Generador de vídeo de producto con IA

El vídeo de producto solía exigir un día de estudio, un equipo de iluminación y un editor. Hoy la ruta más corta es una foto del producto, una descripción escrita del plano y un modelo capaz de mantener el sujeto quieto mientras la cámara se mueve. Esta guía recorre todo el camino en VidVid: qué modelo elegir, qué debe decir el prompt, dónde se rompen las generaciones y cómo presupuestar créditos antes de lanzar un lote.

Para quién es — y para quién no

La generación de vídeo de producto funciona mejor cuando el producto ya existe y lo que añades es movimiento, no la invención del producto.

• Buena opción: clips para fichas de producto (Amazon ES, Mercado Libre, Shopify), hooks para redes de pago, teasers de lanzamiento, motion para lookbooks, promos de apps y SaaS, variantes creativas A/B, planos macro de materiales.
• Mala opción: cualquier cosa que deba mostrar texto exacto en pantalla (etiquetas de precio, avisos legales, listas de ingredientes), claims regulados o un packshot donde el logotipo debe quedar pixel-perfect. Renderiza esos elementos en postproducción.
• Nunca hagas esto: dejar que un modelo invente las especificaciones del producto. La superficie, el precio, los ingredientes, las certificaciones y las direcciones pertenecen a tu copy, verificado por una persona.

El flujo de trabajo que sobrevive a un catálogo real

1. Fija un resultado medible. Decide si el clip debe conseguir un clic, mostrar el detalle del material, ser fiel a una foto de referencia o cubrir una ranura social reutilizable. Esta única elección determina el modelo y la duración.
2. Prepara el fotograma fijo. Sujeto centrado, fondo limpio o liso, sin reflejos duros, bordes nítidos. Una foto de entrada débil es el problema más caro que puedes tener, porque pagas por cada reintento.
3. Escribe el plano, no el ambiente. Sujeto + movimiento + cámara + iluminación + formato. “Push-in lento sobre un bol de cerámica, fondo de estudio negro” gana a “plano de producto premium precioso”.
4. Prueba corto y barato. Ejecuta borradores de 2–4 segundos a 480p primero. Bloquea la estabilidad del sujeto, la velocidad de cámara y la luz antes de subir duración o resolución.
5. Genera por plano, no por vídeo. Construye tres planos de 5 segundos y córtalos, en vez de pedir a una generación que cuente toda una historia. Los modelos manejan bien un beat y mal tres.
6. Termina fuera del generador. Subtítulos, logotipos, stickers de precio, música y cartas finales son trabajo de edición. Mantenlos fuera del prompt.

Cómo elegir un modelo para vídeo de producto

Modelo	Mejor para	Entradas	Coste ejemplo	Elígelo cuando
Wan 3.0	Movimiento cinematográfico, escenas narrativas	texto → vídeo, imagen → vídeo	28 créditos (2s · 480p)	Quieras el borrador inicial más barato para validar un plano
Kling 3.0 Turbo	Acción y control de cámara	texto → vídeo, imagen → vídeo	68 créditos (3s · 720p)	El movimiento de cámara es el punto — orbitar, push-in, seguimiento
Seedance 2.5	Movimiento de personajes, anuncios, clips sociales	texto → vídeo, imagen → vídeo, vídeo → vídeo, extender	144 créditos (4s · 480p)	Necesites 4–30s, varios aspectos, o extender un clip
PixVerse 5.6	Contenido estilizado y efectos visuales	texto → vídeo, imagen → vídeo	90 créditos (5s · 360p)	Quieras un look estilizado o de efectos en vez de realismo
Veo 3.1 Fast	Secuencias cinematográficas de alta fidelidad	texto → vídeo, imagen → vídeo	240 créditos (4s · 720p)	La calidad del activo final importa más que el volumen de iteración
MiniMax H3	Vídeo corto cinematográfico de alto impacto	texto → vídeo, imagen → vídeo	24 créditos (3s · 480p)	El modelo más barato aquí para validar un plano antes de escalar

Las cifras de créditos se leyeron de la página de precios de VidVid el 21/09/2026 y se muestran como configuraciones de ejemplo publicadas. VidVid muestra el coste exacto en el botón Generar para el modelo, duración y resolución elegidos, y esos números cambian según se actualizan los modelos — comprueba siempre la cifra en vivo antes de un lote. Ver precios actuales

Prompts que puedes pegar hoy

Cada prompt indica sujeto, movimiento, cámara, iluminación y formato. Sustituye las partes entre corchetes.

PROMPT 1 — Revelado limpio de producto (imagen → vídeo)
Camera slowly pushes in on the ceramic bowl from the reference image. Mango cubes stay sharp, pulp texture unchanged, soft top-light, matte studio background, shallow depth of field, 5 seconds, 16:9, no camera shake, product does not deform.

PROMPT 2 — Hook social vertical
Energetic handheld move, product enters frame in the first second, bright accent lighting, clean background, 3 seconds, 9:16, subject stays centred and readable at thumbnail size.

PROMPT 3 — Detalle macro de material
Extreme macro of the fabric weave, very slow lateral drift, raking side light reveals texture, no change to colour, 4 seconds, 1:1, locked-off framing.

PROMPT 4 — Turntable de packaging
Product rotates gently on a clean white surface, soft even studio lighting, subtle contact shadow, packaging text remains legible and undistorted, 5 seconds, 1:1.

PROMPT 5 — Corte lifestyle
Product sits on a sunlit wooden table, steam rises, shallow depth of field, warm practical light, camera holds still, 4 seconds, 16:9.

Test cards: tres planos que ejecutar antes de escalar

Ejecuta estos tres antes de comprometer un catálogo. Cada tarjeta es una prueba completa y repetible — las mismas entradas, los mismos ajustes, los mismos puntos de control.

Tarjeta A — Bucle fiel al producto. Entrada: una foto de producto con fondo blanco. Modelo: MiniMax H3. Ajustes: 3s, 720p, 1:1. Prompt 4. Punto de control: ¿sobrevive el logotipo en todos los fotogramas? Salida: la ejecución completa de H3 para esta tarjeta —archivo, prompt y ajustes— está publicada abajo.

Tarjeta B — Hook pagado vertical. Entrada: solo texto. Modelo: MiniMax H3. Ajustes: 4s, 480p, 9:16. Prompt 2. Punto de control: ¿se lee el producto a tamaño de miniatura en el fotograma 1? Salida: la ejecución completa de H3 para esta tarjeta —archivo, prompt y ajustes— está publicada abajo.

Tarjeta C — Plano de confianza de material. Entrada: foto macro de detalle. Modelo: MiniMax H3. Ajustes: 2s, 480p, 1:1. Prompt 3. Punto de control: ¿se mantiene la textura o se difumina a plástico? Salida: la ejecución completa de H3 para esta tarjeta —archivo, prompt y ajustes— está publicada abajo.

Las tres ejecuciones de MiniMax H3 detrás de estas tarjetas

Las mismas tres tarjetas, ejecutadas una vez cada una en MiniMax H3 por la API oficial a 768P. Archivos, prompts y ajustes están publicados abajo para que puedas repetirlos tal cual. Son pruebas de banco con una imagen de referencia y prompts genéricos, no con tu catálogo: léelas como prueba de tiempo de entrega y estabilidad de fotograma, no como un veredicto sobre tu material.

Abrir este clip en una ventana nueva →

Prompt que enviamos realmente: A slow macro push-in on a matte ceramic object, realistic reflections, black studio background, premium commercial lighting, the object keeps its exact shape, no deformation, 5 seconds.

Abrir este clip en una ventana nueva →

Prompt que enviamos realmente: Vertical 9:16 product hook, energetic but controlled camera move, subject fully visible in the first second, bright accent colour, shallow depth of field, object shape stays fixed.

Abrir este clip en una ventana nueva →

Prompt que enviamos realmente: Extreme macro of a brushed metal surface, slow lateral camera move, reflected light crawling across the material, no distortion, commercial product photography look.

Tarjeta	Modo	Ajustes	Archivo de salida	Envío → listo
A	imagen → vídeo	5s · 768P	1344×768, 24 fps, 5.2 s, 726 KB	196 s
B	texto → vídeo	5s · 768P · 9:16	768×1344, 24 fps, 5.2 s, 1.0 MB	117 s
C	texto → vídeo	4s · 768P · 1:1	768×768, 24 fps, 4.5 s, 341 KB	83 s

Alcance: tres ejecuciones únicas en un solo modelo. No medimos el cargo de créditos dentro de VidVid, no cronometramos ningún otro modelo y no puntuamos la calidad de salida: eso sigue siendo un juicio humano. La tarifa H3 publicada por VidVid es de 24 créditos (3s · 480p); el dato real está en el botón de generar.

Ejecuta las mismas tres tarjetas en otro modelo

Una tarjeta medida solo significa algo cuando el modelo es la única variable. Mantén la entrada, el prompt, la duración y la resolución idénticos y la siguiente generación te dirá qué hace distinto ese modelo. Los modelos de la tabla de arriba, con su coste de ejemplo publicado:

• Wan 3.0 — 28 créditos (2s · 480p) — Quieras el borrador inicial más barato para validar un plano
• Kling 3.0 Turbo — 68 créditos (3s · 720p) — El movimiento de cámara es el punto — orbitar, push-in, seguimiento
• Seedance 2.5 — 144 créditos (4s · 480p) — Necesites 4–30s, varios aspectos, o extender un clip
• PixVerse 5.6 — 90 créditos (5s · 360p) — Quieras un look estilizado o de efectos en vez de realismo

Abre el estudio, carga la misma imagen de referencia, pega el mismo prompt y cambia de modelo. Una sola generación basta para ver la diferencia en tu propio material. Lanzar la comparación en el estudio de VidVid

Las cifras son configuraciones de ejemplo publicadas por VidVid, leídas el 2026-09-21, y solo son comparables con ajustes idénticos. Nosotros no cronometramos estos modelos.

Cambiar de modelo cambia la factura y el resultado, no el flujo. El mismo plano en los otros modelos de esta guía: Kling 3.0 Turbo — 68 créditos (3s · 720p) ; Seedance 2.5 — 144 créditos (4s · 480p) ; PixVerse 5.6 — 90 créditos (5s · 360p) ; Veo 3.1 Fast — 240 créditos (4s · 720p). Lo que realmente cambia: Kling 3.0 Turbo maneja mejor los movimientos de cámara, por eso es la opción cuando el plano de acercamiento es el plano ; Seedance 2.5 cubre demos de producto más largas y varias relaciones de aspecto ; PixVerse 5.6 se inclina por lo estilizado y cargado de efectos ; Veo 3.1 Fast es la opción de alta fidelidad cuando un solo clip protagonista debe sostener la página.

El fallo que encontrarás, y la solución

Síntoma: el producto se deforma — un asa se estira, una tapa cambia de forma, un logotipo se tuerce, o el objeto se convierte lentamente en otro distinto.

Causa: demasiado movimiento pedido a una sola generación. Duración larga más un gran movimiento de cámara más una descripción vaga del sujeto dan al modelo margen para improvisar.

Soluciones, en orden de efectividad:

1. Reduce la duración a 2–4 segundos y baja el movimiento de cámara a push-in, pull-back o un pequeño orbit.
2. Cambia de texto → vídeo a imagen → vídeo y aporta la foto real del producto. La generación dirigida por referencia conserva la forma mucho mejor que la dirigida por descripción.
3. Añade restricciones explícitas: product does not deform, shape unchanged, no camera shake, text remains legible.
4. Divide el movimiento: genera un plano de detalle fijo y un plano de cámara aparte, y córtalos juntos.

Si un producto concreto sigue fallando, deja de gastar créditos afinando el prompt y vuelve a hacer la foto fija. La mayoría de los “problemas de modelo” en e-commerce son problemas de la foto de entrada.

Presupuesto: cuánto cuesta realmente un vídeo de producto

Trabaja hacia atrás desde el entregable, no desde el saldo de créditos.

• Validar un plano: un borrador de 2–4s a 480p cuesta entre 28 y 144 créditos según el modelo. Ejecuta tres variantes, conserva una.
• Entregar un clip de ficha de 15 segundos: tres planos de 5 segundos, cada uno generado dos veces, a 720p, entra en los pocos cientos de créditos — cómodamente dentro de los 2.000 créditos mensuales del plan Creator para un puñado de productos.
• Probar creatividades pagadas: aquí muerde el volumen. Genera a 480p en la ronda de prueba y re-renderiza solo el concepto ganador a 720p o 1080p.

Los créditos son unidades de uso internas, no valor en efectivo, y el coste efectivo varía según el plan o el pack de créditos. Comparar planes

Errores que queman créditos en silencio

• Generar la resolución final primero. Valida siempre a 480p.
• Pedir texto dentro del encuadre. Añade precio, títulos y subtítulos en postproducción.
• Perseguir una generación perfecta de 15 segundos en vez de tres planos de 5 segundos.
• Reutilizar una sola foto de entrada para todos los ángulos — haz o consigue un segundo y tercer ángulo.
• Publicar un detalle inventado por el modelo como hecho del producto.

FAQ

¿Puedo convertir una foto de producto en vídeo?

Sí, y para e-commerce suele ser el mejor camino que el texto a vídeo. El imagen a vídeo conserva la forma, el color y el packaging reales del producto mientras el modelo añade movimiento y trabajo de cámara.

¿Con qué modelo debería empezar?

Empieza con Wan 3.0 a 2s/480p para validar el encuadre barato, y pasa a Kling 3.0 Turbo o Seedance 2.5 para el plano final una vez bloqueada la composición.

¿Cuánto debe durar un clip de producto?

De tres a cinco segundos por plano. Construye el vídeo de ficha a partir de varios planos cortos en lugar de una generación larga — los modelos mantienen un beat de forma fiable y pierden coherencia a partir de tres.

¿Por qué cambia de forma mi producto?

Demasiado movimiento en una sola petición. Acorta el clip, reduce el movimiento de cámara, pasa a imagen a vídeo y añade restricciones explícitas de “shape unchanged”.

¿El resultado está listo para uso comercial?

Los planes de VidVid incluyen salidas comerciales sin marca de agua. Confirma siempre las condiciones actuales en la página de precios antes de una campaña de pago.

¿Se puede ver una salida real de MiniMax H3 antes de pagar?

Sí. En esta página publicamos tres ejecuciones completas de H3 con sus prompts, ajustes y los propios archivos MP4: 768P, 4 a 5 segundos, 83 a 196 segundos desde el envío hasta el archivo. Los demás modelos aparecen con su coste de ejemplo publicado, así que puedes repetir el mismo prompt y comparar con tu material.

Dónde ir a continuación

• Abre el estudio de VidVid y ejecuta la Tarjeta A con tu propia foto de producto.
• Compara modelos en paralelo en la página de comparación de modelos de vídeo IA.
• Lee la guía de precios y créditos de vídeo IA antes de un lote.
• ¿Haces cortes verticales? Mira la guía de generador de vídeo vertical.