Tienes una foto estupenda y quieres que cobre vida. Una brisa entre el pelo, olas que llegan a la orilla, un acercamiento lento hacia el rostro del sujeto. Eso es exactamente lo que promete Hunyuan image to video: le das al modelo un fotograma fijo, añades un prompt de texto corto y devuelve un clip que parte de tu imagen. El problema es que el modelo tiene límites firmes de duración, resolución y hardware, y la mayoría de la gente los descubre después de perder una tarde con una instalación fallida.
Este artículo explica qué hace realmente el modelo, cuánto pueden durar tus clips, qué ajustes importan y qué prompts dan un movimiento limpio en lugar de rostros deformados. También aborda la pregunta de "gratis online" con honestidad, porque la respuesta no es tan simple como una única web.
💡 Respuesta rápida: el modelo de image to video de Tencent para Hunyuan genera hasta 720p y hasta 129 fotogramas, lo que equivale a unos 5 segundos. La receta por defecto usa 50 pasos de inferencia. Ejecutarlo en local necesita una GPU muy grande, así que la mayoría de la gente usa una herramienta alojada.
Qué hace Hunyuan image to video
Hunyuan es la familia de modelos de video de Tencent. La versión original de texto a video fue seguida por una versión de imagen a video, normalmente escrita como HunyuanVideo-I2V. En lugar de inventar una escena solo a partir de palabras, el modelo I2V toma tu foto como primer fotograma y predice lo que pasa después.

Cómo lee el modelo tu foto
El modelo toma tu imagen como ancla. El sujeto, los colores, la iluminación y la composición vienen de la foto. El prompt solo describe el movimiento: qué se mueve, a qué velocidad y qué hace la cámara. Por eso un prompt corto suele ganar a uno largo. Si vuelves a describir cosas que ya se ven en la imagen, el modelo tiene más probabilidades de alejarse de tu original.
Casi siempre se mantienen tres cosas de la foto:
- Identidad: los rostros, la ropa y los objetos se mantienen cerca del original durante el primer segundo.
- Dirección de la luz: una ventana desde la izquierda sigue siendo una ventana desde la izquierda.
- Encuadre: la composición inicial coincide con tu imagen.
Lo que no se mantiene de forma fiable es el último segundo del clip. Los rostros pueden suavizarse y las manos deformarse a medida que el movimiento aumenta, por eso el movimiento más corto y tranquilo suele verse mejor.
Dónde está el modelo hoy
El modelo de image to video tiene pesos abiertos de Tencent, así que cualquiera con hardware suficiente puede ejecutarlo. También existe una familia más reciente, HunyuanVideo 1.5, con su propia variante de image to video y distintos preajustes de resolución. Trátalos como modelos separados con límites separados. Las cifras de este artículo se refieren a la versión original HunyuanVideo-I2V.
💡 Nota de disponibilidad: HunyuanVideo-I2V no está en PicassoIA. Más abajo encontrarás una sección sobre cómo obtener resultados similares con modelos de image to video que sí están en la plataforma.
¿Se puede usar gratis online?
Respuesta corta: los pesos son gratuitos, el cómputo no. "Gratis online" suele significar una de tres cosas.
Ejecutarlo tú mismo
Como el modelo es abierto, puedes descargarlo y ejecutarlo en tu propio equipo. La configuración oficial indica un pico de memoria de GPU de unos 60 GB para generar 720p con tamaño de lote uno. Eso lo sitúa por encima de una tarjeta gráfica de juegos típica. Existen versiones de la comunidad que reducen el uso de memoria, pero lo hacen a costa de velocidad o calidad, y la instalación implica entornos de Python, archivos de modelo y flags de línea de comandos.

Servicios alojados
Varias plataformas de alojamiento ofrecen el modelo mediante una API o un formulario web. Normalmente dan unos cuantos créditos gratuitos y luego cobran por clip. Los valores por defecto tienden a reflejar las cifras oficiales: 129 fotogramas y 720p. Los precios y las cuotas gratuitas cambian con frecuencia, así que revisa las cifras actuales antes de planear un lote de clips.
Lo que ofrece PicassoIA en su lugar
PicassoIA tiene un modelo llamado Hunyuan Video. Ojo: es el modelo de texto a video. No acepta una imagen de entrada, así que no es el modelo I2V del que trata este artículo. Sigue siendo útil si quieres ver cómo la familia Hunyuan gestiona el movimiento a partir de un prompt solo.
| Opción | Necesita GPU | Entrada de imagen | Tiempo de configuración |
|---|
| HunyuanVideo-I2V local | Sí, unos 60 GB de pico | Sí | Horas |
| API I2V alojada | No | Sí | Minutos, costo por clip |
| Hunyuan Video en PicassoIA | No | No (solo texto) | Segundos |
| Modelos de image to video en PicassoIA | No | Sí | Segundos |
Límites de duración y resolución
Esta es la parte que la mayoría de los tutoriales se saltan, así que aquí van las cifras sin rodeos.
129 fotogramas, unos 5 segundos
La versión oficial genera hasta 129 fotogramas. Los recuentos de fotogramas de esta familia de modelos siguen la regla 4k+1, así que los valores válidos incluyen 49, 81, 97 y 129. A unos 24 fotogramas por segundo, 129 fotogramas dan casi 5 segundos. Algunos alojamientos informan de 25 fps, lo que cambia la duración en una fracción de segundo. En cualquier caso, toma 5 segundos como techo.

¿Quieres una escena más larga? Genera varios clips de 5 segundos y únelos en el montaje. Toma el último fotograma del clip uno como imagen de origen del clip dos. Las uniones se notarán si cambia la iluminación, así que mantén el movimiento de cámara sencillo.
Techo de 720p y hardware
El máximo oficial es 720p. Pedir más no añade detalle real. Si necesitas una salida más nítida, genera en 720p y pasa después el resultado por un upscaler. PicassoIA ofrece herramientas de super resolución y mejora de video justo para ese paso.
| Límite | Valor oficial |
|---|
| Resolución máxima | 720p |
| Fotogramas máximos | 129 |
| Duración aproximada | 5 segundos |
| Pasos de inferencia por defecto | 50 |
| Pico de memoria de GPU a 720p | Unos 60 GB |
| Velocidad de fotogramas | Unos 24 a 25 fps según el alojamiento |
💡 Regla práctica: cada fotograma adicional cuesta tiempo y memoria. Un borrador de 49 fotogramas termina en mucho menos de la mitad del tiempo de un render de 129, así que prueba la composición en corto y renderiza largo después.
Ajustes que cambian el resultado
Tanto si usas una configuración local como un alojamiento que expone las opciones, estos controles hacen la mayor parte del trabajo.

Pasos de inferencia
El valor por defecto es 50. Bajar a 25 o 30 da un borrador más rápido, con detalle más suave y a veces más parpadeo. Subir por encima de 50 rara vez compensa. Usa pocos pasos mientras pruebas prompts y luego vuelve a renderizar el ganador a 50.
Duración del video
Menos fotogramas significan menos tiempo para que el movimiento se desvíe. En retratos, de 49 a 81 fotogramas suele verse más limpio que los 129 completos. En paisajes, nubes y agua, la duración completa suele estar bien porque los errores son más difíciles de detectar.
Semilla y guidance
Mantén la semilla fija mientras cambias una cosa a la vez. Si cambias el prompt y la semilla a la vez, no sabrás cuál causó la diferencia. El valor de guidance integrado controla lo estrictamente que el resultado sigue tu prompt. El modelo Hunyuan de texto a video en PicassoIA usa un valor por defecto de 6, que también es un buen punto de partida para I2V.
| Ajuste | Valor de borrador | Valor final |
|---|
| Pasos | 25 a 30 | 50 |
| Fotogramas | 49 | 97 o 129 |
| Resolución | 480p | 720p |
| Semilla | Fija | Fija |
| Guidance | 6 | 5 a 7 |
Prompts que funcionan
Como la imagen ya contiene la escena, tu prompt debe leerse como una nota de director, no como una descripción.

La fórmula del prompt
Usa este orden: acción del sujeto, luego movimiento de cámara, después atmósfera.
La mujer gira lentamente la cabeza hacia la ventana y sonríe, acercamiento lento de cámara, luz suave de la mañana, una leve brisa mueve su pelo.
Mantenlo en una o dos oraciones. Una sola acción clara por clip da las mejores probabilidades.
Prompts para copiar
- Retrato: Parpadea, levanta un poco la barbilla y mira al objetivo, acercamiento muy lento, luz suave de ventana.
- Paisaje: Las olas llegan suavemente a la orilla, la niebla se desplaza sobre los acantilados, cámara fija, hora dorada.
- Calle: Un ciclista cruza el encuadre de izquierda a derecha, peatones caminan al fondo, sensación de cámara en mano.
- Producto: El vapor sube de la taza de café, la cámara orbita unos grados a la derecha, luz lateral cálida.
- Artesanía: Las manos dan forma a la arcilla húmeda, la rueda gira de forma constante, enfoque poco profundo, taller tranquilo.
- Naturaleza: La niebla se desliza entre los troncos de los pinos, las hojas tiemblan, inclinación lenta hacia arriba.

3 errores comunes
- Acumular acciones. "Ella camina, baila, saluda y gira" produce un resultado confuso. Elige un solo movimiento.
- Repetir la foto. Si el prompt vuelve a describir la ropa y la habitación, desperdicias palabras y favoreces la deriva.
- Partir de una imagen débil. Las fotos borrosas, muy recortadas o con poco contraste producen video borroso. Empieza con una imagen de origen nítida y con el sujeto bien separado del fondo.

💡 Mejores imágenes de origen: sujetos con movimiento natural y pequeño, como manos trabajando, telas, pelo, agua, vapor y niebla. La acción deportiva rápida y las escenas con muchas caras son lo más difícil.
Cómo conseguir resultados similares en PicassoIA
Como HunyuanVideo-I2V no está en PicassoIA, la opción más parecida para el mismo trabajo es Wan 2.5 I2V. También anima una sola foto a partir de un prompt, y puedes ejecutarlo en el navegador sin necesidad de hardware.

Paso a paso
- Abre la página de Wan 2.5 I2V en PicassoIA.
- Sube tu imagen de origen en el campo de imagen. Elige una foto nítida con un sujeto claro.
- Escribe un prompt de movimiento corto con la fórmula de arriba: acción, movimiento de cámara, atmósfera.
- Elige una duración de 5 o 10 segundos.
- Elige una resolución de 480p, 720p o 1080p.
- Opcionalmente, añade un prompt negativo como "cara distorsionada, parpadeo, dedos extra".
- Lanza la generación y revisa el clip. Si el movimiento no es el correcto, cambia solo el prompt y mantén la semilla.
Consejos de parámetros
- Empieza con 720p, 5 segundos. Coincide con los límites de Hunyuan, así que tus prompts se trasladan sin cambios.
- Usa la opción de 10 segundos solo en escenas tranquilas como agua, nubes y niebla.
- Deja activada la expansión del prompt en la primera prueba y desactívala si el modelo añade movimiento que no pediste.
- Fija una semilla cuando un resultado te guste, para que los pequeños cambios en el prompt sigan siendo comparables.
- Añade audio si quieres sonido sincronizado con el clip. El modelo acepta un WAV o MP3 de entre 3 y 30 segundos.
| Ajuste de Hunyuan I2V | Control más parecido en Wan 2.5 I2V |
|---|
| Resolución hasta 720p | Resolución: 480p, 720p, 1080p |
| 129 fotogramas (unos 5 s) | Duración: 5 o 10 segundos |
| Prompt | Prompt, más expansión del prompt |
| Semilla | Semilla |
| Guidance negativo | Prompt negativo |
Alternativas que vale la pena probar
HunyuanVideo-I2V todavía no está en PicassoIA. Para obtener resultados similares hoy, estas son las opciones de image to video, y cada una resuelve un trabajo ligeramente distinto.

Wan 2.7 I2V
Wan 2.7 I2V es el modelo de image to video más reciente de Wan. Elígelo cuando quieras la calidad de movimiento más reciente de la misma familia y flujo de trabajo que Wan 2.5.
Seedance 2.5 Lite
Seedance 2.5 Lite acepta una imagen de entrada como primer fotograma, funciona en 480p y 720p, y genera clips de hasta 10 segundos. Los miembros Elite e Infinite pueden generar sin costo por clip, lo que lo convierte en la mejor opción para probar muchos prompts. También admite un último fotograma opcional, para que controles dónde termina el clip.
Kling v3 Video
Kling v3 Video te permite fijar una imagen inicial y una imagen final, admite guiones de varias tomas y renderiza hasta 1080p en modo pro, con audio nativo opcional. Encaja en tomas pulidas para clientes en las que el movimiento de cámara importa.
| Modelo | Entrada de imagen | Duración máxima | Resolución máxima | Mejor para |
|---|
| Wan 2.5 I2V | Sí | 10 s | 1080p | Animación cotidiana de fotos |
| Wan 2.7 I2V | Sí | Ver la página del modelo | Ver la página del modelo | Movimiento más reciente de Wan |
| Seedance 2.5 Lite | Sí | 10 s | 720p | Pruebas de alto volumen |
| Kling v3 Video | Sí, inicial y final | Hasta 15 s | 1080p | Clips de varias tomas pulidos |
Crea tus propios clips hoy
La realidad honesta de Hunyuan image to video es sencilla: 5 segundos, 720p, mucha memoria de GPU y prompts que describen solo el movimiento. Si tienes el hardware y la paciencia, los pesos abiertos son un proyecto gratificante. Si lo que quieres es que tu foto se mueva, puedes conseguirlo en minutos desde el navegador.
Elige una foto nítida, escribe una acción clara y pásala por Wan 2.5 I2V o Seedance 2.5 Lite. Prueba la misma imagen con tres prompts distintos, cambia solo una variable cada vez y mantén la semilla fija. En pocas pruebas sabrás qué movimientos admite mejor tu foto.
¿Listo para probarlo? Abre PicassoIA, sube una foto y mira qué hacen 5 segundos de movimiento con ella. Puedes explorar todos los modelos de video disponibles en picassoia.com/en/all-models.