Cómo convertir una imagen en video con IA: la guía image-to-video

Convertir una imagen quieta en video con IA no es ruleta de prompts: es elección de cuadro. Le das al motor una foto (o un still que ya generaste) y él filma desde ahí —el asunto, la luz y la composición ya están decididos, y la única decisión que queda es qué pasa después—. Por eso el image-to-video rinde más que el texto puro: no peleás con el modelo por la cara de la escena, solo por su movimiento. Esta guía es el método que usamos en Moosky para sacarle un clip aprovechable a una foto (o a una imagen generada, que funciona igual): qué foto anima bien, cómo describir el movimiento sin pelear con la imagen, qué cuesta cada peldaño de la escalera de renders (números del código de cobro, no de folleto) y los cuatro defectos que arruinan la mayoría de los takes.

Elegí el cuadro antes de pensar en el prompt

El motor preserva tu frame y le pega movimiento encima. Una foto mala de partida no se arregla en el render —se paga en intentos—. Las fotos que animan bien tienen tres cosas:

• Acción latente. Vapor sobre la taza, pelo que el viento puede mover, agua que puede ondular, alguien que puede parpadear y girar la cara. Si nada en la escena sugiere movimiento, el motor lo inventa —y lo inventa mal—.
• Capas de profundidad. Primer plano, medio, fondo. Un travelling de cámara solo parece cine cuando hay capas que atravesar; una foto de catálogo chata no tiene para dónde empujar la lente.
• Sobra de espacio a un lado. Un push-in lento necesita aire alrededor del asunto. Un recorte centrado y pegado al borde no deja a la cámara hacia dónde ir.

Lo que se resiste: logos y arte con texto (más abajo), una foto agarrada en mitad de un movimiento borroso (el motor tiene que inventar física desde un borrón) y una toma de celular oscura y granulada (rellena el ruido inventando detalle que no existe, y el clip deriva). La foto de producto sobre la mesa, el retrato con fondo, la esquina del bar con un elemento vivo: se empieza por ahí.

Describí el movimiento, no la apariencia

El error más caro es repetir en la descripción lo que la foto ya muestra. El prompt no necesita describir la ropa, la habitación ni la hora del día —necesita decir qué se mueve, en tres líneas cortas—:

1. Cámara. Hacia dónde va y con qué ritmo: push-in lento, apertura suave, deriva en mano, pan de izquierda a derecha. Una dirección sola; apilar comandos de cámara hace temblar al motor.
2. Acción del asunto. Qué se mueve en cuadro: ella gira hacia la cámara, el viento pasa por el pelo, el auto avanza un metro, el café cae en la taza.
3. Ambiente. El clima: luz de atardecer, vapor subiendo, lluvia fina en la ventana.

Corto gana. "Push-in lento con vapor subiendo del café, luz cálida de mañana" es una pista libre para el motor; un párrafo de ideas compite y produce el promedio de todo lo que pediste. La misma foto con otra línea de movimiento es otro take —acá rehacer cuesta una descripción nueva, no una sesión de fotos—.

La escalera de renders: qué cuesta cada peldaño

Moosky corre los motores de imagen-quieta-a-clip en el mismo saldo de créditos, con la cotización en pantalla del composer antes de cualquier render. Estos son los números del código de cobro activo (octubre de 2026), para un clip de 5 segundos —100 créditos = US$1, la recarga mínima es de US$5 y las corridas que fallan devuelven saldo—:

La lógica de la escalera: juzgá en el borrador, estrená en el render. Encuadre, timing y dirección de cámara se deciden en el peldaño barato; el render caro corre una vez, sobre el movimiento aprobado. El LTX-2.5 cobra en la franja media pero entrega el audio junto (voz, ambiente y efectos) —es el peldaño de prueba cuando el clip va a tener sonido—. El Wan 3.0 es el motor de dirección de cámara y física: acepta primer cuadro y, en el modo primero-y-último-cuadro, un cuadro final trabado —es el indicado para el loop de producto y para la revelación antes/después que tiene que terminar exactamente en un frame combinado—. El tier Seedance 2.0 es el de lenguaje de cámara más filmado: cuando el clip va a un anuncio o a la pantalla de un cliente, es ahí donde el plano cierra. La cuenta completa motor por motor, con la tarifa por segundo y el costo por clip aprovechable, la cierra cuánto cuesta un video con IA.

Vale marcar la diferencia de modo: si lo que querés es mantener el MISMO personaje entre escenas, la herramienta es otra —qué es referencia-de-video (R2V) sostiene identidad entre planos; image-to-video anima un cuadro hacia adelante—.

Los cuatro defectos (y el arreglo de cada uno)

Casi todo clip malo de image-to-video es uno de estos cuatro. Reconocerlos ahorra los créditos que gastarías regenerando a ciegas.

Las caras se deforman. Empujás un retrato demasiado lejos y los rasgos se corren de foco, sobre todo en primeros planos extremos donde unos píxeles de deriva se leen como otra persona. Arreglo: movimiento más corto y suave ("sonrisa sutil, giro chico de cabeza", no "ella cruza la habitación"), y si necesitás un personaje estable entre varios clips, usá reference-to-video en lugar de image-to-video a secas.

El texto se derrite. Logos, carteles y leyendas se deforman en cuanto el motor los anima: el texto es un patrón nítido y con reglas, y estos modelos trabajan en espacio de píxel blando. Arreglo: nada de texto en lo que se mueva. Animá la foto y sumá títulos y overlays después, en un editor.

El asunto se va del modelo a lo largo del clip. Una generación larga y única divaga desde el cuadro inicial. Arreglo: generar más corto, o usar keyframing primero/último cuadro (Wan 3.0, Seedance 2.0) para que el motor tenga que volver a un final trabado. Si tu foto de partida viene floja de detalle, primero una pasada de SeedVR2 sobre la imagen por dos créditos: el cuadro que salvás es el que el motor no tiene que inventar.

Movimiento que parece una foto deslizándose. Un cuadro sin profundidad y sin acción descripta produce un paneo Ken Burns que se lee falso. Arreglo: describí qué se mueve en el mundo, no solo hacia dónde va la cámara.

Caso práctico: la foto de una esquina del bar, convertida en una semana de shorts

El trabajo más barato en clip aprovechado es exprimir muchos takes de un único cuadro. Así corre en Project Director con la foto del rincón de un bar de barrio —guitarra apoyada, mate cebado, luz de tarde—:

1. Encargalo una vez con la foto. Cargás el still y declarás el objetivo y el estilo: "una foto hero del rincón, quiero un set de verticales para la semana, look cálido de bar, movimientos de cámara lentos". El agente arma la lista de clips desde ese único cuadro.
2. Trabá el look en el primer clip. Generá primero el plano hero y chequealo. Cuando el movimiento y la grade están bien, conservá ese frame y su tratamiento como referencia: todo clip siguiente hereda la misma luz y el mismo encuadre —el salto de consistencia que hace que el lote se lea como campaña y no como doce clips sueltos—.
3. Ramificá el movimiento, no la foto. Pedí variaciones desde el mismo primer cuadro: un push-in, una órbita lenta, un detalle sobre la etiqueta de la guitarra (movimiento de cámara, no movimiento de la etiqueta, para que el texto quede nítido). Cada uno es un short nuevo.
4. Renderizá el lote, corregí sobre la marcha. Los clips flojos piden resubida en el mismo hilo; se pausa cuando querés. Los créditos se gastan en renders, no en planificación, y las corridas que fallan se devuelven solas.
5. Exportá en vertical y publicá. Un puñado de clips de 5 a 10 segundos, cortados en ángulos y líneas de movimiento distintos, es una semana de shorts desde la foto que ya tenías sacada.

Para trabajo multiplano más largo el mismo patrón escala, y la guía paso a paso cubre el flujo completo en español, del guion al clip.

Preguntas frecuentes

¿Necesito una foto especial, o sirve cualquier imagen? Cualquier imagen nítida y bien iluminada anima, pero los cuadros con profundidad y un asunto movible rinden mejor. Los gráficos planos y las tomas cargadas de texto se resisten al movimiento.

¿Image-to-video con IA es gratis? Las herramientas realmente gratis estampan marca de agua o te limitan a unos segundos. En Moosky las cuentas nuevas reciben créditos de regalo (10 al registrarte, más el permiso de 50 para planificar con Project Director), después es por crédito (100 créditos = US$1) sin marca de agua ni suscripción —sin costo para probar, costo justo para publicar—. La letra chica del saldo promocional la podés leer en qué es realmente gratis.

¿Por qué mi clip parece una foto deslizándose de a poco? Describiste la cámara pero no el mundo. Sumá una acción del asunto ("sube el vapor", "se mueve el pelo", "parpadea") y arrancá desde una imagen con primer plano y fondo para que el movimiento se lea real.

¿Con qué motor arranco? LTX-2.5 para borradores, porque es el más barato con audio y vas a retomar el movimiento unas cuantas veces. Pasá a Wan 3.0 cuando necesites control de primer/último cuadro, y a Seedance 2.0 cuando el clip sea para un cliente y el look sea el punto.

Probalo

Una foto quieta, una línea de movimiento, el motor y la cotización en pantalla antes del clic —clip limpio, audio incluido en el peldaño que tiene audio, sin marca de agua—. Empezá por la página de image-to-video o abrí el crédito de regalo en moosky.ai/start y animá la foto que ya sacaste hoy.