Conclusiones clave
- Todos los modelos de vanguardia actuales para video aceptan una imagen como fotograma inicial —
Sora 2, Veo 3.1, Kling 2.5 Turbo Pro y Wan 2.5 y todos admiten como entrada texto o imagen. - Generar video a partir de imágenes cuesta lo mismo por segundo que generar video a partir de texto en estos modelos.
Se le factura según la duración de la salida, no según cómo se inició la toma. - La opción más económica cuesta 0,05 USD por segundo — Veo 3.1 Lite en 720p o Wan 2.5 —
por lo que animar una imagen fija en un clip de 5 segundos cuesta aproximadamente 25 centavos por intento. - Existen niveles gratuitos, pero son limitados y cambian con frecuencia. Runway, por ejemplo, otorga
125 créditos únicos que no se renuevan.
Convertir una imagen fija en un clip en movimiento ya no es una demostración experimental, sino una función de primera categoría
demo, y es la única tarea de vídeo en la que ya tienes la entrada: una foto, una imagen de producto, una
Cada modelo indica qué tipo de entrada admite: texto, imagen o ambas.
Esta página cubre qué modelos aceptan una imagen como entrada, cuánto cobran por segundo de salida y dónde dejan de ser útiles las opciones gratuitas.
Respuesta rápida: ¿cómo convertir una imagen en un video con IA?
Proporciona al modelo de video su imagen como primer fotograma y un breve prompt que describa el movimiento deseado, y luego paga por segundo de video generado. Todos los modelos de vanguardia disponibles en el mercado admiten esta funcionalidad:
Sora 2, Veo 3.1, Kling 2.5 Turbo Pro y Wan 2.5 aceptan tanto texto como imagen como entrada.
El más económico cuesta 0,05 USD por segundo de video finalizado, lo que sitúa la animación de 5 segundos en aproximadamente
El más barato cuesta 0,05 USD por segundo de video finalizado, lo que sitúa una animación de 5 segundos en aproximadamente
Existe una herramienta gratuita basada en navegador que puede animar una foto sin necesidad de tarjeta de pago, pero limita la resolución, añade marcas de agua y otorga una asignación fija en lugar de una renovable.
limitan la resolución, añaden marcas de agua y otorgan una asignación fija en lugar de una renovable.
Esta es la parte que la mayoría de las páginas comparativas omiten. La entrada de imagen no constituye un nivel de producto separado:
¿Qué modelos aceptan una imagen como entrada?
es un modo de funcionamiento del mismo modelo, con precios idénticos:
es un modo del mismo modelo, con precios idénticos:
| Modelo | Desarrollador | Entrada | Desde (por segundo) |
|---|---|---|---|
| Veo 3.1 | Texto, imagen | 0,05 USD (Lite, 720p) | |
| Wan 2.5 | Alibaba | Texto, imagen | 0,05 USD (vía fal) |
| Kling 2.5 Turbo Pro | Kuaishou | Texto, imagen | 0,07 USD (vía fal) |
| Sora 2 | OpenAI | Texto, imagen | 0,05 USD (por lotes, 720p) |
| Sora 2 Pro | OpenAI | Texto, imagen | 0,15 USD (por lotes, 720p) |
Una nota temporal relevante si está eligiendo hoy: OpenAI ha establecido
24 de septiembre de 2026 como fecha de cierre de la API de Videos y de ambos modelos Sora 2,
sin haber anunciado ningún reemplazo. Si inicia ahora un flujo de trabajo de generación de video a partir de imágenes, hacerlo con Sora significa iniciar un proceso con cuenta atrás.
significa iniciar un proceso con cuenta atrás.
¿Cuánto cuesta animar una imagen?
Dado que la facturación se aplica por segundo de salida, el costo de un clip generado a partir de una imagen es simplemente la tarifa multiplicada por la duración solicitada:
multiplicada por la duración solicitada:
| Modelo y nivel (tier) | Clip de 5 segundos | Clip de 10 segundos | Clip de 30 segundos |
|---|---|---|---|
| Veo 3.1 Lite, 720p | $0.25 | $0.50 | $1.50 |
| Wan 2.5 | $0.25 | $0.50 | $1.50 |
| Kling 2.5 Turbo Pro | $0.35 | $0.70 | $2.10 |
| Veo 3.1 Lite, 1080p | $0.40 | $0.80 | $2.40 |
| Veo 3.1 Fast, 1080p | $0.60 | $1.20 | $3.60 |
| Veo 3.1 Standard, 4K | $3.00 | $6.00 | $18.00 |
Esos valores corresponden a cada generación exitosa. La conversión de imagen a video suele requerir menos intentos que
solo debe dirigirse el movimiento; sin embargo, una toma que requiera tres intentos tendrá un costo tres veces superior al indicado arriba. Calcule su presupuesto según su propia tasa de reintentos, no según la tarifa publicada.
Calcule su presupuesto según su propia tasa de reintentos, no según la tarifa publicada.
según la tarifa publicada.
¿Existe una forma realmente gratuita de hacer esto?
Sí, aunque con límites que vale la pena comprender antes de confiar en ellos. Los niveles gratuitos en esta categoría son promocionales, no estructurales: existen para impulsar su migración al plan de pago, y sus condiciones pueden cambiar.
para impulsar su migración al plan de pago, y sus condiciones pueden cambiar.
sus condiciones pueden cambiar.
Runway es el ejemplo publicado más claro. Su página de precios ofrece
125 créditos únicos probar las herramientas —un depósito fijo que no se renueva— con
planes de pago a partir de 12 USD al mes con facturación anual, y luego 28 USD y 76 USD para los niveles superiores.
Otras herramientas anuncian asignaciones gratuitas diarias en su lugar, y esos valores cambian con suficiente frecuencia
como para que cualquier cifra citada en un blog merezca ser verificada nuevamente en la página oficial del proveedor antes de planificar
su uso en torno a ella. El patrón entre las versiones gratuitas es consistente incluso cuando los números no lo son: espere un
techo de resolución más bajo, una marca de agua visible, una duración máxima de clip más corta y una cola de procesamiento más lenta.
Obtener un buen resultado a partir de una imagen fija
La generación de video a partir de imagen requiere un tipo distinto de indicación que la generación de video a partir de texto. El modelo no está inventando
una escena —ya la tiene—, por lo que la indicación debe describir movimiento, no contenido.
- Describa la cámara, no el sujeto. «Acercamiento lento, profundidad de campo reducida»
le da al modelo una tarea específica. «Un hermoso paisaje montañoso» describe algo que ya puede ver. - Nombre un solo movimiento, no tres. Las instrucciones compuestas en un clip corto tienden a
producir una toma que no ejecuta ninguna de ellas con claridad. - Comience con un fotograma limpio y de alta resolución. Los artefactos de compresión y el grano intenso en la imagen original se amplifican en cada fotograma generado.
Mantenga los clips cortos y realice cortes entre ellos. - La coherencia disminuye con la longitud en todos los modelos actuales; cuatro tomas de 5 segundos editadas juntas superan a una sola toma de 20 segundos.
Espere que los rostros y las manos sean los puntos de fallo. - Si la imagen fija contiene alguno de ellos, reserve más intentos de los que usaría para un producto o un paisaje.
Más económico y funcional:
¿Cuál deberías usar?
- Veo 3.1 Lite en 720p o Wan 2.5, ambos a 0,05 USD por segundo. Mejor relación calidad-precio en el siguiente nivel:
- Veo 3.1 Fast en 1080p, a 0,12 USD por segundo. Cuando la resolución de salida es el requisito principal:
- Veo 3.1 Standard en 4K, a 0,60 USD por segundo —la única opción en 4K dentro de este grupo, aparte de Veo 3.1 Fast, que cuesta 0,30 USD.
Solo para probarlo una vez: - una versión gratuita en el navegador es suficiente para comprobar si la idea funciona en absoluto, antes de configurar cualquiera de las opciones anteriores.
Técnicamente sí: todos los modelos enumerados aquí aceptan una imagen arbitraria como primer fotograma. Los resultados
Preguntas frecuentes
¿Puede la IA convertir cualquier foto en un video?
varían notablemente según la fuente: las imágenes fijas limpias, bien iluminadas y de alta resolución se animan con mucha mayor fiabilidad
que las comprimidas o con texturas intensas, y las imágenes que contienen rostros o manos requieren más intentos.
No. En todos los modelos anteriores se le factura por segundo de salida, independientemente de que la generación parta de una indicación textual o de una imagen.
¿Cuesta más la generación de video a partir de imágenes que la generación a partir de texto?
Veo 3.1 Lite en 720p y Wan 2.5 cuestan ambos 0,05 USD por segundo de salida, lo que supone unos 0,25 USD por generación de un clip de 5 segundos. Kling 2.5 Turbo Pro cuesta 0,07 USD por segundo.
Los límites prácticos son cortos. La coherencia disminuye a medida que aumenta la duración de los clips en todos los modelos actuales, razón por la cual la mayoría de los flujos de trabajo profesionales generan varias tomas cortas y las editan juntas, en lugar de solicitar una sola toma larga.
¿Cuál es la IA más económica para generar videos a partir de imágenes?
En general, sí, junto con un límite de resolución y una cola de procesamiento más lenta. Las asignaciones gratuitas también son
promocionales y cambian con frecuencia: por ejemplo, la de Runway consiste en un depósito único de 125 créditos, no en una asignación mensual recurrente.
¿Cuánto tiempo puede tener un video generado por IA?
Los límites prácticos son cortos. La coherencia disminuye a medida que los clips se alargan en todos los modelos actuales, lo cual
es la razón por la que la mayoría de los flujos de trabajo profesionales generan varias tomas cortas y las editan juntas, en lugar de
solicitar una única toma larga.
¿Los herramientas gratuitas para generar videos a partir de imágenes añaden una marca de agua?
En general, sí, junto con un límite de resolución y una cola más lenta. Los créditos gratuitos también son
promocionales y cambian con frecuencia: por ejemplo, los de Runway consisten en un depósito único de 125 créditos, no en
una asignación mensual recurrente.
