Mejor IA para convertir imágenes en vídeo en 2026: una foto y 5 modelos
¿Cuál es la mejor IA para convertir imágenes en vídeo? Probamos cinco con la misma foto: rostro, movimientos, encuadre y coste de cada clip.
Leer en MarkdownElegir la mejor IA para convertir imágenes en vídeo parece fácil cuando ves una demo. Subes una foto, describes un movimiento y obtienes un clip. Con tu propia foto, las preguntas son más concretas: ¿conserva su rostro?, ¿hace el movimiento que le has pedido?, ¿cambia el encuadre sin avisar?
El 4 de noviembre de 2026 dimos la misma foto a cinco modelos de IA de imagen a vídeo y les pedimos los mismos tres movimientos. Los cinco clips costaron $0.8105 en total. A continuación puedes ver el clip de cada modelo junto a una tabla con lo que hizo.
TokLab es nuestro producto, ofrece los cinco modelos y usamos su API para generar los clips. Seedance 2.5, que encabeza la clasificación pública de imagen a vídeo, no participa en la prueba; explicamos el motivo hacia el final.
Respuesta rápida: ¿cuál es la mejor IA para convertir imágenes en vídeo?
De estos cinco, Seedance 2.0 Mini fue el que mejor siguió todas las instrucciones del prompt. Fue el único que bajó el paraguas. MiniMax H3 Standard fue el que más se le acercó por alrededor del 40% del precio, a $0.0769 por clip, y mantuvo la proporción exacta de la foto. Si tu foto ya es 16:9, Veo 3.1 Fast te da 8 segundos por $0.168. Si lo eliges para otras proporciones, añade barras negras.
En la clasificación de Artificial Analysis, donde los espectadores votan entre clips sin saber qué modelo los ha generado, el mejor modelo de imagen a vídeo es Seedance 2.5.
La foto y los movimientos que pedimos
El fotograma inicial es una foto 3:2 de una joven que ríe bajo un paraguas transparente en una calle de noche, mientras llueve. La creamos en nuestra prueba de generadores de imágenes con IA. Todos los modelos la recibieron como primer fotograma, con este prompt:
"She lowers the clear umbrella slightly, keeps laughing and turns to look down the street as the rain keeps falling; a car passes behind her and its headlights sweep across the wet pavement; slow push-in"
Son tres cosas que puedes comprobar al ver el vídeo: se mueve un objeto (baja el paraguas), se mueve ella (se gira hacia la calle) y ocurre algo detrás (pasa un coche). Ejecutamos cada modelo una sola vez, con la resolución más baja que permitiera ver su rostro con claridad.
Comparativa de modelos de IA de imagen a vídeo
| Modelo | Mejor para | Clip obtenido | Cobrado | Elo de imagen a vídeo |
|---|---|---|---|---|
| Seedance 2.0 Mini | seguir todo el prompt | 752×560, 5 s | $0.185558 | 1135 (2.0) |
| MiniMax H3 Standard | animar fotos por lotes | 1152×768, 5 s | $0.076926 | 1130 (H3, 768p) |
| Grok Imagine Video 1.5 | mantener el rostro hacia la cámara | 672×448, 6 s | $0.24 | 1049 |
| PixVerse v6 | crear borradores rápidos sin sonido | 1024×688, 5 s | $0.14 | 958 |
| Veo 3.1 Fast | animar fotos que ya son 16:9 | 1280×720, 8 s | $0.168 | 936 |
Fuente: clasificación de imagen a vídeo de Artificial Analysis Video Arena, a 4 de noviembre de 2026, junto al importe que TokLab nos cobró por cada clip ese día. Si aparece una variante entre paréntesis, la clasificación evalúa una versión del modelo distinta de la que usamos para el clip.
Seedance 2.0 Mini: la mejor IA de imagen a vídeo para seguir el prompt
| Comprobación | Resultado |
|---|---|
| Conserva el rostro | sí; las pecas se atenúan un poco hacia el tercer segundo |
| Baja el paraguas | sí, el único modelo que lo hizo |
| Se gira hacia la calle | por completo, hasta que su rostro sale del encuadre |
| Pasa un coche | sí |
| Proporción del encuadre | 752×560, algo más cuadrado que la foto |
| Sonido | sí |
| Tiempo de generación y coste | unos 2 minutos, $0.185558 |
Seedance 2.0 Mini fue el que cumplió más de lo que escribimos. Hacia la mitad del clip, ella baja el paraguas hasta dejarlo a su lado y sigue girándose hasta que vemos su nuca y las luces de un coche a la derecha del encuadre.
Es una interpretación literal de «se gira para mirar calle abajo», y ahí está también el inconveniente. En el último segundo ya no se le ve el rostro. Si animas un retrato para un vídeo de perfil o un anuncio, probablemente prefieras que mire un momento hacia la calle y vuelva a mirar a la cámara. Especifícalo en el prompt.
El rostro en sí se mantuvo bien. Los únicos cambios que notamos fueron unas pecas más tenues y el pelo algo más corto hacia el tercer segundo. El clip también es un poco más cuadrado que la foto 3:2, así que cuenta con un pequeño recorte si vuelves a colocarlo junto al original.
MiniMax H3 Standard: la mejor IA de imagen a vídeo para animar fotos por lotes
| Comprobación | Resultado |
|---|---|
| Conserva el rostro | sí |
| Baja el paraguas | no, sigue sobre su cabeza |
| Se gira hacia la calle | por completo |
| Pasa un coche | sí, un coche plateado por la izquierda |
| Proporción del encuadre | 1152×768, exactamente 3:2 |
| Sonido | sí |
| Tiempo de generación y coste | alrededor de 1,5 minutos, $0.076926 |
MiniMax H3 Standard devolvió un clip a 768p y mantuvo la proporción 3:2 de la foto al píxel, sin recortes ni añadidos. Ella ríe y se gira hasta mirar calle abajo y dejar el rostro fuera del encuadre. Un coche plateado pasa por detrás, con sus luces reflejadas en la calzada mojada.
Ignoró la instrucción del paraguas. Se queda exactamente donde estaba en la foto durante todo el clip.
A $0.076926 por clip, cuesta alrededor del 40% de lo que cuesta Seedance 2.0 Mini. Por eso es el primero que probaríamos para trabajar por lotes. Si vas a animar cien fotos, conservar el encuadre original vale más que cumplir una instrucción adicional. La entrada de MiniMax H3 en la clasificación, con 1130 puntos, corresponde a la variante de 768p y queda muy cerca de Seedance 2.0.
Grok Imagine Video 1.5: la mejor opción para mantener el rostro hacia la cámara
| Comprobación | Resultado |
|---|---|
| Conserva el rostro | sí |
| Baja el paraguas | no |
| Se gira hacia la calle | se gira parcialmente, con el rostro aún visible para la cámara |
| Pasa un coche | sí |
| Proporción del encuadre | 672×448, exactamente 3:2 |
| Sonido | sí |
| Tiempo de generación y coste | 57 segundos, $0.24 |
Grok Imagine hizo lo contrario que Seedance y MiniMax. La cámara se acerca de forma clara, ella gira la cabeza hacia la calle pero sigue mostrándonos el rostro, y un coche pasa al fondo. Para un retrato, podría ser el resultado más útil.
También mantuvo la proporción 3:2 de la foto y fue el más rápido de los cinco: terminó en 57 segundos. La contrapartida está en la resolución y el precio: 672×448 por $0.24, el clip más caro de esta prueba, en parte porque la duración mínima de Grok es de 6 segundos.
PixVerse v6: la mejor opción para borradores rápidos sin sonido
| Comprobación | Resultado |
|---|---|
| Conserva el rostro | sí |
| Baja el paraguas | no |
| Se gira hacia la calle | se gira y después vuelve a mirar a la cámara |
| Pasa un coche | sí |
| Proporción del encuadre | 1024×688, a unos pocos píxeles de 3:2 |
| Sonido | no, el audio es una opción de pago que dejamos desactivada |
| Tiempo de generación y coste | unos 64 segundos, $0.14 |
PixVerse v6 fue el que mejor aprovechó el giro como gesto: ella mira por encima del hombro mientras pasa un coche, luego vuelve a girarse y ríe mirando a la cámara. Parece un momento natural, aunque el prompt no pedía que volviera a mirar a la cámara.
El clip no tiene sonido porque PixVerse cobra un suplemento por el audio y no lo activamos. Su proporción solo difiere en unos pocos píxeles de la de la foto, así que no se aprecia ningún recorte.
Veo 3.1 Fast: la mejor opción si tus fotos ya son 16:9
| Comprobación | Resultado |
|---|---|
| Conserva el rostro | sí |
| Baja el paraguas | no |
| Se gira hacia la calle | se gira parcialmente |
| Pasa un coche | sí, un coche oscuro |
| Proporción del encuadre | 1280×720, con barras negras a ambos lados |
| Sonido | sí |
| Tiempo de generación y coste | unos 2 minutos, $0.168 |
Veo 3.1 Fast devolvió el clip más largo: 8 segundos a 720p. El movimiento es fluido: ella gira parcialmente la cabeza, pasa un coche oscuro y la lluvia cae sobre el paraguas. Es un buen clip, pero tiene barras negras a los lados.
Veo colocó nuestra foto 3:2 en el centro de un encuadre 16:9 y rellenó los lados de negro. Puedes quitar las barras con un recorte, pero entonces te queda un vídeo más pequeño que aquel por el que has pagado. Si tus fotos ya son 16:9, esto no ocurre, y 8 segundos por $0.168 es un buen precio. Todas las variantes de Veo 3.1 generan 8 segundos por clip.
¿Comparas aplicaciones o los modelos que usan?
La mayoría de las aplicaciones de imagen a vídeo usan uno de estos modelos. Dreamina, de ByteDance, usa Seedance; Hailuo es la aplicación de MiniMax; Flow, de Google, usa Veo; y Grok Imagine está integrado en Grok. Cuando dos aplicaciones te dan clips muy parecidos a partir de la misma foto, a menudo usan el mismo modelo.
Por eso esta prueba compara modelos en lugar de aplicaciones. La aplicación decide la interfaz, los créditos gratuitos y la marca de agua. El modelo decide si el paraguas baja.
Qué sigue fallando al convertir imágenes en vídeo con IA
Los rostros en fotos de grupo. La reseña de Nemovideo sobre herramientas de imagen a vídeo afirma que mantener los rostros estables «sigue siendo un problema real» y señala las fotos de grupo como el caso más difícil. Con un solo rostro, los cinco modelos de esta prueba mantuvieron a la mujer reconocible. Haz una prueba aparte con una foto de grupo antes de confiarle una a un modelo.
Las instrucciones sobre objetos. Los cinco modelos hicieron que girara la cabeza y añadieron el coche. Cuatro dejaron el paraguas exactamente donde estaba. Los movimientos de la persona parecen seguir las instrucciones de forma más fiable que los de un objeto que sostiene.
La proporción de tu foto. Tres modelos mantuvieron la proporción 3:2 de la foto o se desviaron solo unos pocos píxeles; uno la hizo un poco más cuadrada y otro añadió barras negras. Si vas a procesar cien fotos que no sean 16:9, prueba primero con una y revisa los bordes.
Aplicaciones de imagen a vídeo que aparecen en otras listas
Runway, Pika y Luma aparecen en la mayoría de las listas de herramientas de imagen a vídeo. No formaron parte de esta prueba; estos datos proceden de sus páginas de precios a 4 de noviembre de 2026.
| Aplicación | Opción gratuita | Planes de pago desde |
|---|---|---|
| Runway | 125 créditos por una sola vez | $15 al mes, $12 con facturación anual |
| Pika | paquetes de créditos gratuitos, sin licencia comercial | $10 al mes (Starter, 900 créditos) |
| Luma | no se indica ninguna | $30 al mes (Plus, 10,000 créditos) |
Si pruebas alguna con la foto que necesitas animar, haz las mismas tres comprobaciones de antes: si se conserva el rostro, si se realiza la acción y si se mantiene la proporción del encuadre.
El modelo que no probamos
Seedance 2.5 encabeza la clasificación de imagen a vídeo de Artificial Analysis con 1159 puntos, seguido de Seedance 2.0 con 1135. Un clip de 4 segundos de Seedance 2.5 a 480p cuesta unos $0.41 en TokLab, más que cualquiera de los clips de esta prueba y aproximadamente la mitad de lo que costaron los cinco juntos, así que esta vez usamos Seedance 2.0 Mini. Kling 3.0 y Wan 3.0 tampoco participan. Si tienes presupuesto para generar una versión de tu plano final con un modelo prémium, la clasificación apunta a Seedance 2.5.
Preguntas frecuentes
¿Qué IA de imagen a vídeo te permite conservar el rostro?
Los cinco modelos de esta prueba mantuvieron reconocible un solo rostro. Seedance 2.0 Mini atenuó un poco sus pecas. Los cambios en los rostros empeoran con las fotos de grupo, así que pruébalas por separado.
¿Cuánto puede durar un vídeo que generas a partir de una imagen?
Los clips de esta prueba duraron entre 5 y 8 segundos. La mayoría de estos modelos permiten generar hasta 15 segundos de una vez, y Seedance 2.5, hasta 30.
¿Puedes convertir imágenes en vídeo con IA gratis?
Sí, con límites. Dreamina anuncia la conversión gratuita de imagen a vídeo con Seedance, y la mayoría de los demás planes gratuitos limitan la duración, la resolución o el número de clips diarios. Puedes consultar las tarifas actuales de TokLab para los modelos de esta prueba en la página de precios.
