Fidelidad del primer fotograma
El clip comienza desde tu imagen exacta — la composición, los rostros y los productos se mantienen sin cambios.
Herramienta · Imagen a video
Convierte cualquier foto en un clip en movimiento
Sube una imagen fija, describe el movimiento, obtén un video, con tu composición exacta como primer fotograma. Veo 3.1 para control hasta 4K, Gemini Omni Flash para clips instantáneos con sonido. Desde $0.10 por video, pagado con criptomonedas, sin suscripción.
01Qué es
¿Cómo funciona la IA de imagen a video?
La generación de imagen a video utiliza tu foto como el primer fotograma de un clip. Subes la imagen, escribes un breve prompt de movimiento y el modelo sintetiza los segundos siguientes. En BananaBanana puedes animar con cinco modelos: Veo 3.1 y Veo 3.1 Fast (hasta 4K, audio opcional, fotogramas finales, extensiones), Veo 3.1 Lite para borradores económicos y Gemini Omni Flash, el modelo de mundo de Google que renderiza exactamente de 3 a 10 segundos a $0.10 el segundo, siempre añade sonido, combina un primer fotograma con hasta 10 imágenes de referencia y te permite editar el resultado conversacionalmente. Y Wan 3.0 de Alibaba, que anima una foto igual pero llega a 30 segundos en una sola pasada de 480p a 1080p, acepta un fotograma final donde aterrizar e incluye sonido que puedes desactivar gratis.
¿Qué puedes crear con ella?
Los casos de uso habituales: banners de producto: un packshot estático se convierte en un bucle de seis segundos con luz en movimiento y el producto girando, listo para marketplaces y anuncios; contenido social: retratos y fotos de viaje animados en Reels y Shorts en 9:16; cinemagrafías: iguala el fotograma final al primero y solo se moverán el humo, el agua o el pelo; y narrativa: genera un fotograma del personaje con referencias faciales, anímalo y encadena operaciones de extensión hasta una secuencia de 148 segundos con continuidad total. Los equipos hacen el storyboard en Veo 3.1 Lite por $0.10 el borrador y luego renderizan la toma elegida en Veo 3.1 en 4K con audio. Un clip de campaña terminado suele costar entre uno y cinco dólares, con precio por clip y no por asiento.
02Capacidades
Control sobre cada fotograma
Fotogramas finales y bucles
Añade un fotograma final opcional para transiciones controladas, o vuelve al primer fotograma para cinemagraphs.
Audio nativo
Veo 3.1 añade ambiente, efectos y diálogo bajo demanda; Omni Flash sonoriza cada clip automáticamente.
Hasta 4K, 16:9 o 9:16
Horizontal para YouTube y web, vertical para Reels, Shorts y TikTok — hasta 4K en Veo 3.1 y Fast.
Extensiones hasta 148 s
Encadena clips con continuidad visual total — secuencias de larga duración a partir de una única foto inicial.
Edición conversacional
En Omni Flash, describe un cambio y el clip se regenerará manteniendo la escena. Cualquier video terminado se puede volver a enviar para una edición de video a video.
03Cómo funciona
De foto a movimiento en tres pasos
Sube tu foto
Cualquier imagen nítida de hasta 4K — retrato, foto de producto, paisaje o ilustración. Se convierte en el primer fotograma.
Describe el movimiento
Movimiento de cámara, acción del sujeto, atmósfera, sonido. Opcionalmente, añade un fotograma final para una transición o un bucle.
Genera, extiende, descarga
Elige el modelo y la duración, renderiza, extiende si necesitas más segundos, descarga en MP4.
04Precios
Precio por clip, no por puesto
| Modelo | 4 s | 6 s | 8 s | Con audio · 8 s |
|---|---|---|---|---|
| Veo 3.1 Liteborradores, hasta 1080p | $0.10 | $0.15 | $0.20 | $0.36 |
| Veo 3.1 Fastvelocidad de producción | $0.35 | $0.52 | $0.70 | $1.00 |
| Veo 3.1fidelidad máxima | $0.70 | $1.05 | $1.40 | $3.00 |
| Gemini Omni Flash$0.10 por segundo, sonido siempre activo | — | — | — | $0.09–1.00 |
Renders en 4K desde $1.10 sin sonido / $1.30 con audio en Veo 3.1 Fast. Tablas completas en la página de precios.
Compara todos los modelos de video en la página de Veo 3.1 o consulta todos los precios en la página de precios.
05Más información
Guías del blog
IA de Imagen a Video: Convierte Cualquier Foto en un Clip en Movimiento
Paso a paso: primeros fotogramas, indicaciones de movimiento, bucles y secuencias de 148 segundos.
Leer la guíaGuía de Prompts de Veo 3.1: Escribe Prompts Que Realmente Funcionen
La estructura de siete partes y el vocabulario de movimiento de cámara para prompts de video.
Leer la guíaGeneración de Imágenes de Personajes Consistentes: Guía Práctica
Crea un personaje consistente en imágenes fijas, luego llévalo al video.
Leer la guía06Preguntas Frecuentes
Imagen a video, resuelto
¿Cómo convierto una foto en un video con IA?
Sube la foto como el primer fotograma, describe el movimiento que deseas en lenguaje sencillo — movimiento de cámara, acción del sujeto, ambiente — y genera. El modelo anima desde tu imagen exacta, por lo que la composición, los rostros y los productos se mantienen reconociblemente tuyos.
¿Cuánto cuesta la imagen a video?
Desde $0.10 por un clip silencioso de 4 segundos en 720p en Veo 3.1 Lite. Veo 3.1 Fast comienza en $0.35, el modelo insignia Veo 3.1 en $0.70, y Gemini Omni Flash cuesta $0.09–1.00 según la duración del clip, con sonido siempre activado. Pagas por clip, sin suscripción.
¿Puedo controlar cómo termina la animación?
Sí — Veo 3.1 acepta un fotograma final opcional además del primer fotograma. Úsalo para transiciones controladas entre dos imágenes fijas, o establece el fotograma final igual al primero para un bucle continuo, ideal para cinemagraphs y banners de productos.
¿Puede el video tener sonido?
Sí. Todos los modelos de Veo 3.1 generan audio nativo — ambiente, efectos, incluso diálogos — como una opción por clip (los clips silenciosos cuestan menos). Gemini Omni Flash siempre genera audio y tú lo diriges en el prompt.
¿Qué duración puede tener el video resultante?
Los clips individuales son de 4–8 segundos (Veo) o 3–10 segundos (Omni Flash). Con Veo 3.1 y Veo 3.1 Fast puedes encadenar operaciones de Extensión con continuidad visual total hasta 148 segundos en total.
Leer la respuesta completa¿Qué tipo de fotos funcionan mejor?
Imágenes nítidas y bien iluminadas con un sujeto claro: retratos, tomas de productos, paisajes, ilustraciones. Se admite una entrada de hasta 4K; el modelo sigue tu prompt de movimiento de manera más fiel cuando la descripción coincide con lo que es plausible en el fotograma.
Tus fotos están a un prompt de cobrar vida
Imagen a video desde $0.10 por clip. Saldo gratuito de $0.20 al registrarte, recargas de criptomonedas desde $1, sin suscripción.