Seguimos con el capítulo 16 de “Inteligencia artificial generativa para gente real. Tu brújula para usarla bien”, una serie semanal para la Cadena Ser, en «A vivir Cantabria». En las últimas semanas hemos explorado cómo la inteligencia artificial ha revolucionado el mundo de las imágenes estáticas. Pero hoy quiero hablar de la IA generativa de vídeo, de las imágenes en movimiento. Estamos en un punto en el que podemos crear clips de vídeo de varios segundos a partir de una simple frase, y el resultado parece cine de verdad: hiperrealista, con efectos especiales o animación de alta calidad.
Muchos recordarán que, hace no tanto, la gente desconfiaba de la IA porque dibujaba manos con seis dedos. Sin embargo, la tecnología está evolucionando más rápido de lo esperado. Hoy, en muchos casos, ya no somos capaces de diferenciar un vídeo real de uno generado por algoritmos. La IA ha aprendido a «moverse», y hoy veremos cómo lo está haciendo. Se puede escuchar el programa aquí, a partir del minuto 16:14: https://cadenaser.com/audio/ser_cantabria_avivircantabria_20260301_130532_140000/
¿Qué es exactamente la IA de vídeo y cómo funciona?
Para que todos nos entendamos, la IA de vídeo es la capacidad de estos sistemas para crear secuencias en movimiento utilizando diversas técnicas:
1. Text-to-video (de texto a vídeo)
Creamos movimiento a partir de una descripción escrita.
2. Image-to-video (de imagen a vídeo)
Tomamos una foto fija y hacemos que cobre vida.
3. Video-to-video (de vídeo a vídeo)
Transformamos un vídeo real en otro con un estilo diferente. Imagina pasar una grabación tuya a dibujos animados o sustituir tu coche por un Fórmula 1 que circula por tu propia calle.
A menudo escucho el mito de que hay una «cámara» o un robot grabando en un set virtual dentro del ordenador. Nada más lejos de la realidad. Se trata de un sistema estadístico que predice cómo deberían verse los siguientes fotogramas para que encajen con lo que has pedido. Es como un «super-autocompletar»: en lugar de adivinar la siguiente palabra, como hace cualquier chatbot, la IA adivina el siguiente píxel en el tiempo.
Los tres pilares de la creación visual
Para entender cómo una máquina sabe cómo se mueve una ola o cómo camina un perro, debemos fijarnos en tres conceptos:
La imaginación comprimida (espacio latente): La IA no guarda millones de vídeos, sino los «conceptos» del mundo (gravedad, reflejos, texturas) de forma matemática. Entiende las reglas de la realidad para inventarlas desde cero.
Pasar del ruido al sentido: La IA empieza con una pantalla llena de «nieve» (caos) y va quitando ese ruido hasta perfilar la escena. Es como un escultor sacando una figura de un bloque de piedra a una velocidad de vértigo.
La coherencia temporal: Este es el gran reto. Hacer 24 imágenes por segundo y que no se contradigan. Si en el segundo uno llevas una chaqueta roja, en el segundo dos no puede ser azul. Mantener esa luz y esos objetos constantes es lo que marca la diferencia hoy en día, y está mejorando a un ritmo vertiginoso.
Del «caos líquido» al control creativo total
Hace apenas un año, los vídeos de IA parecían pesadillas líquidas que daban un poco de miedo. Ahora, no solo son más precisos, sino que tenemos control total. Podemos dirigir la cámara, pedir un zoom o un movimiento a la derecha.
Además, trabajamos de forma multimodal. Podemos darle a la IA una foto de nuestra mascota y decirle «haz que corra por la playa», marcando incluso cuál debe ser el fotograma inicial y cuál el final para que el resultado no sea azaroso.
Utilidad real: más allá de los vídeos curiosos
Existe el riesgo de llenar internet de slop (contenido basura sin valor), pero la IA de vídeo tiene aplicaciones fascinantes:
Educación: Creación sencilla de animaciones y recursos visuales para explicar conceptos complejos.
Medicina: Los modelos de difusión permiten visualizar simulaciones biológicas, como la interacción de proteínas o la propagación de patógenos, ahorrando semanas de trabajo en diseño 3D.
Arquitectura: A partir de un boceto, se puede generar un recorrido cinematográfico por una vivienda, viendo cómo fluyen las sombras reales de la tarde antes de poner el primer ladrillo.
Los riesgos: deepfakes y ética
No podemos ignorar el terreno pantanoso. El peligro número uno son los deepfakes. Con la sincronización labial perfecta y la clonación de voz, podemos poner a cualquiera a decir cualquier cosa.
¿La solución? Pasa por el etiquetado (un «ADN digital» que identifique el contenido sintético) y, sobre todo, por nuestro sentido crítico. Si ves a un político o artista diciendo una barbaridad, no compartas sin verificar. El sentido común es nuestra mejor herramienta.
Además, está la batalla por los derechos de autor. Estudios como Disney o Warner Bros están en pie de guerra. Recientemente, Disney envió una carta de «cese y desistimiento» a los dueños de Seedance 2.0 (ByteDance), el modelo que ha sorprendido a la comunidad recientemente con un nivel de realismo jamás visto hasta ahora, acusándoles de «saqueo virtual» para entrenar sus modelos, tras hacerse viral un vídeo hiperrealista de Tom Cruise y Brad Pitt peleando.
¿Dónde puedes probarlo (gratis y de pago)?
Si quieres experimentar por tu cuenta, aquí tienes mis recomendaciones:
- Opciones gratuitas: Meta AI y Grok son accesibles y fáciles de usar en línea, aunque siempre advierto que los guardarraíles éticos de Grok son algo débiles y permiten generar contenidos polémicos. Si quieres opciones gratuitas de vídeo, lo mejor es instalar ComfyUI y hacer correr en tu ordenador sin limitaciones modelos de código abierto como Wan, Hunyuan o LTX.
- El «atajo» profesional: En cuanto a las opciones de pago en línea, en lugar de pagar suscripciones individuales de 30 euros, yo recomiendo plataformas como Freepik. Funciona como una ventanilla única donde, con una sola suscripción, tienes acceso a los mejores modelos: Sora (de OpenAI), Kling (China), Veo (Google), Runway, Minimax, Hailuo, Wan, LTX 2 y la potente Seedance.
Un truco personal: dar vida a tus recuerdos
Una de las funciones con más éxito es restaurar fotos antiguas. Puedes coger una foto de tus bisabuelos, restaurarla con un modelo como Nano Banana Pro y luego usar esa imagen como fotograma inicial en una IA de vídeo. Ver a tus antepasados sonreír o saludar a cámara es una forma increíble de disfrutar de los archivos familiares.
El futuro: cine interactivo y publicidad a la carta
Lo que asoma por el horizonte es el Cine Interactivo Personalizado. Pronto podremos elegir al protagonista o la ciudad de una película antes de empezarla. La IA generará el vídeo en tiempo real solo para ti. Si quieres que un thriller ocurra en tus propias calles, la IA usará mapas de Google para recrear tu barrio.
Incluso la publicidad cambiará: veremos anuncios personalizados que se generan tan rápido como se abre una página web.
¡Hasta la semana que viene!