Vídeos de producto UGC con IA: planifique la demo y proteja el detalle del producto

Cree un vídeo de producto de 12 segundos al estilo UGC con IA a partir de dos tomas animadas cortas y una foto real de detalle del producto. Use Qwen Image 2.1 Edit para colocar a una presentadora junto a su producto y apruebe ese fotograma, luego anímelo con Seedance 2.5 image-to-video. La característica del producto que usted vende, aquí una cremallera, sigue siendo una fotografía real, porque el modelo puede desviarse justo en los detalles que un comprador revisa. El ejemplo cuesta unos $2.89 en tarifas de modelo; cada intento adicional cuesta unos céntimos (fotos fijas) o unos $1.39 (un clip de 5 segundos a 720p).

La presentadora del ejemplo es Lena, una mujer adulta ficticia con un mono azul marino que lleva un bolso de lona color crema con dos asas mostaza y un bolsillo exterior con cremallera. Sustituya el bolso por su propio producto.

El montaje de 12 segundos y su coste

Ponga la afirmación en los primeros segundos y deje que una toma la demuestre. La guía creativa de TikTok pide el gancho en los primeros 6 segundos, un encuadre vertical 9:16 a 720p o más y una llamada a la acción clara después de la demo. Sustituya la frase de cierre por una llamada a la acción ("Compre el bolso") si el anuncio la necesita. Diga solo lo que la página del producto pueda respaldar: nada de afirmaciones sobre impermeabilidad, capacidad, peso o durabilidad.

Planifique los reintentos. Previsualice primero un clip a 480p ($0.1234 por segundo; el más corto, de 4 segundos, cuesta $0.4936) para confirmar el movimiento. La renderización a 720p es una generación nueva, no una ampliación de la previsualización, así que puede necesitar su propio reintento. 1080p cuesta $0.6823 por segundo ($3.41 para cinco segundos); úselo solo para un fotograma que ya sea nítido. Un techo realista es una previsualización a 480p, una toma definitiva a 720p y un reintento a 720p por toma: $0.49 + $1.39 + $1.39 = unos $3.27 por toma, $6.53 para los dos clips, más unos $0.12 por el retrato y las dos fotos fijas. Omitir la previsualización y permitir tres intentos a 720p por toma cuesta $8.32.

Prepare la vista del producto antes de añadir a la presentadora

Use una foto del producto de frente en la que se vean las dos asas, el bolsillo exterior y las proporciones generales. Añada un primer plano aparte de la cremallera para la toma central. Si el producto tiene un logotipo exacto o un texto de embalaje obligatorio, conserve esos píxeles originales en la composición final en lugar de pedir a un modelo que los vuelva a escribir.

Una presentadora creada a partir de la foto de una persona real puede ser rechazada por la comprobación de entrada propia de Seedance cuando el rostro es identificable. Use un retrato ficticio o con licencia, y el mismo retrato en todas las tomas para que el rostro se mantenga consistente. Para crear uno, describa a la presentadora en Qwen Image 2.1 text-to-image ($0.024 por intento, 1k, 9:16), apruebe un fotograma y reutilícelo. Guarde el retrato aprobado y las fotos del bolso en un lugar donde pueda volver a enviarlos: las subidas y los resultados caducan (consulte límites de subida y retención) y los archivos generados se borran a los 14 días aproximadamente.

Pruébelo en el Playground. Abra Qwen Image 2.1 Edit y quédese en la pestaña Playground, en la vista Form. Inicie sesión con una cuenta con saldo para ejecutar.

1. En Images, use Add a file primero para el retrato aprobado de Lena y después para la foto del bolso. Se convierten en Picture 1 y Picture 2.
2. Pegue la instrucción de abajo en Prompt. Qwen no asigna los roles por sí mismo, así que el prompt debe decir qué aporta cada imagen.
3. Ponga Aspect ratio en 9:16 y Resolution en 1k. En Advanced parameters, ponga Output format en PNG y desactive Prompt expansion (disponible en 1k y 2k).
4. Ejecute el modelo y apruebe el fotograma antes de animarlo.

Copie esta instrucción o abra el Playground con ella ya rellenada:

Picture 1 supplies Lena, a fictional adult woman with short dark hair wearing a closed navy jumpsuit. Picture 2 supplies the cream canvas tote with exactly two mustard handles and one external zip pocket. Show Lena standing in a bright apartment entryway, holding both tote handles together in her right hand at hip height. The tote front faces the camera, with its pocket visible. Keep the product's proportions, handle colour and closure design. Vertical medium-full composition, soft daylight, natural expression, no added text.

Para el segundo fotograma de apertura, cambie solo la instrucción de llevar el bolso:

Show the same adult presenter with the same tote hanging from her right shoulder, both mustard handles together over that shoulder. Her right hand rests lightly on the handles. She stands beside the doorway, facing slightly toward the camera. Keep the bag front and external pocket visible.

La foto fija que envíe a Seedance debe tener cada lado entre 300 y 6000 píxeles y pesar menos de 10 MB; las imágenes más pequeñas se rechazan antes de que se le cobre. Apruebe cada foto fija antes de animarla: cuente las asas, localice el bolsillo y compare los colores con la fotografía. Una foto fija equivocada cuesta $0.048 reemplazarla; un clip equivocado cuesta $1.39. Si Qwen sigue produciendo un bolsillo distinto, pegue el recorte original del bolso sobre una composición de presentadora y fondo.

Ilustración del producto: las dos asas y el bolsillo exterior con cremallera son los datos de diseño que hay que conservar; no es una foto de un producto real.

Anime una acción pequeña por toma

Pruébelo en el Playground. Abra Seedance 2.5 image-to-video en la pestaña Playground, en la vista Form.

1. En Input image, añada el primer fotograma aprobado. Aspect ratio se fija para coincidir con la imagen de entrada, así que recorte o genere primero la foto fija en 9:16.
2. Pegue el prompt del clip de abajo en Prompt.
3. Ponga Resolution en 720p, Duration en 5 y desactive Generate audio. La duración va de 4 a 30 segundos; las tomas largas se desvían más, así que varias tomas cortas sujetan el producto mejor que una larga.
4. Ejecute el modelo y revise el clip antes de hacer el siguiente.

Primer clip (abrirlo con el prompt ya rellenado):

The adult presenter gently raises the tote a few centimetres by its two handles, then holds it still at hip height. Her gaze moves briefly toward the camera. The cream canvas body, two mustard handles and external zip pocket keep their existing design. The bag does not rotate away from the viewer. Locked camera, subtle natural body movement, no text.

Clip de la puerta:

The adult presenter stands beside the doorway with the tote already on her right shoulder. She shifts her weight slightly and gives a small relaxed smile toward the camera. The tote remains on the same shoulder with both handles together. No walking, no putting on the bag, no pocket opening. Locked camera, no text.

"Ponerse el bolso, cerrarlo, salir caminando y sonreír" es demasiado para un clip corto; empezar con el bolso ya en su sitio elimina la transición más difícil. Para este montaje, use la foto fija aprobada con el bolso al hombro como image_url del clip de la puerta; el primer clip termina con el bolso a la altura de la cadera. Use return_last_frame y envíe ese fotograma como siguiente fotograma de apertura solo cuando continúe desde el mismo estado final.

Para guionizar los clips en su lugar, ejecute una llamada por foto fija (una foto fija local se sube primero con spicyapi files upload <path>, que devuelve un enlace spicy:// para image_url). Consulte la guía de imagen a vídeo y la documentación de la CLI:

spicyapi tasks create --model bytedance/seedance-2.5/image-to-video \
  --input-json '{"image_url":"https://example.com/lena-tote.png","prompt":"The adult presenter stands beside the doorway with the tote already on her right shoulder. She gives a small relaxed smile toward the camera. Locked camera, no text.","duration_seconds":5,"resolution":"720p","generate_audio":false}' \
  --wait

O deje que lo ejecute un agente: proporciónele la CLI, el servidor MCP (spicyapi_upload_file, luego spicyapi_task_create, que se detiene para su confirmación de precio) o el Skill (npx skills add spicyapi-ai/spicy-skill), que lee el esquema del modelo en vivo en lugar de adivinar campos.

Monte el corte

Recorte cada clip de 5 segundos a 4 segundos, coloque la foto fija de la cremallera entre ellos, añada la locución y la cama sonora y luego exporte en 9:16, 720p o más. Para probar ganchos, haga de tres a cinco versiones que cambien solo los primeros 4 segundos y mantengan idénticas las tomas del producto.

Haga la toma de detalle del producto con la fotografía real

Coloque el primer plano de la cremallera entre los dos clips. Manténgalo cuatro segundos con un desplazamiento lento del editor que nunca recorte el cierre y añada el subtítulo de la característica como texto editable. Un primer plano sintético podría inventar un tirador de cremallera que el producto no tiene.

Si el argumento de venta es que la cremallera se abre de verdad, sustituya la foto fija mantenida por una breve grabación de móvil del bolso real abriéndose la cremallera, ajustado al bolsillo y las manos, con la misma narración encima. Una foto fija muestra dónde está el bolsillo; solo el metraje real muestra cómo funciona el mecanismo.

Añada voz, sonido y subtítulos

• Locución, presentadora en silencio (la versión anterior): mantenga generate_audio desactivado, grabe la narración usted mismo o genérela con un modelo de síntesis de voz, ajustada a los 12 segundos, y coloque una sola cama continua de música o de ruido de habitación bajo las tres tomas. Baje la música por debajo de la voz. Así también evita que cada clip tenga un sonido de habitación distinto.
• La presentadora habla a cámara: active generate_audio y escriba la frase en el prompt como líneas separadas de diálogo y de ambiente; Seedance 2.5 genera una voz sincronizada con la imagen. Mantenga cada línea hablada en una frase corta por clip de 5 segundos y mantenga el bolso quieto mientras ella habla. Para cambiar las palabras de un clip que le gusta, consulte el flujo de trabajo de sincronización labial.
• Subtítulos: añádalos en el editor como texto, apartados del producto y de la zona inferior de la interfaz; la guía de TikTok sugiere de 5 a 10 palabras por segundo de texto en pantalla. La tipografía generada puede escribir mal un nombre de producto.

Use primero la etiqueta de IA de la propia plataforma: por ejemplo, la política de anuncios de TikTok permite contenido publicitario generado totalmente por IA si aplica su etiqueta AIGC o añade una advertencia, un pie de foto, una marca de agua o un adhesivo propio. Las reglas cambian según la plataforma y el país. watermark: true marca además el vídeo como generado por IA. No escriba "Yo lo compré" ni describa un resultado personal en el guion; la presentadora es ficticia y la narración debe describir el producto.

Qué productos encajan con este flujo de trabajo

Para un producto que se ve desde varios ángulos, reference-to-video acepta hasta 30 imágenes de referencia y cuesta lo mismo que image-to-video cuando no se aporta ningún clip de referencia ($0.2773 por segundo a 720p). No tiene ajuste de primer fotograma, así que no puede aprobar el fotograma de apertura de antemano. Úselo para varios lados e image-to-video para un primer fotograma exacto. Para diseños publicitarios estáticos a partir de la misma fotografía, consulte de foto de producto a creatividad publicitaria; para la redacción de prompts de Seedance, consulte la guía de prompts de Seedance 2.0.

Corrija los fallos habituales

Revise cada clip en su primer fotograma, en el momento de contacto y en su último fotograma, comparando el número de asas, la posición del bolsillo, el color y el logotipo con la fotografía. Las animaciones muestran cómo llevar el bolso; el primer plano real muestra la característica.