IA de primer a último fotograma para videos fluidos

Solo dos modelos admiten primer a último fotograma. No ocho, ni “la mayoría de los modelos punteros”: dos.

Seedance 2.0 y Seedance 2.0 Fast. Esa es la lista completa entre 37 modelos de generación de video.

Veo 3.1 no lo admite. Kling 3.0 tampoco. Wan 2.7 tampoco. Nano Banana Pro es un modelo de imagen y no genera video en absoluto. Si una guía te dice que elijas uno de ellos para un trabajo con fotograma inicial y final, está describiendo algo que no puede ocurrir.

Saber esto te ahorra la hora perdida más habitual en este tema: subir dos fotogramas a un modelo que ignorará uno de ellos sin avisar.

Qué hace realmente

Tú aportas una imagen de apertura y una imagen de cierre. El modelo genera el movimiento entre ambas.

Eso lo convierte en el control más determinista disponible aquí. Cualquier otro enfoque le pide al modelo que invente dónde termina una toma. Este se lo indica, así que el resultado acaba exactamente donde tú decidiste y no donde la generación haya derivado.

Usa primer a último fotograma. Además, ambos modelos Seedance aceptan imágenes de referencia, así que puedes fijar la identidad y los extremos en el mismo trabajo.

Dónde se gana su lugar

Unir dos tomas sin costuras. Toma el último fotograma de la primera toma como fotograma inicial. El siguiente clip empieza exactamente donde terminó el anterior, así que el corte desaparece. Es la unión más limpia posible sin encadenar.

Bucles perfectos. Usa la misma imagen como inicio y final. El movimiento vuelve al punto de partida por construcción, no por suerte. Para cualquier cosa en bucle —un motion poster, un fondo, un clip para redes sociales— este es el método fiable.

Una transformación concreta. Antes y después, cerrado y abierto, vacío y lleno. Cuando ambos estados importan y el recorrido entre ellos es el entregable.

Movimientos de cámara controlados. Encuadra las posiciones inicial y final como imágenes fijas, y el modelo interpola un movimiento que pasa por ambas marcas.

Cómo hacer que ambos fotogramas funcionen juntos

La combinación importa más que cualquiera de las dos imágenes por separado.

Mismo sujeto, mismo lugar. Dos imágenes sin relación producen una transformación morph, no un movimiento. El modelo tiende un puente entre lo que recibe, y si la distancia es demasiado grande, el puente es un desastre.

Iluminación coherente. Un cambio de luz entre fotogramas se interpreta como algo que ocurre en la escena, y el modelo animará ese cambio.

Un movimiento plausible entre ambos. Una persona de pie y luego sentada funciona. Una persona de pie y luego en otro continente, no.

Relación de aspecto y encuadre iguales. Los recortes distintos obligan al modelo a resolver dos composiciones a la vez.

La forma más fiable de conseguir un buen par es generar el fotograma final a partir del inicial con un modelo de edición de imágenes, para que ambos compartan todo excepto lo que quieres cambiar.

La duración es la tensión

Los clips más largos dan espacio para que el movimiento se vea natural. Los más cortos mantienen mejor la coherencia.

Si tus dos fotogramas están cerca, una duración corta basta y queda más limpia. Si están lejos, necesitas tiempo suficiente para que la transición resulte creíble, pero cuanto más la estires, más probable es que haya deriva en la parte central.

Cuando una transición larga se ve mal, la solución habitual es crear un fotograma intermedio y hacer dos trabajos cortos en lugar de uno largo.

Lo que no existe

No hay intensidad de movimiento. En los 37 modelos de generación de video, los parámetros son prompt, duración, relación de aspecto y resolución, además de referencias, un prompt negativo o fotogramas inicial y final en algunos. Valores como 0.45 no existen.

No hay resolución de entrada fija. No tienes que aportar fotogramas de 1024x576.

No hay control de fotogramas por segundo, así que nada funciona “a 12 fps para ahorrar créditos”.

No hay controles de espacio latente, capas de atención ni programación de ruido. Las descripciones de flash attention o de programación temporal de ruido como algo que configuras hablan de mecanismos internos a los que no puedes acceder, si es que existen.

Wan 2.7 es el único modelo de video que expone una semilla, junto con un prompt negativo. No hace primer a último fotograma, así que esas dos capacidades no se pueden combinar.

Cuándo encaja mejor otra opción

Una secuencia continua de varias tomas. El generador de videos largos encadena segmentos y lleva cada clip terminado al siguiente. Es mejor que emparejar fotogramas manualmente toma tras toma.

Solo importa el inicio. Imagen a video es más sencillo y funciona en 35 modelos.

Una interpretación concreta. Control de movimiento transfiere el movimiento de un video de referencia.

En resumen

Dos modelos, Seedance 2.0 y 2.0 Fast. Dos fotogramas que comparten sujeto, lugar y luz. Duración suficiente para que el movimiento sea plausible, y no más.

Para bucles, dale la misma imagen dos veces. Ese simple truco ya justifica toda la función.

El catálogo está en Modelos, cada generación se cotiza antes de ejecutarse y los precios de los paquetes están en la página de precios.