API de referencia a vídeo con IA

Genera un vídeo nuevo a partir de un prompt de texto y recursos de referencia como imágenes y, en algunos modelos, también vídeos o audio. Las referencias definen sujetos, apariencia o estilo, y el prompt describe lo que ocurre. El resultado es una escena generada desde cero, no una edición de un clip existente.

Imagen a vídeo anima una imagen concreta, normalmente como primer fotograma (y a veces como último), así que el clip empieza en esa imagen. Referencia a vídeo usa las imágenes como guía de identidad, objetos o estilo y deja que el modelo cree una composición nueva. Elige imagen a vídeo cuando el fotograma inicial deba coincidir exactamente.

Vídeo a vídeo toma metraje existente como fuente para editarlo, extenderlo o transformarlo. En referencia a vídeo, un vídeo de referencia solo guía elementos como el movimiento, la cámara o el estilo de un clip nuevo. Si necesitas modificar un clip existente conservando su contenido, compara los endpoints de vídeo a vídeo.

Los límites varían según el modelo, desde unas pocas imágenes hasta decenas en endpoints multimodales, y algunos modelos reducen el límite de imágenes cuando se incluye un vídeo de referencia. Revisa en la documentación la cantidad, los formatos, el tamaño de archivo y la relación de aspecto antes de crear tu flujo de carga.

Algunos modelos aceptan referencias multimodales: imágenes para la apariencia, vídeos para el movimiento o la cámara y audio para el sonido o el ritmo. Otros solo aceptan imágenes. Algunos endpoints exigen al menos una referencia visual cuando se envía audio y limitan la duración y resolución de los vídeos de referencia.

Normalmente no en la misma solicitud. En muchos modelos, los campos de fotogramas y los de referencia son mutuamente excluyentes y la solicitud se rechaza si se envían ambos. Decide antes de enviar si la tarea se basa en fotogramas (imagen a vídeo) o en referencias.

Usa referencias nítidas y bien iluminadas que muestren el sujeto sin oclusiones importantes, y limita el conjunto a lo que debe permanecer igual. Menciona explícitamente los sujetos en el prompt, evita referencias contradictorias y prueba primero un clip corto. La consistencia varía según el modelo, así que compara resultados con tus propios recursos.

Pueden hacerlo. Algunos modelos limitan la resolución máxima, usan por defecto una relación de aspecto adaptativa o fijan la duración cuando hay referencias. Lee las reglas de parámetros del endpoint elegido para que la solicitud no falle la validación.

La duración y la resolución de salida son los factores principales. Según el modelo, los vídeos de referencia pueden facturarse por su duración, las imágenes de referencia adicionales pueden sumar coste o pueden cobrarse los tokens de referencia que superen una cuota gratuita. Consulta la descripción de precios vigente del modelo elegido.

Envía el modelo, el prompt y las URL de referencia al endpoint de generación documentado de PoYo, guarda el task_id devuelto y usa consultas de estado o un webhook para obtener el resultado. Asegúrate de que las URL de referencia sean accesibles públicamente y guarda el conjunto de referencias con el registro del trabajo para comparar.