PicassoIA Reference To Video (Ref2Video): vídeos con IA a partir de tus imágenes, vídeo y audio de referencia

Descripción general

PicassoIA Reference To Video (Ref2Video) crea vídeos de hasta 15 segundos a partir de tus propias referencias: hasta 9 imágenes, un vídeo de referencia opcional y un archivo de audio opcional. Mantiene reconocibles a tus personajes, productos y lugares en una escena nueva, sigue el movimiento de un clip de referencia cuando lo aportas y genera en 480p o 720p con sonido sincronizado.

Cómo funciona

Sube tus imágenes de referencia: hasta 9, de las personas, animales, objetos o lugares que deben aparecer. Son referencias, no el fotograma inicial, así que cada una puede aparecer en cualquier momento, ángulo o tamaño.
Opcionalmente añade un vídeo de referencia. El clip sigue su movimiento, su cámara y su ritmo, y dura lo mismo que el vídeo o que la duración que elijas, lo que sea más corto. Solo se usan los primeros 15 segundos.
Opcionalmente añade un archivo de audio: una voz para que un personaje hable con sincronización labial, o una pieza musical.
Escribe el prompt y nombra cada referencia por su posición: "Image 1", "Image 2", "Video 1", "Audio 1". Di qué es cada una y qué hace, por ejemplo: "Image 1, la mujer pelirroja, entra en Image 2, la cafetería, y dice la frase de Audio 1".
Elige la resolución (480p o 720p), la relación de aspecto y una duración de 1 a 15 segundos, y genera. Deja activada la mejora de prompts, sobre todo con un vídeo o un audio de referencia: convierte una idea corta en la descripción detallada que necesitan la sincronización labial y el cambio de personaje.

Planes y límites

Infinite: ilimitado en 480p y 720p, hasta 15 segundos.
Elite: ilimitado en 480p hasta 15 segundos y en 720p hasta 5 segundos. Un clip más largo en 720p cuesta 5 créditos.
Otros planes: 5 créditos por vídeo, sean cuales sean los ajustes.

Preguntas frecuentes

¿Necesito referencias? Sí. Sube al menos una imagen o un vídeo de referencia. Para un vídeo solo a partir de un prompt, o para animar una imagen como primer fotograma, usa Seedance 2.5 Lite.

¿Cómo me refiero a cada referencia en el prompt? Por tipo y posición: "Image 1" es la primera imagen que subiste, "Video 1" el vídeo de referencia y "Audio 1" el archivo de audio. Un prompt que no las nombra deja al modelo adivinando qué hacer con ellas.

¿Cómo hago que un personaje hable? Sube una imagen nítida de la cara y un archivo de audio con la voz, deja activada la mejora de prompts y escribe quién lo dice: "Image 1 dice Audio 1 mirando a cámara". El personaje dice el audio tal como está grabado, con los labios sincronizados. La sincronización labial es más precisa en clips de hasta 5 segundos; si el texto hablado es más largo, genéralo en varios clips cortos.

¿Qué hace el vídeo de referencia? Marca el movimiento, la cámara y el ritmo, y el clip conserva su sonido salvo que subas un archivo de audio. Para poner a tu personaje en él, deja activada la mejora de prompts y di quién sustituye a quién y qué hace: "Image 1 sustituye a la mujer de Video 1 y camina por la playa como ella". La intensidad del vídeo decide cuánto se ciñe el clip al vídeo: high lo sigue más de cerca; medium y low lo siguen con más libertad y tardan menos.

¿Y si subo un vídeo y también un archivo de audio? Tu archivo de audio es la referencia de audio ("Audio 1"). Sin archivo de audio, se usa el sonido del vídeo de referencia como "Audio 1".

¿Cómo subo un personaje con varias vistas? Sube cada vista como una imagen aparte (por ejemplo, cuerpo entero y cara) en lugar de una sola lámina con varios recuadros. Las vistas separadas mantienen al personaje más coherente.

¿Qué resoluciones y duraciones están disponibles? 480p y 720p, de 1 a 15 segundos. 480p es la que genera más rápido; para caras y primeros planos, 720p da un resultado más nítido.

¿Qué relaciones de aspecto admite? 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 y 2:3. Elige match_input_image para seguir al vídeo de referencia, o a la primera imagen cuando no hay vídeo.

¿Genera audio? Sí. Cada clip se genera con audio sincronizado por defecto. Desactiva la opción para un clip mudo.

¿Puedo reproducir el mismo vídeo dos veces? Fija una semilla antes de generar y reutilízala con el mismo prompt y las mismas referencias para obtener otra vez la misma escena.

Costo de Créditos

Cada generación consume 5 créditos

5 créditos

o 25 créditos para 5 generaciones

Con el plan Infinite, disfruta de generaciones ilimitadas con este modelo en 480p y 720p, en clips de hasta 15s. Con Elite, ilimitadas en 480p hasta 15s y en 720p hasta 5s: los clips de 720p más largos cuestan 5 créditos.

Características

Todo lo que este modelo puede hacer por ti

Hasta 9 imágenes de referencia

Las mismas personas, productos, ropa y lugares siguen siendo reconocibles en una escena completamente nueva.

Vídeo de referencia

Aporta un clip y el vídeo sigue su movimiento, su trabajo de cámara y su ritmo.

Voz y sincronización labial

Añade un archivo de audio y un personaje lo dice o lo canta con los labios sincronizados.

Generación ilimitada

Los usuarios Infinite generan sin límites; los usuarios Elite, sin límites en 480p y en 720p hasta 5 segundos.

Clips de hasta 15 segundos

Desde un instante de 1 segundo hasta una escena completa de 15 segundos, en 480p o 720p.

Audio sincronizado

Cada clip llega con el sonido generado en la misma pasada, no como metraje mudo.

Mejora de prompts

Convierte una idea corta en una descripción detallada, plano a plano, con un solo interruptor.

Relaciones de aspecto flexibles

16:9, 9:16, 1:1 y más, o la misma que el vídeo de referencia o la primera imagen.

Casos de uso

Mantener coherente a un mismo personaje a lo largo de toda una serie de clips cortos

Llevar un producto real a escenas nuevas sin sesión de fotos

Hacer que un personaje diga una frase con una voz grabada y los labios sincronizados

Hacer que tu personaje repita la coreografía o el movimiento de cámara de un clip de referencia

Combinar en una misma escena a varias personas, mascotas u objetos de fotos distintas

Sustituir a la persona de un clip por tu propio personaje, conservando el movimiento, el ritmo y la voz

Producir clips para redes sociales en 9:16 y 16:9 con el mismo reparto y las mismas localizaciones

Ejemplos

720p

16:9

10s

3m 8s

Save Audio: Yes

The woman from Image 1 walks alone through a crowded night market in the rain, holding a transparent umbrella. Neon signs reflect on the wet pavement and steam rises from the food stalls. Shot 1: wide tracking shot from the front as she walks between the stalls. Shot 2: close-up of her face as she looks up at the neon lights and smiles. Shot 3: she stops at a stall and a vendor hands her a paper cup of hot tea, steam curling in the cold air. Cinematic, shallow depth of field, anamorphic bokeh. Sound: rain tapping on the umbrella, market chatter, sizzling food.

720p

9:16

10s

2m 58s

Save Audio: Yes

Vertical selfie-style video. The woman from Image 1 stands in a sunny kitchen holding the can from Image 2 next to her face. She cracks it open with a fizz, takes a sip, raises her eyebrows in surprise and says to the camera: "Okay, wow. This is my new favorite." Then she turns the can so its label faces the camera and smiles. Handheld phone camera, natural window light, authentic UGC ad style. Sound: the can opening, fizz, her voice, a quiet room.

720p

16:9

15s

5m 17s

Save Audio: Yes

Stylized 3D animated short film. The little robot shown in Image 1, Image 2 and Image 3 (front, side and back views of the same character) explores a giant mossy forest at dawn. Shot 1: wide shot, the robot walks along a fallen log, tiny among huge ferns, light rays falling through the trees. Shot 2: it spots a glowing blue mushroom, its teal eyes widen and its antenna light blinks. Shot 3: close-up as it gently pokes the mushroom, which releases a cloud of glowing spores; the robot beeps happily and spins around. Shot 4: seen from behind, it walks deeper into the forest with its little leather backpack while spores float around it. Warm cinematic lighting, shallow depth of field. Sound: forest birds, soft metallic footsteps, cute robot beeps, a magical chime, gentle orchestral music.

720p

9:16

10s

3m 7s

Save Audio: Yes

Vertical fashion film. The woman from Image 1 wears the emerald green satin trench coat from Image 2 and walks toward the camera down the cobblestone street from Image 3 at golden hour. Shot 1: full-body shot, the coat flowing as she walks, the yellow tram passing behind her. Shot 2: close-up of her hands tying the belt, the gold buttons catching the light. Shot 3: she turns, looks over her shoulder at the camera and smiles. Slow motion, warm sunlight, editorial style. Sound: footsteps on cobblestones, a distant tram bell, soft upbeat music.

720p

16:9

15s

5m 41s

Save Audio: Yes

On the deck of a small fishing boat at dawn, the man from Image 1 and the woman from Image 2 stand side by side looking out at the sea. Shot 1: wide shot of the boat rocking on calm grey water, seagulls overhead. Shot 2: medium two-shot; the man points at the horizon and says: "Forty years out here, and I have never seen them come this close." Shot 3: close-up of the woman lowering her binoculars, smiling in awe; she replies: "Then today is a good day to be a scientist." Shot 4: a humpback whale breaches in the distance, spray glittering in the golden light. Cinematic documentary look. Sound: waves, gulls, the creaking boat, the whale's splash.

720p

16:9

10s

3m 10s

Save Audio: Yes

High-energy sneaker commercial for the shoe shown in Image 1, Image 2, Image 3 and Image 4 (four views of the same sneaker). Shot 1: the sneaker floats and rotates slowly in a dark studio, a rim light tracing its outline. Shot 2: macro of the blue midsole compressing as a runner's foot lands in a puddle on a city street at night, water exploding in slow motion. Shot 3: low-angle tracking shot of the runner's feet sprinting, neon reflections on the wet asphalt. Shot 4: the sneaker lands on a white pedestal in a burst of light. Sound: a deep bass hit, splashes, fast footsteps, an electronic beat.

720p

16:9

15s

5m 39s

Save Audio: Yes

2D anime action scene. At the moonlit shrine from Image 4, the warrior from Image 1 holds the crimson katana from Image 3 at her side. The giant white fox spirit from Image 2 leaps down from a torii gate and lands in front of her, blue flames flaring on its tails. Shot 1: wide shot, petals swirling, the two face each other. Shot 2: close-up of her eyes narrowing, then the red blade sliding out of its scabbard with a glint. Shot 3: the fox roars and charges; she dashes forward, the blade trailing red light. Shot 4: they pass each other in a flash and freeze; the fox lowers its head and bows to her, and she sheathes the sword. Dynamic anime camera work, speed lines, cel shading. Sound: wind, the ring of the blade, the fox's roar, taiko drums.

720p

16:9

15s

5m 33s

Save Audio: Yes

Heist movie scene with five different characters who are all on screen together. In every shot they stand in the same order from left to right: the old man with the white mustache, flat cap and tweed waistcoat from Image 4; the bald bearded man in the grey three-piece suit from Image 3; the woman with the silver bob in the red suit from Image 1, in the center; the young woman with pink braids and yellow glasses from Image 2; and the man with the buzz cut in the black leather jacket from Image 5. Shot 1: wide slow-motion shot in an underground parking garage at night; the five walk side by side toward the camera in that order, car headlights flaring behind them. Shot 2: medium shot from the front as they stop in a line in front of a huge steel vault door; the old man tips his cap, the woman with pink braids pops her chewing gum, and the man in the leather jacket spins a car key on his finger. Shot 3: slow push-in on the woman in red, the other four still visible on either side of her; she says: "Alright, everyone. Let's go to work." Cinematic, teal and orange grade, anamorphic lens flares. Sound: echoing footsteps, a low funky bass line, her voice.

720p

16:9

15s

5m 17s

Save Audio: Yes

On the beach from Image 4 at sunset, the man from Image 2 plays with his dog from Image 1. Shot 1: he throws the red flying disc from Image 3; wide shot as it sails over the wet sand. Shot 2: slow-motion close-up of the dog leaping and catching the disc in the air, ears flying, water splashing. Shot 3: the dog runs back and drops it at his feet; he kneels and ruffles its fur, laughing. Shot 4: wide shot from behind as the two walk together toward the mint green camper van from Image 5 parked on the sand, the sun setting over the sea. Warm golden light, handheld documentary feel. Sound: waves, happy barking, his laughter, soft acoustic guitar.

720p

16:9

15s

5m 32s

Save Audio: Yes

In the restaurant kitchen from Image 5, the chef from Image 1 sears scallops in the copper pan from Image 4. Shot 1: close-up of the pan as he tilts it and flames leap up in a flambé. Shot 2: medium shot of the chef concentrating, his face lit by the fire. Shot 3: overhead macro as he plates the dish from Image 3 with tweezers, placing the last flower. Shot 4: he taps a small brass bell and says: "Table five, go." The waitress from Image 2 picks up the plate. Shot 5: she carries it through the candlelit dining room from Image 6 and sets it on a table with a smile. Cinematic food film, shallow depth of field. Sound: sizzling, a whoosh of flame, the bell, restaurant murmur, soft jazz.

720p

16:9

15s

5m 35s

Save Audio: Yes

Sci-fi movie trailer with one pilot and one droid. Shot 1: the scout ship from Image 3 descends through a teal sky and lands on the violet crystal desert from Image 5, dust blasting outward. Shot 2: inside the cockpit from Image 4, the pilot from Image 1 sits in the left seat and unbuckles her harness; the single yellow droid from Image 2, her only companion, floats at her right shoulder, chirping. Shot 3: she puts on the helmet from Image 7; its gold visor reflects the crystal spires. Shot 4: wide shot, the pilot and her droid walk across the desert toward the black cube from Image 6, which hovers above the sand. Shot 5: close-up as she reaches out to the cube; its gold engravings blaze with light and the droid's blue lens widens. Cinematic, anamorphic lens flares, epic scale. Sound: engine roar, droid chirps, wind, a deep rising drone and a final bass hit.

720p

16:9

12s

4m 35s

Save Audio: Yes

Stop-motion animated music video with handmade felt puppets. On the forest stage from Image 7 at night, a band plays an upbeat folk-rock song: the fox from Image 1 plays the teal guitar from Image 5, the bear from Image 2 plays the tree-stump drum kit from Image 6, the owl from Image 4 plays the bark keyboard from Image 8, and the rabbit from Image 3 dances at the front. Shot 1: wide shot of the whole band on the stage under the string lights. Shot 2: close-up of the fox strumming the guitar. Shot 3: the bear hitting the drums, the acorn cymbals shaking. Shot 4: the owl tapping the pebble keys, then the rabbit hopping at the front as the camera pulls back to the whole band and fireflies rise around the stage. Stop-motion look with slightly jerky handmade movement, shallow depth of field, warm lights. Sound: an upbeat folk-rock instrumental with guitar, drums and keyboard, and a small crowd cheering.

720p

16:9

15s

5m 12s

Save Audio: Yes

Fast-paced travel film about one woman: the traveler shown in Image 1 (her face) and Image 2 (her full outfit: yellow raincoat, green trousers, teal backpack). She carries the vintage film camera from Image 3 on its strap. Shot 1: on the cliff path by the lighthouse from Image 4, wind in her braid, she raises the camera and takes a photo. Shot 2: she walks along the canal in the old town from Image 5, looking up at the colorful houses. Shot 3: at the spice market from Image 6 she leans over the mounds of spices and smells them, smiling. Shot 4: she sits at the end of the wooden pier on the mountain lake from Image 7, her boots above the turquoise water. Shot 5: she runs down a golden dune in the desert from Image 8 at sunrise, arms wide open. Shot 6: at night on the rooftop from Image 9, she looks at the city lights, then turns to the camera and smiles. Natural light, handheld camera, quick cuts. Sound: wind and waves, a camera shutter click, street and market ambience, and an uplifting indie-folk soundtrack throughout.