Guía
Imagen a video con IA: cómo convertir una foto en video
Publicado el Actualizado el Por DreamClip
La imagen a video con IA toma una imagen fija y genera los segundos que vienen después. Subes una foto como fotograma inicial, escribes una línea sobre lo que se mueve, y el modelo conserva la cara, la ropa y el lugar mientras los anima. Abre primero Kling V3 Turbo para personas y mascotas: el Kling pensado para la velocidad, sin sonido, de 3 a 15 segundos, horizontal, vertical o cuadrado. Abre Veo 3.1 cuando el clip necesita sonido y una luz que siga la de la foto, como la foto de un producto que cobra vida para un anuncio. Abre Seedance 2.5 cuando el clip tiene que terminar en una segunda foto.
Todos los modelos de video de DreamClip aceptan fotograma inicial, así que la elección depende de la duración, el sonido, el formato y el precio. La página de imagen a video muestra seis clips reales junto a sus fotos; esta guía es el método detrás de ellos.
Una regla cubre casi todo: describe el cambio, no la imagen. El modelo ya tiene la imagen. Lo que necesita de ti es el movimiento, la cámara y, en los modelos que lo generan, el sonido.
Qué hace la IA de imagen a video, y qué no hace
Un modelo de texto a video inventa el primer cuadro y todo lo que sigue. A un modelo de imagen a video le dan el primer cuadro y solo inventa lo que sigue, y por eso el resultado se parece a tu foto: la persona, el lugar y la luz son los tuyos, y el modelo adivina cómo se mueve esa escena a continuación. Si todavía no tienes foto, empieza por texto a video.
No restaura la foto: un escaneo borroso vuelve como un clip borroso, así que primero mejora la nitidez, como hace nuestra guía para animar fotos antiguas. No sabe qué hay fuera del cuadro, así que un movimiento de cámara que revela la habitación se inventa la habitación. Y maneja bien un movimiento y mal tres.
La foto es el primer cuadro, no una referencia aproximada. Recórtala al formato del clip antes de subirla.
Cómo elegir el fotograma inicial
La foto decide más que el prompt. Una imagen nítida, bien iluminada y con un sujeto claro se anima bien en cualquier modelo; una oscura, recargada y de baja resolución falla en todos.
| La foto | Lo que suele pasar | Haz esto en su lugar |
|---|---|---|
| Un sujeto, nítido, al centro del cuadro | Lo que suele pasarMovimiento limpio, cara y ropa conservadas | Haz esto en su lugarÚsala tal como está |
| Un grupo de diez | Lo que suele pasarLas caras del fondo se derriten o se intercambian | Haz esto en su lugarRecorta a las dos o tres personas que importan |
| Una mano medio fuera del cuadro | Lo que suele pasarLa mano crece, o aparece un sexto dedo | Haz esto en su lugarRecorta la mano, o déjala quieta en el prompt |
| Una foto de celular oscura y con grano | Lo que suele pasarDesenfoque y ruido que se arrastra | Haz esto en su lugarPrimero aclara y mejora la imagen |
| Una foto cuadrada para un clip vertical | Lo que suele pasarUn sujeto estirado o recortado | Haz esto en su lugarRecorta al formato del clip, y elige un modelo que lo genere |
Ajusta el formato del clip a la foto: una foto vertical pide 9:16, una horizontal 16:9. La mayoría de los modelos de aquí también generan 1:1, lo que te ahorra recortar una foto cuadrada. Veo 3.1 y Gemini Omni Flash 1.1 generan solo 16:9 y 9:16, y Minimax Hailuo 2.3 no tiene ajuste de formato, así que recorta la foto al formato que quieres antes de subirla ahí.
Cómo escribir un prompt de movimiento: describe el cambio, no la imagen
Un prompt de texto a video describe una escena. Un prompt de imagen a video describe un cambio en una escena que el modelo ya puede ver. Volver a escribir la imagen desperdicia palabras y a veces choca con la foto. Deja fuera lo que ya está en el cuadro, deja fuera las negaciones y deja fuera la segunda escena: un clip es un momento.
El orden para escribir un prompt de movimiento
- Primero, el movimiento del sujeto: se inclina hacia adelante y sopla las velas.
- Qué más se mueve: las llamas parpadean y se apagan, el humo sube en espiral.
- La cámara, si se mueve: cámara en mano, un acercamiento lento, o quieta.
- El sonido, en un modelo que lo genera: una sala llena de gente aplaudiendo.
- El look, en dos palabras como mucho: video de celular, cinematográfico.
Los seis clips de nuestra página de imagen a video se escribieron así, tres en Kling V3 Turbo y tres en Veo 3.1; sus prompts están en la tabla más abajo. No pidas nada brusco al principio: un salto o un giro rápido en los primeros cuadros desarma la foto antes de que el movimiento se asiente, y es la razón más común por la que un clip termina con otra persona.
Los modelos que aceptan fotograma inicial en DreamClip
Estos diez cubren los trabajos más comunes. Cada celda sale de nuestro catálogo de modelos: las duraciones, los tamaños y las opciones de sonido que el estudio ofrece hoy, no el máximo que anuncia un fabricante.
| Modelo | Creador | Duración del clip | Tamaños | Sonido | Imagen inicial | Fotos de referencia |
|---|---|---|---|---|---|---|
| Kling V3 Turbo | CreadorKling | Duración del clip3 a 15 s | Tamaños720p, 1080p | SonidoNo | Imagen inicialSí | Fotos de referenciaNo |
| Kling 3.0 | CreadorKling | Duración del clip3 a 15 s | Tamaños720p, 1080p | SonidoSí, activado por defecto | Imagen inicialSí | Fotos de referenciaNo |
| Veo 3.1 (with audio) | CreadorGoogle | Duración del clip4, 6 o 8 s | Tamaños720p, 1080p | SonidoSí, activado por defecto | Imagen inicialSí | Fotos de referenciaNo |
| Seedance 2.5 | CreadorByteDance | Duración del clip4 a 30 s | Tamaños480p, 720p, 1080p | SonidoSí, activado por defecto | Imagen inicialInicial y final | Fotos de referenciaNo |
| Seedance 2.0 Fast | CreadorByteDance | Duración del clip4 a 15 s | Tamaños480p, 720p | SonidoSí, activado por defecto | Imagen inicialInicial y final | Fotos de referenciaSí |
| Wan 3.0 | CreadorAlibaba | Duración del clip2 a 30 s | Tamaños480p, 720p, 1080p | SonidoSí, activado por defecto | Imagen inicialInicial y final | Fotos de referenciaNo |
| Gemini Omni Flash 1.1 | CreadorGoogle | Duración del clip3 a 10 s | Tamaños360p, 720p, 1080p, 4K | SonidoSiempre activado | Imagen inicialInicial y final | Fotos de referenciaNo |
| Minimax Hailuo 2.3 | CreadorMiniMax | Duración del clip6 o 10 s | Tamaños768p | SonidoNo | Imagen inicialSí | Fotos de referenciaNo |
| Luma Ray v3.2 | CreadorLuma | Duración del clip5 s | Tamaños540p, 720p, 1080p | SonidoNo | Imagen inicialSí | Fotos de referenciaNo |
| Pika 2.2 | CreadorPika | Duración del clip5 o 10 s | Tamaños720p, 1080p | SonidoNo | Imagen inicialSí | Fotos de referenciaNo |
- KlingKling V3 Turbo3 a 15 s · 720p, 1080p
- KlingKling 3.03 a 15 s · 720p, 1080p
- GoogleVeo 3.1 (with audio)4, 6 o 8 s · 720p, 1080p
- ByteDanceSeedance 2.54 a 30 s · 480p, 720p, 1080p
- ByteDanceSeedance 2.0 Fast4 a 15 s · 480p, 720p
- AlibabaWan 3.02 a 30 s · 480p, 720p, 1080p
Aquí todos aceptan fotograma inicial; el fotograma final y las fotos de referencia no. Cuando el clip tiene que terminar en una segunda foto, abre Seedance 2.5, Wan 3.0 o Gemini Omni Flash 1.1. Para un sujeto que debe aparecer en una escena que la foto no muestra, Seedance 2.0 Fast acepta hasta nueve fotos de referencia, citadas en el prompt como @Image1, @Image2 y así sucesivamente.
Qué modelo para qué foto: productos, personas, paisajes
Los modelos se diferencian menos en si pueden animar una foto que en lo que protegen mientras lo hacen.
| La foto | Abre primero | Por qué |
|---|---|---|
| La cara de una persona, un momento familiar | Abre primeroKling V3 Turbo | Por quéConserva bien una cara durante los primeros ocho a diez segundos, sin sonido, y genera fotos cuadradas en 1:1 |
| Un producto sobre una superficie | Abre primeroVeo 3.1 | Por quéMantiene la luz de la foto y agrega el sonido del objeto: vapor, un chorro, un clic |
| Una mascota en plena acción | Abre primeroKling V3 Turbo | Por quéMovimiento natural y rápido, cuatro patas que aterrizan bien; Seedance 2.0 Fast es el segundo intento |
| Un paisaje o una vista de ciudad | Abre primeroWan 3.0 | Por quéHasta 30 segundos para un desplazamiento lento, sonido activado por defecto; Gemini Omni Flash 1.1 para 4K |
| Un auto, una boda, un baile | Abre primeroVeo 3.1 | Por quéFísica, reflejos y dos caras que se sostienen, con el sonido del lugar |
| Un loop corto para el feed | Abre primeroPika 2.2 o Luma Ray v3.2 | Por quéClips cortos sin sonido, de los de menor costo por segundo de aquí en 720p |
| Un clip que tiene que terminar en una segunda foto | Abre primeroSeedance 2.5 | Por quéAcepta fotograma inicial y final; Wan 3.0 también |
La página de Kling reúne prompts para personas y mascotas, la página de Veo prompts que se apoyan en el sonido y la luz, y la página de Seedance las tomas largas y los fotogramas finales.
Duración, resolución y sonido
En la duración es donde los modelos se separan, y la tabla de modelos de más arriba muestra todas las opciones. Veo 3.1 llega hasta 8 segundos, los modelos Kling hasta 15, y Seedance 2.5 y Wan 3.0 llegan a 30. Una foto suele pedir el extremo corto: seis segundos de una sonrisa son un momento, quince son un loop.
Haz el borrador en 720p, o en 480p donde se ofrece, y genera en 1080p cuando el movimiento esté bien. En la mayoría de los modelos el tamaño mayor cuesta más por segundo; Veo 3.1 cobra lo mismo por 720p y por 1080p. Para 4K a partir de una foto, Gemini Omni Flash 1.1 lo genera de forma nativa, igual que Kling 3.0 4K y Kling O3 Omni 4K, los dos cubiertos en nuestra comparación Veo 3.1 vs Kling 3.0.
El sonido depende del modelo. Veo 3.1, Kling 3.0, Seedance 2.5, Seedance 2.0 Fast y Wan 3.0 generan sonido y lo tienen activado por defecto, con un interruptor para apagarlo; en Veo 3.1 y Kling 3.0 un clip sin sonido además cuesta menos. Gemini Omni Flash 1.1 genera sonido en todos los clips, y la tabla de modelos marca los que no tienen sonido. Para la foto de una persona que habla, el mejor camino es un avatar parlante, que toma el retrato y una pista de audio y ajusta la boca a las palabras.
Primero crea la imagen: genera y luego anima
Muchas veces el mejor fotograma inicial es uno que hiciste tú. Una foto de un producto que todavía no existe, un personaje que diseñaste, un lugar al que no puedes ir: genera la imagen, evalúala y luego anímala. Una imagen cuesta una fracción de lo que cuesta un clip, así que pagas por el movimiento solo cuando el cuadro está bien.
- Abre Nano Banana Pro y escribe el cuadro como una fotografía: sujeto, lugar, luz, lente y el formato del clip.
- Genera dos o tres, y corrige los detalles de la elegida con una edición de foto en lugar de volver a generar: la ruta de imagen a imagen toma la imagen y una línea de cambio, y la página de Nano Banana tiene prompts de cuadros para eso.
- Abre la imagen como fotograma inicial en el estudio de video y describe solo lo que se mueve.
Diez ejemplos: seis pares de antes y después y cuatro más para probar
Los seis primeros son los prompts reales detrás de los pares de antes y después de nuestra página de imagen a video, que muestra cada foto junto al clip en que se convirtió. Los últimos cuatro son nuevos, escritos con las mismas reglas y sin un render nuestro, así que tómalos como puntos de partida. Usa tu propia foto, conserva el prompt y cambia una cosa a la vez.
| La foto | El prompt | Modelo |
|---|---|---|
| Un pastel de cumpleaños con las velas encendidas | El promptSe inclina hacia adelante y sopla las velas, las llamas parpadean y se apagan, el humo sube en espiral, ella se ríe y aplaude, las manos a su alrededor también aplauden, video de celular con cámara en mano | ModeloKling V3 Turbo, el clip de la página |
| Un perro en la playa | El promptEl perro suelta la pelota, se agacha y sale disparado por la playa entre el agua poco profunda, levantando arena y salpicaduras, la cámara hace un paneo para seguirlo | ModeloKling V3 Turbo, el clip de la página |
| Un café sobre una mesa | El promptAcercamiento lento mientras el vapor sube y se enrosca desde el café, la luz del sol se mueve sobre la mesa, una mano entra y levanta la taza | ModeloVeo 3.1, el clip de la página |
| Una pareja en una boda | El promptSe balancean y giran despacio, el vestido se mece, ella se ríe y apoya la cabeza en el hombro de él, las guirnaldas de luces titilan, los invitados aplauden suave en los bordes, cámara en mano | ModeloVeo 3.1, el clip de la página |
| Un auto estacionado | El promptEl auto arranca por la carretera de la costa, pasan las palmeras, el sol destella en el cromo, la cámara lo sigue desde atrás | ModeloVeo 3.1, el clip de la página |
| Niños junto a un aspersor | El promptCaen y vuelven a saltar, el pelo al aire, el aspersor barre el cuadro, uno de ellos grita de risa, cámara en mano | ModeloKling V3 Turbo, el clip de la página |
| Un abuelo leyendo junto a una ventana | El promptLevanta la vista del periódico, se quita los lentes y sonríe, la cortina se mueve con la brisa, la cámara se queda quieta | ModeloKling V3 Turbo, un prompt nuevo |
| Un frasco de perfume sobre mármol | El promptUn acercamiento lento, la luz destella sobre el vidrio, una cinta fina de bruma pasa flotando, el frasco se queda quieto | ModeloVeo 3.1, un prompt nuevo |
| Un lago de montaña al amanecer | El promptLa neblina se desliza sobre el agua, el reflejo se ondula una vez, las nubes se mueven despacio hacia la izquierda, la cámara se queda quieta | ModeloWan 3.0, un prompt nuevo |
| Una calle de ciudad de noche | El promptEmpieza a llover, los letreros de neón parpadean, los reflejos en el asfalto mojado brillan, un acercamiento lento | ModeloGemini Omni Flash 1.1, un prompt nuevo |
Cómo convertir una foto en video en DreamClip
- Abre el estudio de video con el modo de fotograma inicial activado: Kling V3 Turbo para personas y mascotas, Veo 3.1 para productos y sonido, Seedance 2.5 cuando necesitas un fotograma final.
- Suelta la foto en el fotograma inicial, recortada al formato del clip.
- Escribe la línea de movimiento, un sujeto y un cambio, y elige la duración y el tamaño.
- Córrelo. Los créditos se retienen cuando presionas y se cobran solo cuando se entrega un clip terminado; una animación que falla nunca se cobra.
- Evalúa el primer segundo y la cara. Si alguno falla, calma el comienzo del prompt o prueba el siguiente modelo.
Para elegir entre dos modelos con una misma foto, corre la misma foto y la misma línea de movimiento en cada uno en el estudio de video, con su duración más corta y su tamaño más pequeño, y luego genera la versión final. Comparar corre un prompt de texto en hasta cuatro modelos de video lado a lado, cada uno con su duración más corta y su tamaño más pequeño en 16:9, sin cobro por un columna fallida; no acepta fotos, así que sirve para elegir un modelo para un movimiento, no para una imagen.
Dónde se queda corta la imagen a video
- Manos y dientes. Una mano que saluda y una boca que se abre mucho son donde todos los modelos todavía fallan. Deja las manos quietas, y usa un avatar parlante para el habla.
- Una cara que gira más allá del perfil. El modelo nunca vio la parte de atrás de esa cabeza; se la inventa. Mantén los giros por debajo de un cuarto de vuelta.
- Una segunda persona que entra. Cualquiera que no esté en la foto es un desconocido que el modelo inventa. Si importa, ponla primero en la imagen.
Dream Machine de Luma, la app de Pika, Pollo y Veed ofrecen un paso de foto a video, en octubre de 2026, cada uno dentro de su propio editor o suscripción. DreamClip ofrece Luma Ray v3.2 y Pika 2.2 junto a Kling, Veo y Seedance en un mismo estudio, así que comparar es cambiar de modelo y no abrir una cuenta nueva.
Preguntas
¿La imagen a video con IA es gratis en DreamClip?
Probarla no cuesta nada por adelantado. Registrarte no requiere tarjeta, y una cuenta gratis recibe créditos todos los días. La imagen a video se cobra según el modelo, la duración y el tamaño, así que un clip de tres segundos en el tamaño más pequeño de un modelo económico entra en los créditos de un día mucho más fácil que un clip de ocho segundos en Veo 3.1. Un clip que falla nunca se cobra.
¿Qué IA de imagen a video mantiene las caras iguales?
Kling V3 Turbo y Kling 3.0 conservan una cara mejor que la mayoría durante los primeros ocho a diez segundos, y Veo 3.1 mantiene la luz y el color de la foto durante sus 4 a 8 segundos. Todos los modelos se desvían pasados los diez segundos a partir de una foto, así que haz cortos los clips de personas.
¿Puedo usar mi foto como primer cuadro en Veo 3.1?
Sí. Abre Veo 3.1 en el estudio de video con el modo de fotograma inicial activado, sube la foto y describe el movimiento. Veo 3.1 genera 4, 6 u 8 segundos en 720p o 1080p, en 16:9 o 9:16, con sonido activado por defecto.
¿Puedo definir el último cuadro además del primero?
En algunos modelos. Seedance 2.5, Seedance 2.0, Seedance 2.0 Fast, Wan 3.0, Wan 2.7, Gemini Omni Flash 1.1, MiniMax H3, MiniMax H3 Max y PixVerse V6 aceptan fotograma inicial y final en DreamClip. Kling V3 Turbo, Kling 3.0 y Veo 3.1 aceptan solo fotograma inicial.
¿Puedo usar Sora para imagen a video aquí?
No. DreamClip no ofrece Sora, y OpenAI retiró la API de Sora el 24 de septiembre de 2026. Para un clip de foto a video, los modelos de aquí son Kling V3 Turbo y Kling 3.0, Veo 3.1, Seedance 2.5 y los demás de la tabla de arriba.
¿Kling 4.0 hace imagen a video en DreamClip?
No. El sitio de Kling anuncia Kling 4.0 (en octubre de 2026), y DreamClip no lo ofrece. Todos los modelos Kling que se venden aquí, de Kling V3 Turbo a Kling O3 Omni 4K, aceptan fotograma inicial y ninguno acepta fotograma final; si el clip tiene que terminar en una segunda foto, abre Seedance 2.5 o Wan 3.0.
Relacionados
- GuíaCómo usar Kling AI: Kling 3.0 para texto a video e imagen a videoCómo usar Kling AI con Kling 3.0: texto a video, imagen a video desde una foto de producto, Transferencia de movimiento, O3 Omni, 4K y los prompts que funcionan.
- ComparativaVeo 3.1 vs Kling 3.0: qué modelo de video con IA elegir en 2026Veo 3.1 vs Kling 3.0 en sonido, duración, 4K, fotograma inicial y movimiento: cuál elegir para anuncios, redes y tomas cinematográficas, y cómo probar los dos.
- GuíaCómo animar fotos con IA, más allá de Deep NostalgiaMejora el escaneo, anímalo desde un fotograma inicial y agrega una voz: un método respetuoso para fotos familiares antiguas, y lo que Deep Nostalgia hace y no hace.
Fuentes
- Kling AI, el sitio oficial, consultado el