrancar Aleph es trivial y liberar memoria gráfica es tan fiable como matar un subproceso. La app pesa menos de 350 KB de código propio frente a los ~40 GB de modelos que orquesta.

Nada de esto cabría en una GPU de portátil con los pesos originales. Los modelos grandes van cuantizados: FLUX.2 Klein 9B y Wan 2.2 en GGUF Q6_K, el codificador de texto de FLUX (Qwen3 8B) en fp8 y el de Wan (UMT5-XXL) en GGUF Q5_K_M. ComfyUI arranca con --lowvram, que reparte los modelos entre la VRAM y la RAM del sistema. El precio se paga en tiempo: la primera generación de cada sesión es lenta porque carga los pesos, y un segundo de vídeo a 704×480 cuesta alrededor de minuto y medio.

No todo cupo. SCAIL-2, un modelo de animación de personajes por pose, se descartó tras investigarlo: sus pesos publicados son un checkpoint de entrenamiento de 65,6 GB sin versión cuantizada, inviable en 8 GB.

El frontend no tiene ni un formulario escrito a mano: cada capacidad se declara como datos en un catálogo (categoría, motor, campos con su tipo) y la web lo convierte en interfaz con ocho tipos de campo. Añadir un modelo nuevo no toca ni una línea de HTML. Los campos pueden depender del modelo elegido: las imágenes de referencia solo aparecen si el modelo activo las admite.

Generar en local con 8 GB de VRAM significa vivir pendiente del hardware, así que Aleph lo enseña todo: uso y temperatura de la GPU, potencia en vatios, VRAM, veinte barras de CPU (una por núcleo), memoria y disco, más una tarjeta con lo que está trabajando en cada momento. Todo leído directamente del sistema, sin agentes externos, y siempre visible en una barra compacta inferior.

Las salidas de todos los motores acaban en una galería única, clasificadas por tipo y ordenadas por fecha, con los vídeos reproduciéndose al pasar el ratón. Cualquier imagen —recién generada o antigua— tiene un botón de animar en vídeo que la recoloca como fotograma de partida de Wan 2.2, sin pasos intermedios.

Aleph se escribió en una tarde de julio de 2026 y quedó terminado como versión 1: unas 3.800 líneas propias, 4 capacidades, 5 modelos y 12 rutas de API, verificado con salidas reales de voz e imagen. También tiene deudas claras: no hay barra de progreso real para imagen y vídeo (solo un cronómetro), la semilla no es controlable desde la interfaz —no se puede repetir una generación buena—, no hay tests y solo funciona en Linux con GPU NVIDIA.

La versión publicada en el repositorio referencia los pesos por ruta absoluta, una decisión deliberada que se rompe si el directorio de modelos cambia de nombre; hacerla configurable con una variable de entorno es el siguiente arreglo.