Herramientas de vídeo con IA: qué puedes generar y editar hoy
Veo, Sora y Runway comparados sin adjetivos de marketing: cuánto duran los clips que puedes generar de verdad, dónde se rompe la coherencia entre escenas y qué flujo de trabajo real usan los equipos que ya lo integran en su producción.
Generar vídeo con IA en 2026 ya no es la curiosidad de clips de cinco segundos con objetos que se deforman entre fotograma y fotograma. Los modelos de referencia —Veo de Google, Sora de OpenAI y la plataforma de Runway— producen clips con audio sincronizado, cámara estable y coherencia de personaje razonable durante varios segundos seguidos. Pero "razonable durante varios segundos" no es lo mismo que "listo para sustituir a un rodaje real", y esa distancia entre lo que promete el vídeo de demostración y lo que obtienes en tu tercer intento es exactamente lo que esta guía intenta medir con honestidad.
Esta guía complementa la de generación de imágenes con IA: muchas de las técnicas de prompt (especificidad, encuadre, iluminación) se trasladan directamente, con la capa añadida del movimiento y el tiempo, que introduce sus propios problemas específicos.
El salto de calidad entre 2024 y 2026 ha sido más rápido en vídeo que en casi cualquier otra modalidad de IA generativa, precisamente porque partía de una base más débil: los primeros modelos públicos de vídeo generaban tres o cuatro segundos con artefactos visibles en cada fotograma. Los modelos actuales resuelven razonablemente bien la coherencia de un plano fijo o un movimiento de cámara simple; donde sigue notándose la diferencia con un rodaje real es en escenas largas, con varios personajes interactuando entre sí, o con física de fluidos y telas —el punto que desarrollamos con detalle más abajo.
Qué son estos modelos y por qué generar movimiento es distinto
Un generador de vídeo hace, en esencia, lo mismo que un generador de imágenes —difusión guiada por texto— pero repetido a lo largo de decenas de fotogramas que además tienen que ser coherentes entre sí: si un personaje lleva una chaqueta roja en el fotograma diez, tiene que seguir siendo roja en el fotograma cien, y el movimiento de la cámara tiene que respetar la física básica de una cámara real (no puede teletransportarse ni cambiar de lente a media toma sin que se note). Esa coherencia temporal es el problema técnico central del vídeo generativo, y es la razón por la que estos modelos consumen mucha más potencia de cálculo que sus equivalentes de imagen fija.
Los tres modelos de referencia añaden además generación de audio sincronizado (diálogo, efectos de sonido, ambiente) directamente ligado al contenido visual, algo que hasta hace poco requería un paso de posproducción completamente aparte. Eso reduce el número de herramientas distintas que necesitas para un clip corto, aunque la calidad del audio generado sigue siendo más irregular que la del vídeo, especialmente en diálogo hablado con labios sincronizados con precisión.
Otra limitación estructural que ningún vídeo de demostración muestra: la física de fluidos, telas y pelo sigue siendo el punto más frágil de los tres modelos. Agua que se comporta de forma extraña, cabello que atraviesa un hombro en vez de rozarlo, o una prenda de ropa que cambia ligeramente de forma entre fotogramas son los fallos más comunes cuando la escena incluye estos elementos, precisamente porque son los más difíciles de simular de forma consistente fotograma a fotograma sin un motor de física real detrás. Escenas con superficies rígidas (edificios, vehículos, paisajes estáticos) tienen una tasa de acierto notablemente más alta que escenas con estos elementos fluidos.
Los tres modelos, comparados de frente
| Modelo | Duración por clip | Punto fuerte | Dónde falla más |
|---|---|---|---|
| Veo (Google) | Hasta unos segundos por clip, extensible encadenando generaciones | Audio nativo sincronizado y buena física de cámara | Escenas con muchos personajes interactuando a la vez |
| Sora (OpenAI) | Clips cortos con opción de extender por tramos | Comprensión de instrucciones narrativas complejas | Consistencia exacta de un mismo rostro entre tomas distintas |
| Runway (Gen-4 y sucesores) | Clips cortos, orientado a flujo de producción profesional | Herramientas de control de cámara y referencia de personaje más maduras | Precio por segundo generado, más alto que la competencia en uso intensivo |
Ningún fabricante publica de forma prominente la tasa real de "descarta y repite" — cuántos intentos hacen falta de media hasta conseguir un clip aprovechable. Por experiencia de quienes ya lo usan en producción, esa tasa varía mucho según la complejidad de la escena: un plano fijo de un paisaje o un objeto suele salir bien a la primera o segunda vez; una escena con dos personajes hablando y gesticulando con naturalidad puede necesitar diez intentos o más antes de obtener algo usable sin cortes raros.
Todos los proveedores están además en una carrera de versiones constante: lo que hoy es cierto sobre duración máxima o coste por segundo puede cambiar en un trimestre, algo que ya vimos con los saltos de versión de los modelos de texto que comparamos en otra guía. Trata las cifras concretas de duración y precio de esta comparación como un punto de partida orientativo, y confirma siempre los límites vigentes en la página oficial del proveedor antes de presupuestar un proyecto real con ellos.
Cómo escribir un prompt de vídeo, no solo de imagen
Todo lo que explicamos sobre sujeto, estilo y encuadre en nuestra guía de generación de imágenes sigue siendo válido aquí, pero el vídeo añade una dimensión que la imagen fija no tiene: el movimiento, tanto del sujeto como de la cámara. Describir solo la escena estática y esperar que el modelo invente un movimiento interesante por su cuenta produce, casi siempre, un plano fijo aburrido o un movimiento genérico de cámara que no aporta nada a la narrativa.
El vocabulario que mejor funciona es, de nuevo, el de cine real: "travelling lateral lento", "zoom lento hacia el rostro", "plano cenital que desciende", "cámara en mano con ligero temblor". Los tres modelos entienden estos términos técnicos de cinematografía mucho mejor que descripciones genéricas como "cámara que se mueve de forma interesante", exactamente por la misma razón que el vocabulario fotográfico funciona en generación de imágenes: forma parte del material de entrenamiento etiquetado con precisión.
"Un perro corriendo en un parque"
"Travelling lateral que sigue a un labrador dorado corriendo por un parque al atardecer, luz cálida rasante, hierba salpicando bajo sus patas, cámara a la altura del animal"
También conviene ser explícito sobre la duración del movimiento dentro de la escena ("empieza quieto y arranca a correr a mitad del clip") y sobre lo que no debe cambiar ("el fondo permanece desenfocado durante todo el plano"), porque sin esa instrucción el modelo puede decidir por su cuenta introducir un cambio de plano o un corte que rompe la continuidad que buscabas.
Cuando el clip incluye diálogo, escribe el texto exacto entre comillas igual que recomendamos para carteles en imágenes fijas, y especifica el tono de la interpretación ("dicho con calma", "en tono de urgencia"). La sincronización labial mejora notablemente cuando la frase es corta y directa; frases largas con subordinadas complejas tienden a desincronizarse hacia el final del clip, un problema que ningún modelo de los tres resuelve todavía de forma fiable al cien por cien.
Cómo se integra esto en un flujo de producción real
Nadie serio está sustituyendo un rodaje completo por vídeo generativo todavía; el uso real que está ganando tracción es más quirúrgico. Estudios de animación usan estos modelos para previsualización rápida (previs): bocetar cómo se vería una secuencia antes de invertir semanas en animarla a mano, ahorrando iteraciones caras en la fase de guion gráfico. Estudios de marketing generan variantes cortas de un mismo anuncio para probar cuál rinde mejor en redes, algo que antes exigía volver a grabar con actores cada vez que querían probar un ángulo distinto.
El flujo típico combina generación con edición tradicional: generas varios clips cortos con el modelo de IA, los llevas a un editor de vídeo convencional para cortar, ordenar y ajustar el ritmo, y añades locución o música con herramientas separadas cuando el audio nativo del modelo no llega al nivel necesario. Es una pieza más de la cadena de producción, no un sustituto de toda la cadena.
PARA MANTENER LA COHERENCIA ENTRE VARIOS CLIPS
Si necesitas que el mismo personaje aparezca en varias escenas distintas, genera primero una imagen de referencia fija de ese personaje (con un generador de imágenes) y súbela como referencia visual en cada generación de vídeo posterior, en vez de describir al personaje de nuevo con palabras cada vez. Los tres modelos aceptan una imagen de referencia y la mantienen con más fidelidad que una descripción textual repetida.
Un pequeño estudio de animación independiente que ya lo integra en su flujo describe el proceso así: por cada minuto final de animación tradicional, generan entre quince y veinte clips cortos de previsualización con IA para decidir encuadres, ritmo de corte y composición antes de que un animador humano dibuje un solo fotograma definitivo. Ese paso de previsualización, que antes se hacía con bocetos estáticos en un guion gráfico, ahora incluye movimiento real desde el principio, lo que reduce las correcciones tardías cuando una escena no funciona en movimiento aunque se viera bien en boceto fijo. El resultado final sigue siendo animación tradicional; lo que cambió es cuánto se decide antes de invertir las horas caras de animación manual.
Cuánto cuesta de verdad
El vídeo generativo es, con diferencia, la modalidad más cara de IA generativa por unidad de contenido: un clip corto puede costar el equivalente a decenas o cientos de imágenes generadas, porque el modelo tiene que calcular coherencia a lo largo de muchos fotogramas en vez de uno solo. Los tres proveedores cobran por segundo de vídeo generado o por créditos consumidos, con planes de suscripción mensual que incluyen una cuota fija de generación y tarifas adicionales por encima de ese límite.
La forma más barata de probar sin comprometerte es a través de los planes generales de IA que ya podrías tener contratados: Google incluye una cuota de generación de vídeo con Veo dentro de ciertos planes de Gemini, y OpenAI hace lo mismo con Sora dentro de ChatGPT Plus y superiores, en ambos casos con límites mensuales más generosos en los niveles de pago más altos. Runway, al ser una plataforma especializada solo en esto, no tiene ese colchón de "ya lo tengo incluido" y siempre es un coste aparte.
Esto tiene una consecuencia práctica para presupuestar un proyecto: calcula el coste por el número de intentos reales que vas a necesitar, no por el número de clips finales que quieres. Si sabes por experiencia que una escena con dos personajes hablando necesita de media ocho a diez generaciones antes de conseguir una aprovechable, multiplica el coste unitario por ese número, no por uno. Es el mismo error de cálculo que ocurre al presupuestar generación de texto sin contar las iteraciones de corrección, solo que aquí el coste por intento es mucho más alto.
Derechos, deepfakes y el límite que no deberías cruzar
Todo lo que explicamos sobre derechos de autor en nuestra guía de generación de imágenes aplica igual aquí, con un riesgo adicional propio del vídeo: generar a una persona real diciendo o haciendo algo que nunca dijo ni hizo es mucho más convincente y mucho más dañino en vídeo con audio sincronizado que en una imagen estática. Los tres proveedores tienen filtros que bloquean generar el rostro de figuras públicas conocidas sin autorización, pero esos filtros no son infalibles ni cubren a personas privadas no públicas.
USO RAZONABLE
- Previsualización interna antes de un rodaje o animación real.
- Variantes de anuncios genéricos sin personas reales identificables.
- Fondos, paisajes o escenas de apoyo para un proyecto más grande.
RIESGO REAL
- Generar a una persona real (conocida o no) diciendo algo que no dijo.
- Presentar un clip generado como grabación real de un evento.
- Usar la voz clonada de alguien sin su consentimiento explícito.
Igual que con las imágenes, el Reglamento de IA europeo exige etiquetar como sintético cualquier vídeo generado que pueda confundirse con una grabación real, y las plataformas de vídeo más grandes ya exigen esa etiqueta al subir contenido generado por IA a partir de 2026, con sanciones que van desde la retirada del vídeo hasta la suspensión de la cuenta en caso de incumplimiento reiterado.
Si trabajas con vídeo de forma habitual —canal propio, contenido para redes, material educativo— la recomendación práctica es sencilla: usa vídeo generado libremente para escenas de apoyo, transiciones o previsualización, y sé explícito con tu audiencia cuando un fragmento concreto es sintético en vez de grabado, especialmente si el contenido tiene apariencia documental o informativa. La confianza del público es más fácil de perder de golpe por una etiqueta que faltó que de recuperar después.