Convierte una foto en un vídeo corto con IA

De una foto quieta a un clip que se mueve

Le das al modelo una sola imagen y una frase corta que describe cómo debe moverse. El modelo usa tu foto como primer fotograma y construye los segundos siguientes a partir de ahí: un acercamiento lento, el pelo que se mueve, el vapor de un café, las hojas de un árbol. La persona o el producto de la foto siguen siendo reconocibles porque no se vuelve a dibujar la escena desde cero.

Es distinto de generar un vídeo solo con texto. Ahí el modelo se lo inventa todo. Al partir de tu foto, la luz, el encuadre y el sujeto ya están fijados, y tú solo diriges el movimiento.

Cinco segundos dan de sobra para un bucle en una ficha de producto, la entrada de un reel o un retrato animado, y hacen que cada intento salga barato.

Cuánto cuesta y cuánto dura el archivo

Un clip de cinco segundos son 35 créditos. Generar antes la imagen con Nano Banana 2 son 8 créditos a 1K o 2K, y 16 a 4K. Una foto tuya más una animación son 35 créditos; una imagen generada y luego animada, unos 43.

Con los 150 créditos de la prueba salen unos cuatro clips a partir de tus propias fotos, o unas tres tandas completas si además generas la imagen cada vez. Cobramos los modelos a precio de coste, sin margen: lo que cuesta el modelo es lo que pagas.

Cada archivo terminado vive en un enlace privado durante siete días y luego se borra. Descarga el clip en cuanto esté listo. Después no queda nada guardado, así que trata el enlace como algo temporal, no como una biblioteca.

Cómo le pasas tu foto a Figgshield

Hay tres maneras de entregar la imagen de partida al modelo de vídeo, según dónde tengas la foto.

• ¿La generaste con Nano Banana 2 en el mismo agente? Pasa su id con start_from_generation. Es el camino más limpio: primero la imagen, luego el vídeo desde ese resultado exacto.
• ¿La tienes en tu equipo? Pide un hueco de subida con create_image_upload, envía el archivo a la URL que te devuelve y luego apúntalo con start_upload_id.
• ¿Ya está pública en la web? Señálala con start_image_url.

La indicación de movimiento

El error más habitual es pedir demasiado. Una foto tiene un solo punto de vista, así que los movimientos de cámara grandes y los escenarios nuevos se deforman. Describe una o dos cosas pequeñas: un acercamiento suave, una brisa entre los árboles, el sujeto que parpadea y gira un poco hacia la luz.

Nombra el movimiento, no el estilo. «Avance lento de cámara hacia delante, hojas que se mueven, luz que titila» es una orden que el modelo puede cumplir. «Hazlo cinematográfico» no lo es.

Animas la imagen con generate_video usando Kling 3, o Kling 3 Turbo cuando quieras el resultado más rápido. El vídeo se pone en cola, así que el agente consulta get_generation hasta que el clip está listo. La imagen de referencia que envías se usa en memoria y no se guarda en ningún momento.

Fallos típicos con retratos

Los retratos son los que más se resienten cuando el prompt pide de más. Estos son los tropiezos que se repiten y cómo evitarlos.

• Manos y dientes que se deforman: pide gestos mínimos. Un giro de cabeza y una mirada rinden mejor que una sonrisa amplia o unas manos que se mueven.
• La cara resbala: si el sujeto se mueve mucho, los rasgos bailan. Deja quieto al sujeto y pon el movimiento en el fondo (vapor, cortina, luz).
• Nada se mueve: si el resultado sale casi congelado, tu descripción era demasiado tímida. Añade un verbo claro de movimiento, como «se acerca» o «gira».

Conéctalo en tu agente

Figgshield es un conector MCP que tu agente de IA llama para crear medios. Añades el servidor una vez en https://api.figgshield.ai/mcp y a partir de ahí pides las cosas en lenguaje normal; el agente llama a las herramientas por ti.

Funciona dentro de lo que ya usas: Claude (escritorio y Claude Code), Cursor, Windsurf y ChatGPT en Modo Desarrollador con plan de pago. Cualquier agente compatible con MCP sirve igual.

No hay plan gratuito. La prueba Pro de 5 $ dura siete días e incluye 150 créditos, y si cancelas antes del día 7 no pagas nada más. Un mismo saldo de créditos cubre imágenes y vídeo.