Empieza con una foto de tu propia calle, o con una sola frase, y deja que la cámara suba sobre los tejados, la ciudad y la costa hasta que el planeta entero llene el encuadre. Constrúyelo con modelos de imagen a video y de primer y último fotograma, una altura cada vez, y etiquétalo como la toma estilizada y generada que es.
Has visto la toma: una cámara arranca en una sola calle, sube sobre los tejados, el barrio, la ciudad y la costa, y termina en un planeta curvo sobre el fondo oscuro. Antes hacía falta un dron, teselas de satélite y un compositor. Ahora puedes conseguir el mismo movimiento desde una foto o una frase, siempre que aceptes que lo que sale es una versión estilizada y generada del descenso, y no un mapa.
El zoom out funciona porque responde una pregunta que el espectador no sabía que tenía: ¿dónde está esto, de verdad? Una calle que conoces se convierte en un punto sobre un planeta en unos segundos, y ese salto de escala es todo el premio. Es corto, queda bien en bucle, se explica solo con un pie de foto y encaja en una intro, en la revelación de un canal de viajes o de geografía, en una transición entre temas o en un clip personal sobre tu ciudad natal.
La receta tradicional es metraje aéreo real, imágenes de satélite y un compositor que las mezcle. La receta con IA lo cambia por una escalera de imágenes fijas, una por altura, y un modelo de video que mueve la cámara entre cada pareja. Picasso IA ejecuta 502 modelos detrás de una sola interfaz, así que puedes crear las imágenes con un modelo de imagen, pasar de una a otra con un modelo de video y revisar cada fase en el mismo toolkit. Las cuentas nuevas reciben créditos gratis, suficiente para probar un primer descenso antes de decidir si la idea merece más. El catálogo completo lista todo lo disponible.
Hay más de un camino de la calle a la órbita, y cambian control por esfuerzo. La primera fila es la prueba más rápida; la escalera de fotogramas clave es la que te da una toma que puedes dirigir.
| Enfoque | Cómo funciona | Ideal para | El inconveniente |
|---|---|---|---|
| Solo prompt | Un prompt de texto a video describe la retirada de la calle al espacio | Probar si la idea se entiende | El modelo inventa la calle y el planeta, y ninguno coincide con tu lugar |
| Una foto como primer fotograma | Tu foto de la calle es la imagen inicial y el prompt pide que la cámara suba | Hacer de un lugar real el arranque de la toma | Solo el primer fotograma es tuyo; todo lo de arriba es inventado |
| Escalera de fotogramas clave | Una imagen inicial y una final por clip, un peldaño por altura, clips encadenados | El mayor control sobre dónde aterriza cada clip | Más imágenes y más clips que generar y ajustar |
| Guion multitoma | Varias tomas en una sola generación de Kling v3 Video, cada una con su prompt | Sensación de plano único con menos uniones | Menos control por toma y un tope de duración total |
| Clips rápidos unidos | Clips cortos montados con una rampa de velocidad y un fundido en tu editor | Ocultar costuras que no se van | El acabado ocurre fuera del generador |
Tres modelos de video del catálogo aceptan fotogramas de anclaje, y se diferencian de forma útil. Kling v3 Video admite una imagen inicial y una final, llega a 15 segundos y puede guionizar hasta 6 tomas en una generación. Ray 3.2 admite imagen inicial, final o ambas, pero solo en clips de 5 segundos, y además puede hacer bucles. Veo 3.1 admite una imagen más un último fotograma durante 4, 6 u 8 segundos y genera audio junto con la imagen. Mira la página de cada modelo en la colección para ver los ajustes actuales antes de planificar la escalera.
Esta es la escalera de fotogramas clave, el camino que te da una toma que puedes dirigir de un extremo a otro. Supone una foto de la calle o una escena escrita, y algo de paciencia en las uniones.
Casi todo el trabajo está en las imágenes fijas, porque el modelo de video solo puede interpolar entre lo que le das. Describe el mismo lugar en cada altura con la misma luz, el mismo tiempo y una paleta coherente, y nombra lo que debe verse: una carretera, un río, un puerto, una capa de nubes. Pide una vista desde gran altura, no un mapa, y evita palabras como foto de satélite si quieres una imagen que parezca filmada y no trazada.
Para el prompt de video, describe la cámara y nada más. Algo como una retirada lenta y continua, recta hacia arriba, velocidad constante, sin rotación, con el suelo alejándose, es suficiente. Mencionar movimiento en el suelo, como coches o barcos, invita al modelo a animar cosas que no sobrevivirán al siguiente peldaño.
Consejo: fija el horizonte antes que nada. Si un fotograma clave está inclinado o el siguiente muestra otra hora del día, el modelo de video fingirá el cambio a mitad del clip y la unión dará un salto. Iguala primero la luz en todos los peldaños y después preocúpate del detalle.
Dos hábitos pequeños ayudan. Genera el peldaño del planeta el último y hazlo sencillo, un globo luminoso con nubes verosímiles, ya que un fotograma final limpio deja menos margen de error al último clip. Y renderiza cada clip varias veces antes de juzgarlo, porque la misma pareja de fotogramas puede dar una subida suave una vez y una subida con derivas la siguiente.
Un zoom out de la Tierra parece metraje, y justo por eso necesita una etiqueta. Nada de esto es un paso de satélite ni un vuelo de dron. La costa, las fronteras y la distribución de la ciudad entre tu calle y el planeta son invenciones verosímiles, así que dilo en el pie o en la descripción y no presentes el clip como un registro de geografía real.
Consulta las normas actuales de la plataforma donde publicas, porque muchas piden avisar de que el video está generado con IA y los requisitos cambian. Mantén también sencilla la cuestión de las personas: si tu foto de la calle muestra vecinos o una matrícula legible, recórtalos o sustitúyelos, y usa solo rostros que sean tuyos o ficticios. Una dirección postal en un clip que publicas conviene difuminarla, y un clip sobre un lugar real nunca debería insinuar cosas de ese lugar que no puedas sostener.
Este formato tiene límites claros, y casi todos aparecen hacia el tercer o cuarto peldaño:
Nada de esto arruina la toma para una intro, una transición o un poco de narración. Descarta los clips en los que alguien podría leer la imagen como un hecho.
Sí, con límites. Subes la foto de tu calle como primer fotograma de un modelo de imagen a video, pides una retirada lenta y el modelo inventa todo lo que hay por encima del suelo. Eso sirve para una subida corta, pero para un viaje completo a órbita normalmente hacen falta fotogramas clave intermedios, porque un solo clip no cubre tanta escala sin que el mundo cambie de forma por el camino.
No hay un mejor único, y por eso ayuda un catálogo. Kling v3 Video es el más flexible, con imagen inicial, imagen final y guion multitoma. Ray 3.2 encaja bien en peldaños cortos de 5 segundos con ambos anclajes. Veo 3.1 añade audio generado y admite una imagen más un último fotograma. Pasa la misma pareja de fotogramas por dos de ellos y quédate con la cámara más estable.
Puedes, y es la forma más rápida de probar la idea. Un prompt de texto a video que describa una retirada constante de una calle al espacio te dará una toma verosímil. La contrapartida es que la calle no es tu calle. Si el lugar importa, crea al menos el primer fotograma clave a partir de una foto real o con un modelo de imagen al que describas sus detalles.
Iguala los fotogramas. La imagen final de cada clip debe ser la imagen inicial del siguiente, con la misma luz, la misma hora del día y un ángulo de cámara parecido. Usa las mismas palabras para la cámara en todos los prompts y añade un fundido corto o una rampa de velocidad en cada unión en tu editor. El guion multitoma de Kling v3 Video también puede reducir el número de uniones que tienes que ocultar.
Solo es exacto el fotograma que aportas. Todo lo que el modelo añade por encima, las manzanas vecinas, el río, la costa, es una suposición verosímil y no coincidirá con un mapa. Está bien para una intro estilizada y mal para cualquier cosa que pretenda mostrar un lugar real. Si importa la exactitud, usa imágenes aéreas o de mapa reales y deja la IA para las transiciones.
Por generación depende del modelo: Kling v3 Video llega a 15 segundos, Ray 3.2 ofrece 5 o 10 segundos (los fotogramas de anclaje funcionan en clips de 5 segundos) y Veo 3.1 ofrece 4, 6 u 8 segundos. Un descenso más largo sale de encadenar clips. El ritmo importa más que la duración bruta, porque una subida demasiado lenta pierde a la gente antes de llegar al planeta.
Deberías, y muchas plataformas lo piden. Consulta los requisitos actuales de la plataforma donde publiques, porque las normas de aviso cambian y difieren entre servicios. Más allá de las normas, una línea corta en el pie diciendo que la toma es generada y estilizada evita que el público tome la costa o la distribución de la ciudad por metraje real, que es la forma honesta de compartir este tipo de clip.
Sí, de dos maneras fáciles. Invierte el clip terminado en tu editor, o intercambia las imágenes inicial y final antes de generar para que la cámara caiga desde la órbita hacia tu calle. La segunda opción suele verse más natural, porque el modelo anima un descenso a propósito en lugar de reproducir una subida al revés, y puedes conservar los mismos fotogramas clave para las dos versiones de la toma.
Veo 3.1 genera audio junto con la imagen, y Kling v3 Video tiene una opción de audio nativo. También puedes añadir sonido después: un oleaje grave de viento, un tono ascendente o una banda sonora. Mira cómo añadir efectos de sonido a videos de IA sin audio y música de fondo para videos para el flujo de trabajo.
El video cuesta créditos, y la cifra depende del modelo, de la duración y de los ajustes que elijas, y una escalera supone varios clips además de las imágenes fijas. Las cuentas nuevas reciben créditos gratis para empezar. Los planes y costes de créditos actuales están en la página de precios, que es el único sitio fiable para los números, ya que cualquier cifra escrita aquí quedaría desfasada enseguida.
Tu calle está a unos pocos peldaños de la órbita. Abre el toolkit de Picasso IA, genera el primer fotograma clave y empieza a subir.
Elige tu idioma
