Imagen a vídeo con IA: cómo funciona y qué le das

La imagen a vídeo con IA toma una foto fija y genera un clip corto a partir de ella: unos segundos de movimiento que el modelo inventa alrededor de la imagen que le diste, en lugar de dejarla congelada. Subes una foto, eliges o describes el tipo de movimiento que quieres, y un modelo de vídeo genera nuevos fotogramas que siguen ese movimiento e intentan mantener el resto de la imagen igual.

Esa frase esconde resultados muy distintos según lo que le des. Una foto clara, bien iluminada y ya terminada suele volver como un clip creíble. Una foto mal iluminada o de mala calidad suele volver deformada, porque el modelo improvisa movimiento en las partes que no tiene claras. El resto de esta guía trata de conseguir el primer resultado y de explicar con honestidad de dónde sale el segundo.

Cómo funciona de verdad la imagen a vídeo con IA

Una foto fija no contiene ninguna información sobre el movimiento, así que el modelo tiene que inventarlo. Mira la foto, calcula aproximadamente qué hay en ella, una cara, el pelo, una tela o un fondo, y genera una secuencia de fotogramas que parece salir de ese único punto de partida, guiada por el movimiento que pediste.

Es distinto de un vídeo generado desde cero. Aquí el primer fotograma está fijado: tiene que coincidir mucho con tu foto y después moverse a partir de ella. Cuanto mejor mantenga el modelo ese primer fotograma, menos se desvía la persona o la escena mientras se reproduce el clip.

En la práctica, esto significa dos cosas:

• La foto decide más que la instrucción. Una foto con una cara clara, buena luz y sin desenfoque de movimiento le da al modelo un ancla fuerte. Una foto oscura, borrosa o llena de cosas le da menos a lo que agarrarse, y el clip se aleja más del original.
• El movimiento corto y concreto funciona mejor que el largo y vago. Un clip de cinco segundos con un movimiento claro, como un giro de pelo, un destello o una cámara que se aleja, suele mantenerse coherente. Un clip más largo que pide varias cosas a la vez normalmente no.

Qué foto de origen funciona bien

Esta parte la saltan la mayoría de guías de imagen a vídeo con IA, aunque influye más en el resultado que la herramienta que elijas.

1. Empieza por una foto que publicarías de todos modos. Si la foto fija ya no te convence, el vídeo parecerá esa foto moviéndose, no una versión mejor. Arregla primero la foto y anímala después.
2. Un solo sujeto claro. Una cara o una figura le da al modelo una cosa que seguir. Las fotos de grupo y los fondos muy cargados le dan varias partes móviles que tiene que adivinar a la vez.
3. Luz buena y uniforme. Las sombras duras sobre la cara o una foto muy oscura son la causa más común de un clip deformado, porque el modelo no puede saber qué forma hay bajo la sombra.
4. Sin desenfoque de movimiento previo. Una foto que ya está algo borrosa por una mano temblorosa se exagera cuando el modelo añade su propio movimiento encima.
5. Una pose con espacio para moverse. Un retrato de cabeza y hombros funciona para un giro de pelo o un destello. Un plano más abierto y posado funciona mejor para un movimiento de cámara más lento.

Si una foto falla en alguno de estos puntos, volver a hacerla casi siempre es más rápido que pelear con el resultado usando otra instrucción.

El movimiento en sí importa más de lo que la gente cree

La mayoría de herramientas de imagen a vídeo te dejan escribir un movimiento libre. Suena flexible, pero normalmente da un resultado inconsistente, porque el modelo tiene que adivinar qué quieres decir con «haz que cobre vida». Una lista corta de movimientos con nombre, cada uno probado con fotos reales, es más fiable que un campo abierto.

Así lo hace Flashette en su paso de foto a vídeo: cinco movimientos fijos, un pop de flash, un giro de pelo, una ráfaga de poses rápidas como en un fotomatón, un zoom cinematográfico lento y una risa espontánea. Cada uno está ajustado al look terminado, no al selfi sin procesar. Elegir uno de ellos no es tanto una limitación como la diferencia entre un movimiento comprobado con este tipo de foto y uno que nadie ha probado.

Coste y tiempo

Ejecutar un modelo de vídeo es una de las operaciones de IA más caras por clip, por eso casi ninguna herramienta de imagen a vídeo con IA es ilimitada y gratuita. En Flashette, un look de foto cuesta 1 crédito y un vídeo hecho a partir de un look terminado cuesta 5 créditos. Los créditos salen de los créditos semanales de Flashette Pro (7,99 $ a la semana o 19,99 $ al mes en precios de Estados Unidos) o de paquetes de créditos que compras sin suscripción. Un clip suele tardar entre uno y tres minutos en volver una vez enviado. Si la generación falla, los créditos usados se devuelven automáticamente, como explica la página de soporte.

Esta estructura de costes es común en la imagen a vídeo con IA en general: o bien unos pocos clips gratis antes de un muro de pago, o bien créditos y suscripción desde el principio, porque cada clip se genera en un servidor y no en tu teléfono.

Formas gratuitas de conseguir movimiento de una foto

Antes de recurrir a la IA, conviene saber qué no la necesita:

• Las Live Photos del iPhone capturan un segundo y medio de movimiento alrededor del momento en que pulsas el disparador, sin ningún procesado.
• Un paneo y zoom lentos sobre una foto fija, conocido como efecto Ken Burns, dan sensación de movimiento sin generar nada, y la mayoría de apps de edición lo incluyen gratis.
• Un bucle estilo boomerang de unas cuantas fotos de ráfaga funciona para movimientos simples y repetidos, como un giro de pelo, sin ningún modelo.

Ninguna de estas opciones genera movimiento nuevo como lo hace la imagen a vídeo con IA. Reutilizan movimiento que ya capturaste o desplazan el encuadre. Si lo que quieres es una foto que parezca quieta pero que haga algo que nunca hizo, como un flash que se dispara o una pose que cambia, eso necesita un modelo, y ahí es donde se gastan los créditos.

Privacidad: qué pasa con la foto

Antes de subir una foto a cualquier herramienta de imagen a vídeo con IA, conviene comprobar qué ocurre después: si se guarda, durante cuánto tiempo y si se usa para entrenar modelos futuros. En Flashette, la foto que se usa para hacer un vídeo es la que ya tienes en tu galería de un look con IA. Tu selfi original se envió al socio de IA una sola vez, para crear esa foto, y nunca se guardó. Solo se conservan la foto terminada y el vídeo, para que aparezcan en tu galería. Todos los detalles están en la política de privacidad.

De selfi a vídeo en el iPhone, paso a paso

Este es el flujo que se deduce de todo lo anterior, en orden:

1. Empieza con una foto terminada, no con un selfi sin procesar. En Flashette eso significa elegir primero un look. Antes de animarlo, conviene saber qué cambia un editor de fotos con IA en un selfi.
2. Revisa la foto a tamaño completo. Corrige un mal encuadre o una mala luz antes de gastar créditos en movimiento.
3. Elige un movimiento, no una idea vaga de «algo que se mueva». Un movimiento concreto, como un giro de pelo o una cámara que se aleja, le da al modelo una tarea clara.
4. Envía y espera. Entre uno y tres minutos para que se genere el clip es lo normal; no hace falta dejar la app abierta.
5. Mira el clip completo antes de guardarlo. Si una mano o un borde se deforma a mitad de clip, otra foto de origen suele arreglarlo más que otro movimiento.
6. Guarda o comparte cuando aguante. El vídeo conserva la misma foto con la que empezaste, pero ahora en movimiento.

Y después

La imagen a vídeo con IA solo es tan buena como la foto que le das, así que el paso que más rinde es elegir o preparar una foto que merezca la pena animar. Flashette construye primero esa foto con un look y después la convierte en un vídeo de cinco segundos con uno de cinco movimientos probados, en el iPhone. Más sobre el paso de la foto está en el blog de Flashette.