Blog

Guía de uso

Guía de inicio de Vidu Q3 Ad reference-to-video: límites de capacidad, integración vía API y estimación de costes

Nov 13, 2026
Imagen de portada del artículo: dos grandes bloques de color plano, uno lila grisáceo y otro negro tinta, se unen mediante un borde recto diagonal decisivo; en la unión hay una fina costura morada, con una composición sobria y contenida.
En esta página

Qué problema resuelve este modelo

Al crear productos de vídeo, los equipos suelen encontrar una brecha: el lado creativo ya tiene una imagen con un estilo claramente definido, pero para convertir esa imagen en un material dinámico utilizable hay que pasar por toda la cadena de modelado, storyboard y composición. La generación de vídeo a partir de texto cubre una parte, pero le cuesta reproducir de forma estable la composición, la relación entre sujetos y la tonalidad visual de esa imagen de referencia que tienes en la mano.

La capacidad reference-to-video de Vidu Q3 Ad apunta precisamente a esa brecha: toma el material de referencia junto con una descripción textual como entrada y produce directamente un vídeo. Para los desarrolladores, es más bien una «interfaz de generación con condiciones visuales controlables»: lo que entregas no es una descripción abstracta, sino un ancla visual.

La forma típica de invocación puede abstraerse en tres pasos: preparar el material de referencia, construir el prompt y lanzar una solicitud de generación para obtener el vídeo resultante. En el contexto de la interfaz unificada de HiAPI.ai, esto sigue siendo el flujo estándar de «enviar tarea, consultar por polling o callback, recuperar el producto»; no hace falta entender un paradigma de integración nuevo.

Está pensado para equipos que ya saben con claridad qué imagen quieren y solo necesitan ponerla en movimiento: variantes de creatividades publicitarias, escaparates de comercio electrónico, contenidos cortos para redes sociales, clips ambientales dentro de juegos o aplicaciones. Entender esto es importante: no es una herramienta que concibe la creatividad desde cero por ti, sino una capa de ejecución que convierte por lotes una intención visual existente en vídeo.

Dos entradas confluyen por una fina ranura en un único paso de generación y se condensan en un clip de salida: el flujo abstracto de reference-to-video.

Límites de capacidad y escenarios de uso

Antes de empezar la integración, distinguir «qué puede hacer» y «qué no garantiza» ahorra mucho retrabajo.

Lo que se puede esperar

  • Continuidad de imagen guiada por referencia: dado un material de referencia y un prompt, el modelo genera contenido dinámico en torno a los rasgos visuales de la referencia; es adecuado para series de materiales que deben mantener coherencia de estilo.
  • Una solicitud produce un vídeo: la relación entrada-salida es directa, lo que facilita encapsularla como una unidad de trabajo reintentable.
  • Sinergia con el prompt: el material de referencia marca el tono y el prompt añade descripciones de movimiento, cámara y ritmo; ambos restringen conjuntamente el resultado.

Lo que requiere una evaluación cuidadosa

  • No garantiza consistencia píxel a píxel fotograma a fotograma: la referencia «guía», no «copia»; no trates la imagen de referencia como un primer fotograma estricto ni como una plantilla de textura exacta.
  • Reconstrucción limitada de texto y detalles: las letras pequeñas, los logotipos complejos y los elementos de interfaz finos no suelen ser el punto fuerte de este tipo de modelos; los textos clave de las piezas promocionales deben superponerse en posproducción.
  • Planos largos y narrativa compleja más débiles: una sola generación encaja mejor en clips cortos; las narrativas de varios tramos requieren varias llamadas combinadas con montaje.
  • La generación es aleatoria: repetir la misma entrada puede dar resultados distintos; en el lado del producto hay que diseñar bien el «tomar varios y elegir uno» o la «selección manual».

Escenarios adecuados y no adecuados

Adecuados: variantes por lotes de materiales, cortometrajes de serie con estilo unificado, pruebas de concepto y previsualización de propuestas, iteración rápida de creatividades para campañas.

No adecuados: materiales finales que requieren una renderización precisa conforme a la marca, proyectos que exigen una consistencia estricta de los personajes a lo largo de un vídeo largo, escenarios con requisitos estrictos de exactitud del texto en pantalla. Delegar esto en herramientas deterministas de posproducción resulta más rentable que reintentar la generación una y otra vez.

La columna izquierda representa los usos que la generación guiada por referencia cubre de forma segura; las barras rotas de la columna derecha señalan escenarios que requieren una evaluación cuidadosa.

Puntos clave de los parámetros de la API antes de la integración

Al integrar un modelo nuevo, lo que realmente determina la cantidad de retrabajo no suele ser el modelo en sí, sino el diseño de la solicitud. Estas son las dimensiones que hay que confirmar de antemano al llamar a reference-to-video.

Entradas obligatorias y opcionales

Las entradas centrales son el material de referencia y el prompt. Antes de integrar, confirma: qué formatos y tamaños admite el material de referencia, si admite varias referencias y qué requisitos de resolución tiene el material. En el prompt conviene describir a la vez «el contenido de la imagen» y «la forma de movimiento»; por ejemplo, cómo se mueve el sujeto, si la cámara se acerca o hace un paneo, y si el ritmo general es de cortes rápidos o de movimiento suave.

Duración y especificaciones de salida

Este tipo de modelos suele facturar por duración, así que el parámetro de duración determina directamente el coste. Al integrar, la duración debe exponerse como un elemento de configuración explícito para la capa de negocio, no quedar fijada en el código; además, confirma si la resolución de salida, la tasa de fotogramas y el formato de contenedor satisfacen la cadena de reproducción posterior, para evitar tener que transcodificar tras la generación.

Modelo de tareas asíncronas

La generación de vídeo no es una llamada que devuelva en milisegundos. Por diseño, debe asumirse el flujo asíncrono de «enviar tarea → obtener identificador de tarea → polling o callback → descargar el producto», y guardar una máquina de estados por tarea: en cola, generando, correcta, fallida, agotada. No intentes sostenerlo con solicitudes síncronas y timeouts; eso hace que la lógica de reintentos y la conciliación de facturación sean difíciles de rastrear.

Idempotencia y reintentos

Acompaña cada envío con un identificador de solicitud único del lado del negocio, para asegurar que los envíos duplicados por anomalías de red no generen cobros ni archivos duplicados. La estrategia de reintentos debe distinguir entre errores reintentables (timeout, limitación de tasa) y no reintentables (parámetros inválidos, material de referencia no conforme).

Alineación con la interfaz unificada

Encapsula la llamada al modelo en una capa de adaptación interna, expón hacia fuera tu propia estructura de parámetros y mapea internamente a los campos concretos de la API. Así, al cambiar o añadir modelos más adelante, el código de negocio no necesita cambios y solo se ajusta la capa de adaptación.

Estimación de costes con facturación por segundo

Este modelo factura por los segundos de vídeo de salida. Para estimar el presupuesto, basta convertir «duración por pieza × número de piezas» en segundos totales y multiplicarlo por el precio unitario. El precio en tiempo real se rige por el panel de precios del sitio; aquí solo se explica el método de conversión.

Cómo calcular el coste de una pieza

Supón que quieres generar un clip de 5 segundos. La ruta de cálculo es: 5 segundos × precio por segundo = coste por pieza. En escenarios por lotes es igual: generar 100 materiales de 5 segundos da una duración total de 500 segundos, y el coste es 500 × precio unitario. Aquí solo hay tres variables clave: la duración, el número de piezas y las generaciones adicionales por reintentos o muestreos múltiples.

Incluir la «incertidumbre» en el presupuesto

Los modelos generativos son aleatorios; en la práctica suele ser necesario generar varios candidatos para la misma entrada y luego elegir. Si haces 3 muestreos por material, el coste real es 3 veces el número de piezas objetivo. Al presupuestar, el multiplicador de muestreo debe ser un parámetro explícito:

  • Número de piezas objetivo: N
  • Número medio de muestreos: K
  • Duración por pieza: T segundos
  • Segundos totales generados ≈ N × K × T

Además está el gasto de reintentos por fallos; se recomienda reservar un porcentaje de margen en el presupuesto, fijado según la tasa de fallos que observes, no a ojo.

Cuatro palancas para controlar el presupuesto

  1. Validar primero con duraciones cortas: ajusta el prompt y el material de referencia con clips de 2–3 segundos y, cuando confirmes la dirección, alarga la duración.
  2. Muestreo por capas: primero haz una criba de varios candidatos con parámetros de bajo coste y, tras elegir la dirección, genera con alta calidad las opciones seleccionadas.
  3. Limitar el número de reintentos: fija un límite de reintentos por entrada para evitar que las tareas fallidas consuman presupuesto en un bucle infinito.
  4. Conciliar por segundos: usa los segundos generados como unidad interna de cálculo de costes, alineada con el criterio financiero, para poder rastrear el coste real de cada material.

Si se toma el «segundo» como la única unidad de coste, la lógica de estimación para piezas individuales y lotes es la misma y no se distorsiona al cambiar la escala del negocio.

Usos típicos y recomendaciones de combinación

Integrar el modelo es solo el primer paso; los modos de producción que se pueden combinar en torno a él determinan el valor real de esta integración.

Modo 1: producción masiva de contenido

Con un prompt plantilla más un lote de materiales de referencia, generar por lotes a través de una cola. Encaja en escenarios como escaparates multi-SKU de comercio electrónico o contenido diario para redes sociales, donde el volumen es alto y los requisitos por pieza no son extremos. En ingeniería hay que cuidar tres cosas: cola de tareas y control de concurrencia, almacenamiento y convención de nombres de los productos, y reinserción automática de tareas fallidas.

Modo 2: comparación de versiones y materiales A/B

El mismo material de referencia con prompts distintos, o el mismo prompt con varios muestreos, produce un conjunto de candidatos. Este modo encaja en las pruebas de creatividades antes de una campaña: entrega los candidatos al sistema de compra de medios para una validación con poco tráfico y decide la versión principal con datos reales. En el diseño de ingeniería, el «lote de generación» debe ser una unidad rastreable, registrando los parámetros correspondientes a cada candidato para facilitar el análisis posterior.

Modo 3: encadenado con revisión humana

Los resultados generados no se publican directamente, sino que entran en una cola de selección manual o de revisión de cumplimiento. Es la forma de implantación más prudente hoy: la máquina aporta capacidad y la persona aporta criterio. En la cadena se pueden insertar filtros previos automáticos (como duración, resolución o detección de fotogramas negros) para bloquear los productos claramente defectuosos antes de la revisión humana.

Modo 4: herramienta de propuesta creativa

Antes de la producción formal, genera previsualizaciones dinámicas rápidas con materiales de referencia para ayudar a clientes o responsables de decisión a formarse expectativas. Este uso exige poca consistencia y mucha velocidad, justo en la zona de ventaja del modelo.

Recomendaciones de combinación

Los modos anteriores no son mutuamente excluyentes. Una cadena de producción típica es: validación piloto con duraciones cortas → generación por lotes → filtro previo automático → revisión humana → pruebas de campaña → retroalimentación de datos al repositorio de prompts. Cada eslabón produce datos reutilizables, y la calidad de los prompts y de los materiales de referencia mejora con cada iteración.

Preguntas frecuentes y enfoque de resolución de problemas

La mayoría de los fallos durante la integración se pueden clasificar en unas pocas categorías. Siguiendo este orden de comprobación, normalmente se localiza el problema en pocas rondas.

El resultado generado se aleja mucho de lo esperado

Es la queja más común. Primero comprueba si el prompt solo describe una imagen estática y no indica movimiento; después, si el material de referencia es nítido y el sujeto está claro. Si el material de referencia tiene una composición desordenada, al modelo le cuesta extraer rasgos útiles. Se recomienda hacer primero una prueba de base con un material de referencia minimalista y un prompt corto, y aumentar la complejidad gradualmente una vez que la cadena funcione.

Los rasgos de la referencia no aparecen

Primero confirma si el formato, el tamaño y el contenido del material de referencia cumplen los requisitos de la interfaz; después, que el prompt no contenga descripciones que entren en conflicto con el material de referencia. Cuando el material de referencia y el prompt dan instrucciones contradictorias, el resultado suele no parecerse a ninguno de los dos.

La tarea tarda demasiado o se agota

Revisa la implementación del flujo asíncrono: si el intervalo de polling es demasiado corto y provoca limitación de tasa, si la URL de callback es accesible y si el estado de la tarea se persiste correctamente. No mantengas esperas con conexiones largas en el cliente; el estado de la tarea debe residir en el servidor.

Cobros duplicados o productos duplicados

Casi siempre se debe a la falta de idempotencia. Confirma que cada envío lleva un identificador de solicitud único y que el servidor deduplica por ese identificador. Revisa también si la lógica de reintentos lanza nuevas solicitudes sin condiciones tras un timeout.

El producto no se reproduce

Confirma la compatibilidad del formato de salida con el reproductor posterior, especialmente el formato de contenedor, la codificación y la tasa de fotogramas. Si la generación fue correcta pero la reproducción falla, el problema suele estar en la descarga o el traslado, no en la generación.

El coste supera lo previsto

Revisa el multiplicador de muestreo y el número de reintentos. La mayoría de los excesos no vienen del precio unitario, sino de reintentos sin límite y multiplicadores de muestreo demasiado altos. Poner límites estrictos a estos dos parámetros es la forma más directa de contener la sangría.

Lista de comprobación antes de lanzar

Confirmando punto por punto lo siguiente, básicamente se puede decidir si este modelo encaja en tu producto.

Adecuación a la necesidad

  • Se ha aclarado que la capacidad es «guiada por referencia» y no «reproducción exacta», y el texto del producto está alineado con las expectativas del usuario.
  • Se ha confirmado que el escenario objetivo es de clips cortos y continuidad de estilo, no de narrativa larga o consistencia estricta.
  • Se ha determinado que los textos clave y los logotipos de la imagen se superpondrán en posproducción y no dependerán de la generación del modelo.

Diseño de la interfaz

  • Los requisitos de formato, tamaño y cantidad del material de referencia están confirmados e incorporados a la lógica de validación.
  • Los parámetros que afectan al coste, como duración y resolución, están expuestos como elementos de configuración y no fijados en el código.
  • El flujo de tareas asíncronas está completo: envío, persistencia de estado, polling o callback, descarga del producto.
  • El identificador de idempotencia y la estrategia de reintentos están implementados, con distinción entre errores reintentables y no reintentables.
  • La llamada al modelo está encapsulada en una capa de adaptación interna, lo que facilita sustituir o añadir modelos más adelante.

Coste y presupuesto

  • Se ha estimado el presupuesto por fases según «segundos × multiplicador de muestreo × número de piezas», con un margen para fallos.
  • Se han fijado límites estrictos al número de muestreos y de reintentos.
  • Se ha establecido un criterio interno de cálculo de costes en segundos, rastreable hasta cada material.
  • El precio unitario en tiempo real y los detalles de facturación se rigen por el panel de precios del sitio, y este criterio se ha comunicado al equipo.

Calidad y cumplimiento

  • Se han diseñado mecanismos de selección del mejor candidato o de revisión humana, y los productos no se publican directamente.
  • Se han confirmado los derechos de autor y la licencia de los materiales de referencia.
  • Se han preparado reglas de filtro previo automático para descartar productos claramente defectuosos.

Ritmo de lanzamiento

  • Primero se ha validado la cadena de extremo a extremo con duraciones cortas y lotes pequeños, y luego se ha ido aumentando el volumen.
  • Se han registrado los parámetros y resultados del primer lote de generaciones como base para optimizaciones posteriores.

Recorrer esta lista antes de decidir si integrar directamente o hacer primero un piloto a pequeña escala es mucho más seguro que lanzarse por intuición. La capacidad reference-to-video de Vidu Q3 Ad se ofrece en HiAPI.ai mediante una interfaz unificada y encaja como componente de la capa de ejecución de la cadena de producción de materiales de vídeo.

Artículos relacionados

Ver todos los artículos →

Empieza a crear con artefactos de IA persistentes

Consigue tu API key y llama a modelos de imagen, vídeo y audio a través de una única API basada en tasks.

Leer la documentación de la API