Dale al modelo un reparto en lugar de un primer fotograma. Sube fotos de personas, productos, vestuario o lugares, etiquétalos en tu prompt y Yovid monta una escena nueva a su alrededor con Seedance 2.5, Wan 3.0, MiniMax H3 y más.
Las referencias no son primeros fotogramas
Una referencia es algo que el modelo tiene que reconocer, no una imagen con la que el clip debe empezar. Yovid pasa cada archivo al modelo como fuente de identidad, vestuario, detalle de producto, escenario o estilo, y el modelo compone una toma nueva con la cámara y la acción que escribes. Así un personaje sostiene toda una serie, o un producto fotografiado sobre una mesa blanca aparece en una escena callejera.
El clip debe abrir con tu foto exacta
Usa la imagen como primer fotograma y conserva su composición, encuadre y pose, con movimiento añadido.
Seedance 2.5 lee hasta 30 imágenes de referencia y 10 clips de referencia por generación en el generador de Yovid. La demo de ByteDance de abajo usa ocho: la hoja de personaje de un perrito de papel, un labrador real, un dormitorio, un comedero para mascotas, una caja de juguetes y el dibujo de un niño, todos en una misma escena de 25 segundos.
Prompt de ejemplo: 2D-meets-3D, cinematic and warm. The paper puppy from @image1 is fist-sized and paper-thin, with detachable paper ears and legs and a stop-motion feel; the real yellow puppy from @image2 plays with it around the bedroom from @image3. (Seedance 2.5 · 16:9 · 25s)
Todo un reparto a partir de imágenes sueltas
Wan 3.0 admite hasta 10 imágenes y 5 clips. En el ejemplo de Alibaba, un retrato fija a la protagonista, una imagen fija el reino de los lotos y siete hojas muestran cada una a una criatura en 2D y 3D; las nueve aparecen en la misma toma de 30 segundos.
Prompt de ejemplo: Eastern fantasy. Image 1 is the young woman in a light-blue denim shirt, Image 2 a hidden realm of giant lotus flowers, Images 3–9 seven creatures in 2D and 3D. She enters the realm, touches a lotus, and the creatures gather around her. (Wan 3.0 · 16:9 · 30s · 1080p)
Imágenes y clips en un mismo conjunto de referencias
Los dos rostros salen de retratos; la acción de sorber los fideos, de un clip corto. Los modelos Seedance 2.0 admiten hasta 9 imágenes y 3 clips de 2 a 15 segundos por generación; etiqueta cada archivo como @Image o @Video para que el modelo sepa para qué sirve.
Prompt de ejemplo: K-drama–style short film, warm and sweet. The girl from @Image 1 and the boy from @Image 2 sit over steaming noodle bowls. She slurps her noodles, use @Video 1 as the action reference, then looks up, sees him watching and smiles shyly. (Seedance 2.0 · 16:9 · 15s)
Películas de marca con el producto exacto
Un moodboard, una hoja de personaje, un bolso fotografiado desde tres ángulos y el logo de cierre: cuatro referencias permiten a MiniMax H3 montar una campaña de 15 segundos en 2K en la que el bolso y la placa final se mantienen fieles al original.
Prompt de ejemplo: A 16:9 fashion campaign. Image 1: mood and film grain. Image 2: character. Image 3: bag. Image 4: ending logo. On a desert highway by a vintage car, the woman takes a black bag from the trunk, shares a quiet moment with the man, then goes. (MiniMax H3 · 16:9 · 15s · 2K)
La misma cara, gorra y camisa de una toma a otra
En esta generación de Yovid, tres fotos de un pizzero y su local lo mantuvieron reconocible en una vista nocturna desde la calle, en el horno y en la entrega en el mostrador. Reutiliza el mismo conjunto y la misma redacción para construir una serie a su alrededor.
Prompt de ejemplo: Use the references for the pizza maker and his shop. Seen through the window at night, he slides a pizza from the oven, boxes it and hands it over the counter with a smile. Same face, cap and shirt in every shot, warm neon light. (Seedance 2.0 · 16:9 · 15s · 1080p)
Modelos conmodo de referencias
Seedance 2.5 tiene el mayor conjunto, Wan 3.0 hace tomas de 30 segundos con hasta 10 imágenes, MiniMax H3 renderiza en 2K y Seedance 2.0 Mini te deja probar el flujo con créditos gratis.
Modelos de video con referencias: cuántos archivos admite cada uno
Los límites y las tarifas salen directamente de los ajustes del propio generador, así que esta tabla cambia cuando cambia un modelo.
Modelos de video con IA en Yovid con modo de referencias: imágenes de referencia, clips de referencia, duración del clip, duración del resultado, resolución máxima, acceso con créditos gratis y créditos por segundo
Los créditos por segundo son tarifas de catálogo para una generación con imágenes de referencia, antes de los descuentos del plan. Las imágenes no suman nada en los modelos Seedance, Kling 4.0 ni Wan 3.0; MiniMax H3 suma unos 1,4 créditos por cada imagen después de la quinta. Un clip de referencia cambia la cuenta: Seedance cobra los segundos del clip más los del resultado a su tarifa más baja para clips de referencia, Kling 4.0 cobra el resultado más lo que dure más entre los clips y el resultado, también a su tarifa más baja para clips, Wan 3.0 y MiniMax H3 cobran ambos a la tarifa normal, y Kling O3 cobra solo el resultado. En Wan 3.0 los clips y el resultado comparten un presupuesto de 30 segundos. Los créditos gratis llegan hasta 720p.
Casos de uso
Quién trabaja con referencias
Series con un reparto fijo
Mantén al mismo presentador, mascota o personaje en cada episodio, anuncio o corto reutilizando un solo conjunto de referencias.
Productos en lugares que nunca fotografiaste
Lleva un packshot a una cocina, un sendero o una calle de ciudad mientras la forma, el color y el logo se mantienen fieles.
Lookbooks y campañas
Combina modelos, prendas y accesorios de fotos separadas en una sola película de moda con estilo.
Personajes ilustrados en movimiento
Hojas de personaje y dibujos se convierten en intérpretes animados que conservan su diseño de una toma a otra.
Crea un video con imágenes de referencia en 3 pasos
Paso 1
Reúne un archivo claro por papel
Una imagen por personaje, una para el vestuario o el producto, una para el lugar o el estilo. Un fondo liso y una vista clara son lo que más ayuda.
Paso 2
Adjúntalos y etiqueta cada uno
Añade tres o más imágenes y se convierten en referencias. Al escribir @ en el prompt aparecen tus archivos como @Image 1, @Image 2 y así sucesivamente; dale a cada uno su papel.
Paso 3
Dirige la toma nueva
Escribe la acción, la cámara y la luz de una escena que todavía no existe, elige una duración, revisa los créditos y haz clic en Generar.
«La cara de @Image 1, la chaqueta de @Image 2» funciona mejor que cinco fotos sin instrucciones. Nombra en el prompt el papel de cada archivo.
Muestra al personaje desde varios lados
Una vista de frente, de lado y de espaldas, aunque estén juntas en una sola hoja, mantiene reconocible a una persona o mascota mientras la cámara gira a su alrededor.
Deja que la imagen describa el aspecto
Sáltate la descripción escrita del rostro o del vestuario. Las palabras que no coinciden con la imagen alejan el resultado de ella.
Reutiliza el conjunto para una serie
Mantén idénticas las imágenes, las etiquetas y la redacción de un prompt a otro, y varía solo la acción y la cámara.
Fotografía los productos limpios
Un fondo liso y una instrucción como «mantén la etiqueta y la tapa exactamente como en @Image 3» protegen los detalles que venden.
Cuenta con filtros para rostros reales
Los proveedores de modelos pueden rechazar celebridades, rostros de personas reales o personajes protegidos. Las generaciones fallidas no se cobran.
Herramientas relacionadas
Otras formas de empezar una toma
Las referencias son una entrada entre varias. Elige la que encaje con el material que tienes, con la misma cuenta y los mismos créditos.
Es un modo de generación en el que tus imágenes, y en la mayoría de los modelos también clips cortos, le dicen a la IA quién y qué debe aparecer: un rostro, un vestuario, un producto, un lugar o un estilo. A partir de ahí el modelo inventa una toma nueva dirigida por tu prompt, y ninguna referencia tiene que aparecer como fotograma real.
¿En qué se diferencia referencia a video de imagen a video?
Con imagen a video el clip abre con tu imagen, lo que fija su composición y su pose. Referencia a video toma lo que hay en las imágenes y lo pone en una composición nueva. Elige imagen a video cuando el encuadre debe coincidir, y referencia a video cuando debe coincidir el personaje o el producto.
¿Qué modelos admiten imágenes de referencia en Yovid?
Seedance 2.5 va en cabeza con 30 imágenes. Kling 4.0 y Wan 3.0 admiten 10. Las versiones estándar, Fast y Mini de Seedance 2.0 admiten 9 cada una, igual que MiniMax H3. Kling O3 prescinde de las imágenes y trabaja con un clip de referencia.
¿Puedo usar también clips de video como referencia?
Ocho modelos leen clips. Seedance 2.5 es el que más admite: diez clips de 2 a 30 s cada uno. Los tres modelos Seedance 2.0 y MiniMax H3 leen tres clips de 2 a 15 s, Kling 4.0 cinco clips de al menos 3 s (30 s en total), Wan 3.0 cinco clips de 1 a 15 s y Kling O3 un solo clip de 3 a 10 s. Un clip puede aportar su acción, su movimiento de cámara o su look, y todos estos modelos salvo Kling O3 combinan clips con imágenes en una misma generación.
¿Las imágenes de referencia se cobran aparte?
En Seedance y Wan 3.0 son gratis: una generación con imágenes cuesta lo mismo que una solo con texto. MiniMax H3 cobra unos 1,4 créditos por cada imagen después de la quinta. Los clips de referencia siguen la facturación de cada modelo, explicada en la nota bajo la tabla.
¿Hay una forma gratuita de probar las referencias?
Sí. Los créditos gratis de una cuenta nueva funcionan en Seedance 2.0 Mini, que lee hasta 9 imágenes de referencia y 3 clips a hasta 720p. Para Seedance 2.5, Kling 4.0, Wan 3.0, MiniMax H3 o Kling O3 necesitas un plan de pago o un paquete de créditos. Los resultados gratuitos salen sin marca de agua.
¿Cómo mantengo el mismo personaje en varios videos?
Usa siempre las mismas imágenes de referencia, mejor con vistas de frente, de lado y de espaldas y un primer plano nítido del rostro, y menciónalas con las mismas etiquetas. Varía de un clip a otro solo la acción, la cámara y el escenario. Con 30 espacios para imágenes, Seedance 2.5 admite varios personajes, su vestuario y la locación en una sola generación.
¿Por qué mi personaje sigue cambiando entre tomas?
Casi siempre la descripción escrita de la persona contradice la foto, el rostro es pequeño o está parcialmente tapado, o dos referencias compiten por el mismo papel. Quita la descripción escrita, usa una vista frontal nítida y dale a cada archivo una sola tarea.