Texto a vídeo IA
Crea vídeos al instante a partir de texto. Olvídate de esperar por la producción de vídeo: escribe lo que imaginas y míralo convertirse en un vídeo completo en minutos.
Suelta tu foto aquí
o · JPG o PNG
Inicia sesión para crear
Un clic con Google, sin contraseña. ¿Eres nuevo? Tu cuenta de Google crea una automáticamente.
Privado por defecto · Sin instalación · Funciona en el móvil
VÍDEO DE MUESTRA
Vista previa sin sonido
Aurora boreal bailando sobre un fiordo tranquilo bajo un cielo estrellado — creado con Wan 2.2 Texto a vídeo.
CrearEl efecto de vídeo más realista a partir de prompts
Solo tienes que escribir tu descripción y la IA creará un vídeo con animación realista, transiciones suaves y un movimiento natural que imita fielmente las escenas del mundo real.
Convertir texto en vídeoRápido y escalable
Ideal para creadores que necesitan vídeo en volumen. Tanto si produces un vídeo como cientos, el proceso sigue siendo rápido y rentable.
Escribe, no grabes
Sin cámara, sin equipo, sin material de archivo. Un párrafo de texto es toda la producción.
Modelos que se adaptan a la escena
Los motores de vídeo Wan 2.2, MiniMax Hailuo y LTX-2 impulsan el generador entre bastidores.
Listo para redes sociales
Horizontal o vertical, unos 5 segundos por clip: pensado para feeds, anuncios y vídeos cortos.
Modelos disponibles en el generador: Wan 2.2 Texto a vídeo · MiniMax Hailuo · LTX-2 Texto a vídeo
Cómo empezar con el texto a vídeo
Cinco pasos de las palabras al vídeo.
Escribe tu prompt de texto
Escribe una descripción detallada, un guion o incluso unas pocas palabras clave que resuman tu idea de vídeo.
La IA procesa tu texto
La IA lee tu texto y comprende el contexto, el tono y la intención.
Generación de vídeo instantánea
Mira cómo la IA crea tu vídeo automáticamente, con imágenes y movimiento.
Perfecciona y personaliza
Ajusta el prompt o cambia la relación de aspecto e inténtalo de nuevo.
Descarga o comparte
Descarga tu vídeo en el formato que necesites o compártelo directamente en redes sociales.
Cómo escribir un prompt de texto a vídeo que realmente se mueva
Un buen prompt de vídeo es una lista de planos, no una frase. Cuatro ingredientes deciden si tu clip parece vivo o una foto fija que tiembla.
Cada IA de texto a vídeo lee las mismas cuatro cosas en tu prompt: el tema, la acción, el movimiento de cámara y el ambiente. Si falta uno, el modelo adivina, y su suposición suele ser la opción más aburrida. “Una playa” te da una postal. “Vista aérea de una playa tropical turquesa de arena blanca y palmeras, olas rompiendo en la orilla, lento avance de dron, cálida luz de tarde” te da un clip que sí puedes publicar.
Primero el tema, y sé específico. Describe qué hay en pantalla y cómo es: no “montañas”, sino “montañas nevadas reflejadas en un lago alpino cristalino al amanecer”. El modelo no puede inventar detalles que nunca pediste, así que los sustantivos y adjetivos que elijas son todo el departamento de arte. Si hay una persona en la escena, di qué está haciendo y qué lleva puesto; si hay un lugar, di la hora del día y el clima. La luz forma parte del tema: “la hora dorada”, “la niebla suave” y “los reflejos de neón en el pavimento mojado” cambian por completo el aspecto de un clip.
Una acción por clip. Un vídeo de 5 segundos contiene un solo instante de movimiento. “Los pétalos de cerezo caen y flotan sobre el río, el agua fluye suavemente” funciona porque todo se mueve en una dirección y a una velocidad. Si metes tres acciones —una mujer se gira, saluda con la mano y se aleja mientras la cámara orbita—, el modelo tiene que repartir cinco segundos en tres partes; algo se congelará o se emborronará. Si tu idea necesita más de un instante, haz un clip de 10 o 15 segundos, o genera dos clips y únelos en un editor.
Di qué hace la cámara. Este es el ingrediente que la mayoría se salta, y es el que separa un vídeo de una foto animada. Una indicación de cámara le dice al generador de vídeo por IA cómo debe moverse el propio encuadre: avance lento, toma de dron, paneo, órbita o plano fijo. Sin ella obtienes el ajuste por defecto del modelo, que suele ser una deriva lenta y tímida. Con ella obtienes intención, y la intención es lo que hace que un clip parezca dirigido y no accidental.
Termina con el ambiente y el estilo. Una cola corta como “cinematográfico, fotorrealista”, “cálido y onírico” o “estilo documental” define la textura de todo el clip: color, contraste, grano y lo realista que debe sentirse el movimiento. Que sean pocas palabras; la frase de ambiente es el condimento, no el plato principal.
Cuatro prompts de la propia galería de ejemplos de Kanakaw, desglosados para que copies la estructura:
- “Aurora boreal bailando sobre un fiordo tranquilo bajo un cielo estrellado, lento travelling cinematográfico”: tema (aurora sobre un fiordo), acción (bailando), cámara (travelling lento), ambiente (noche tranquila y estrellada).
- “Vista aérea de una playa tropical turquesa de arena blanca y palmeras, lento avance de dron”: tema (playa), cámara (dron aéreo, avance); el movimiento es el de la cámara, y eso basta.
- “Campos de lavanda ondulantes en Provenza a la hora dorada, cálida luz del sol, brisa suave moviendo las flores”: el tema y la luz hacen el trabajo, la acción es un único movimiento suave (la brisa).
- “Cerezos en flor junto a un río tranquilo en primavera, pétalos cayendo sobre el agua, suave luz de mañana”: tema (cerezos en flor y un río), acción (pétalos cayendo), cámara (travelling lento), ambiente (tranquila mañana de primavera).
Cuando un resultado decepcione, cambia un ingrediente cada vez. Si el movimiento está mal, reescribe la acción y la dirección de cámara y deja el tema como está; si el aspecto está mal, cambia las palabras de luz y ambiente. Regenerar el mismo prompt rara vez arregla nada; editar el prompt, sí. Esa es la habilidad que más premia un creador de vídeos con IA: no prompts más largos, sino más deliberados.
Movimientos de cámara: los seis movimientos que necesita cada prompt de texto a vídeo
La cámara es un personaje más de tu clip. Elige su movimiento antes de escribir el resto del prompt: condiciona todo lo demás.
Avance lento
La cámara se acerca al sujeto. Ideal para revelar detalles y crear intimidad: un rostro, un producto, un paisaje que se abre a medida que te acercas. Prueba “avance lento hacia un faro en una costa rocosa al atardecer”. Úsalo cuando el sujeto sea el protagonista del clip.
Toma de dron / aérea
La cámara mira desde arriba o sobrevuela la escena. Ideal para paisajes, costas, ciudades y todo aquello en lo que la escala es la historia. Prueba “vista aérea de una playa tropical turquesa, lento avance de dron”. Convierte un lugar corriente en la apertura de una película de viajes.
Paneo
La cámara gira a izquierda o derecha recorriendo una escena. Ideal para mostrar un lugar en un solo barrido continuo: una calle, un mercado, una cordillera. Prueba “calle urbana de neón bajo la lluvia de noche, reflejos en el pavimento mojado, paneo lento a la izquierda”. Mantén el paneo lento; un paneo rápido en cinco segundos resulta precipitado.
Órbita
La cámara gira alrededor del sujeto. Ideal para productos, retratos y objetos que quieras mostrar en tres dimensiones: un reloj, un coche, un plato de comida. Prueba “órbita alrededor de una taza de café de cerámica sobre una mesa de madera, luz de mañana”. Las órbitas son lo que más exige al modelo, así que mantén el sujeto quieto y deja que sea la cámara la que se mueva.
Plano fijo
La cámara no se mueve en absoluto; solo se mueve el sujeto. Ideal para escenas ambientales en las que el movimiento debe sentirse natural: lluvia en una ventana, pétalos sobre el agua, la llama de una vela. Prueba “pétalos de cerezo flotando sobre un río tranquilo, cámara fija”. Ante la duda, un plano fijo es la opción más segura: nunca lucha contra el sujeto.
Travelling / plano de seguimiento
La cámara se mueve con el sujeto y lo mantiene en el encuadre. Ideal para caminar, correr, montar en bici y vehículos: cualquier cosa con una dirección de desplazamiento clara. Prueba “travelling siguiendo a un ciclista por una carretera costera al atardecer”. Dale al sujeto una velocidad constante y una dirección.
Dos reglas cubren los seis movimientos. En primer lugar, nombra el movimiento en el prompt — el generador no tiene otra forma de saber que querías una toma de dron en lugar de un plano fijo. En segundo lugar, un movimiento de cámara por clip: un avance que se convierte en órbita a mitad de camino son dos movimientos luchando por cinco segundos, y el resultado no suele parecerse a ninguno de los dos. Si necesitas ambos, genera dos clips y córtalos juntos.
¿5, 10 o 15 segundos? Cómo elegir duración, resolución y relación de aspecto
Tres ajustes, tres decisiones, y cada una cambia lo que cuesta el clip y dónde puede vivir.
Duración: adapta el clip a la idea. Cinco segundos es el valor por defecto y la opción adecuada para la mayoría de los prompts de texto a vídeo: un tema, una acción, un movimiento de cámara. También es la forma más barata de probar un prompt: genera primero una versión de 5 segundos y solo gasta más cuando la idea funcione. Diez segundos encajan en una escena con un pequeño cambio dentro, como un paneo que revela un segundo tema, o una acción con un principio y un final claros. Quince segundos son para el prompt poco común que realmente necesita tiempo: un vuelo lento de dron sobre un paisaje, o una secuencia en la que cambia la luz o el clima. Más largo no es mejor por defecto; un clip de 5 segundos bien ajustado supera a un clip de 15 segundos que se queda sin ideas en el segundo ocho.
Resolución: 480p, 720p o 1080p. Una mayor resolución significa una imagen más nítida y un precio más alto, porque el modelo renderiza más píxeles durante los mismos segundos. El precio se fija por clip, según la resolución y la duración: a 480p, un clip de 5 segundos cuesta 238 créditos, 10 segundos 476 y 15 segundos 713; a 720p, las mismas duraciones cuestan 476, 951 y 1.426 créditos; a 1080p cuestan 951, 1.901 y 2.851 créditos. Una regla práctica es hacer borradores a 720p —lo bastante nítido para juzgar el movimiento y la composición, y la mitad de precio que 1080p— y renderizar la versión final a 1080p solo cuando el clip vaya a verse a lo grande, como en el hero de un sitio web o en una presentación. Para el feed de un teléfono, 720p suele ser más que suficiente.
Relación de aspecto: elige según el destino, no según el tema. 16:9 es el estándar horizontal: YouTube, el hero de un sitio web, una presentación, cualquier cosa que se reproduzca en una pantalla ancha. 9:16 es vertical, pensado para Reels, Shorts y TikTok: el clip sale listo para publicar, sin recortes. 1:1 es el formato cuadrado del feed, aún la opción más segura cuando el mismo clip tiene que funcionar en varios sitios a la vez. 4:3 y 3:4 están en medio: 4:3 para un encuadre clásico y algo cuadrado que va bien para entrevistas y fotos de producto, 3:4 para un retrato más alto que llena la pantalla del teléfono sin llegar a ser totalmente vertical. Elige la relación antes de crear; un clip no se puede reencuadrar después, así que un render 16:9 publicado en un feed vertical llegará con bandas negras y pequeño.
Dos datos que condicionan cada elección. Primero, la generación de texto a vídeo en Kanakaw es una función solo para miembros: la membresía viene con cualquier paquete de créditos, 30 días con un paquete mensual y 12 meses con un paquete anual. No hay prueba gratuita: cada clip se paga con créditos de tu saldo, a los precios de arriba, así que la barra de ajustes muestra el coste exacto antes de crear. Segundo, los clips son vídeo sin sonido: sin música, sin voces, sin efectos de sonido. Si tu clip necesita audio, añade música o una voz en off en cualquier editor de vídeo después de descargarlo: un clip silencioso es la materia prima, no la publicación terminada.
Wan 2.2, MiniMax Hailuo y LTX-2: qué hacer con ellos
Tres modelos de texto a vídeo en un solo generador de vídeo por IA, y los trabajos para los que cada uno es más adecuado.
El generador de vídeo funciona con tres motores de vídeo: Wan 2.2, MiniMax Hailuo y LTX-2 — trabajando entre bastidores. Wan 2.2 es el motor detrás de los ejemplos de esta página: un todoterreno sólido para el movimiento realista, la luz natural y los paisajes. MiniMax Hailuo es conocido por su movimiento de cámara suave y cinematográfico, ese tipo de trabajo de cámara lento y deliberado que va bien para piezas de ambiente, clips de viajes y todo aquello en lo que el propio movimiento debe sentirse elegante. LTX-2 es el motor rápido, útil cuando estás probando varias redacciones de prompt o trabajando en un lote de clips similares. En el estudio no eliges un motor por su nombre; lo que controlas es el prompt, la dirección de cámara, la duración, la resolución y la relación de aspecto; los motores hacen el resto.
Ahí es donde vive el oficio. La misma escena puede verse notablemente distinta según las palabras que elijas: un prompt puede tratar el agua de maravilla, otro puede mantener un rostro más estable, un tercero puede renderizar un movimiento de cámara con más limpieza. El enfoque práctico es generar la misma idea dos veces con una redacción distinta —una acción diferente, un movimiento de cámara diferente— y comparar los resultados lado a lado; el generador te permite intentarlo de nuevo en pocos clics, y una prueba de 5 segundos a 480p es la forma más barata de ver cómo se comporta un prompt. Usa la redacción que encaje con el clip que tienes delante, no la que usaste la última vez.
Clips sociales. El trabajo más común: un clip vertical de 5 segundos para Reels, Shorts o TikTok. Elige 9:16, mantén una acción y un movimiento de cámara, y escribe el prompt en torno a algo que se entienda en el primer segundo: un avance de dron sobre una playa, pétalos sobre el agua, un producto girando a la luz. Los clips silenciosos funcionan bien aquí, ya que la mayoría de los feeds se reproducen silenciados de todos modos; añade subtítulos o un sonido de moda en la app donde publiques.
Anuncios y teasers de producto. Un vídeo corto con IA puede hacer el trabajo de una sesión de fotos para un solo producto: una órbita alrededor de un reloj, un avance lento sobre un plato, vapor saliendo de una taza de café. Genera a 720p o 1080p en la relación que necesite la ubicación del anuncio, y recuerda que un plano limpio supera a uno recargado: un teaser de producto debe hacer que el producto sea lo único que se mueva en el encuadre.
Storyboards y previsualización. Antes de reservar un rodaje, directores y creadores usan clips de texto a vídeo como storyboards en movimiento: un prompt por cada plano previsto, generado en minutos, para probar si una escena funciona antes de que nadie coja una cámara. Genera la misma escena desde dos o tres ángulos de cámara —un plano fijo, un paneo, un avance— y la secuencia te muestra el montaje antes de que el montaje exista.
Fondos y b-roll. Un bucle tranquilo de 10 segundos —niebla sobre un lago, lluvia en una ventana, un dron lento sobre dunas— crea un hero para un sitio web, un fondo de presentación o b-roll que ninguna biblioteca de archivo podrá igualar, porque fue escrito para tu proyecto. Genera en 16:9 a 1080p, descárgalo y ponlo en bucle; el silencio del clip es una ventaja aquí, ya que nada en él chocará con tu propia narración o música.
Hagas lo que hagas, los clips son tuyos: sujeto a los Términos de servicio de Kanakaw, puedes usar lo que generes para proyectos personales y comerciales, incluidos anuncios, trabajos para clientes y publicaciones sociales.
Preguntas frecuentes
¿Cuánto tarda la generación de texto a vídeo?
La mayoría de los clips de 5 segundos terminan en menos de un minuto. Los renders más largos o de mayor resolución pueden tardar un poco más; el progreso se muestra en directo en el generador.
¿Qué debo escribir en el prompt?
Describe el tema, la acción, el escenario y la cámara: por ejemplo, “vista aérea de una playa turquesa, olas rompiendo en la orilla, lento avance de dron”. Cuanto más específico sea el movimiento, mejor será el resultado.
¿Puedo hacer vídeos verticales para redes sociales?
Sí. Elige una relación de aspecto vertical en el generador antes de crear, y el clip saldrá listo para Reels, Shorts y TikTok.
¿Los vídeos tienen sonido?
Los clips son vídeo sin sonido. Añade música o una voz en off en cualquier editor de vídeo después de descargar.
¿Puedo usar los vídeos con fines comerciales?
Sí. Sujeto a nuestros Términos de servicio, puedes usar el contenido que generes para proyectos personales y comerciales.
¿Cuánto cuesta un clip de texto a vídeo?
El precio depende de la resolución y la duración, y se muestra en el generador antes de crear. A 480p, un clip cuesta 238 créditos por 5 segundos, 476 por 10 segundos y 713 por 15 segundos; a 720p, las mismas duraciones cuestan 476, 951 y 1.426 créditos; a 1080p cuestan 951, 1.901 y 2.851 créditos. Cada resultado es una generación independiente, así que generar cuatro versiones de un prompt cuesta cuatro veces el precio de un solo clip.
¿Cuál es la diferencia entre Wan 2.2, MiniMax Hailuo y LTX-2?
Los tres son modelos de texto a vídeo en el mismo generador y renderizan el mismo prompt de forma distinta. Wan 2.2 es el todoterreno detrás de los ejemplos de esta página y una buena opción por defecto para el movimiento realista. MiniMax Hailuo es conocido por su movimiento de cámara suave y cinematográfico. LTX-2 es la opción rápida, útil cuando estás probando varias redacciones de prompt. Los tres motores trabajan entre bastidores; lo que controlas es el prompt, la dirección de cámara, la duración, la resolución y la relación de aspecto.
¿Puedo hacer un vídeo de más de 15 segundos?
El generador ofrece 5, 10 y 15 segundos por clip. Para una secuencia más larga, genera varios clips con prompts que coincidan —el mismo tema, escenario y dirección de cámara— y únelos en un editor de vídeo. Mantener la redacción del prompt consistente entre clips es lo que hace que los cortes se sientan como una sola escena continua.
¿Puedo previsualizar un vídeo antes de pagarlo?
No hay generación de vista previa gratuita, pero los clips de ejemplo de esta página muestran exactamente lo que hace el generador. Para probar un prompt de forma barata, genera primero un clip de 480p y 5 segundos —238 créditos— y solo renderiza la versión final a 720p o 1080p cuando la idea funcione. El precio exacto siempre se muestra en el generador antes de crear.
¿Por qué mi vídeo no coincide con mi prompt?
Tres cosas causan la mayoría de los desajustes. Primero, demasiadas acciones en un clip: dale a un vídeo de 5 segundos una acción y un movimiento de cámara. Segundo, falta la dirección de cámara: sin ella, el modelo elige la suya, normalmente una deriva lenta. Tercero, temas vagos: “una ciudad” siempre parecerá genérica, mientras que “una calle de neón bajo la lluvia de noche, reflejos en el pavimento mojado” le da al modelo algo concreto que renderizar. Cambia un ingrediente cada vez y genera hasta cuatro resultados a la vez para comparar variaciones de la misma idea.
¡Crea vídeos con IA a partir de texto en minutos!
Empieza hoy y mira cómo tus ideas cobran vida.
Empezar ahora