¿Qué es image-to-video generación?

La generación de imagen a vídeo anima una imagen fija en un clip de vídeo corto. La imagen suele convertirse en el primer fotograma, y tu prompt describe el movimiento y el movimiento de la cámara, de modo que el sujeto, el encuadre y el estilo de la imagen se reflejan en el vídeo.

Tipos de modelos

Qué significa image-to-video

La imagen a vídeo es un modo de generación de vídeo. En lugar de crear una escena solo a partir de texto, el modelo comienza con una imagen que proporcionas y la anima. En la mayoría de los modelos, la imagen se convierte en el primer fotograma del clip, así que su sujeto, encuadre, colores y estilo son donde comienza el vídeo. El mensaje describe entonces lo que sucede a continuación: cómo se mueve el sujeto, qué cambia en la escena y cómo se desplaza la cámara, por ejemplo Zoom lentamente hacia atrás y desplazamiento hacia la derecha.

Esto te da más control que text-to-video. Puedes diseñar o aprobar el aspecto exacto primero, a menudo con un API de generación de imágenes, y luego añade movimiento a ella.

Formas en que un modelo puede usar tus imágenes

  • Primer fotograma. Una imagen inicia el clip y el modelo avanza desde él.
  • Primer y último fotograma. En modelos que lo soportan, una segunda imagen establece el fotograma final, y el modelo genera el movimiento entre ambos. Esto se adapta a transiciones, revelaciones y before-and-after tomas.
  • Imágenes de referencia. En reference-to-video, las imágenes no son fotogramas. El modelo lleva los personajes, productos o estilo que muestran a una nueva escena, lo que ayuda a mantener un personaje coherente a lo largo de varios clips.
  • Retratos parlantes. Un modelo avatar anima un único retrato con una pista de audio, o con texto pronunciado por una voz incorporada.

Cómo funciona una solicitud de image-to-video

Imagen a vídeo utiliza el mismo punto final que otras generaciones de vídeo, POST /v1/videos/generations. Pasar la imagen como URL pública en imagen, añade un indicador para el movimiento y establece duración y resolución. En modelos que toman un último fotograma, la segunda imagen va en su propio campo, como image_end. Muchos modelos eligen el modo según lo que se conecta, y un Modo El parámetro lo selecciona explícitamente.

La salida suele seguir la relación de aspecto de tu imagen, así que recorta la imagen a la forma que deseas, por ejemplo 9:16 para vídeo vertical, antes de enviarla. Cada página de modelo lista los formatos de imagen y tamaños que acepta. La solicitud se ejecuta como un trabajo asíncrono: la API devuelve un job id De inmediato, y tú encuestas ¡QUE /v1/jobs/{job_id} hasta que el vídeo esté listo.

Para qué se utiliza image-to-video

  • Clips de producto y anuncios. Convierte una foto de producto en una foto corta en movimiento para una página de tienda o un anuncio en redes sociales.
  • Arte animado. Añade movimiento a ilustraciones, arte conceptual y personajes de marca.
  • Secuencias consistentes. Inicia varios clips a partir de imágenes del mismo personaje o conjunto, para que las tomas coincidan cuando las edites juntas.
  • Explicaciones y formación. Crea vídeos de cabeza hablada a partir de un retrato y un guion.

Elegir un modelo y cuánto cuesta

Prueba candidatos con tu propia imagen, porque los modelos difieren en lo fiel que mantienen las caras, productos y texto impreso mientras añaden movimiento. También compara el soporte para el primer y último fotograma, la duración máxima y resolución, el audio nativo y el tiempo de generación. Comparaciones de modelos lado a lado Ayuda a reducir la lista.

La imagen a vídeo se factura como otras generaciones de vídeo: la mayoría de los modelos cobran por segundo de salida a una velocidad establecida por la resolución, y muchos usan la misma tarifa para text-to-video y image-to-video. Algunos modelos también facturan las imágenes de entrada. Explora la modelos de vídeo, prueba uno en el Playground, y lee el Referencia de generación de vídeo antes de llamar a la API con tu clave.

Paga conforme vayas o elige un plan con asignaciones semanales. Las tarifas actuales están en el página de precios.

Los modelos en EmpirioLabs AI

20 modelos, del más barato al más caro cuando comparten unidad de facturación. La página de cada modelo tiene su tarjeta de precios completa, parámetros y código.

Endpoints

POST /v1/videos/generations

Precio por segundo

ModeloTarifa más bajaSe aplica a
Wan 2.2 Alibaba Cloud$0.015 por segundoFlash 480P
PixVerse V6 Max PixVerse$0.030667$0.024534 por segundo360p estándar sin audio
MiniMax H3 Lite MiniMax$0.025 por segundo480p
Pixverse Avatar PixVerse$0.025556 por segundo360p
Pixverse v6 PixVerse$0.025556 por segundo360p estándar sin audio
Pixverse C1 PixVerse$0.030667 por segundo360p estándar sin audio
Wan 2.1 Alibaba Cloud$0.036 por segundoTurbo
Wan 2.5 Alibaba Cloud$0.05 por segundo480P
Ver los 20 modelos
ModeloTarifa más bajaSe aplica a
MiniMax H3 Highspeed MiniMax$0.06 por segundo768p
Seedance 2.0 Mini ByteDance$0.070 por segundoT2V/I2V 480P
Wan 3.0 Alibaba Cloud$0.07 por segundo480P estándar
Kling 4.0 Flash Kling AI$0.094 por segundo720p estándar
Grok Imagine Video 1.5 xAI$0.096 por segundo480p
Seedance 2.5 Flash ByteDance$0.135 por segundoT2V/I2V 480P
HappyHorse 1.1 Alibaba Cloud$0.14 por segundo720p
Kling 4.0 Kling AI$0.157 por segundo720p estándar
Kling V3 Kling AI$0.168 por segundoT2V/I2V estándar
Kling 3.0 Turbo Kling AI$0.18 por segundo720p
MiniMax H3 MiniMax$0.18 por segundo768p
Seedance 2.5 ByteDance$0.206 por segundoT2V/I2V 480P

Preguntas frecuentes

¿Cuál es la diferencia entre image-to-video y text-to-video?

El texto a vídeo crea la escena únicamente a partir de un prompt. Imagen a vídeo comienza con una imagen que proporcionas, normalmente como el primer fotograma, y el mensaje describe el movimiento.

¿El vídeo mantiene la relación de aspecto de mi imagen?

En la mayoría de los modelos, sí: image-to-video sigue la forma de la imagen original. Recorta la imagen a la proporción que necesites, como 9:16 o 16:9, antes de enviarla.

¿Puedo configurar tanto el primer como el último fotograma?

Sí, en modelos que lo soporten. Envías una segunda imagen como último fotograma, y el modelo genera el movimiento entre las dos imágenes.

¿Cuánto cuesta image-to-video?

La mayoría de los modelos facturan por segundo el vídeo generado a una tarifa fijada por la resolución, a menudo la misma tarifa que text-to-video. Algunos modelos también facturan imágenes de entrada. En EmpirioLabs AI puedes pagar conforme avanzas o elegir un plan con asignaciones semanales.

¿Listo para usar mejores endpoints?

Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.