Generador de video por IA con personajes consistentes

Por qué los personajes se desvían en primer lugar

Un modelo de texto a video procesa cada generación de forma independiente. Si describes a una mujer de unos treinta años con una cicatriz en una ceja en la toma 1 y vuelves a hacerlo en la toma 30, obtienes dos mujeres que coinciden con la descripción pero no entre sí: los adjetivos no definen un rostro con precisión. Todas las soluciones que aparecen a continuación comparten la misma idea aplicada en distintos puntos: deja de describir al personaje y entrégale al modelo una imagen de él.

Cuatro bloqueos

Un quinto mecanismo, más pequeño: cada persona en una toma lleva una o dos notas faciales distintivas extraídas de su propia descripción, lo que suaviza el fallo clásico en el que dos personajes con el mismo uniforme intercambian rostros a mitad de la toma.

Cuando el personaje debe cambiar

La consistencia no puede significar "nunca cambia": un personaje que es incendiado en el episodio 6 debe parecer quemado en el episodio 7. La línea divisoria la marca cómo trata un modelo de video a una imagen de referencia: copia el rostro, la ropa, la forma y la estructura de forma casi literal, y aplica la luz, el clima y la hora del día como efectos superpuestos.

• Dale una variante de estado cuando lo que cambia es la apariencia, el vestuario, la forma o la estructura: un cambio completo de atuendo, una transformación, quemaduras, una habitación colapsada, una espada fuera de su funda, un objeto roto. La variante recibe su propia imagen de referencia, generada a partir del arte base.
• Escríbelo en el texto de la toma cuando lo que cambia es la luz, el clima, la hora del día, la posición, lo que alguien sostiene o lo que ha caído sobre él. La lluvia no necesita una segunda versión de la calle.

Hacerlo al revés sale caro en ambos sentidos: una variante para "sostener la taza" es una imagen por la que pagaste y que nunca verás, y un prompt para "después del incendio" es una solicitud que el modelo ignorará amablemente para usar la habitación limpia de su referencia.

Lo que aún no está resuelto

• Los abrigos largos tapan el rostro. Una hoja de cuerpo completo en 9:16 de un personaje con abrigo largo o túnica dedica la mayoría de sus píxeles a la tela, y la cabeza queda lo suficientemente pequeña como para que se pierdan los detalles finos de identidad. Es un límite de encuadre, no de prompt.
• Dos personajes vestidos de forma idéntica en una misma toma aún pueden intercambiar rostros. Las notas distintivas ayudan; los uniformes iguales siguen siendo el caso más difícil.
• Multitudes. Las garantías de consistencia cubren al elenco de tu biblioteca de recursos. Los extras de fondo se generan de cero cada vez y deben tratarse como escenario.

La explicación por capas, con lo que cada capa puede y no puede capturar, está en la guía de consistencia de personajes.

Cuánto cuesta

Las hojas de referencia son una línea de pedido propia, separada del análisis de guion (4 créditos por 3,333 caracteres de texto en inglés): cada cuenta recibe 15 imágenes de referencia gratis, y las imágenes adicionales o regeneradas después de eso cuestan 7 créditos cada una en el modelo de imagen predeterminado. Las variantes de estado tienen su propia pequeña asignación gratuita en el primer proyecto y se facturan como imágenes después de eso. El video en sí comienza en 10 créditos por segundo de salida (≈ $0.06/s en el plan precio más bajo por crédito) independientemente de si se adjuntan referencias o no: la consistencia no tiene recargo. Detalles en la página de precios.

Compruébalo con tu propio elenco, sin costo

La consistencia es la única afirmación en esta categoría que nunca deberías creer sin probarla, y no hace falta que lo hagas. Una cuenta nueva incluye 50 créditos, 15 imágenes de referencia gratuitas para personajes, escenas y accesorios, un storyboard gratuito del episodio 1 en tu primer proyecto y una vista previa gratuita de hasta 5 segundos que renderiza la toma inicial de tu propio episodio usando tus propias hojas. Eso es suficiente para una prueba real:

1. Pega una escena en la que las mismas dos personas aparezcan varias veces, con minutos de diferencia.
2. Deja que el análisis construya el elenco, luego lee las descripciones de los personajes y corrige cualquier error antes de que se dibuje el arte: las hojas se generan a partir de ese texto.
3. Genera las hojas. Una imagen de referencia tarda unos 16 segundos como mediana, y 9 de cada 10 terminan en menos de 27 segundos, así que un elenco de cinco personas lleva un par de minutos.
4. Usa la vista previa gratuita en una toma donde el personaje esté haciendo algo, no quieto de pie, y compara el rostro con la hoja.

Como referencia: el proyecto mediano en esta plataforma tiene cinco personajes con nombre, y nueve de cada diez tienen menos de diez. Si tu historia necesita treinta, el mismo mecanismo sigue aplicando: el costo está en las hojas, no en la consistencia.

Cada episodio, en quince idiomas

El idioma de los diálogos se configura una sola vez en el Paso 1 y toda la generación se realiza en ese idioma; al mismo tiempo, la configuración de región objetivo adapta los nombres, los rostros y las calles a ese mercado. Cada ejemplo a continuación se produjo de esa forma, uno por idioma.

Preguntas frecuentes

Precios·Guías·Ejemplos·Soporte·Privacidad·Términos·Aviso legal·Contacto·© 2026 SceneMixer