Combinar edición y extensión
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
imagey el vídeo a editar o extender en un objetovideo({"url": ...}), tanto para la extensión como para la edición. Fuentes: Extensión de vídeo · Referencia de vídeos.
Pipelines de producción avanzados
Utilizados de forma aislada, cada endpoint tiene límites: la generación se detiene en 15 segundos, la edición en 8,7 segundos de origen y la extensión añade 10 segundos. Combinados, forman pipelines de producción que superan con creces estos límites y, lo que es más importante, te ofrecen un punto de control tras cada segmento. Esta lección cubre tres pipelines del mundo real, desde clips de producto hasta variaciones estilísticas, y cómo hacerlos fiables.
Pipeline 1: Un promo de producto de 15 segundos
El escenario es clásico: tienes una foto de un smartphone y necesitas entregar un vídeo promocional de 15 segundos. El pipeline se construye en tres segmentos de 5 segundos, validando cada uno antes de pasar al siguiente.
El primer segmento anima la foto del producto —rotación, juego de reflejos— mediante la conversión de imagen a vídeo estudiada en la sección anterior.
{
"model": "grok-imagine-video",
"prompt": "Rotación elegante del smartphone sobre un fondo oscuro, reflejos de luz en la pantalla",
"image": {"url": "https://exemple.com/smartphone.jpg"},
"duration": 5,
"aspect_ratio": "16:9",
"resolution": "720p"
}
El segundo extiende esta toma con una extensión que acerca la cámara a la pantalla, reinyectando la URL obtenida en el paso anterior.
{
"model": "grok-imagine-video",
"prompt": "Zoom progresivo hacia la pantalla del smartphone encendiéndose, mostrando una interfaz colorida",
"video": {"url": "{url_video_etape_1}"},
"duration": 5
}
El tercero cierra la secuencia con un plano general, partiendo esta vez del resultado del segundo segmento.
{
"model": "grok-imagine-video",
"prompt": "Zoom out revelando el smartphone colocado sobre un escritorio de diseño, luz suave, ligero desenfoque de fondo",
"video": {"url": "{url_video_etape_2}"},
"duration": 5
}
Quince segundos de contenido nuevo, a 0,05 $ por segundo con grok-imagine-video: espera alrededor de 0,75 $ excluyendo iteraciones si cada segmento se factura por su duración. El coste real de cada paso aparece en el campo usage.cost_in_usd_ticks de su resultado: verifícalo en un pipeline de prueba antes de presupuestar una serie.
Pipeline 2: Cinco contenidos, un estilo
Situación diferente, lógica distinta: necesitas producir cinco vídeos de 5 segundos para una campaña en redes sociales con un estilo visual coherente. Aquí, el encadenamiento no estructura el trabajo; lo hacen las imágenes de referencia, idénticas para todas las generaciones. Los cinco prompts describen escenas diferentes; el estilo se mantiene consistente gracias a los mismos dos visuales.
references = [
{"url": "https://exemple.com/style-campagne-1.jpg"},
{"url": "https://exemple.com/style-campagne-2.jpg"}
]
prompts = [
"Café vertiéndose en una taza de cerámica blanca, vapor ascendente",
"Manos tecleando en un teclado, pantalla desenfocada al fondo",
"Un cuaderno abierto con un bolígrafo escribiendo, luz natural",
"Una planta verde creciendo en timelapse en una maceta de arcilla",
"Un libro cuyas páginas pasan con el viento en una terraza"
]
for prompt in prompts:
resp = httpx.post(
"https://api.x.ai/v1/videos/generations",
headers=headers,
json={
"model": "grok-imagine-video",
"prompt": prompt,
"reference_images": references,
"duration": 5,
"aspect_ratio": "9:16",
"resolution": "720p"
}
)
Cinco clips de 5 segundos suman 1,25 $. Observa el formato 9:16 aplicado a todas las solicitudes: para una campaña vertical, este es el tipo de descuido que obliga a regenerar todo el trabajo.
Pipeline 3: Derivar variantes a partir de un vídeo
El tercer esquema no encadena nada: aplica varias ediciones diferentes en paralelo al mismo vídeo de origen. Así obtienes cuatro versiones del mismo clip, para proponer pruebas A/B o distribuir en plataformas con identidades distintas.
video_source = "https://exemple.com/video-base.mp4"
variations = [
"Estilo cinematográfico en blanco y negro, grano de película",
"Colores saturados pop art, contrastes fuertes",
"Ambiente nocturno, luces de neón púrpuras y azules",
"Estilo acuarela, contornos suaves y colores lavados"
]
for variation in variations:
resp = httpx.post(
"https://api.x.ai/v1/videos/edits",
headers=headers,
json={
"model": "grok-imagine-video",
"prompt": variation,
"video": {"url": video_source}
}
)
Estos tres pipelines utilizan cuatro endpoints, resumidos a continuación.
| Endpoint | Método | Entrada | Salida | Duración máx. |
|---|---|---|---|---|
/v1/videos/generations | POST | Prompt + opciones | Nuevo vídeo | 1-15 s |
/v1/videos/edits | POST | Vídeo + prompt | Vídeo modificado | Origen hasta 8,7 s |
/v1/videos/extensions | POST | Vídeo + prompt | Vídeo extendido | +2 a 10 s, origen hasta 15 s |
/v1/videos/{id} | GET | request_id | Estado + URL | - |
Hacer que una cadena sea resistente a fallos
En cuanto encadenas operaciones, la probabilidad de que al menos una falle se vuelve significativa, y un fallo en el tercer eslabón hace perder los dos primeros si no has previsto nada. La siguiente función encapsula cada paso en un bucle de reintentos y solo avanza al siguiente paso una vez obtenida la URL.
async def pipeline_with_retry(steps, max_retries=2):
video_url = None
for i, step in enumerate(steps):
for attempt in range(max_retries + 1):
try:
if step["type"] == "generation":
result = await generate_video(step["params"])
elif step["type"] == "extension":
step["params"]["video"] = {"url": video_url}
result = await extend_video(step["params"])
elif step["type"] == "edition":
step["params"]["video"] = {"url": video_url}
result = await edit_video(step["params"])
video_url = await wait_for_result(result["request_id"])
break
except Exception as e:
if attempt == max_retries:
raise Exception(f"Paso {i+1} fallido: {e}")
await asyncio.sleep(10)
return video_url
Alrededor de este esqueleto, cinco hábitos marcan la diferencia entre un prototipo y un servicio. Descarga el resultado en cada paso, ya que las URLs son temporales y la recuperación ante un incidente requiere disponer de las versiones intermedias. Valida visualmente cada segmento antes de pasar al siguiente; de lo contrario, pagarás tres generaciones solo para descubrir que la primera no era adecuada. Gestiona los errores con intentos espaciados por retroceso exponencial. Calcula el presupuesto completo antes de lanzar una cadena larga, contando las iteraciones probables. Y paraleliza lo que puedas: en el pipeline 2 y el pipeline 3, ninguna generación depende de otra, por lo que pueden ejecutarse simultáneamente.
Precios verificados el 3 de noviembre de 2026 — los precios cambian regularmente: antes de cualquier cálculo presupuestario, consulta las tarifas actuales en la página oficial de modelos y precios de xAI.
Puntos clave
- Los tres endpoints (generación, edición, extensión) se combinan en pipelines
- Las imágenes de referencia garantizan la coherencia estilística en varios vídeos
- La edición iterativa permite derivar un vídeo en varias versiones
- Descarga los resultados intermedios y gestiona los errores en cada paso
- Calcula el presupuesto total antes de lanzar pipelines complejos