Herramientas de vídeo con IA: qué puedes generar y editar hoy

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 modelos de Google (Veo 3.1 y Gemini Omni) generan audio sincronizado (diálogo, efectos y ambiente) junto con el vídeo, según la documentación de Google; en Kling y Runway comprueba en su web oficial qué modelo y qué plan lo incluyen. 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 modelos de referencia, comparados de frente

Fuentes: documentación de Veo y de Gemini Omni en la API de Gemini, página de precios de Runway y listado de modelos de su API, consultadas el 17 de octubre de 2026. Kling no publica estas cifras de forma accesible en su web para consulta automática: confírmalas en kling.ai.

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.

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 de audio 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.

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 proveedores cobran por segundo de vídeo generado o por créditos consumidos, con planes de suscripción mensual que incluyen una cuota fija de generación y, por encima de ese límite, créditos o tarifas adicionales.

La forma más barata de probar sin comprometerte es mirar qué incluye el plan de IA que ya pagas, pero ojo: Google ha cambiado qué modelos ofrece su app gratuita (lo contamos en Gemini gratis se queda solo con Flash-Lite), así que no des por hecho que tu plan incluye vídeo; compruébalo dentro de la app. Ese atajo ya no existe en ChatGPT: con Sora apagado, pagar OpenAI no te da hoy ninguna cuota de vídeo. Runway y Kling son plataformas especializadas y siempre son 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.

Precios oficiales a 17 de octubre de 2026 (y qué significan)

Estos son los precios que publican los propios proveedores. Los de la API de Google se cobran por segundo de vídeo con audio y, según su página, los modelos Veo 3.1 siguen marcados como vista previa (preview); la capa gratuita no incluye ningún modelo Veo.

Cómo se usa esto en la práctica: un clip de 8 segundos con Veo 3.1 Fast a 720p cuesta 0,80 $ por intento; si tu escena necesita diez intentos, son 8 $ para un solo plano utilizable. Con el modelo Standard, los mismos diez intentos son 32 $. Por eso conviene explorar con el modelo barato y dejar el caro para la versión final. Precios en dólares estadounidenses y sin impuestos, salvo que el proveedor indique lo contrario; Kling no figura porque no hemos podido leer su tarifa oficial.

Fuentes: precios de la API de Gemini y precios de Runway.

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.

Igual que con las imágenes, el Reglamento de IA europeo regula esto: según la página de la Comisión Europea, las obligaciones del artículo 50 son aplicables desde el 2 de agosto de 2026. Quien publica un deepfake (imagen, audio o vídeo generado o manipulado con IA que se parece a personas, lugares o hechos reales y podría parecer auténtico) debe revelar que es artificial, y los proveedores de los modelos deben marcar las salidas de forma legible por máquinas. Por eso los vídeos de Veo y Gemini Omni llevan una marca SynthID invisible. Esto no te dispensa de etiquetar tú: la marca técnica no sustituye al aviso a tu audiencia. Si publicas en plataformas, revisa además sus propias normas, que suelen pedir marcar el contenido sintético. Los detalles legales están en nuestra guía del AI Act y las formas de rastrear el origen de un archivo, en la de detectar contenido hecho con IA.

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.