Wan 2.1 de imagen a vídeo toma un único fotograma fijo y genera un clip corto que continúa a partir de él. Subes una imagen, describes el movimiento que quieres y el modelo anima hacia delante desde ese punto de partida. Todo se ejecuta en hardware alojado, así que lo único que tiene que hacer tu equipo es cargar una página web.
Esta página trata específicamente de la generación 2.1. Si buscas las versiones más recientes, /es/wan-2-2 y /es/wan-2-5 las cubren, y /es/wan-2-1 es el centro general de esta generación. El flujo de trabajo más amplio basado en imágenes está en /es/image-to-video.
El modelo recibe tu imagen como primer fotograma y predice lo que ocurre después. No es una herramienta de presentación que hace paneos y zooms sobre una imagen estática. Sintetiza fotogramas nuevos, lo que significa que los sujetos pueden moverse, el pelo y la tela pueden desplazarse y la luz puede cambiar a lo largo del clip. La imagen original se mantiene como ancla, así que el fotograma inicial se parece a lo que subiste.
Como la imagen aporta gran parte de la información, tu prompt cumple aquí una función distinta que en /es/text-to-video. No estás describiendo lo que debería existir. Estás describiendo lo que debería ocurrir.
Empieza con una imagen de origen limpia. Los artefactos de compresión, el ruido intenso y el enfoque agresivo se arrastran y se amplifican en cuanto los fotogramas empiezan a moverse. Si tu archivo es demasiado grande o tiene un formato incómodo, el compresor de imágenes y el conversor de imágenes se encargan de ello antes de que lo subas.
Compón pensando en el movimiento. Un fotograma en el que el sujeto está centrado y con algo de espacio a su alrededor le da margen al modelo para trabajar. Un rostro muy recortado y sin contexto de fondo deja muy poco que animar.
Escribe el prompt como una secuencia de acontecimientos, no como una lista de sustantivos. "She turns her head slowly to the left, hair drifting, background lights pulsing" le da al modelo una trayectoria. "Woman, beautiful, cinematic, 4k" no le da nada que mover.
Mantén el movimiento moderado. Un movimiento pequeño y creíble se percibe como real. Un movimiento amplio en un clip corto tiende a emborronarse o deformarse, sobre todo en manos, rostros y bordes finos.
Trata el primer renderizado como una prueba. Míralo una vez para valorar el movimiento general y otra vez para detectar artefactos. La mayor parte de la mejora llega en el segundo y el tercer intento, no en el primero.
El prompt es la palanca más importante, pero no la única.
La relación de aspecto debe coincidir con tu imagen de origen. Forzar una foto vertical en un marco horizontal significa que el modelo tiene que inventar las regiones que faltan, y esas zonas inventadas suelen ser la parte más débil del clip.
La duración del clip se compensa con la coherencia. Las salidas más largas dan más tiempo al movimiento para desarrollarse, pero la deriva y la pérdida de identidad se acumulan cuanto más te alejas del fotograma de origen. Los clips cortos se mantienen más cerca del original.
La resolución afecta a cuánto detalle fino sobrevive. Los ajustes más altos conservan la textura, pero cuestan más de renderizar y pueden dejar al descubierto defectos en una imagen de origen poco nítida.
El control de la semilla importa cuando quieres iterar. Reutilizar una semilla mientras cambias una sola variable te permite ver qué hizo realmente esa variable, en lugar de adivinar contra una tirada completamente distinta.
El coste en créditos de una ejecución se muestra junto al formulario antes de que envíes, así que puedes ver cuánto cuesta una configuración antes de comprometerte con ella. Los planes actuales están en /es/pricing.
No es una herramienta para reconstruir una escena que nunca fotografiaste. Si no tienes una imagen de partida, /es/text-to-image o /es/ai-generator son el punto de entrada adecuado.
No está pensada para vídeo de formato largo. Los clips son cortos por diseño, y unir muchos de ellos es un problema aparte que aborda /es/video-extend.
No producirá de forma fiable texto legible, gestos precisos con las manos ni interacciones físicas exactas. Esos siguen siendo puntos débiles.
No es una herramienta de intercambio de rostros ni de consistencia de personajes. Si tu objetivo es dirigir un personaje concreto con una interpretación de referencia, /es/wan-animate y /es/wan-2-2-animate se acercan más a lo que buscas.
Y no es una instalación local. Este sitio ejecuta el modelo por ti en el navegador. No distribuimos los pesos del modelo y no ofrecemos descargas de ningún tipo. Si buscas archivos para ejecutar en tu propia GPU, esto no es eso.
¿Necesito una GPU o instalar algún programa?
No. El renderizado se realiza en hardware alojado. Solo necesitas un navegador y una imagen.
¿Puedo usar la foto de una persona real?
Eres responsable de tener los derechos sobre todo lo que subas. No envíes imágenes de personas que no hayan dado su consentimiento.
¿Por qué mi clip se alejó de la imagen original?
Normalmente porque el movimiento que pediste era demasiado grande para la duración del clip, o porque la imagen de origen tenía poco detalle al que el modelo agarrarse. Reduce el movimiento o acorta el clip.
¿Puedo descargar aquí los pesos del modelo?
No. No distribuimos pesos y no hay descargas en este sitio. Ejecutamos los modelos Wan por ti y devolvemos el vídeo renderizado.
¿Y si solo tengo texto y ninguna imagen?
Empieza en /es/text-to-video, o genera primero una imagen fija y tráela de vuelta aquí.