Sube fotos de tu personaje, elige un modelo de referencia a video y mantén la misma cara y el mismo vestuario mientras cambian la escena, la cámara y la acción. Compara cuatro modelos que aceptan referencias, aprende a montar un set de referencia y mira dónde la cara todavía se desvía.
Pídele a un modelo de video con IA la misma mujer con abrigo rojo tres veces y obtendrás tres mujeres distintas con tres abrigos distintos. Un prompt de texto describe a una persona, pero no la identifica. Los modelos de referencia a video atacan el problema desde el otro lado: les das fotos de tu personaje y ellos intentan mantener esa cara y ese vestuario estables mientras cambian la escena, la cámara y la acción. Esta página explica cómo funciona en Picasso IA, qué modelos lo hacen y dónde todavía falla.
Un modelo de texto a video construye cada clip desde cero. Cada generación toma una persona nueva que encaja con las palabras, así que pelo castaño, chaqueta verde, treinta y tantos puede salir como cien personas distintas, y ninguna es la de tu clip anterior. Fijar la semilla solo ayuda si el prompt tampoco cambia, justo lo que no puedes hacer cuando el siguiente plano necesita otra localización.
La referencia a video invierte el orden. La imagen aporta la identidad y el prompt aporta todo lo demás: dónde está el personaje, qué hace, cómo se mueve la cámara. En lugar de describir una cara y esperar, la enseñas. Para un cortometraje, una mascota recurrente, un personaje de marca o una serie de clips sociales, esa es la diferencia entre un proyecto y un montón de clips sin relación.
Si solo necesitas un personaje consistente en imágenes fijas, el flujo hermano es el de personajes consistentes con IA. Las imágenes fijas son la mitad fácil. El video añade movimiento, cambios de ángulo y tiempo, y cada uno de ellos es una oportunidad para que la cara se desvíe.
Cuatro modelos del catálogo aceptan imágenes de referencia como entrada. Se diferencian en cuántas referencias admiten y en qué más pueden hacer, así que la elección depende de si necesitas un retrato principal, un desglose completo del vestuario o un guion de varios planos. Estos límites salen de los ajustes de entrada de cada modelo en Picasso IA; revisa la página del modelo por si han cambiado.
| Modelo | Referencias que acepta | Ajustes destacados | Elígelo cuando |
|---|---|---|---|
| wan-video/wan-2.7-r2v | Imágenes de referencia y clips de video cortos | 720p o 1080p, plano único o múltiple, prompt negativo, semilla | Tienes un retrato o un clip corto y quieres anclar la identidad |
| xai/grok-imagine-r2v | De 1 a 7 imágenes | 480p o 720p, de 1 a 10 segundos, siete relaciones de aspecto | Quieres pruebas rápidas a partir de pocas imágenes |
| kwaivgi/kling-v3-omni-video | Hasta 7 imágenes, o 4 si también hay un video de referencia | Varios planos con hasta seis escenas, audio nativo, fotogramas inicial y final | Estás guionizando una secuencia y quieres los planos en una sola pasada |
| bytedance/seedance-2.5 | Hasta 30 imágenes | Audio y diálogo nativos, primer y último fotograma, 480p o 720p | Cara, vestuario y accesorios deben quedar fijos |
Dos advertencias para leer esa tabla. Un tope de referencias más alto no significa mejores caras, significa más espacio para un brief completo: vista frontal, vista lateral, vestuario, accesorios. Y grok-imagine-r2v trata sus imágenes como referencias de estilo y contenido, no como fotogramas de inicio, así que no animará tu foto tal cual. Para eso, los modelos de imagen a video del catálogo encajan mejor.
Este es el recorrido en Picasso IA, desde las referencias en bruto hasta un clip que encaja con el anterior. Todo se ejecuta en el toolkit, así que no hay nada que instalar.
El coste depende del modelo, la resolución y la duración, así que haz primero la prueba corta. La página de precios explica cómo funcionan los créditos, y las cuentas nuevas reciben créditos gratis para empezar.
La mayoría de los fallos de consistencia son fallos de referencia. Una sola foto glamurosa le da al modelo un ángulo y una iluminación que copiar, así que en cuanto el personaje gira o cambia la luz, improvisa. Un set mejor es aburrido a propósito: un retrato frontal neutro, un giro de tres cuartos y una imagen de cuerpo entero donde se vea todo el vestuario.
Si tu personaje todavía no existe, créalo primero. Genera unas cuantas imágenes fijas de un personaje ficticio con un modelo de imagen, elige las tres que coincidan entre sí y úsalas como referencias. Ese camino también te mantiene lejos del parecido de una persona real, y aquí importa: usa rostros que sean tuyos, tus propias fotos o personajes ficticios que hayas inventado, y nunca a una persona real e identificable que no lo haya aceptado.
Consejo: haz que las referencias sean coherentes entre sí antes de pedirle a un modelo de video que sea coherente con ellas. Si tu vista frontal lleva barba y la lateral no, el modelo hará un promedio de las dos y pasarás una hora persiguiendo el resultado.
Mantén el vestuario simple mientras aprendes el flujo. Los colores lisos, un accesorio protagonista y las siluetas claras sobreviven al movimiento mucho mejor que los estampados pequeños, la bisutería superpuesta o el texto en la ropa. Siempre puedes añadir complejidad cuando el clip base aguante.
Una secuencia son simplemente varios clips que comparten un set de referencia. Planéala como una lista de planos antes de generar nada: un plano general de situación, un plano medio del personaje actuando, un primer plano de reacción. Genera cada uno como clip propio con las mismas referencias, cambiando solo las líneas de escena y cámara del prompt.
Kling v3 Omni Video puede ir más lejos dentro de una sola pasada: su modo de varios planos acepta hasta seis escenas, cada una con su propio prompt y duración, así que los cortes ocurren sin salir del modelo. Wan 2.7 R2V también tiene un ajuste de plano múltiple. Cuando ejecutes los planos por separado, guarda nota de la redacción del prompt que funcionó, porque una fraseología coherente para el lugar y la luz ayuda a que el personaje encaje con sus vecinos en el montaje.
Para planificar la secuencia en sí, los storyboards con IA y los cortos y tráileres con IA cubren la parte de la lista de planos. Si prefieres partir de una sola foto, convertir fotos en videos es la puerta de entrada más sencilla.
Esta es una técnica que reduce la deriva, no que la elimina. Espera generar más de lo que conservas y conoce dónde se agrupan los fallos:
Nada de eso significa saltarse el flujo. Significa planear planos que tus referencias puedan sostener, y usar un paso de escalado o de edición solo para el acabado, no para rescatar una cara que ya cambió.
En su mayor parte, sí, cuando le das al modelo imágenes de referencia en lugar de solo describir a la persona. Los modelos de referencia a video anclan la cara y el vestuario a tus imágenes mientras la escena cambia. Reduce mucho la deriva, pero no es una garantía, así que revisa cada clip y regenera aquellos donde la cara se movió.
Es un modo de generación donde subes imágenes (y en algunos modelos clips de video cortos) de un personaje, un objeto o un estilo, y luego escribes un prompt para la escena nueva. Las imágenes aportan cómo se ve el sujeto y el prompt aporta lo que ocurre. Se distingue de la imagen a video, donde tu imagen se convierte en el primer fotograma del clip.
De los cuatro que cubrimos aquí, Seedance 2.5 admite hasta 30 imágenes, Kling v3 Omni Video y Grok Imagine R2V hasta 7, y Wan 2.7 R2V acepta imágenes o clips cortos. Más no es automáticamente mejor, tres ángulos bien elegidos suelen ganar a un montón de casi duplicados, pero un tope alto ayuda cuando vestuario y accesorios deben coincidir.
Empieza con dos a cuatro: una vista frontal, una de tres cuartos y una de cuerpo entero. Añade una vista lateral si el plano gira la cabeza, y un primer plano del accesorio si un objeto debe seguir siendo reconocible. Cada imagen extra debe mostrar algo nuevo; si no, solo añade ruido que el modelo tiene que conciliar.
Normalmente por la distancia, la velocidad o un ángulo que tus referencias nunca mostraron. Una cara pequeña en un plano general, un giro rápido o un perfil sin referencia lateral obligan al modelo a improvisar. Prueba un encuadre más cercano, un movimiento más lento o añade una referencia del ángulo que falta, y haz una prueba corta antes de un clip largo.
Solo la tuya, o la de alguien que lo haya aceptado con claridad. No uses el rostro de una persona real e identificable sin su consentimiento, y no presentes un parecido generado como si fuera una grabación real de esa persona. Los personajes ficticios que inventes tú son la opción más segura para series y trabajo de marca.
Normalmente no. Deja que las referencias definan la cara y dedica el prompt a la acción, el escenario, la luz y la cámara. Volver a describir rasgos puede chocar con las imágenes, por ejemplo pedir ojos azules cuando tu referencia los tiene marrones. Describe solo lo que cambia de un plano a otro.
Sí, de dos maneras. Kling v3 Omni Video puede guionizar hasta seis escenas en una sola pasada con tus referencias adjuntas, y Wan 2.7 R2V tiene un ajuste de plano múltiple. O bien genera los clips uno a uno con el mismo set de referencia y únelos en edición, lo que te da más control sobre cada plano.
La consistencia de la cara y la de la voz son problemas distintos. Algunos modelos, como Seedance 2.5 y Kling v3 Omni Video, pueden generar audio junto con el video, pero una voz estable a lo largo de muchos clips no es algo que te dé una imagen de referencia. Para una serie, planea grabar o generar la narración por separado y colocarla sobre el montaje.
El video consume más créditos que las imágenes, y la cantidad depende del modelo, la resolución y la duración del clip, así que no existe una cifra única y honesta. Las pruebas cortas y de baja resolución son la forma barata de comprobar un set de referencia antes del render final. Las cuentas nuevas reciben créditos gratis, y la página de precios tiene los planes actuales.
¿Listo para probar un set de referencia? Abre el toolkit, adjunta tres imágenes de tu personaje y genera un clip de cinco segundos para ver cuánto aguanta la cara.
Elige tu idioma
