La conversión de imagen a video es una categoría diferente a la de texto a video. El modelo toma tu imagen existente como el primer fotograma (o a veces un fotograma clave en medio) y genera movimiento a su alrededor. Esto te da un control preciso sobre la apariencia: los colores, los personajes y la composición provienen de tu entrada. La desventaja: el movimiento es plausible pero rara vez fotorrealista, y la mayoría de los modelos generan como máximo de 5 a 10 segundos.

Última prueba: 2026-05Modelos probados: 14

Cuándo usarlo

Usa imagen a video cuando tengas una imagen principal (toma de producto, retrato de personaje, escena) y quieras agregar movimiento para una publicación en redes sociales, un anuncio o una demostración de producto. Es más rápido que grabar un video y te permite animar cosas que no existen (un dragón escupiendo fuego, un logotipo con efectos cinéticos). Para narrativas más largas, genera los fotogramas clave que desees y luego encadena los clips de imagen a video.

Cómo usarlo (paso a paso)

  1. Elige la herramienta que se ajuste a tu presupuesto. Kling tiene el nivel gratuito más generoso (66 créditos/día, suficiente para ~10 videos cortos). Runway Gen-3 tiene una prueba gratuita, pero cobra rápidamente después. Pika tiene un nivel gratuito con marca de agua. Stable Video Diffusion es completamente de código abierto: ejecútalo localmente o a través de cualquier plataforma de inferencia.
  2. Prepara un primer fotograma sólido. El video solo puede ser tan bueno como la imagen de entrada. Las tomas principales con composición limpia, buena iluminación y un tema claro se animan mejor. Las fuentes desordenadas o de baja resolución producen resultados ondulantes y oníricos. Si tu fuente no es 1080p+, pásala primero por nuestro ampliador de imagen.
  3. Escribe una instrucción de movimiento corta y específica. 'la cámara se desplaza lentamente hacia la derecha mientras las hojas crujen con el viento' es mejor que 'haz que se mueva'. Especifica el movimiento de la cámara (panorámica, zoom, travelling) por separado del movimiento del sujeto. Algunos modelos también aceptan un fotograma inicial y final para un control más preciso.
  4. Elige la duración y la relación de aspecto adecuadas. La mayoría de los modelos usan 5 segundos por defecto. Extender a 10 segundos generalmente requiere una segunda pasada. Para TikTok/Reels, solicita formato vertical 9:16. Para YouTube/escritorio, 16:9. La mayoría de los modelos también admiten 1:1 para el feed de Instagram.
  5. Exporta en el formato correcto. MP4 (H.264) a 24 o 30 fps funciona en todas las plataformas. Para máxima compatibilidad, MP4 en 1080p es la opción segura por defecto. Algunas herramientas también exportan WebM y GIF animado, pero el GIF pierde mucha fidelidad de color.

Errores comunes que debes evitar

  • Esperar una narrativa cinematográfica: los modelos actuales producen clips de 5 a 10 segundos. No cuentan historias, añaden atmósfera.
  • Olvidar que la dirección del movimiento es determinada por el modelo: si dices 'la cámara se mueve', el modelo elige una dirección. Especifica qué dirección (izquierda, derecha, arriba, abajo, acercar, alejar) para obtener resultados predecibles.
  • Usar una imagen con texto: el texto es lo primero que los modelos de imagen a video distorsionan. Vuelve a renderizar el texto encima en la edición posterior, o usa una herramienta con mayor fidelidad de texto (Kling tiene la mejor hasta ahora).
  • Intentar animar escenas complejas con múltiples personajes: los modelos actuales funcionan mejor con uno o dos sujetos claros. Cuatro personas bailando generalmente resultan en una fusión de rostros.

Preguntas frecuentes

¿Cuál es la mejor herramienta gratuita de AI de imagen a video en 2026?

Kling (de Kuaishou): créditos gratuitos diarios generosos, admite clips de 5/10 segundos y maneja el realismo del movimiento mejor que la mayoría. Para usuarios occidentales, Runway Gen-3 tiene la mejor prueba gratuita y la mayor documentación, pero los créditos gratuitos caducan rápidamente.

¿Puedo hacer un video largo con AI?

No en una sola pasada. La mayoría de los modelos producen clips de 5 a 10 segundos. Para contenido más largo, genera múltiples clips con personajes consistentes (Nano Banana Pro puede fijar la identidad del personaje) y únelos en cualquier editor de video.

¿Necesito una computadora potente?

No: todas las herramientas recomendadas funcionan en la nube. Tu computadora solo necesita subir la imagen de origen y descargar el resultado. Si quieres ejecutar Stable Video Diffusion localmente, necesitas al menos 12 GB de VRAM.

¿La AI mantendrá el mismo personaje en todos los fotogramas?

Dentro de un solo clip, sí: el modelo trata tu imagen como el ancla. En múltiples clips, la deriva del personaje es el mayor desafío. Usa la referencia de personaje de 14 imágenes de Nano Banana Pro para la fijación más sólida del personaje.

¿Es diferente imagen a video de texto a video?

Sí. Texto a video genera solo a partir de una instrucción y te da menos control sobre la apariencia. Imagen a video usa tu imagen como fotograma inicial, por lo que controlas colores, personajes y composición. La mayoría de los profesionales usan un flujo de trabajo híbrido: primero texto a imagen, luego imagen a video.