Descontinuado. La API de vídeo de OpenAI Sora 2 video API se cerró el 24 de septiembre de 2026, sin que se nombre ningún reemplazo página de obsolescencia. Los precios que aparecen a continuación se mantienen como referencia; la API ya no responde. Véase cuánto cuestan las alternativas por segundo.
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?
Le das a un modelo de video tu imagen como primer fotograma y un prompt corto describiendo el movimiento
que deseas, luego pagas por segundo de salida. Todos los modelos frontera del mercado soportan esto:
Sora 2, Veo 3.1, Kling 2.5 Turbo Pro y Wan 2.5 aceptan entrada de texto o imagen.
El más barato es $0.05 por segundo de video terminado, lo que pone una animación de 5 segundos en aproximadamente
$0.25 por generación, antes de reintentos. Existen herramientas gratuitas en navegador y animarán una foto sin una
tarjeta, pero limitan la resolución, agregan marcas de agua y asignan una cantidad fija en lugar de una
recurrente.
¿Qué modelos aceptan una imagen como entrada?
Esta es la parte que la mayoría de páginas de comparación omiten. La entrada de imagen no es un nivel de producto separado —
es un modo del mismo modelo, con precio idéntico:
| Modelo | Desarrollador | Entrada | De (por segundo) |
|---|---|---|---|
| Veo 3.1 | Texto, Imagen | 0,05 USD (Lite, 720p) | |
| Wan 2.5 | Alibaba | Texto, Imagen | $0.05 (vía fal) |
| Kling 2.5 Turbo Pro | Kuaishou | Texto, Imagen | $0.07 (vía fal) |
| Sora 2 | OpenAI | Texto, Imagen | 0,05 USD (por lotes, 720p) |
| Sora 2 Pro | OpenAI | Texto, Imagen | $0.15 (batch, 720p) |
Una nota de temporización que importa si estás eligiendo hoy: OpenAI ha establecido
24 de septiembre de 2026 como la fecha de cierre para la API de Videos y ambos modelos Sora 2,
sin reemplazo nombrado. Si estás iniciando un flujo de trabajo de imagen a video ahora, iniciarlo en Sora
es iniciarlo en una cuenta atrás.
Lo que cuesta animar una imagen
Debido a que la facturación es por segundo de salida, el costo de un clip de imagen a video es simplemente la tarifa
multiplicada por la duración que solicitas:
| 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 son por generación exitosa. La imagen a video tiende a necesitar menos intentos que
texto a video, porque el primer fotograma ya está fijo y solo estás dirigiendo el movimiento — pero una
toma que lleva tres intentos cuesta tres veces la cifra anterior. Presupuesta desde tu propia tasa de reintentos,
no desde la tarifa.
¿Hay una forma genuinamente gratuita de hacer esto?
Sí, con límites que vale la pena entender antes de confiar en ellos. Los niveles gratuitos en esta
categoría son promocionales en lugar de estructurales: existen para llevarte al plan de pago, y sus
términos cambian.
Runway es el ejemplo publicado más claro. Su página de precios ofrece
125 créditos únicos para probar las herramientas — un depósito fijo que no se renueva — con
planes de pago comenzando en $12 al mes en facturación anual, luego $28 y $76 para los niveles superiores.
Otras herramientas anuncian asignaciones diarias gratuitas en su lugar, y esos números cambian con la frecuencia suficiente
que cualquier cifra citada en un blog vale la pena revisar en la propia página del proveedor antes de planificar
alrededor de ella. El patrón en niveles gratuitos es consistente incluso cuando los números no lo son: espera un
techo de resolución más bajo, una marca de agua visible, un clip máximo más corto y una cola más lenta.
Obtener un buen resultado de una imagen fija
La imagen a video recompensa un tipo diferente de prompt que texto a video. El modelo no está inventando
una escena — ya tiene una — así que el prompt debe describir movimiento, no contenido.
- Describe la cámara, no el sujeto. «Empujón lento hacia adentro, profundidad de campo superficial»
le da al modelo un trabajo. «Un hermoso paisaje de montaña» describe lo que ya puede ver. - Nombra un movimiento, no tres. Las instrucciones compuestas en un clip corto tienden a
producir una toma que no hace ninguna de ellas limpiamente. - Comienza desde un fotograma limpio y de alta resolución. Los artefactos de compresión y el grano pesado
en la fuente se amplifican en cada fotograma generado. - Mantén los clips cortos y corta entre ellos. La coherencia se degrada con la longitud en todos los
modelos; cuatro tomas de 5 segundos editadas juntas superan una toma de 20 segundos. - Espera que los rostros y las manos sean el punto de fallo. Si la imagen contiene cualquiera de ellos,
presupuesta más reintentos de los que lo harías para un producto o un paisaje.
¿Cuál deberías usar?
- Más económico y funcional: Veo 3.1 Lite a 720p o Wan 2.5, ambos a $0,05 por segundo.
- Mejor relación calidad-precio en el siguiente nivel: Veo 3.1 Fast a 1080p, $0,12 por segundo.
- Cuando la resolución de salida es el requisito: Veo 3.1 Standard a 4K, $0,60 por
segundo — el único nivel 4K en este grupo además de Fast a $0,30. - Solo para probarlo una vez: una capa de navegador gratuita es suficiente para ver si la idea
funciona en absoluto, antes de que merezca la pena configurar cualquiera de las anteriores.
Preguntas frecuentes
¿Puede la IA convertir cualquier foto en un video?
Técnicamente sí — cada modelo listado aquí acepta una imagen arbitraria como primer fotograma. Los resultados
varían mucho según la fuente: las imágenes fijas limpias, bien iluminadas y de alta resolución se animan mucho más confiablemente
que las comprimidas o muy texturizadas, e imágenes que contengan rostros o manos necesitan más intentos.
¿Cuesta más la generación de video a partir de imágenes que la generación a partir de texto?
No. En todos los modelos anteriores se te cobra por segundo de salida independientemente de si la
generación comenzó a partir de un aviso o una imagen.
¿Cuál es la IA más económica para generar videos a partir de imágenes?
Veo 3.1 Lite a 720p y Wan 2.5 cuestan ambos $0,05 por segundo de salida, lo que hace un clip de 5 segundos
alrededor de $0,25 por generación. Kling 2.5 Turbo Pro es $0,07 por segundo.
¿Cuánto tiempo puede tener un video generado por IA?
Los límites prácticos son cortos. La coherencia cae conforme se alargan los clips en cada modelo actual, por lo que
la mayoría de los flujos de trabajo de producción generan varios planos cortos y los editan juntos en lugar de
pedir un único plano largo.
¿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.