Tienes una imagen fija terminada, como un retrato, una foto de producto o una escena para un proyecto creativo adulto, y quieres darle movimiento. La decisión clave es qué función cumple la imagen: el primer fotograma exacto, una referencia visual para un plano nuevo o un extremo de una transición. Cada función requiere una tarea distinta del modelo; elegir mal desperdicia una buena imagen y una generación de pago.
En resumen: usa un modelo de primer fotograma si la imagen debe abrir el vídeo. Usa referencia a vídeo si solo aporta una persona, vestuario o ubicación para un plano nuevo. Añade una imagen final únicamente si el final está definido. Las rutas sin censura aceptan material adulto, pero una tarea completada puede dar un resultado más suave que lo solicitado. Evalúa el MP4 completo, no el estado de la tarea ni la imagen de vista previa.
| Lo que tienes | Qué usar | Qué comprobar en el vídeo terminado |
|---|---|---|
| Una imagen aprobada que debe abrir el clip | Imagen a vídeo con primer fotograma | Se conservan el primer fotograma, rostro, vestuario y acción prevista |
| Una imagen del personaje y otra del espacio o estilo | Referencia a vídeo | El nuevo plano adopta los rasgos correctos sin copiar una referencia como primer fotograma |
| Dos composiciones para iniciar y cerrar un movimiento | Vídeo de primer fotograma con imagen final | El movimiento intermedio las conecta sin saltos |
Para bibliotecas de prompts por escena, consulta la guía de prompts de vídeo sin censura. Para duración, resolución y precios entre familias, ve cómo elegir una API de imagen a vídeo. Los resultados sobre límites de contenido de ocho modelos están en los mejores modelos de vídeo con IA sin censura. Los ejemplos siguientes proceden de nuestras pruebas de septiembre de 2026: una imagen original, dos clips de primer fotograma y uno con dos referencias.
Decide primero qué significa la imagen
La imagen inicial define la primera composición visible; si el clip empieza en otro lugar, la tarea no cumple su objetivo. Una referencia puede aportar un rostro, prenda, espacio o estética sin convertirse en la primera toma. La imagen final es un objetivo para el último fotograma, no una segunda referencia de personaje.
Adapta la acción al encuadre. Un retrato cerrado admite una expresión, giro de cabeza o movimiento de cámara. Caminar a cuerpo entero requiere suelo visible y dirección de desplazamiento. Si la imagen fija es inadecuada, rehazla o edítala primero; un prompt de movimiento más largo no corrige una mala premisa.
Una imagen original generada con SpicyAPI, usada sin cambios como inicio de ambos clips de primer fotograma siguientes. El recorte permite un giro y una pose sostenida, no dos pasos completos.
Prepara la imagen antes de pagar una generación
La mayoría de los clips fallidos se explican por la imagen de origen:
- Un sujeto adulto, iluminación sencilla y silueta clara. Los fondos recargados y las ocultaciones importantes (manos sobre el rostro, extremidades cruzadas) obligan al modelo a inventar detalles ocultos durante un giro; de ahí surgen deformaciones y cambios faciales.
- Espacio para moverse. Deja suelo visible para caminar, margen superior para elevarse y espacio hacia el lado al que gira el sujeto.
- Recorta a la relación de aspecto de entrega y mantén rostros y manos completamente dentro del encuadre.
- Elimina señales de movimiento que contradigan el prompt. Desenfoque de movimiento, polvo volando, un pie levantado o cabello al viento sugieren movimiento. Elimina esa señal o adapta el prompt, como recomienda la guía de Runway.
- Un movimiento por clip. Varios movimientos de cámara en un clip corto causan cortes. Genera planos cortos separados y móntalos juntos.
Para encadenar planos, guarda el último fotograma de un clip aprobado y úsalo como imagen inicial del siguiente:
ffmpeg -sseof -0.1 -i approved-clip.mp4 -frames:v 1 -q:v 2 next-opening.pngElige una ruta según el plano que necesitas
| Tarea creativa | Ruta | Por qué encaja |
|---|---|---|
| Movimiento corto desde una imagen exacta, con la acción decidida tras verla | MiniMax H3 Spicy imagen a vídeo | Imagen inicial obligatoria; prompt e imagen final opcionales |
| La misma imagen, pero una toma más larga o sonido sincronizado | Seedance 2.5 Spicy imagen a vídeo | Ruta de primer fotograma con 4 a 30 segundos, audio nativo e imagen final opcional |
| Persona y ubicación de imágenes separadas, compuestas en un inicio nuevo | Wan 3.0 referencia a vídeo o Seedance 2.5 referencia a vídeo | Cada referencia recibe una función definida y ninguna tiene que ser el primer fotograma |
Usa solo imágenes de adultos que hayas creado o que tengas derechos y consentimiento para procesar. La ruta de referencias de Wan 3.0 suele rechazar fotografías de personas reales (su comprobación facial hace fallar la tarea y las tareas rechazadas no se cobran); usa personajes ilustrados, 3D o generados. Las tareas de imagen a vídeo de H3 Spicy, Seedance 2.5 Spicy y Wan 3.0 aceptan imágenes finales. Los campos y límites varían por tarea; abre su página para consultar los requisitos actuales y la cotización.
Servicio alojado o ejecución local
Una API alojada cobra por segundo, no requiere GPU y tiene requisitos de entrada definidos por tarea, por lo que sirve para pruebas, aplicaciones y lotes. El flujo local ofrece control total y nada sale de tu máquina, pero exige hardware, configuración y atención a los pesos exactos que ejecutas. Elige local si necesitas ese control y puedes mantenerlo; alojado si quieres un resultado hoy y pagar solo por los clips que generas.
Cuánto cuesta una prueba de cinco segundos
Son las tarifas del catálogo actual multiplicadas por cinco segundos de salida, antes de la cotización específica. Las configuraciones varían entre rutas; se comparan costes, no calidad.
| Ruta | Función de la imagen | Duración de salida | Ejemplo de cinco segundos |
|---|---|---|---|
| MiniMax H3 Spicy imagen a vídeo | Inicio obligatorio; final opcional | 3 a 15 s | 768p a $0.084/s → $0.42 |
| Seedance 2.5 Spicy imagen a vídeo | Inicio obligatorio; final y audio nativo opcionales | 4 a 30 s | 720p a $0.432/s → $2.16 |
| Wan 3.0 referencia a vídeo | Una a diez referencias guían un plano nuevo | 2 a 30 s o duración inteligente | 720p a $0.09/s → $0.45 (solo referencias de imagen) |
H3 es el diagnóstico más barato para un movimiento corto desde una imagen aprobada. Seedance cuesta más por segundo y ofrece tomas más largas y audio nativo. Wan responde a otra necesidad: la fuente no tiene que aparecer como primer fotograma. Los segundos de vídeo de referencia se suman a los facturados, así que $0.45 no es un precio universal de Wan.
Qué produjo el mismo primer fotograma
Ambas rutas recibieron la imagen sin cambios y la misma indicación de movimiento para cinco segundos. La primera generación de H3 cambió el vestuario; el clip H3 publicado utiliza un prompt más preciso que exigía conservar el vestido opaco y la chaqueta (véase la sección de prompts). Los prompts difieren, por lo que los clips muestran comportamiento, no una clasificación. H3 se ejecutó a 768p y Seedance a 720p.
MiniMax H3 Spicy, cinco segundos a 768p, tras repetir para conservar el vestuario. Ella gira hacia la cámara y se acerca hasta un encuadre desde el pecho; el vestido opaco y la chaqueta se mantienen puestos.
Seedance 2.5 Spicy, cinco segundos a 720p, con la indicación de movimiento original. Ella gira y avanza hacia la cámara hasta un encuadre desde el pecho; la chaqueta cae de ambos hombros mientras el vestido sigue opaco.
La cantidad de movimiento es similar; cambia el vestuario. Da a H3 una indicación de continuidad corta y explícita ("opaque dress and jacket stay unchanged"). Seedance siguió la indicación original y dejó caer la chaqueta. Comprueba todo el clip: que empieza con tu imagen, que rostro, chaqueta y fondo se mantienen coherentes al moverse, que se ve el giro solicitado y que el último segundo ofrece un punto de corte o bucle utilizable.
Cuándo la imagen debe ser referencia y no primer fotograma
Si te gusta el estilismo pero quieres empezar en otra habitación, un primer fotograma estricto obliga al modelo a iniciar en la terraza y después moverse. El flujo de referencias define directamente el objetivo: una imagen aporta la intérprete, otra la habitación y el prompt pide un nuevo inicio allí.
Referencia B: habitación e iluminación. La referencia A es el retrato de terraza anterior, que aporta intérprete y vestuario.
Wan 3.0 referencia a vídeo, cinco segundos a 720p. El clip empieza en una habitación nueva con espejo, donde una intérprete con vestuario similar gira hacia la cámara. Identidad y detalles del espacio son parecidos, pero no exactos.
Las referencias conservan ambiente e identidad general, pero pueden fallar en la puesta en escena y detalles exactos. Si cambia la persona, refuerza su referencia o simplifica el movimiento. Si la habitación no corresponde, mejora su imagen o la petición de composición. Cambia una sola cosa por ejecución.
Escribe movimiento, no una descripción de la imagen
La imagen ya muestra sujeto, vestuario y luz. El prompt debe expresar lo que cambia con el tiempo: una acción del sujeto, una instrucción de cámara y solo el movimiento ambiental relevante, en el orden que ve el espectador. Ambas rutas de primer fotograma recibieron este prompt:
The adult performer turns toward the camera as a light breeze lifts the edge of her jacket. She takes two measured steps across the terrace and settles into a held look. One slow camera push; keep her face, outfit and terrace recognisable. Rain moves softly in the background. One continuous shot.
El recorte muestra poco suelo, así que caminar se interpreta como uno o dos pasos hacia la cámara; las imágenes más abiertas permiten caminatas más largas. Si el primer intento cambia el vestuario, repite con una línea de continuidad, por ejemplo: "Keep the opaque dress and jacket exactly as in the image; one slight turn toward the camera, then a held look."
En una tarea de referencias, asigna una función a cada imagen y pide un nuevo inicio:
Use reference A for the adult performer's face and tailored wardrobe. Use reference B for the dressing room, warm lamps and mirror. Compose a new opening medium shot inside that room. She turns from the mirror toward the camera, takes one step and pauses. Slow lateral camera move, one continuous shot.
Haz corresponder A y B con el orden real de carga y comprueba la sintaxis de etiquetas de cada tarea, porque varía entre modelos.
| Petición débil | Dirección de plano verificable |
|---|---|
| "Make this image cinematic and sexy." | "She turns toward camera; the jacket hem moves in a light breeze; hold a medium shot." |
| "Animate everything in the image." | "Keep the face and wardrobe stable while she takes one step; the camera slowly pushes in." |
| "Use these references and create a masterpiece." | "A defines the performer; B defines the room. Start on a newly composed medium shot inside B." |
Una imagen final es la herramienta de estabilidad más directa en las rutas que la admiten: incluso una copia ligeramente reposicionada del inicio da al movimiento intermedio un objetivo más concreto que el texto, como señala la guía de movimiento de Vidu.
Corrige según el síntoma. Si el mismo defecto aparece en el mismo lugar en dos ejecuciones, cambia las entradas en vez de volver a generar sin cambios:
| Síntoma | Causa probable | Solución |
|---|---|---|
| El rostro cambia al girar | Movimiento amplio, rostro parcialmente oculto | Acorta el giro, usa una imagen frontal o añade imagen final |
| Parpadeo en detalles finos o fondo | Escena recargada o cambio de luz | Simplifica el fondo, mantén la cámara fija |
| Corte abrupto a mitad del clip | Demasiados eventos para la duración | Una acción por clip o mayor duración |
| Mismo defecto en el mismo punto al repetir | Problema de la imagen original | Edita o regenera la imagen fija |
El tutorial específico de Seedance profundiza en la construcción del primer fotograma y el comportamiento de prompts de esa ruta.
Pruébalo en Playground y después llama a la API
En Playground. Abre la página de MiniMax H3 Spicy imagen a vídeo (o Seedance 2.5 Spicy o Wan 3.0 de la tabla) e inicia sesión o regístrate. Después:
- Añade la imagen en Input image, cargándola (JPG, PNG, WEBP o GIF, hasta 10 MB) o pegando una Asset URL.
- Pega el prompt de movimiento en Prompt. Es opcional en esta ruta.
- Añade Closing frame solo si el final está definido.
- Configura Duration (3 a 15 s) y Resolution. El valor predeterminado es 480p, el nivel más barato; prepara allí los borradores.
- Pulsa Run model. El precio aparece antes de cualquier cobro.
En la página de referencias de Wan 3.0, el primer campo se llama Reference images; nombra cada imagen en el prompt como en el ejemplo anterior.
Después, la API, cuando el movimiento funcione y quieras usarlo en tu aplicación. Instala el Python SDK (pip install spicyapi), define SPICY_API_KEY en el entorno del servidor y ejecuta esta solicitud H3 Spicy (el borrador a 480p de cinco segundos se cotiza a $0.19):
import uuid
from spicyapi import SpicyClient, output_assets
client = SpicyClient() # reads SPICY_API_KEY from the environment
task = client.create_task(
model="minimax/h3-spicy/image-to-video",
input_data={
"image_url": "https://cdn.spicyapi.ai/blog/uncensored-ai-image-to-video-guide/m1-shared-source-2026-09-27.jpg",
"prompt": "The adult performer turns toward the camera as a light breeze lifts the edge of her jacket. "
"One slow camera push; keep her face, outfit and terrace recognisable. One continuous shot.",
"resolution": "480p",
"duration_seconds": 5,
},
idempotency_key=str(uuid.uuid4()),
)
final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
raise RuntimeError(f"{task['taskId']} ended as {final['state']}: {final.get('errorCode')}")
print(output_assets(final)[0]["url"]) # copy the clip to your own storage nowOtras rutas usan otros campos; consulta la página de la tarea antes de cambiar el modelo. Campos, resultados y errores están en la referencia de la API. Mantén la clave en tu servidor.
O deja que lo ejecute un agente. Un agente puede realizar la misma llamada mediante la CLI, el servidor MCP o el Agent Skill. Los tres leen el esquema actual; CLI y MCP muestran el precio y solicitan confirmación antes de crear una tarea. Con SPICY_API_KEY definido:
# CLI
npx @spicyapi/cli tasks create --model minimax/h3-spicy/image-to-video \
--input-json '{"image_url": "https://cdn.spicyapi.ai/blog/uncensored-ai-image-to-video-guide/m1-shared-source-2026-09-27.jpg", "prompt": "She turns toward the camera; one slow camera push.", "resolution": "480p", "duration_seconds": 5}' --wait
# MCP server: the command your assistant's MCP config runs
npx --yes --package=@spicyapi/mcp spicyapi-mcp
# Agent Skill
npx skills add spicyapi-ai/spicy-skillQué ruta utilizar
| Elígela cuando | Busca otra cuando |
|---|---|
| MiniMax H3 Spicy: la imagen debe ser el primer fotograma y quieres el diagnóstico corto más barato | Necesitas una toma de más de 15 segundos o una pista de audio controlable |
| Seedance 2.5 Spicy: la imagen debe abrir el clip y quieres una toma más larga (hasta 30 s) o audio nativo | Solo pruebas un movimiento; cuesta unas cinco veces más por segundo |
| Wan 3.0 o Seedance 2.5 referencia a vídeo: las imágenes aportan persona y habitación para un inicio nuevo | La imagen debe abrir literalmente el clip o la persona es una foto real (la comprobación facial de Wan suele rechazarla) |
| H3 Spicy, Seedance 2.5 Spicy o Wan 3.0 imagen a vídeo con imagen final: el final está definido | Las composiciones no pueden conectarse de forma plausible en la duración del clip |
En nuestros clips, H3 necesitó un prompt más preciso de vestuario para mantener la chaqueta; Seedance hizo un movimiento similar pero la dejó caer, y Wan creó un espacio nuevo sin reproducir exactamente ninguna fuente. Decide primero por la función de la imagen y después por el movimiento y continuidad visibles. Si una toma larga presenta deriva, acórtala o divide la escena.
Preguntas frecuentes
¿Imagen a vídeo siempre es la tarea correcta al cargar una imagen?
Solo si la imagen debe ser el inicio literal. Si aporta persona, vestuario o espacio para otro inicio, usa referencias y explica qué aporta cada imagen.
¿Puedo animar una foto sin escribir un prompt?
En algunas rutas, incluida MiniMax H3 Spicy, el prompt es opcional y el modelo infiere movimiento. Añade un prompt corto cuando importe una acción, movimiento de cámara o final concretos.
¿La persona permanecerá idéntica durante todo el clip?
El primer fotograma es un anclaje fuerte, no una garantía de identidad fotograma a fotograma. Revisa cambios de rostro, cabello y vestuario en todo el clip. Mantén el movimiento dentro del encuadre original, usa una imagen mejor o acorta y divide el plano.
¿Pueden dos imágenes definir principio y final?
Solo en una ruta cuya página acepte imagen inicial y final. El modelo conecta ambas composiciones; no es lo mismo que dos referencias libres que guían un plano nuevo.
¿Puedo comparar directamente clips de referencia a vídeo e imagen a vídeo?
Solo de forma aproximada. Compara rutas de primer fotograma con la misma imagen e indicación de movimiento; juzga las referencias por su objetivo: persona y espacio correctos en un nuevo plano. Empezar con una función de imagen distinta no convierte al clip en inferior.
¿«Sin censura» significa que se generará cualquier escena adulta que pida?
No. El comportamiento varía por tarea y versión, y un trabajo terminado puede ser más suave que la indicación. Usa material adulto legal y consentido, y comprueba los fotogramas reales.
¿Cuál es la forma más barata de probar imagen a vídeo sin censura?
Aquí es MiniMax H3 Spicy: $0.038 por segundo a 480p, unos $0.19 por cinco segundos o $0.42 a 768p. Prueba clips cortos en la resolución mínima que permita apreciar el movimiento; auméntala cuando funcione la dirección.
¿Puedo añadir sonido?
Depende de la ruta. Seedance 2.5 Spicy tiene un interruptor de audio nativo y Wan 3.0 referencia a vídeo acepta referencias de audio. MiniMax H3 Spicy imagen a vídeo no ofrece ajuste de audio y puede incluir una pista generada que no puedes controlar; planifica reemplazar o añadir audio en edición.
