Flujo de trabajo de IA de boceto a vídeo: conserva el dibujo, añade el movimiento

Para animar un boceto y que siga pareciendo un boceto, envía el dibujo limpio como primer fotograma, pide una acción pequeña y observa si las líneas siguen siendo líneas hasta el último fotograma. Los modelos de imagen a vídeo parten de tu imagen pero pueden reinterpretarla libremente, así que el fallo habitual es un clip que empieza como tu dibujo y se convierte poco a poco en material sombreado y fotográfico.

SpicyAPI no tiene una tarea dedicada de boceto a vídeo. La ruta es: preparar el dibujo, opcionalmente desarrollarlo con un modelo de imagen y luego ejecutar una tarea de imagen a vídeo. Conserva el aspecto de tu dibujo; no conserva trazos editables.

Los ejemplos de abajo usan una escena: un pájaro dibujado a mano en estilo de papel plegado angular, trazado como contorno de tinta sin rellenar sobre papel crema, con un ala abierta y un pequeño timbre de mesa que el pájaro golpea. Las formas huecas y el papel en blanco hacen que la deriva sea fácil de detectar.

Decide qué significa "conservar el boceto"

Anota antes de escribir el prompt qué no debe cambiar. Para el pájaro: el contorno negro se queda sin rellenar, el interior del ala sigue abierto, la página sigue crema y casi vacía, el grosor de línea sigue suelto y el timbre sigue siendo un contorno simple. Estas cuatro comprobaciones son las que aplicas al clip (mira "Prueba primero la retención de líneas").

Decide también qué tan estricto eres. "Que se reconozca como mi dibujo" se logra con un modelo de vídeo. "Mis trazos reales, editables" no: el modelo sintetiza fotogramas nuevos y puede redibujar un contorno manteniendo el estilo.

Describe el movimiento con precisión: "el ala derecha se levanta una vez y toca el timbre; el cuerpo se queda quieto" se puede comprobar, "dale vida" no. Una acción pequeña muestra si el estilo sobrevive antes de añadir rotación o puesta en escena.

Por qué derivan los bocetos

El modelo lee tu imagen más el prompt y sintetiza una secuencia; no traza trazos. Palabras como realista, iluminación cinematográfica o plumas detalladas lo empujan a tratar las marcas como la descripción de un animal físico. Las marcas ambiguas hacen lo mismo: un óvalo de construcción puede leerse como una sombra, un contorno abierto como una forma inacabada.

La deriva es gradual. Los primeros fotogramas coinciden con tu subida; los posteriores añaden sombreado suave, textura o zonas rellenas, así que revisa el centro y el final, no el principio.

Las soluciones siguen a la causa. El prompt pide realismo: reescríbelo hacia animación de tinta plana. La entrada es ambigua: límpiala. Si aun así reinventa el medio, usa animación controlada.

Animación directa o primero una etapa de imagen

Anima el dibujo directamente cuando ya sea la obra terminada: una fuente aprobada, una instrucción para moverlo. Esa es la ruta para el pájaro.

Añade una etapa de imagen cuando el boceto solo sea un plan, por ejemplo para corregir proporciones, añadir una paleta o convertir un storyboard tosco en una ilustración coherente. Aprueba la nueva imagen antes de animar; si rellenó el cuerpo o sustituyó el papel, el modelo de vídeo no tiene la culpa.

Sáltate la etapa de imagen cuando tu único problema sea un escaneo torcido o mal iluminado. La edición de imágenes corriente lo arregla sin un rediseño generativo.

Prepara el primer fotograma

• Quita los artefactos de captura que no quieras animados: sombras, dedos, bordes del escritorio, un marco inclinado. Si no, el modelo podría animar la página como un objeto físico en lugar del dibujo como figura plana.
• Escanea o fotografía con luz uniforme y endereza la página. Recorta a la forma que quieras, porque el fotograma fija las proporciones del clip, y deja espacio para el movimiento.
• Borra los óvalos de construcción y las líneas guía sueltas salvo que formen parte del estilo; el modelo no distingue un trazo inacabado de uno expresivo.
• Conserva la textura sutil del papel, pero no una sombra fuerte sobre el sujeto.
• Deja espacio para la acción: el ala necesita espacio para levantarse y el timbre debería quedar al alcance. Si el pájaro tiene que alcanzar media página, el modelo estira el cuerpo o inventa un segundo miembro.
• Mantén las flechas y las etiquetas fuera de la imagen enviada; pueden aparecer en el clip. Ponlas en una hoja de revisión aparte.
• Exporta como JPEG, PNG sin transparencia o WEBP. Wan 2.6 acepta de 240 a 8.000 píxeles por lado, hasta 20 MB, mientras que el campo de subida está limitado a 10 MB, así que quédate por debajo de 10 MB.

Escribe un prompt que continúe el dibujo

Nombra primero el medio, luego una acción, la cámara y los límites:

Continue this flat black-ink drawing on cream paper. The bird stays in the same
position and lifts its right wing once to tap the small outlined desk bell.
The wing lowers again. Preserve the loose ink contours, unfilled shapes and
blank paper background. No camera movement and no scene change.
Audio: one soft bell tap, otherwise quiet.

Mantén el lenguaje plano. El detalle de las plumas, los ojos brillantes y la luz volumétrica tiran hacia un animal físico. Di brevemente qué conservar ("cuerpo sin rellenar, sin escenografía nueva") en lugar de enumerar cada rasgo fotográfico prohibido. Solo la familia Wan 2.6 (Wan 2.6 y Wan 2.6 Flash) tiene un campo negative_prompt aparte; en LTX 2.5 y H3 LoRA el límite va en el prompt principal.

Fija la cámara para la primera prueba. Un empuje lento parece pulido pero oculta si la figura se movió. Prueba los movimientos de cámara por separado.

Ejecuta la primera prueba en Wan 2.6

Pruébalo en el Playground antes de escribir código:

1. Abre Wan 2.6 image to video, quédate en la pestaña Playground en la vista Form e inicia sesión para ejecutar.
2. En Input image, añade el dibujo limpio con Choose a file o Asset URL.
3. Pega el prompt de arriba en Prompt y escribe shading, color fill, photographic texture, camera movement en Negative prompt.
4. Pon Resolution en 720p, Duration en 5 y Shot structure en Single take; fija un Seed.
5. Ejecuta el modelo y revisa todo el clip contra las cuatro comprobaciones de línea de abajo.

Abrir Wan 2.6 con este prompt →

Para ejecutar la misma petición desde código, sube el dibujo y crea la tarea con la CLI. spicyapi files upload imprime una dirección spicy://; pégala como image_url:

spicyapi files upload ./bird.png   # copy the spicy:// address it prints
cat > input.json <<'EOF'
{
  "image_url": "spicy://f/PASTE_ADDRESS",
  "prompt": "Continue this flat black-ink drawing on cream paper. The bird stays in the same position and lifts its right wing once to tap the small outlined desk bell. The wing lowers again. Preserve the loose ink contours, unfilled shapes and blank paper background. No camera movement and no scene change. Audio: one soft bell tap, otherwise quiet.",
  "negative_prompt": "shading, color fill, photographic texture, camera movement",
  "duration_seconds": 5,
  "resolution": "720p",
  "shot_type": "single",
  "seed": 14327
}
EOF
spicyapi tasks create --model alibaba/wan-2.6/image-to-video --input-file input.json --wait

La ejecución de cinco segundos a 720p cuesta $0.45. La espera, los resultados y los reintentos están en la guía de imagen a vídeo.

Si quieres que un Agente ejecute la prueba, añade el servidor MCP (spicyapi_upload_file, spicyapi_task_create, spicyapi_task_wait; se detiene para tu confirmación de precio). npx skills add spicyapi-ai/spicy-skill instala la Skill que enseña a un asistente a usar la CLI o MCP.

Elige la tarea según el control que necesites

Las tres aceptan una imagen inicial; se diferencian en los controles.

Precios tal como figuran en el catálogo de octubre de 2026; la página del modelo muestra la tarifa vigente.

• Necesitas una lista de "no debe aparecer": Wan 2.6. Deja el tipo de toma en single para que el dibujo sea un take continuo; los cortes multi-shot rompen la continuidad y activan la expansión del prompt.
• Necesitas una pose final planificada: LTX 2.5 o H3 LoRA. El fotograma final fija la pose final pretendida, no la ruta, y los clips largos de LTX se desvían más de ella. H3 funciona sin LoRA, así que una prueba de cierre de 3 s a 480p ($0.15) es la forma más barata de probarlo.
• Tienes una LoRA entrenada para un estilo de dibujo: H3 LoRA, que además acepta un fotograma final. Debe estar entrenada para MiniMax H3; una LoRA de line art de SDXL no funcionará. Empieza las LoRAs de concepto con una escala de 0.6 a 0.8, porque en 1 pueden alejar el clip de tu fotograma.
• Iteras con poco presupuesto: Wan 2.6 Flash acepta el mismo primer fotograma a $0.0225 por segundo a 720p, solo imagen. Úsalo para asentar el prompt y la acción, y luego repite el ganador en Wan 2.6 si quieres sonido; espera un take distinto, así que vuelve a comprobar las líneas en el modelo final.

Empieza con 5 segundos, mantén el seed fijo y cambia una instrucción del prompt cada vez para que los takes sean más fáciles de comparar; un seed fijo no garantiza fotogramas idénticos.

Usa un fotograma final solo por una razón

Un segundo dibujo ayuda cuando necesitas un destino concreto, como el ala bajada después del toque. Debe mostrar la misma escena: mismo papel, mismo encuadre, misma escala y mismo lenguaje de línea. Si el pájaro es más grande en la imagen final, el modelo tiene que decidir si se acercó, creció o fue redibujado.

Vigila los últimos momentos. Algunos clips se mueven de forma plausible y luego saltan a la composición final, con un redibujado repentino del contorno o un salto de objeto. Eso encaja con un corte estilizado, no con una acción suave.

Si ambos extremos muestran la misma pose, una animación por capas con un regreso limpio al dibujo original suele ser más exacta que un bucle generado.

Prueba primero la retención de líneas

Ejecuta un dibujo, una acción, una condición de cámara. Antes de enviar, define cuatro comprobaciones: el contorno sigue siendo tinta negra, el cuerpo sigue sin rellenar, la página sigue crema y casi vacía, y el ala hace un movimiento comprensible hacia el timbre. Un clip puede pasar unas y fallar otras, y las que fallan te dicen qué cambiar.

Si la causa no está clara, ejecuta una segunda condición con solo el timbre sonando y el pájaro quieto. Si ahí las líneas se mantienen pero no con el toque del ala, el movimiento de las extremidades es lo que provoca los redibujados.

Mantén la entrada idéntica entre condiciones. Si cambias contraste, recorte y prompt a la vez, no puedes saber qué ayudó; guarda una entrada limpia como versión aparte.

Mira a velocidad normal y luego avanza fotograma a fotograma por la parte donde los contornos parecen inestables. Los fotogramas sueltos del principio, el centro y el final se pierden el parpadeo entre ellos.

Qué inspeccionar

• Silueta: la disposición de cuerpo, cabeza y ala sobrevive al toque.
• Topología: el ala abierta sigue abierta, el pico sigue unido, no aparece un miembro extra y el timbre sigue siendo un contorno único y conectado.
• Ritmo de línea: una variación pequeña se lee como dibujado a mano; los contornos que desaparecen y las marcas reescritas constantemente se leen como inestabilidad. Un garabato flojo tolera más que un diagrama instructivo.
• Escala: un empuje hace que las líneas parezcan más gruesas. Compara a la misma escala, a resolución completa y a tamaño de entrega.

Un dibujo en movimiento no puede fijar cada píxel, así que juzga la estructura y el medio, no la identidad de píxel.

Arregla los fallos habituales

El modelo rellena el dibujo o añade textura. Comprueba primero la entrada: un lavado gris dentro del pájaro da al modelo información tonal que desarrollar, así que prepara una versión sin rellenar si las formas sin relleno importan. Quita "detailed feathers", "realistic shadows" y "cinematic depth" del prompt y describe el medio en positivo. Mantén el movimiento pequeño: un giro 3D completo obliga al modelo a inventar la espalda y el envés, y la textura viene incluida. Si una etapa de imagen causó el relleno, arregla la imagen antes de generar más vídeo. Si un híbrido es aceptable (pájaro de tinta, timbre de acuarela), indícalo.

Las líneas parpadean. Un temblor leve es parte del encanto de un garabato; un ojo que aparece y desaparece o un ala que gana trazos nuevos en cada fotograma no. Reduce las partes en movimiento: fija el cuerpo y la cabeza y prueba solo el ala. Haz más gruesas las líneas finas y tenues en la entrada, ya que desaparecen a tamaño de entrega, y guárdalo como una nueva versión de entrada. Si el clip descargado es estable pero tu subida a redes titila, el problema es la compresión, así que compara el mismo segmento antes y después de exportar.

Solo se mueve la cámara. Un zoom lento puede esconder una figura quieta. Fija la cámara y dale a la acción una consecuencia visible, como un ala que alcanza el timbre y el timbre que se inclina. No apiles vuelo, giro y papel cayendo sobre un resultado estático; pide primero un gesto más pequeño y más claro.

Construye una pieza larga a partir de momentos cortos

Aprueba primero un pequeño vocabulario de movimiento (toque de ala, giro de cabeza, transición de página) y trata cada uno como una unidad de montaje. Estirar una petición sin resolver hasta 15 segundos solo le da más tiempo al defecto.

Usa el mismo tono de papel, grosor de trazo y proporciones en todos los fotogramas de entrada; la inconsistencia entre tomas empieza antes de generar. Los cortes son más seguros que los fundidos, que crean contornos dobles que parecen errores. Para un personaje recurrente usa dibujos de origen consistentes en lugar de volver a describirlo en cada prompt. Un toque suave del timbre o el tono de la habitación pueden unir las tomas; si el sonido generado está mal, añade tu propia pista.

Mira la película montada al tamaño de entrega: los cambios de línea pequeños y repetidos que en un clip eran aceptables se vuelven cansados en un montaje más largo.

Presupuesto

Con las tarifas de arriba, una prueba de Wan 2.6 de 5 segundos cuesta $0.45 a 720p y $0.675 a 1080p, así que dos candidatos a 720p cuestan $0.90. Una prueba de H3 LoRA de 3 segundos a 480p cuesta $0.15. LTX 2.5 a 5 segundos cuesta $0.45 a 720p. Las generaciones de la etapa de imagen y los candidatos adicionales cuestan aparte.

Fija una regla de parada. Si ambos candidatos abandonan el medio de line art, cambia la ruta o la entrada antes de seguir generando. Si el dibujo aguanta pero el gesto falla, simplifica el movimiento.

Cuándo encaja mejor otra ruta

Si los trazos deben seguir siendo editables, o el tiempo debe repetirse exactamente, usa animación tradicional o por capas. Las revelaciones también encajan mejor: un barrido o un resalte dibujado sobre un plano arquitectónico, o una revelación de logotipo trazo a trazo desde rutas editables. Para el pájaro, separa el ala, el cuerpo y el timbre en capas, rota el ala alrededor de un pivote, inclina el timbre y devuelve ambos. Cada cambio de contorno es tuyo.

Para condicionamiento de bocetos de nivel de investigación, el repositorio SketchVideo (uno o dos fotogramas clave de boceto con módulos de control dedicados) documenta su propia configuración, pesos y limitaciones; es un proyecto separado, no una tarea de SpicyAPI.

Resumen

Si los trazos originales deben moverse de forma predecible, usa animación por capas; si no, la siguiente prueba es un toque de ala de 5 segundos con cámara fija desde el dibujo limpio en Wan 2.6, revisado a lo largo de todo el clip para formas sin rellenar, contornos conectados y papel estable. Si el boceto debe convertirse en una ilustración o una escena realista, aprueba esa imagen antes de animar.