La galería contiene los seis ejemplos publicados de la página del modelo, copiados aquí para que la reseña los conserve, más un clip propio del 8 de octubre que lleva el número de referencias a cinco. La galería entera muestra adultos vestidos, sugerentes como mucho. No publicamos las ejecuciones de nuestra escala de contenido.
Una frase a cámara (image-to-video, 1080p). A partir de un cuadro de una mujer de pelo oscuro y ondulado con un vestido combinación de satén negro ante un espejo de tres hojas bajo bombillas de tocador, con el vestido desabrochado unos centímetros por la espalda. Se vuelve hacia la cámara, deja que el tirante suelto resbale más, busca la cremallera y dice «Help me with this?», y luego se muerde el labio. Su rostro, el vestido y la sala se mantienen tal como los dibujaba el cuadro, y el cuadro 16:9 volvió exactamente en 1920 x 1080.
Una salida entre el vapor (image-to-video, vertical). Un hombre con barba de pocos días y una toalla blanca se levanta del banco de un baño de mármol, se echa atrás el pelo mojado y camina hacia la cámara. El cuadro 9:16 volvió en 720 x 1280, y el sonido lleva el siseo del vapor y el goteo del agua.
Un beso por la mañana (image-to-video). Dos mujeres en una cama deshecha a la luz de la mañana, una con el pelo corto platino y un camisón de seda color champán, la otra con melena larga caoba y una camisa blanca desabotonada, se besan despacio y sonríen.
Tres referencias, un probador (reference-to-video, 16:9). Un retrato de una mujer de rizos cortos naturales y aros dorados, una foto de producto de una bata de seda esmeralda en una percha y un probador de boutique vacío. Lleva la bata sobre una combinación negra en ese probador, se anuda el cinturón, se vuelve hacia el espejo dorado y deja resbalar la bata por un hombro mientras mira de reojo a la cámara.
Una frase con una voz prestada (reference-to-video, 9:16, 9 segundos). Un retrato de una mujer de pelo largo y negro y labios rojos, más un clip de voz. En una puerta a la luz de las velas gira la llave y susurra «Lock the door. Nobody is coming up tonight... and I am not in any hurry.» La frase está escrita en el prompt; el clip de audio solo fija la voz.
Dos retratos, un ascensor (reference-to-video, 9:16). Dos retratos de dos hombres con traje. En un ascensor de hotel de latón y espejos, el barbudo afloja la corbata del otro y lo apoya con suavidad contra el espejo, y casi se besan mientras las puertas se abren. Se conservan los dos rostros.
Cinco referencias, tres personas (reference-to-video, 16:9, nuestra propia prueba). Enviamos dos retratos de mujeres, el retrato del hombre barbudo, la bata esmeralda y el probador, y pedimos que la mujer de pelo largo y negro se probara la bata mientras la de rizos cortos anudaba el cinturón y el hombre decía «It's perfect. We're late.» desde la puerta. Los tres rostros pasaron, y la sala también: las cortinas de terciopelo rosa, el espejo dorado y la barra de combinaciones. La frase se dijo (nuestra transcripción decía «It's perfect, we're late.»). Dos cosas se desviaron: la bata acabó en las dos mujeres (el prompt nunca decía qué llevaba la segunda), y el hombre estaba junto a la barra en lugar de apoyarse en la puerta. El clip tardó unos 8 minutos en volver.
Tamaños, archivos y velocidad
Image-to-video sigue tu cuadro. Un cuadro 16:9 volvió en 952 x 544 en 540p, 1268 x 724 en 720p, 1906 x 1088 en 1080p y 3804 x 2172 en 4k; otro volvió exactamente en 1920 x 1080 en 1080p; un retrato 2:3 dio 586 x 880 en 540p. En reference-to-video, 16:9 en 540p dio 960 x 528, 9:16 en 720p dio 720 x 1280 y 1:1 en 2k dio 1920 x 1920. Los clips duran unas centésimas de segundo más de lo pedido (5 segundos volvieron como 5,04).
Un flujo sensato: borrador en 540p de 5 segundos, que tardó unos 2 minutos en image-to-video, y repite en 1080p la toma que te guste. Elige 2k o 4k solo cuando necesites el tamaño y tu editor maneje HEVC. Cuenta con 4 a 6 minutos por clip en reference-to-video, y escribe la escena entera antes de enviarla, porque un segundo intento cuesta otra espera.
