¿Texto a vídeo o imagen a vídeo? Elige el modo de entrada

¿Texto a vídeo o imagen a vídeo? Empieza por si ya tienes un fotograma aprobado. Si no lo tienes, usa solo texto (text-to-video / t2v) para probar el encuadre. Si lo tienes, usa el primer fotograma (image-to-video / i2v, first frame) para fijar el aspecto y después añadir movimiento. Si necesitas un inicio y un final conocidos, o la misma identidad entre planos, sube a fotogramas de inicio y fin o a referencia multimodal (r2v). Equivocarte de modo de entrada quema más reintentos que equivocarte de nombre de modelo. En Sora2 AI el orden es el mismo.

Una tabla para decidir

De dónde partes	Modo que conviene	Qué debe hacer el prompt	Fallo habitual
Solo una idea escrita	Solo texto (t2v)	Sujeto, acción, escena, un movimiento de cámara, duración	Adjetivos de estilo y ningún verbo
Producto o personaje ya cerrado	Primer fotograma (i2v)	Cómo se mueve y cómo se mueve la cámara	Volver a describir el aspecto y chocar con la imagen
Apertura y cierre ya conocidos	Inicio + fin	La transición y el ritmo de en medio	Relación de aspecto muy distinta; movimiento al máximo
La misma identidad entre planos	Referencia multimodal (r2v)	Referencias claras; un solo tipo de cambio por intento	Referencias revueltas; primer plano abarrotado

Regla práctica: explora con texto; si tiene que parecerse a una versión firmada, usa imagen o referencia.

Texto a vídeo: cuándo y cómo

Sirve para ganchos narrativos, planos de ambiente, conceptos antes del vestuario y borradores de storyboard.

Ordénalo en cinco partes: sujeto → acción → escena → cámara → uso de la duración. En la primera versión, un solo movimiento de cámara principal y la duración alineada con el parámetro; el detalle está en movimientos de cámara y duración.

Imagen a vídeo: cuándo y cómo

Sirve para aperturas de producto, personajes que ya tienen look y ahora se mueven, envases firmados por el cliente y pósteres animados.

Gasta las palabras en el movimiento («giro lento, vapor que sube, avance suave de cámara»), no en repetir color y forma. El sujeto nítido y el fondo callado; la identidad se trabaja en consistencia del fotograma de referencia.

Inicio+fin y multimodal: no los confundas con el primer fotograma

• Inicio y fin clavan los dos extremos de la línea de tiempo: transiciones que ya conoces. Si las proporciones no coinciden, muchos flujos recortan al primer fotograma.
• Referencia multimodal responde a «quién / qué estilo», no a un único origen temporal. Nombra la referencia principal en la primera frase.
• No mezcles en el mismo trabajo un contrato de first frame que se contradice con un montón de referencias ajenas. Elige un solo contrato de entrada.

Un orden con menos reintentos

1. Decide: ¿hay fotograma aprobado? ¿hace falta identidad entre planos?
2. Elige el modo y después escribe el prompt (el modo te dice qué borrar).
3. Valida una duración corta antes de subir el drama de cámara o la resolución.
4. En caras y envases, prioriza fotograma → image-to-video frente a tirar texto una y otra vez a ver si sale la cara.
5. Antes de medios de pago, repasa la lista de comprobación comercial.

Para quedarte con la idea

El texto a vídeo inventa; la imagen a vídeo anima un aspecto ya cerrado; inicio+fin y la referencia multimodal resuelven transiciones e identidad. Elige el modo de entrada primero; luego la familia por trabajo en Seedance, Wan o Kling—y reintentarás menos.