Imagen a vídeo para anuncios de producto: de la foto fija al clip vertical

Con imagen a vídeo, el producto lleva la voz cantante

Un modelo de texto a vídeo se inventa el producto a partir de tu descripción. Un modelo de imagen a vídeo parte de tu fotografía y le añade movimiento. En un anuncio, esa diferencia decide si el frasco del vídeo es el mismo que tienes en la estantería.

Si construyes tus vídeos a partir de una idea y un guion, nuestra guía de texto a vídeo para pequeños negocios cubre ese camino. Este artículo da por hecho que ya tienes fotos de producto y quieres convertirlas en anuncios de vídeo cortos sin necesidad de una sesión de rodaje.

Cuándo elegir imagen a vídeo y cuándo no

• Usa imagen a vídeo cuando el aspecto del producto está fijado: artículos envasados, cosmética, joyería, herramientas, cualquier cosa con etiqueta.
• Usa texto a vídeo cuando importa más el concepto que el objeto: un clip de ambiente, un escenario, un servicio que no puedes fotografiar.
• Combínalos cuando necesites ambas cosas: genera una escena y luego incorpora el producto a partir de una fotografía.

Una forma rápida de decidir es preguntarte qué debe reconocer el espectador. Si tiene que reconocer tu frasco exacto en una estantería, parte de la foto. Si tiene que reconocer una sensación, un prompt escrito es más rápido y barato de iterar.

Los productos con letra pequeña, logotipos complejos o requisitos de color exactos son los más exigentes. También funcionan, pero necesitan más revisión y clips más cortos.

Prepara la foto de origen

El modelo solo puede trabajar con lo que contiene la foto, así que la imagen de partida importa más que el prompt. Dedica diez minutos a esto y cada paso posterior será más fácil.

Lista de comprobación de la foto de origen

• Resolución: al menos 2000 píxeles en el lado largo, nítida al 100 % de zoom y sin artefactos de compresión en los bordes.
• Fondo: limpio y despejado. Una superficie lisa o un recorte sencillo le da al modelo menos cosas que interpretar mal.
• Luz: uniforme y suave, sin reflejos duros en el cristal ni en el metal, porque los reflejos tienden a parpadear cuando el clip se mueve.
• Etiqueta: de cara a la cámara, totalmente visible y enfocada, ya que es lo que leerá el espectador.
• Espacio para moverse: deja espacio vacío alrededor del producto para que un acercamiento o una órbita no lo recorten.

Fotografía o selecciona tres ángulos por producto: frontal, de tres cuartos y un detalle, como el tapón o la textura. Cada tipo de movimiento va mejor con un ángulo distinto y te harán falta las opciones.

Cuatro tipos de movimiento y cuándo usarlos

• Órbita. La cámara rodea el producto. Va bien con frascos, tarros y todo lo que tenga una forma que merezca mostrarse, y es el movimiento con más probabilidades de dejar al descubierto una contraetiqueta incorrecta.
• Acercamiento. Un movimiento lento hacia el producto o un detalle. Es la opción más segura, porque el producto casi no cambia mientras cambia el encuadre.
• Revelación. Una tela se retira, entra una mano, pasa un barrido de luz. Crea un momento y funciona muy bien en lanzamientos.
• Escena de estilo de vida. El producto está dentro de una escena, como una vela en el alféizar con el vapor de una taza al lado. Es la que más riesgo tiene y la que más emoción transmite.

Ejemplos de prompts de movimiento

• Órbita: La cámara rodea el tarro un cuarto de vuelta hacia la derecha durante cinco segundos a velocidad constante. El tarro permanece derecho y sin cambios. Luz natural suave, fondo liso.
• Revelación: Una tela de lino se desliza sobre el frasco de izquierda a derecha y lo deja al descubierto. El frasco no se mueve. La luz se calienta ligeramente cuando la tela se despeja.
• Estilo de vida: La vela permanece encendida sobre un alféizar de madera, la llama parpadea con suavidad y las cortinas de detrás se mueven un poco con la brisa. La cámara permanece fija.

Empieza con un acercamiento sobre tu producto principal. Cuando funcione, añade una órbita o una revelación. Reserva las escenas de estilo de vida para productos en los que el entorno vende la sensación, como las velas, la cosmética o el café.

Escribe el prompt de movimiento

Describe el movimiento, no el producto. La foto ya muestra el producto, así que un prompt que lo vuelve a describir invita al modelo a redibujarlo. Di qué se mueve, a qué velocidad y qué se queda quieto. Da duraciones y distancias cuando puedas, como "un 15 % más cerca en seis segundos", porque los números guían el movimiento mejor que adjetivos como "lento" o "suave" por sí solos.

Prompt flojo: Un hermoso frasco de perfume de lujo, elegante, premium, cinematográfico. Eso describe un ambiente y no le da instrucciones al modelo.

Prompt más sólido: Acercamiento lento al frasco, la cámara se aproxima un 15 % en seis segundos. El frasco, el tapón y la etiqueta permanecen totalmente quietos y sin cambios. Una luz suave recorre el pedestal de piedra de izquierda a derecha. Tono ambiente tranquilo, sin texto.

Fíjate en la frase sobre la etiqueta. Decirle al modelo qué debe permanecer sin cambios es tan útil como decirle qué debe moverse. Veo 3.1, por ejemplo, admite hasta tres imágenes de referencia, lo que te da otra forma de fijar el aspecto del producto cuando una sola foto no basta.

Un ejemplo práctico: Northfield Candle Co.

Northfield Candle Co. vende seis velas vertidas a mano, con etiquetas color crema y un pequeño logotipo negro. La dueña dispone de unos 60 euros y quiere cinco anuncios verticales para la colección de otoño.

1. Fotografía cada vela a 3000 píxeles, de frente y de tres cuartos, sobre un fondo de lino liso.
2. Genera un acercamiento de seis segundos para cada una, con la etiqueta fijada en el prompt.
3. Dos velas reciben en su lugar una revelación: una mano enciende una cerilla y la luz se extiende por la cera.
4. Compara la etiqueta de cada clip con la foto original, fotograma a fotograma al principio, en el medio y al final.
5. Tres clips pasan la prueba. Dos muestran el logotipo algo deformado hacia el quinto segundo, así que los recorta a cuatro segundos y vuelve a añadir el logotipo como capa superpuesta.

La lección es que un clip no tiene que ser perfecto de principio a fin. Tiene que ser fiel mientras dura.

También lleva un registro sencillo: nombre de la vela, tipo de movimiento, número de tomas, apto o no apto. Tras la primera tanda, el registro muestra que los acercamientos pasan a la primera o a la segunda toma, mientras que las órbitas necesitan tres de media. Eso le dice dónde gastar la siguiente tanda de intentos y le da un punto de partida a un colaborador externo o a un compañero si otra persona toma el relevo de la rutina.

Mantén fieles las etiquetas, los logotipos y los colores

Para una marca, la fidelidad lo es todo. El texto impreso pequeño es lo primero que se desvía, seguido de la geometría del logotipo y después del color.

• Etiquetas y logotipos: mantén el clip corto, compara los fotogramas con el original y añade el logotipo como capa superpuesta en tu editor si el generado se tambalea. Nuestra guía de edición de imágenes coherente con la marca explica cómo corregir la imagen fija antes de animarla.
• Color: comprueba el producto frente a la muestra de color de la marca en la pantalla de un móvil. Una luz cálida puede desplazar una etiqueta crema hacia el amarillo.
• Proporciones: confirma que el producto no crece ni se encoge durante la órbita. Un tapón que cambia de anchura es una señal habitual de que hay que descartar la toma.
• Promesas: si el vídeo muestra un resultado, como una mancha que desaparece, asegúrate de que tu producto lo consigue en la realidad.

Especificaciones para Reels, TikTok y Shorts

Las tres plataformas favorecen el vídeo vertical en 9:16, y 1080 por 1920 es el objetivo seguro. Veo 3.1 admite 1080p a 24 fotogramas por segundo en 9:16, y Kling 3.0 llega a 4K nativo si además necesitas un archivo máster. Mantén el contenido importante dentro de la zona central del encuadre, porque los botones de la interfaz y los subtítulos cubren los bordes. Deja libre de cualquier cosa que quieras que la gente lea aproximadamente el sexto superior y el sexto inferior del encuadre, y exporta una versión con los subtítulos incrustados para los feeds en los que se hace scroll sin sonido.

La duración depende de tu objetivo. De seis a diez segundos va bien para un anuncio de producto en bucle, y algo más largo para un lanzamiento. Las cifras de Statista de 2025 sitúan la media de me gusta en los Reels de Instagram en 475, frente a 377 en las publicaciones normales, un motivo para exportar cada clip en vertical aunque también planees una versión cuadrada para el feed.

Algunas plataformas etiquetan el contenido generado con IA o piden que lo indiques. TikTok, por ejemplo, añade etiquetas automáticamente al contenido de su propio Symphony Creative Studio, así que consulta las normas vigentes de cada canal antes de programar.

Lista de revisión antes de publicar

1. El texto de la etiqueta se lee bien y coincide con la foto original al principio, en el medio y al final del clip.
2. La forma, las proporciones y el color del logotipo no han cambiado, salvo una variación mínima.
3. La forma del producto se mantiene durante todo el movimiento y no ha aparecido ningún objeto de más.
4. El movimiento es fluido y lo bastante lento como para leerlo en un móvil, sin parpadeos en el cristal ni en el metal.
5. El primer segundo muestra el producto con claridad, porque ahí se decide si se sigue haciendo scroll.
6. La promesa del texto coincide con lo que muestra el vídeo y se ha incluido el aviso que corresponda.

Si fallan dos o más puntos, vuelve a generar con un clip más corto o un movimiento más sencillo en lugar de parchear. El generador de vídeo con IA de SEENALYZE AI facilita este ciclo tomando como punto de partida las fotos de producto, y los resultados pueden pasar a los anuncios con IA para Meta y Google cuando quieras lanzarlos como emplazamientos de pago.