Generadores de imagen a vídeo sin censura: de una foto fija a una API de vídeo spicy

Compara Wan 3, Pro y los nuevos Prime y Prime Pro por rapidez, resolución, fotogramas clave, referencias y precios actuales de la API de imagen a vídeo.

Conclusión principalPasar de imagen a vídeo no consiste en hacer que la foto se mueva, sino en que la identidad, la composición y el movimiento sigan siendo utilizables a lo largo del clip.

Respuesta rápida

Esta página resuelve un problema concreto: convertir una imagen ya aprobada en un clip entregable sin que la identidad, la composición y el movimiento se rompan a lo largo del vídeo. El método es fijar el punto de partida con un primer fotograma, añadir un último fotograma cuando el final tiene que estar controlado, acotar estilo y ritmo con referencias de imagen, vídeo y audio, y validar la primera pasada con 5 segundos y una resolución baja antes de subir resolución o duración. Las rutas Spicy exigen una cuenta con la edad confirmada, y cualquier material con una persona real necesita derechos y consentimiento.

Empieza por la pregunta que hay detrás de la búsqueda

Una imagen que parecía correcta puede desviarse en cuanto entra en un modelo de vídeo: cambian las caras y la ropa, se rediseña el fondo, el movimiento de cámara se come al del sujeto o el primer fotograma deja de conectar con el resultado. Quien busca imagen a vídeo sin censura también necesita saber qué exige la cuenta y qué está permitido, pero la calidad en producción sigue dependiendo de las referencias, de cómo describes el movimiento, de la duración y del diseño de reintentos.

Elige según la tarea

En qué se diferencian realmente las rutas de imagen a vídeo de ModelRush. Las capacidades salen de los límites de cada operación del Registry; las tarifas están en la tabla de precios que aparece más abajo.

Modelo	Resolución	Duración	Entradas de referencia	Mejor etapa
Wan 3 Spicy	480P / 720P / 1080P	2–30 s, o `duration: -1` para que decida el modelo	Primer y último fotograma, hasta 10 imágenes / 5 vídeos / 5 audios	Exploración barata y la mayor parte de la entrega
Wan 3 Pro Spicy	1080P / 2K / 4K	El mismo flujo unificado que Wan 3	Igual que Wan 3	Entrega final en alta resolución de los planos aprobados
Wan 3 Prime Spicy	480P / 720P / 1080P	2–30 s, o `duration: -1` para que decida el modelo	Primer y último fotograma, hasta 10 imágenes / 5 vídeos / 5 audios	Iteración más rápida hasta 1080P
Wan 3 Prime Pro Spicy	1080P / 2K / 4K	2–30 s, o `duration: -1` para que decida el modelo	Primer y último fotograma, hasta 10 imágenes / 5 vídeos / 5 audios	Entrega más rápida en alta resolución hasta 4K
Wan 2.7 R2V	720P / 1080P	2–10 s	Un array `media` de material de referencia: manda el sujeto de referencia, no un primer fotograma	Mantener un personaje u objeto concreto sin fijar la composición

Primer fotograma frente a primer y último fotograma

Con solo un primer fotograma, el modelo decide adónde va el plano. El inicio está fijado y el final se infiere del prompt de forma probabilística, así que dos ejecuciones seguidas acaban en sitios distintos. Sirve para explorar, para planos de ambiente y para material que no necesita un destino exacto.

Con primer y último fotograma, los dos extremos quedan fijados y el modelo solo se ocupa de la transición. Sirve para planos que tienen que terminar en una composición concreta: la posición final de un producto, un personaje girando a un ángulo determinado o un corte que debe encajar con el plano siguiente. El coste es que los dos fotogramas deben ser coherentes entre sí. Si la luz, el vestuario o el fondo no coinciden, el modelo fuerza el puente y el clip se rompe más a menudo, no menos.

El orden práctico es: usa un primer fotograma para comprobar que el sujeto y la dirección del movimiento funcionan, y solo después decide si el final merece un segundo fotograma clave. Empezar con los dos introduce dos variables a la vez y oculta cuál de los dos extremos causó el fallo.

Qué acota cada tipo de referencia: imagen, vídeo y audio

El contrato de Wan 3 en el Registry admite hasta 10 imágenes, 5 vídeos y 5 audios de referencia, y cada tipo acota una dimensión distinta.

Las referencias de imagen acotan la apariencia: identidad, vestuario, material, paleta. Varias imágenes desde ángulos distintos funcionan mucho mejor que repetir «la misma persona» en el prompt.
Las referencias de vídeo acotan el movimiento: ritmo, desplazamiento de cámara y amplitud de la acción. Cuando un «travelling lento» vuelve convertido en un travelling rápido, un vídeo de referencia resuelve antes que diez adjetivos más.
Las referencias de audio acotan el tiempo. Wan 3 admite audio nativo, así que un audio de referencia afecta al compás y a la sincronía labial, no solo añade una pista de sonido.

Ninguna de las tres es una garantía. Cuantas más referencias añades, más restricciones tiene que cumplir el modelo a la vez, y las referencias contradictorias —una imagen de día con un vídeo nocturno— bajan la tasa de acierto de forma visible.

Duración, resolución y lo que cuesta de verdad un clip

El vídeo se cobra por segundo y la resolución fija la tarifa por segundo, así que el coste es aproximadamente tarifa × duración × intentos. El tercer factor es el que decide el presupuesto de verdad: un plano de cinco segundos que necesita cuatro intentos cuesta más que uno de diez segundos que sale a la primera.

Por eso conviene lanzar planos cortos en resolución baja para juzgar identidad, composición y dirección del movimiento, y solo después subir el prompt aprobado a la resolución final. Wan 3 Spicy y Wan 3 Prime Spicy cubren 480P, 720P y 1080P; Wan 3 Pro Spicy y Wan 3 Prime Pro Spicy cubren 1080P, 2K y 4K. Elige la resolución según la entrega y decide después si la mayor rapidez de Prime compensa una tarifa por segundo más alta. Compara costes con la misma resolución, duración y número de intentos, y registra la espera real. La tabla de más abajo muestra la tarifa vigente para cada resolución.

Cómo evaluarlo más allá de una demo

Prueba por separado cuatro tipos de imagen: primer plano de persona, acción de cuerpo entero, giro de producto y fondo complejo.
Fija la primera pasada en 5 segundos y resolución baja para juzgar solo identidad, composición y dirección del movimiento.
Cuando el final importa, usa primer y último fotograma en vez de describir el último plano solo con palabras.
Convierte el precio por segundo en coste por plano aprobado, contando las salidas inservibles y la revisión humana.

Opciones de ModelRush para este trabajo

Wan 3 Prime Spicy permite iterar más rápido en 480P, 720P o 1080P, con fotogramas clave, referencias multimodales, audio nativo y 2–30 segundos o duración inteligente.
Wan 3 Prime Pro Spicy permite entregar más rápido en 1080P, 2K o 4K y conserva los mismos controles de fotogramas clave, referencias, audio y duración.
Wan 3 Pro Spicy es la ruta actual de imagen a vídeo de alta calidad: fotogramas clave, referencias de imagen, vídeo y audio, audio nativo y salida en 1080P, 2K o 4K.
Wan 3 Spicy mantiene el mismo flujo de referencias y hasta 30 segundos de duración, con 480P, 720P o 1080P para explorar a menor coste.
Usa Wan 3 Spicy para los primeros planos cortos de prueba y, cuando la identidad, el movimiento y la composición estén aprobados, pasa a Wan 3 Pro Spicy para la entrega en alta resolución.

Petición mínima que funciona

Esta petición usa modelrush/wan3-prime-spicy para un vídeo de cinco segundos en 720P con fotogramas clave. Para Prime Pro, cambia model a modelrush/wan3-prime-pro-spicy y usa 1080P, 2K o 4K en resolution; Prime Pro no acepta 720P. El endpoint devuelve 202, un generation ID y una URL de consulta. Guarda la primera respuesta para evitar trabajos facturables duplicados al reintentar.

bash
curl https://api.modelrush.ai/v1/videos/generations \
  -H "Authorization: Bearer $MODELRUSH_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "modelrush/wan3-prime-spicy",
    "prompt": "The subject turns toward camera and the light warms, one slow push in",
    "first_frame": "https://example.com/approved-still.png",
    "last_frame": "https://example.com/approved-final-pose.png",
    "duration": 5,
    "resolution": "720P",
    "ratio": "16:9",
    "audio": true
  }'

Un flujo de producción reproducible

Guarda el hash de la imagen original, la base de derechos y el consentimiento de la persona antes de lanzar una prueba de cinco segundos. Divide el prompt en cuatro capas —sujeto, acción, entorno y cámara— y cambia una sola variable cada vez. Conserva el generation ID, el modelo, la resolución, la duración, el coste y la decisión de revisión. Solo los planos aprobados pasan a más duración o más resolución, con el estado sincronizado por webhook o por sondeo. El contrato completo de la petición está en la documentación de la API de vídeo.

Preguntas frecuentes

¿Cuándo elegir Prime o Prime Pro?

Elige Wan 3 Prime Spicy para iterar más rápido en 480P, 720P o 1080P, y Wan 3 Prime Pro Spicy para entregar más rápido en 1080P, 2K o 4K. Ambos admiten fotogramas clave, referencias multimodales, audio nativo y hasta 30 segundos. Los niveles Prime cuestan más por segundo que sus equivalentes sin Prime; consulta las tarifas actuales en la tabla de precios.

¿Puede la imagen a vídeo mantener al personaje exactamente igual?

No hay garantía. Una referencia mejora la retención, pero la amplitud del movimiento, las oclusiones, el movimiento de cámara y la duración aumentan el riesgo de deriva.

¿Wan 3 o Wan 3 Pro?

Usa Wan 3 en 480P, 720P o 1080P para explorar a menor coste, y Wan 3 Pro para la entrega final en 1080P, 2K o 4K. Los dos admiten fotogramas clave, referencias multimodales y audio nativo.

¿Las rutas Spicy admiten la foto de cualquier persona?

No. El material con personas reales exige derechos y consentimiento explícitos; el uso con menores y el uso íntimo sin consentimiento están estrictamente prohibidos.

Empieza con una prueba de cinco segundos, compara la tasa real de tomas aprovechables entre los modelos de vídeo de ModelRush, confirma resoluciones, duración y estado actuales en la ficha de Wan 3 Spicy, revisa el estado asíncrono y los webhooks en la documentación de la API de imagen a vídeo y solo entonces decide la resolución final y el presupuesto por lote.

Precios actuales de los modelos citados

Las tarifas vienen del Registry de ModelRush y usan la misma versión de precio inmutable que la facturación.

Modelo	Capacidad	Región de ejecución	Variante de precio	Precio para el cliente
Wan 2.7 R2V · modelrush/wan2.7-r2v	Generación de vídeo	cn-beijing	1080P	$0.157689 / segundo
Wan 2.7 R2V · modelrush/wan2.7-r2v	Generación de vídeo	cn-beijing	720P	$0.094614 / segundo
Wan 2.7 R2V · modelrush/wan2.7-r2v	Generación de vídeo	sg-singapore	1080P	$0.165 / segundo
Wan 2.7 R2V · modelrush/wan2.7-r2v	Generación de vídeo	sg-singapore	720P	$0.11 / segundo
Wan 3 Prime Pro Spicy · modelrush/wan3-prime-pro-spicy	Generación de vídeo	us-virginia	1080P	$0.2002 / segundo
Wan 3 Prime Pro Spicy · modelrush/wan3-prime-pro-spicy	Generación de vídeo	us-virginia	2K	$0.2156 / segundo
Wan 3 Prime Pro Spicy · modelrush/wan3-prime-pro-spicy	Generación de vídeo	us-virginia	4K	$0.2387 / segundo
Wan 3 Prime Spicy · modelrush/wan3-prime-spicy	Generación de vídeo	us-virginia	1080P	$0.2156 / segundo
Wan 3 Prime Spicy · modelrush/wan3-prime-spicy	Generación de vídeo	us-virginia	480P	$0.05236 / segundo
Wan 3 Prime Spicy · modelrush/wan3-prime-spicy	Generación de vídeo	us-virginia	720P	$0.1078 / segundo
Wan 3 Pro Spicy · modelrush/wan3-pro-spicy	Generación de vídeo	us-virginia	1080P	$0.1386 / segundo
Wan 3 Pro Spicy · modelrush/wan3-pro-spicy	Generación de vídeo	us-virginia	2K	$0.154 / segundo
Wan 3 Pro Spicy · modelrush/wan3-pro-spicy	Generación de vídeo	us-virginia	4K	$0.1771 / segundo
Wan 3 Spicy · modelrush/wan3-spicy	Generación de vídeo	us-virginia	1080P	$0.154 / segundo
Wan 3 Spicy · modelrush/wan3-spicy	Generación de vídeo	us-virginia	480P	$0.0385 / segundo
Wan 3 Spicy · modelrush/wan3-spicy	Generación de vídeo	us-virginia	720P	$0.077 / segundo