Toda generación de imagen a vídeo empieza con una elección que la mayoría nunca hace de forma consciente. Tienes una imagen. Alimentas el motor con ella. Solo que dónde la alimentas cambia todo sobre lo que sale por el otro lado.

Hicimos una prueba controlada en el laboratorio con Seedance 2.5 para aislar exactamente qué pasa cuando la misma imagen entra como start frame y como imagen de referencia. Los resultados derribaron la forma en que briefeamos cada plano en KURACONV, y probablemente van a derribar la tuya también.

Qué hace de verdad un start frame en imagen a vídeo

El start frame ancla el encuadre. No el sujeto. El encuadre.

Esa distinción suena académica hasta que ves veinte generaciones lado a lado. Cuando una imagen entra como start frame, el motor la trata como el mundo: la luz, la composición, la temperatura de color, la profundidad del espacio. El fotograma uno de tu vídeo va a ser esa imagen, y el motor va a honrar la atmósfera que le diste.

Lo que el motor no honra necesariamente es tu sujeto. En nuestras pruebas, la cámara derivaba rutinariamente lejos del objeto principal, lo sobrevolaba, o lo dejaba deformarse conforme avanzaba el movimiento. El start frame es un contrato sobre dónde empieza la historia, no sobre qué protege la historia.

Así que si tu prioridad es la consistencia de mundo, un interior concreto, un montaje de luz preciso, una composición por la que peleaste en preproducción, el start frame es tu instrumento. El motor va a abrir en tu mundo y a moverse por él.

Qué hace una imagen de referencia en imagen a vídeo con IA

La imagen de referencia ancla el objeto.

Alimenta la misma foto de producto como referencia en lugar de start frame y el comportamiento se invierte. El motor ya no promete abrir en tu composición. En cambio, lleva la identidad de la cosa por todo el plano: la forma del frasco, el rostro del personaje, la textura del tejido. La referencia es un contrato sobre qué tiene que sobrevivir al movimiento.

En nuestra prueba controlada, la referencia sostuvo la identidad del producto a través de movimientos de cámara que habrían derretido una generación solo con start frame. La etiqueta siguió siendo la etiqueta. El personaje siguió siendo el personaje. Pero el mundo alrededor era invención del motor, guiado levemente por el prompt, no bloqueado por píxeles.

El start frame bloquea el encuadre y arriesga al sujeto; la referencia bloquea al sujeto y suelta el encuadre.

El motor sobrevuela al sujeto de todos modos. La dirección lo corrige.

Aquí está el hallazgo incómodo: incluso con un start frame limpio, una referencia fuerte y un prompt disciplinado, el motor tiende a sobrevolar al sujeto. Ama el movimiento de cámara más de lo que ama a tu protagonista. Dejado solo, orbita, hace grúa y deriva, tratando tu producto como decorado.

Esto no es un bug que se resuelve con una palabra mágica en el prompt. Es una tendencia que se corrige con dirección. En la práctica eso quiere decir:

  • Nombrar el comportamiento de cámara explícitamente, y nombrar qué no debe hacer la cámara.
  • Mantener activo el papel del sujeto en el movimiento: el sujeto se gira, la luz cambia sobre él, algo le pasa, para que el motor tenga un motivo para quedarse.
  • Revisar las generaciones como un director revisa el material bruto, no como un usuario refrescando una tragaperras. Cuando la cámara abandona al sujeto, la corrección normalmente está en el briefing, no en la semilla.

Un motor de vídeo con IA es un operador de cámara con ansias de mundo. Tu trabajo es ser el director de pie a su lado.

Usando los dos juntos: el montaje de trabajo

Los resultados más fuertes de nuestro laboratorio vinieron de rechazar el o esto o aquello. Usa los dos, y asígnale a cada uno su trabajo.

Start frame: el mundo de apertura. Constrúyelo a propósito, en un modelo de imagen, con la luz y la composición que quieres que tenga el fotograma uno. Si la marca tiene que estar presente desde el primer fotograma, vive aquí.

Imágenes de referencia: las identidades que tienen que sobrevivir. Producto, personaje, atrezo principal, y sí, texto en pantalla cuando la tipografía importa. Seedance 2.5 acepta múltiples referencias, y cada una es una correa en un elemento distinto.

Prompt: el movimiento y la intención. No una descripción del producto, las referencias ya la llevan. El prompt dirige lo que pasa.

Cuando briefeamos los planos así, la tasa de fallo cae de generar diez y rezar por uno a algo que se parece a un calendario de producción.

La decisión en una pregunta

Antes de generar, pregunta: ¿qué no puede cambiar en este plano?

Si la respuesta es el mundo, la luz, la composición, esa imagen es tu start frame. Si la respuesta es el objeto, la identidad, el rostro, esa imagen es tu referencia. Si la respuesta es las dos, y en trabajo de cliente casi siempre son las dos, entonces construye ambas, aliméntalas ambas, y dirige el espacio entre ellas.

Esa es la lógica Sentimagem por la que trabajamos, dirección por encima de generación: probar qué hace de verdad el motor en lugar de confiar en la documentación, sentir dónde el plano pierde al sujeto, y cerrar el montaje que se sostiene.

La imagen a vídeo con IA premia a quien prueba como un laboratorio y decide como un director. Las herramientas son asombrosas. También son indiferentes a tu marca hasta que les dices, en el canal correcto, qué importa.

En imagen a vídeo con IA, el start frame ancla el mundo y la imagen de referencia ancla el sujeto; un plano fuerte alimenta ambos y dirige el espacio entre ellos.