Animar una imagen con imagen a vídeo
En esta página
Actualizado el 2 de noviembre de 2026 según la referencia de la API de vídeo de xAI: la imagen de origen se incluye en un objeto
image({"url": ...}o{"file_id": ...}), no como una cadena de texto simple. Fuentes: Imagen a vídeo · Referencia de vídeo.
Da vida a tus imágenes
La API de xAI no solo genera vídeos desde cero. También puede animar una imagen existente: toma un visual que ya posees y lo pone en movimiento. Esta funcionalidad, llamada imagen a vídeo, cambia la naturaleza del trabajo: ya no le pides al modelo que invente una escena, sino que extienda la tuya. Esto es exactamente lo que necesitas para convertir una ficha de producto en un anuncio, una ilustración editorial destinada a redes sociales o un visual de marca ya aprobado por un cliente.
El parámetro image
Técnicamente, todo se reduce a añadir un objeto image, que identifica el visual de origen mediante su url (dirección pública o datos codificados en base64) o mediante el file_id de un archivo subido a través de la API de archivos.
{
"model": "grok-imagine-video",
"prompt": "Anima esta escena con un efecto de viento en el cabello",
"image": {"url": "https://exemple.com/photo-portrait.jpg"},
"duration": 5
}
El modelo analiza la imagen proporcionada, preserva su contenido visual e inyecta el movimiento descrito por el prompt. Tres condiciones rigen esta llamada: la imagen debe ser accesible (URL pública, datos en base64 o archivo subido), estar en formato JPEG, PNG o WebP, y el prompt debe describir el movimiento deseado en lugar de la imagen en sí; el modelo ya la ve, y volver a describirla solo desperdicia atención.
Redacta un prompt cuando la imagen ya habla
Este es el cambio más importante de esta lección. En texto a vídeo, tu prompt lo carga todo: sujeto, entorno, estilo, acción. En imagen a vídeo, los tres primeros vienen dados y solo necesitas trabajar en el cuarto. Un buen prompt de animación se parece, por tanto, a la nota de un director dirigida a un director de fotografía que ya tiene el plató delante.
Céntrate primero en qué necesita moverse, nombrando el elemento y la naturaleza del gesto: «las hojas se agitan suavemente con el viento», «el agua del río fluye despacio», «el personaje gira la cabeza a la derecha». Puedes añadir luego una capa de ambiente dinámico, que no concierna a un objeto específico sino a la atmósfera general: «la luz del sol filtrándose gradualmente entre las nubes», «comienza a caer una lluvia ligera». Dos hábitos que debes olvidar: no vuelvas a describir la imagen («un paisaje de montaña» no aporta nada) y no solicites una transformación radical de su contenido; eso no es lo que hace este endpoint.
Tres ejemplos concretos
Una foto de producto, digamos un reloj sobre un cojín de terciopelo, se presta a un movimiento mecánico simple y a un juego de luces. El formato cuadrado conviene al feed social para el que está destinado.
{
"model": "grok-imagine-video",
"prompt": "Rotación lenta del reloj sobre sí mismo, reflejos de luz brillando en la esfera",
"image": {"url": "https://exemple.com/montre.jpg"},
"duration": 5,
"aspect_ratio": "1:1"
}
Un paisaje, aquí un lago de montaña al amanecer, permite varios movimientos simultáneos, siempre que sean lentos y naturales. La mayor duración se justifica porque la disipación de la niebla es un efecto que necesita tiempo para leerse.
{
"model": "grok-imagine-video",
"prompt": "Ligeras ondulaciones en la superficie del lago, niebla matutina disipándose lentamente, pájaros cruzando el cielo",
"image": {"url": "https://exemple.com/lac-montagne.jpg"},
"duration": 8,
"aspect_ratio": "16:9"
}
Un retrato, finalmente, exige contención: unos pocos segundos bastan y el movimiento debe permanecer microscópico o correrás el riesgo de caer en lo inquietante. El formato vertical lo prepara para su publicación como historia.
{
"model": "grok-imagine-video",
"prompt": "La persona parpadea suavemente y sonríe levemente, el cabello se mueve con una brisa ligera",
"image": {"url": "https://exemple.com/portrait.jpg"},
"duration": 3,
"aspect_ratio": "9:16"
}
Dónde marca la diferencia este enfoque
La técnica de imagen a vídeo encuentra su terreno natural allí donde ya existen activos visuales previos. En el comercio electrónico, convierte un catálogo de fotos en un inventario de anuncios en vídeo sin necesidad de una nueva sesión de grabación. En redes sociales, da nueva vida a publicaciones estáticas cuyo compromiso se ha estancado. En presentaciones, anima diapositivas e ilustraciones que nunca habrían justificado un presupuesto de producción. Y para el trabajo creativo, permite explorar variantes animadas de la misma obra a un coste insignificante.
Tres limitaciones matizan este entusiasmo, y es mejor conocerlas antes de prometer un resultado. El modelo respeta generalmente la composición de la imagen de origen, pero pueden aparecer distorsiones en detalles finos: tipografía, manos, patrones repetitivos. Los movimientos complejos, como un personaje caminando o un vehículo acelerando, son significativamente más difíciles de lograr que los movimientos sutiles de viento, agua o luz; orienta tus solicitudes hacia estos últimos. Por último, la calidad del resultado depende estrechamente de la resolución de la imagen de origen: un visual mediocre en la entrada nunca producirá un vídeo limpio en la salida.
Puntos clave
- El parámetro
imageacepta una URL a la imagen que se va a animar - El prompt debe describir el movimiento, no la imagen
- Los movimientos sutiles (viento, agua, luz) ofrecen los mejores resultados
- La técnica de imagen a vídeo es ideal para el comercio electrónico y las redes sociales
- La calidad de la imagen de origen impacta directamente en el resultado