De foto a vídeo: desde una imagen y desde varias
Buscar «de foto a vídeo» no suele significar «anima este encuadre», sino «hazme un vídeo con esto». La diferencia importa: una imagen da un clip de unos pocos segundos, y todo lo que sea más largo se monta con varios. Este capítulo explica cómo funciona cada una de las tres rutas y por qué montar el vídeo terminado no cuesta nada.
Ruta uno: una foto, un clip
El caso básico. Tu foto se convierte en el primer fotograma, el modelo construye el resto y la relación de aspecto se toma del propio archivo. La duración va de 4 a 15 segundos, en segundos enteros, y el sonido nace junto con la imagen.
El límite que hay que entender aquí: de una sola foto no saldrá un vídeo de minuto y medio. No porque no se pueda pedir más, sino porque a partir de cinco o seis segundos el modelo empieza a inventar con qué llenar el plano y aparece un segundo movimiento que nadie pidió. Un vídeo largo a partir de fotos se hace de otra forma: no con un clip largo, sino con varios cortos.
Ruta dos: dos fotos, una transición entre ellas
Una posibilidad que casi nadie conoce, porque los botones de «animar» de un solo clic no la tienen: puedes fijar no solo el primer fotograma, sino también el último. El modelo inventa el movimiento para llegar exactamente a tu segunda foto.
Lo que da esto en la práctica:
- Antes y después: una habitación vacía y amueblada, una obra y la casa terminada, una cara antes y después de un corte de pelo.
- Dos ángulos del mismo objeto: en vez de un giro que el modelo inventa solo, tú fijas los dos extremos.
- Dos fotos de la misma serie: lo que antes era «elige una de veinte» se convierte en movimiento entre ellas.
La gran ventaja de esta ruta es que los dos extremos los fijas tú, así que lo único que el modelo puede estropear es el medio.
Ruta tres: varias fotos, un vídeo montado
Aquí es donde más se tropieza. Un vídeo a partir de varias fotos no se hace con una sola petición, sino plano a plano, y después se monta en un solo archivo.
Un clip cada vez, y no es un capricho
No pidas varios clips en un mismo mensaje. Si ese turno se interrumpe a medias, el trabajo se cobra igual y el resultado se pierde: el 11,5 % de todo el vídeo generado se ha pagado y nunca se ha mostrado al usuario justo así.
El orden correcto: primero acordar una lista de 3–6 planos y luego generarlos de uno en uno, mirando cada resultado.
Y lo segundo que conviene pedir en voz alta:
Pide que lo monten en un solo archivo
Unir clips, recortar, añadir música y ajustar el resultado al formato que necesitas son operaciones locales sin precio propio. Solo hay que pedirlo.
Merece la pena saberlo porque se pide poco: de 181 conversaciones que generaron dos clips o más, solo 44 los unieron. El resto pagó por varios clips y se llevó a casa un montón de archivos.
Cómo mantener al mismo personaje en todos los planos
La forma más habitual de estropear una serie: tres clips generados a partir de tres descripciones, con una persona distinta en cada uno. No es un fallo, sino una propiedad directa de generar a partir de texto: no hay coherencia de personaje, y dos clips con la misma descripción son dos personas distintas.
Lo que funciona:
- Empezar por una imagen, no por un texto. Primero se anima una foto del personaje, y esa misma foto se usa después como referencia en todos los planos siguientes.
- Repetir la descripción del personaje palabra por palabra. No la cuentes con otras palabras en cada plano: cópiala.
- Encuadrar cada último fotograma para que el siguiente plano pueda empezar desde él. Así no hay salto en el corte.
Cuánto cuesta
Se pagan los segundos de vídeo generado. Así que un vídeo de cinco planos de cuatro segundos cuesta exactamente lo que veinte segundos de generación, sin nada encima por montarlos en un solo archivo.
Lo que cuesta la duración y lo que cuesta la resolución
Se cobra por segundo: un clip cuesta exactamente tantas veces más como sea más largo. Aquí se muestran proporciones, no precios; pide al chat la cifra exacta en tus tokens antes de generar.
Resolución
×1.3
respecto a la opción más barata: 4 s en resolución normal
Un movimiento completo, con principio y final. La duración útil para una foto animada: si alargas, el movimiento empieza a repetirse.
De ahí sale la única regla para ahorrar: primero el clip más corto en resolución normal y, solo si te gusta, el mismo plano más largo o más nítido. Subir la resolución de un clip que te gusta cuesta menos de la mitad de una generación nueva en 2K, y la prueba más ese reescalado suman exactamente lo que costaría generar en 2K desde el principio, así que la prueba acaba saliendo gratis. Probar una idea con un clip largo es la forma más cara de descubrir que no funciona.
Adjunta una foto, o dos a la vez si quieres fijar una transición.
Qué leer después
La mecánica general y la escala de dificultad: animar una foto con IA. La dosis de movimiento dentro de un plano: animar una foto. Si en el vídeo tiene que oírse una voz: foto que habla. Y generar vídeo desde cero, sin foto de partida, se explica en el capítulo vecino de texto a vídeo.
Preguntas frecuentes
¿Cómo hago un vídeo a partir de una foto con IA?
¿Se puede hacer un vídeo con varias fotos?
¿Puedo fijar el primer y el último fotograma?
¿Por qué sale una persona distinta en cada clip?
¿Qué duración puede tener el vídeo?
¿Por qué no conviene pedir varios clips en un mensaje?
En el chat de Twelver puedes convertir fotos en un solo vídeo montado, un plano cada vez, con sonido, y unirlos al final sin coste extra. Tu primer clip se puede ganar sin pagar: regístrate, completa cinco primeras tareas y vuelve el segundo y el tercer día.
Pruébalo tú mismo
Todo lo de esta guía funciona en Twelver
Un chat para texto, imágenes, vídeo, música y voz — sin servicios ni suscripciones aparte.
Abrir el chat de Twelver