Escribe un guion y conviértelo en un video con narración, clips generados, subtítulos integrados y una base musical. Sin cámara, sin micrófono y sin cara en pantalla. Cada pieza es un modelo distinto del toolkit, y tú decides qué se queda y qué se vuelve a generar.
Esos clips motivacionales con una voz tranquila, imágenes lentas de montañas o luces de ciudad y unas pocas palabras en pantalla siguen todos la misma receta, y ninguno necesita una cara delante de la cámara. Escribes un guion, lo conviertes en narración, generas un clip para cada frase y luego añades subtítulos y música. Cada pieza es un modelo distinto de Picasso IA, y esta página explica cómo encajan entre sí.
El formato es simple a propósito: una voz que habla despacio, imágenes que cargan el ambiente y un puñado de palabras en pantalla cada vez. El gasto de la manera tradicional está alrededor de esa simplicidad: las imágenes significan una suscripción de stock o una hora buscando el amanecer correcto, y la voz significa una habitación silenciosa y un buen micrófono. Cada una de esas cosas es ahora una generación que puedes repetir hasta que encaje.
Picasso IA pone toda la cadena en un solo lugar. El catálogo reúne 502 modelos, entre ellos 75 modelos de lenguaje para el guion, 24 de texto a voz, 121 de texto a video y 10 de música, y todos funcionan en el toolkit. Explora el catálogo completo para ver qué hay junto a los modelos que se nombran aquí. Las cuentas nuevas reciben créditos gratis, suficientes para crear un video de prueba corto antes de decidir nada. Lo que cuesta cada paso depende del modelo y de los ajustes, así que la página de precios es el sitio donde mirarlo, no esta.
Sin cara significa exactamente eso: nadie ante la cámara y una voz que es sintética o es la tuya. Para la visión a nivel de canal, con nichos y rutinas de publicación, lee la página sobre videos de YouTube sin cara. Esta página cubre un solo formato, el video motivacional corto.
El guion es el único paso donde la IA debe ayudar y no firmar. Un modelo de lenguaje como claude-sonnet-5 o gpt-5 redacta un borrador en segundos, y ese borrador solo es tan bueno como el encargo. Dale el público, la duración en segundos hablados, el tono y una sola idea, y pide frases cortas con una imagen por línea, porque cada línea se convertirá en un plano.
Esta es la regla que más importa de la página: nunca pidas a un modelo una cita de una persona famosa para ponerla en pantalla. Los modelos de lenguaje producen citas con total seguridad, y buena parte están mal atribuidas o sencillamente inventadas. Ponerle un nombre real a palabras que esa persona nunca dijo es injusto con ella y bochornoso para ti. Escribe con tu propia voz, o no pongas ningún nombre en las frases. Si una cita real importa en tu video, cópiala de una fuente que hayas abierto tú mismo y cita esa fuente.
La misma cautela vale para las voces. Usa una voz de catálogo o la tuya, y nunca la voz de una persona real e identificable que no lo haya aceptado. Después lee el guion final en voz alta una vez antes de generar nada, porque el oído detecta una frase torpe en dos segundos.
Las imágenes dan carácter al video, y hay más de una forma de producirlas. La tabla compara las opciones realistas en Picasso IA, con el compromiso que trae cada una.
| Enfoque | Modelo para probar | Bueno para | Ojo con |
|---|---|---|---|
| Un clip por frase del guion | veo-3.1 | Planos limpios en 1080p de 4, 6 u 8 segundos, en 16:9 o 9:16 | Ocho segundos es poco, así que planea una idea por clip |
| Varias escenas en una sola tanda | kling-v3-video | Hasta 6 escenas y 15 segundos en una generación | Las escenas comparten tanda, así que rehacer una implica repetirlas todas |
| Primero una imagen fija, luego movimiento | un modelo de imagen y después cualquiera de los dos de video con una imagen inicial | Fijar el aspecto antes de gastar en video | Un paso más, y las palabras de estilo deben ser idénticas |
| Imágenes de ambiente sin personas | veo-3.1 | Amanecer, océano, carretera de montaña, ciudad de noche | Es el aspecto más visto del género, así que añade un detalle concreto |
| Una figura ficticia en varias escenas | veo-3.1 con imágenes de referencia | Una silueta o personaje que se repite | Las caras cambian entre clips, así que mantenlas lejos del objetivo |
Elijas lo que elijas, repite las mismas palabras de estilo en cada prompt, como la hora del día, la sensación de la lente y la paleta de color. Eso hace que ocho clips sueltos se lean como una sola película. El audio del clip lo sustituye tu narración de todos modos, así que en este formato puedes dejarlo desactivado. Para más sobre este tipo de material de apoyo, mira la página de b-roll con IA.
Esta es la cadena desde el guion hasta el archivo final. Todo ocurre en el toolkit, un modelo por paso, y cada paso pasa su resultado al siguiente.
El orden de los dos últimos pasos no es arbitrario. Autocaption lee la pista de audio para transcribirla, así que dale solo la narración, antes de meter música. La música va al final, en modo mezcla y no en modo reemplazo, con el multiplicador de volumen bien por debajo de uno para que la voz siga mandando. Después reproduce el resultado en el altavoz de un móvil, donde la mayoría lo escuchará.
Los subtítulos merecen algo de estilo. Autocaption te deja elegir la fuente, el color, el contorno, la posición en pantalla, cuántos caracteres caben en una línea y un color de resaltado para la palabra que se está diciendo. Sus propias notas sugieren una línea más corta y un tamaño menor para reels que para video normal, así que empieza por ahí en los clips verticales. También te entrega la transcripción como archivo. Si un nombre o una palabra inventada sale mal escrita, edita la transcripción y vuelve a ejecutarlo con la versión corregida en lugar de convivir con el error.
Mira el video terminado una vez sin sonido. Si aún se entiende, y ningún subtítulo queda cortado por el borde de la pantalla ni escondido tras un botón de la app, sobrevivirá a la forma en que la mayoría ve los videos de verdad.
Para la música, describe un estilo y un ambiente en el prompt y activa el modo instrumental, que no necesita letra. Un piano cinematográfico lento que crece poco a poco deja respirar a la voz. Una pista generada es audio nuevo, pero las plataformas tienen sus propias reglas sobre los medios generados con IA y sobre el contenido repetitivo o fabricado en masa, y esas reglas cambian. Lee los requisitos actuales de la plataforma donde publiques antes de montar un calendario alrededor de una sola herramienta. Hay más sobre este paso en las páginas de música de fondo para videos y subtítulos automáticos para videos.
Este formato tiene aristas, y conviene conocerlas antes de generar una docena de clips.
Nada de esto convierte el formato en mala idea. El trabajo humano simplemente se desplaza al guion, a la elección de clips y a la escucha final.
Sí, y esta página gira en torno a eso. La narración sale de un modelo de texto a voz o de tu propia grabación, la imagen sale de clips generados y las palabras en pantalla salen de los subtítulos. Si quieres un personaje que se repita, usa uno ficticio y cuenta con regenerar algunos clips hasta que la cara se vea estable.
Uno por tarea. Un modelo de lenguaje como claude-sonnet-5 redacta el borrador, speech-2.8-hd lo lee en voz alta, veo-3.1 o kling-v3-video hace las imágenes, video-merge y video-audio-merge montan las piezas, autocaption añade los subtítulos y music-2.6 crea la pista. Puedes cambiar cualquiera por otro modelo de la misma categoría del catálogo, que tiene 24 modelos de texto a voz y 121 de texto a video entre los que elegir.
Puede escribir un primer borrador rápido, y ese borrador es un buen punto de partida, pero no debería ser el guion final. Los modelos se apoyan en frases conocidas, así que un borrador sin editar suena como cualquier otro video motivacional. Dale al modelo un público concreto y una idea, y luego reescribe las líneas que suenen genéricas. El video solo es tan distintivo como el guion con el que acabes.
No generes citas para pegarles un nombre real, porque los modelos inventan o atribuyen mal las citas sin avisar. Si una cita real importa, cópiala de una fuente que hayas comprobado y cita esa fuente. En cuanto a las voces, usa una de catálogo o la tuya, y nunca imites a una persona real que no lo haya aceptado. Decir que solo era una voz de IA no cambia a quién se parece.
No hay un único límite, porque el video final se monta con clips. veo-3.1 hace clips de 4, 6 u 8 segundos y kling-v3-video llega a 15, y video-merge une todos los que le des. Así que los límites reales son la longitud de tu guion y cuántos clips quieras generar y revisar.
Sí. Los dos modelos de video pueden sacar 9:16, y kling-v3-video también hace 1:1. Autocaption tiene ajustes de líneas más cortas y fuente más pequeña que van bien para reels, y puedes mover los subtítulos para que las apps no los tapen. Genera los clips en vertical desde el principio en lugar de recortar luego los horizontales.
Nadie puede prometerlo en un sentido ni en otro, y las reglas cambian. Las plataformas publican políticas sobre contenido repetitivo o fabricado en masa y sobre el etiquetado de medios generados con IA, y la aplicación varía con el tiempo. Lee los requisitos actuales de cada plataforma donde publiques, etiqueta tus videos como te piden y trata un guion distintivo y unas imágenes variadas como la mejor protección, porque lo que esas políticas suelen apuntar son las subidas casi idénticas.
Ejecuta autocaption sobre el video que ya lleva la narración final. Transcribe el audio que oye y ajusta cada palabra a él, así que la sincronía sigue a tu voz y no a una suposición. Si cambias la narración después, vuelve a generar los subtítulos, porque el tiempo pertenece al audio anterior. Hazlo antes de añadir la música para que la transcripción oiga solo la voz.
Sí. Graba tú mismo la narración y añádela con video-audio-merge en lugar de la voz generada. Si quieres una versión de IA de tu propia voz, la página de clonación de voz con IA lo explica, con una regla que no se dobla: clona solo una voz que sea tuya, nunca la de otra persona.
Se paga en créditos, y el total depende de cuántos modelos uses y de sus ajustes. Los clips de video suelen ser la parte mayor. Las cuentas nuevas empiezan con créditos gratis, y la página de precios tiene los planes actuales, que es el único sitio fiable para las cifras porque cambian.
Elige una idea, escribe diez líneas honestas sobre ella y genera el primer clip en el toolkit de Picasso IA.
Elige tu idioma
