Audiovisual & IAvideo ia
Crear vídeos con IA: guía paso a paso (2026)
Cómo crear vídeos con IA de principio a fin: guion, imagen, movimiento, voz y música. Comparativa de Kling, Runway, Veo, Sora e Higgsfield y flujo real.
- Autor: humAIns
- 13 min de lectura
índice · 8 apartados
Un vídeo hecho con IA no sale de una herramienta. Sale de un flujo: guion, fotograma base, movimiento, voz, música y montaje. Quien lo plantea como «escribo una frase y espero» acaba con clips de cinco segundos que no encajan entre sí y una factura de créditos sin entregable.
Esta guía ordena ese flujo por etapas, con las herramientas para crear vídeos con IA que se usan hoy en producción. Las cifras están consultadas en las páginas oficiales de cada proveedor el 6 de noviembre de 2026: en este mercado los planes cambian cada pocas semanas y un precio sin fecha es un precio inventado.
Qué se puede hacer hoy con IA de vídeo (y qué sigue saliendo mal)
Lo que funciona de forma fiable, sin tres rondas de cambios: planos cortos de recurso, b-roll de producto, transiciones, fondos para composición, animación de una fotografía fija, doblaje con la voz del actor, música de fondo y storyboards para la primera reunión. Un generador de vídeos con IA cubre ya todas esas piezas, siempre que le pidas planos y no secuencias.
Lo que sigue saliendo mal, y conviene saberlo antes de prometer nada:
- Manos y dedos en primeros planos. Mejoró mucho, pero un gesto de cerca sigue siendo la ruleta.
- Texto en pantalla: rótulos, carteles, logos, pantallas de móvil. Sale deformado o en un idioma que no existe. El texto se añade en postproducción, siempre.
- Continuidad de personaje entre planos. Un mismo personaje en cinco planos distintos cambia de cara. Se mitiga con referencias de personaje y con un fotograma base fijo, no se resuelve solo.
- Audio sincronizado: voces que no coinciden con los labios y ambientes que cambian de un plano al siguiente.
- Acciones físicas complejas: dos personas interactuando, peso real, caídas, agua. El modelo improvisa y se nota.
La conclusión práctica: la IA no genera un vídeo de tres minutos. Genera planos de entre cinco y diez segundos que tú conviertes en un vídeo.
El flujo completo, del brief al máster
Estas cinco etapas son las mismas que en producción tradicional. Cambia la herramienta, no el orden. Si te saltas una, el resultado se cae en la siguiente.
1) Idea y guion
Antes de tocar ninguna herramienta generativa, escribe el guion por planos: qué se ve, qué se dice, cuánto dura y qué función cumple en el montaje. Un modelo de lenguaje sirve aquí para lo justo: le das el brief y le pides diez variantes de estructura, no el concepto de la campaña. La salida útil es una tabla de una línea por plano, con duración prevista.
2) Imagen o fotograma base
Aquí se decide la calidad del plano. Generar imagen fija y animarla después da más control que pedir vídeo desde texto: corriges encuadre, luz y vestuario sin gastar créditos de vídeo, que son los caros.
3) Movimiento y cámara
Con el fotograma aprobado se pide el movimiento: «cámara orbital lenta», «dolly in», «paneo lateral». Cuanto más concreta la instrucción de cámara, menos improvisa el modelo. Un plano generado sin indicación de cámara suele moverse por moverse.
4) Voz y música
La narración va después del montaje: primero se cierra el corte y luego se ajusta la voz a la duración real. La música se pide al principio con una referencia de tono y se elige entre varias tomas. Es la etapa que más delata una pieza amateur.
5) Montaje y corrección de color
Corte, ritmo, rótulos, mezcla de audio y etalonaje. Es la etapa que convierte material generado en un vídeo con intención: aquí se arreglan los saltos entre clips, se unifica el color de planos que vienen de modelos distintos y se decide qué plano no se usa aunque haya costado créditos.
Qué herramienta usar en cada etapa
Ninguna herramienta cubre el flujo completo con calidad. La tabla ordena las que se usan de verdad en producción, por etapa y no por ranking. Datos de las páginas oficiales, consultados el 6 de noviembre de 2026.
| Etapa | Herramienta | Para qué sirve | Plan gratuito |
|---|---|---|---|
| Guion y desglose | ChatGPT, Claude, Gemini | Estructura por planos, variantes de prompt, versiones de copy | Sí, con límites de uso |
| Imagen base | Nano Banana Pro (en Runway o Flow), Higgsfield Soul | Fotograma fijo coherente, control de personaje y producto | Sí, limitado |
| Movimiento | Kling 4.0, Runway Gen-4.5, Veo en Google Flow | Animar un fotograma o generar plano desde texto | Sí, con marca de agua |
| Vídeo discontinuado | Sora (OpenAI) | Cerrado: producto el 26 de abril de 2026, API el 24 de septiembre de 2026 | No existe |
| Voz y doblaje | ElevenLabs | Narración, doblaje, clonación de voz con consentimiento | Sí, sin derechos comerciales |
| Música | Suno | Tema original, variaciones, separación de pistas | Sí, sin derechos comerciales |
| Montaje y color | DaVinci Resolve, Premiere Pro | Corte, color, mezcla, entrega | Resolve es gratis |
Dos notas que ahorran disgustos. Sora ya no es una opción: OpenAI cerró el producto el 26 de abril de 2026 y la API el 24 de septiembre de 2026, así que cualquier comparativa que lo siga recomendando está desactualizada. Y el plan gratuito sirve para probar el flujo, no para entregar: en Kling, Higgsfield y Suno el uso comercial está excluido de la versión gratuita según sus tablas de precios.
Cómo se escribe un prompt de vídeo que funcione
Un prompt útil tiene seis piezas en orden estable: sujeto, acción, cámara, luz, estilo y duración. Si falta una, el modelo la rellena por su cuenta, y casi nunca con lo que querías.
- Sujeto: quién o qué, con dos o tres detalles de apariencia que importen (edad, ropa, textura).
- Acción: un solo verbo principal. Dos acciones en el mismo plano se convierten en una masa.
- Cámara: tipo de plano y movimiento. «Plano medio», «dolly in lento», «cámara fija a la altura de los ojos».
- Luz: dirección y calidad. «Luz de ventana lateral, sombras suaves» funciona mejor que «cinematográfico».
- Estilo: referencia visual concreta, no adjetivos abstractos.
- Duración y formato: cinco segundos, 16:9, 1080p.
Ejemplo para un plano de producto, listo para copiar:
Plano medio de una taza de café blanco sobre una mesa de madera clara, vapor visible.
Acción: manos de una persona levantan la taza lentamente.
Cámara: dolly in suave, altura de la mesa, 35 mm, profundidad de campo corta.
Luz: ventana lateral izquierda, mañana, sombras suaves, tono cálido neutro.
Estilo: fotografía editorial de interiores, grano fino, colores desaturados.
Duración: 5 s. Formato: 16:9, 1080p.
Ejemplo para un plano de recurso urbano, con el personaje ya fijado en el fotograma base:
Mujer de unos 35 años con abrigo beige y pelo recogido, de pie en un andén de metro.
Acción: gira la cabeza hacia la cámara y sonríe de forma contenida.
Cámara: plano medio corto, cámara fija, ligero movimiento de mano.
Luz: fluorescente fría cenital corregida hacia neutro, contraste medio.
Estilo: documental urbano, textura de piel real, sin estilización.
Duración: 4 s. Formato: 9:16, 1080p.
Tres reglas que valen más que cualquier truco: un plano, una idea; describe lo que se ve, no lo que se siente; y guarda cada prompt que funcione. Un prompt bueno es un activo reutilizable, no un mensaje que se pierde en el chat.
Cuánto cuesta de verdad
Los créditos no le dicen nada al cliente. Lo que sirve para presupuestar un vídeo con inteligencia artificial es el coste por segundo generado y, sobre todo, el coste por plano que acaba en el corte final. Precios oficiales consultados el 6 de noviembre de 2026.
| Herramienta | Plan de entrada | Precio | Qué incluye | Coste por vídeo útil |
|---|---|---|---|---|
| Runway | Standard | 15 USD/mes (12 USD anual) | 625 créditos/mes = 52 s de Gen-4.5 | Como un clip de 5 s cuesta 60 créditos, salen unos 10 clips al mes: 1,44 USD por clip, 1,15 con precio anual |
| Runway | Pro | 35 USD/mes (28 USD anual) | 2.250 créditos/mes = 187 s de Gen-4.5 | Con precio anual, 0,15 USD por segundo: unos 0,75 USD por clip de 5 s |
| Kling | Business | 8,80 USD/mes tras la oferta de bienvenida | 660 créditos/mes | 100 créditos equivalen a 1,06 USD |
| Google Flow (Veo) | AI Pro | 21,99 EUR/mes | 1.000 puntos Flow/mes | Sin suscripción, 50 puntos diarios para probar el flujo |
| Higgsfield | Starter | 19 USD/mes anual | 270 créditos/mes | El uso comercial empieza en Starter |
| ElevenLabs | Starter | 6 USD/mes | 30.000 créditos, uso comercial incluido | Su tabla da unos 10 minutos de voz por cada 10.000 créditos: 30 minutos al mes |
| Suno | Pro | 8 USD/mes con pago anual | 2.500 créditos/mes, 20 descargas | Derechos comerciales incluidos |
| DaVinci Resolve | Studio | 236 USD pago único | Todo el módulo de color y efectos | Resolve gratis cubre el montaje estándar |
Dos consecuencias que casi nadie calcula. La suscripción no es el coste: el desperdicio lo es. Para un anuncio de 30 segundos se generan entre 20 y 40 clips y se montan seis u ocho, así que el coste por segundo entregado es entre cuatro y seis veces el coste por segundo generado (estimación de nuestra propia práctica, no dato de proveedor). Y sumar tres suscripciones —vídeo, voz y música— ronda los 50 dólares al mes: razonable para un freelance que factura piezas, absurdo para quien aún no tiene encargo.
Licencias y uso comercial
La pregunta correcta no es «¿puedo usar esto comercialmente?» sino «¿qué dice la licencia del plan que tengo activo hoy?». La respuesta cambia de un plan a otro dentro de la misma herramienta.
- Plan gratuito: en Kling, Higgsfield y Suno el uso comercial está excluido de forma expresa según sus tablas de precios. En otras herramientas no siempre está tan claro en la página de precios; si no aparece, se pregunta por escrito antes de entregar.
- Plan de pago: habitualmente incluye uso comercial, con condiciones sobre atribución, reventa y contenido sensible que están en los términos de servicio, no en la tabla de precios.
- Personas reales: si generas o clonas la imagen o la voz de alguien identificable necesitas su consentimiento explícito. No es una recomendación de estilo, es base legal de protección de datos.
- Marcas y propiedades: un modelo puede reproducir un logo o un diseño concreto sin que tengas derecho a usarlo. La responsabilidad es de quien publica.
- Transparencia: el artículo 50 del Reglamento europeo de IA se aplica desde el 2 de agosto de 2026 y obliga a informar cuando el contenido es un deepfake. En publicidad empieza a ser habitual etiquetar la pieza como generada con IA.
El criterio operativo: por cada entrega, archiva el plan activo, la fecha y la licencia. Si el cliente pregunta en marzo por una pieza de enero, la respuesta está en tu carpeta.
Errores frecuentes y cómo evitarlos
1. Pedir vídeo desde texto cuando bastaba con animar una imagen. Sale aleatorio y caro. Corrección: genera el fotograma hasta que te guste y anímalo después.
2. Un prompt con tres acciones y dos personajes. El modelo elige qué priorizar y no suele elegir bien. Corrección: un plano, una acción, un sujeto.
3. Aceptar el primer clip porque «ya está pagado». Es el error más caro del flujo. Corrección: presupuesta los clips descartados desde el principio y trátalos como parte del proceso.
4. Montar planos de modelos distintos sin equalizar. Se nota el salto de textura y de color. Corrección: unifica en etalonaje y aplica grano o degradación ligera para igualar.
5. Prometer al cliente que se arregla en post. Manos, texto y continuidad de personaje no se arreglan en post sin presupuesto de VFX. Corrección: enseña al cliente dos o tres referencias de lo que la herramienta hace bien antes de firmar el alcance.
Cómo profesionalizar el pipeline en 8 semanas
Pasar de clips sueltos a un flujo con el que puedas presupuestar no es cuestión de conocer más herramientas, sino de tener un proceso repetible: brief, guion por planos, fotograma base, movimiento, voz, música, montaje, revisión y entrega con licencias documentadas.
Un plan realista en ocho semanas, con cuatro o cinco horas semanales: dos para prompt de imagen y fotograma base; dos para movimiento y prompts de cámara; dos para voz, música y montaje; dos para producir dos piezas completas con revisión externa. Lo que tienes que poder enseñar al final no es una lista de herramientas, es un showreel de dos piezas donde se vea criterio.
Ese es exactamente el encaje del programa AI Video & Creative Pro de humAIns.: es el curso de IA audiovisual para quien ya produce, con ocho semanas, el pipeline completo por etapas y tres piezas firmadas por un reviewer en activo. No es una iniciación gratuita ni una lista de trucos: es para quien quiere que su trabajo con IA pase una revisión profesional sin excusas.
Si vienes de otro perfil creativo y estás valorando el salto, empieza por cómo reconvertirte a IA sin programar. Y si la duda es qué se paga por estos roles en España, los rangos están en nuestra guía de salarios de profesionales IA en España 2026. Si partes de cero en todo, la ruta ordenada está en la guía para aprender IA desde cero.
El criterio que separa a un profesional de alguien que prueba herramientas no es el modelo: es saber qué plano necesita, cuánto costará y cuándo no merece la pena generarlo. Eso se aprende produciendo, con alguien que revise lo que produces. El programa completo está en AI Video & Creative Pro.
Sigue leyendo en humAIns