Grok image to video: cómo funciona, límites y prompts

¿Grok IA genera videos? Sí, con Grok Imagine

Grok image to video es una función real: Grok genera videos a través de Grok Imagine, el generador de imágenes y videos de xAI, que puede animar una imagen fija con un prompt de texto o crear un clip solo a partir de texto. Está disponible en la app de Grok y, para desarrolladores, a través de la API de xAI. Las funciones, los límites y los niveles de acceso los decide xAI y cambian a menudo, así que cada dato de abajo tiene fecha y fuente, y conviene revisar las páginas actuales de xAI antes de confiar en él. Si tu objetivo es convertir tus propias fotos en clips verticales cortos de estilo glamour, SpicyFrame, un estudio independiente no afiliado a xAI, aparece más abajo en esta página como alternativa.

Cómo funciona Grok image to video

La idea es la misma que en la mayoría de las herramientas de imagen a video. Partes de una imagen, ya sea una foto que subes o una imagen que Grok Imagine generó para ti, añades un prompt corto que describe el movimiento y generas. La imagen es el punto de partida del clip, y el prompt le dice al modelo qué cambia: quién se mueve, cómo se desplaza la cámara y qué ambiente se respira. En la documentación para desarrolladores de xAI, el modelo de video figura como grok-imagine-video-1.5 en el momento de escribir esto, y la duración, la resolución y la relación de aspecto son ajustes configurables que también influyen en el costo. En la app de Grok los controles son más simples, y las opciones que ves pueden depender de tu plan y de tu región.

Los videos de Grok IA en 2026: qué cambió

Los videos de Grok IA han avanzado rápido. La generación de video llegó por primera vez a Grok Imagine en 2025. El 2 de febrero de 2026, xAI lanzó Grok Imagine 1.0, que la prensa describió con texto a video e imagen a video, clips de hasta 10 segundos en 720p y audio generado, disponible en la app de Grok y en la API. En junio de 2026, xAI lanzó Grok Imagine Video 1.5 como versión preliminar en su API, centrada en convertir una sola imagen fija en un video corto de hasta 720p conservando los detalles y la iluminación de la imagen original. La guía de video de xAI menciona ahora duraciones de hasta 15 segundos para texto a video. Es probable que estas cifras sigan cambiando; esta guía solo las reporta.

Límites que debes conocer antes de empezar

Hay cuatro límites que importan más. Primero, la duración: un clip de Grok es corto, se mide en segundos, y las escenas más largas se construyen encadenando o extendiendo tomas. Segundo, la resolución: las cifras publicadas para imagen a video rondan los 720p, y los niveles superiores pueden depender de la versión del modelo. Tercero, el acceso: lo que puedes generar, cuántos clips y de qué duración puede variar entre los planes gratuitos y de pago de Grok, y entre la app y la API. Cuarto, las normas de contenido: xAI indica que el contenido generado está sujeto a revisión según su política de contenido, así que un prompt o un resultado pueden bloquearse. Modos como Spicy los define xAI y su comportamiento puede cambiar, así que no des por hecho que un modo permite cierto tipo de contenido.

Prompts de Grok image to video que animan bien

Los prompts de imagen a video funcionan mejor cuando describen lo que cambia, no lo que la foto ya muestra. Usa una acción, un movimiento de cámara y una nota de luz o de ambiente. 1. «Se gira despacio hacia la cámara y sonríe, acercamiento lento, luz cálida de hora dorada». 2. «El viento mueve el pelo y el vestido, cámara fija, luz suave de tarde». 3. «Camina hacia delante por la calle, travelling de seguimiento estable, llovizna y reflejos de neón». 4. «Las olas rompen detrás de ella mientras mira por encima del hombro, travelling lateral suave, resplandor del atardecer». 5. «La cámara orbita despacio alrededor del sujeto, poca profundidad de campo, ambiente cinematográfico». 6. «Sale vapor de la taza de café mientras ella se ríe, encuadre fijo, ambiente acogedor de cafetería». Añade una indicación de sonido al final si la herramienta genera audio.

Cómo elegir una foto que se anime bien

Uses la herramienta que uses, la imagen de partida decide la mayor parte del resultado. Elige una foto nítida, con buena luz, el rostro y las manos bien visibles, y algo de espacio alrededor del sujeto para que el movimiento tenga margen. Evita los filtros fuertes, los rostros diminutos entre una multitud, las manos que cruzan la cara y los fondos recargados con líneas rectas que pueden doblarse. Una foto vertical encaja con un clip vertical; una foto horizontal recortada demasiado puede perder detalle. Usa el archivo original en lugar de una captura de pantalla comprimida siempre que puedas.

SpicyFrame como alternativa de foto a video

SpicyFrame está hecho para una sola tarea: convertir tus propias referencias en una única escena vertical. Puedes añadir una foto o hasta 12 imágenes JPG, PNG o WEBP de menos de 10 MB cada una, como fotos de tu galería, publicaciones guardadas, capturas de pantalla o imágenes con IA que tengas derecho a usar, y luego nombrarlas en el prompt como @Image 1, @Image 2, etc. Una imagen puede fijar el rostro, otra la ropa y otra el lugar. Cada render es un MP4 9:16 de 5, 10 o 30 segundos en Media 480p, Alta 720p o Ultra 1080p con audio ambiente nativo, hecho con Seedance 2.5, 2.º en image-to-video de LMArena en el momento de escribir esto. Los rostros, la ropa y el estilo se mantienen coherentes con tus referencias, pero nunca se garantiza un parecido exacto.

Prompts para SpicyFrame con tus propias referencias

1. «@Image 1 se gira despacio hacia la cámara bajo un neón cálido, acercamiento lento, sonrisa segura, conservar rostro y ropa». 2. «@Image 1 con la ropa de @Image 2 camina por el pasillo de un hotel, travelling de seguimiento estable, silencio suave de habitación». 3. «@Image 1 se levanta las gafas de sol y sonríe junto a la piscina de @Image 3, reflejos brillantes, acercamiento suave, chapoteos a lo lejos». 4. «@Image 1 se sienta junto a una ventana alta con una bata de seda, luz de mañana, acercamiento muy lento, mirada pícara». 5. «@Image 1 con un vestido de satén se balancea suavemente en una azotea de noche, luces de la ciudad detrás, travelling lateral, viento ligero». Para una primera prueba, mantén una acción y un movimiento de cámara, y genera cinco segundos antes de ir a algo más largo.

Cuánto cuesta SpicyFrame

El precio se muestra antes de crear. Media 480p cuesta 3,99 US$, 4,99 US$ o 11,99 US$ por 5, 10 o 30 segundos; Alta 720p cuesta 4,99 US$, 8,99 US$ o 24,99 US$; Ultra 1080p cuesta 11,99 US$, 23,99 US$ o 70,99 US$. Puedes pagar un video sin cuenta ni suscripción, recargar piments a razón de 100 piments por dólar o elegir un plan semanal opcional, que te da un 25 % más de piments por tu dinero: Starter a 9,99 US$ por 1249 piments, Creator a 19,99 US$ por 2499 o Studio a 39,99 US$ por 4999. Los planes se renuevan cada semana y puedes cancelarlos antes de la renovación. Los fallos confirmados del proveedor devuelven los piments, y un fallo confirmado en el pago de un video individual se reembolsa.

Lo que SpicyFrame no hace

SpicyFrame es un estudio 18+ para estéticas hot, glamurosas, estilo lencería, de trajes de baño y estilo NSFW, pero no produce contenido sexual explícito y no tiene ninguna función que quite prendas. Todas las personas que aparecen deben ser adultas, las personas reales identificables deben haber aceptado la transformación, y no se permiten celebridades, suplantaciones ni contenido engañoso. Confirmas tus derechos sobre las imágenes antes de cada generación, y los controles de seguridad del proveedor siguen aplicándose, así que un prompt puede rechazarse. Si lo que buscas es un resultado explícito, ni esta página ni este estudio son el lugar indicado.

Grok Imagine y SpicyFrame de un vistazo (según lo publicado en el momento de escribir esto)

Preguntas sobre vídeo IA a partir de imágenes

Fuentes

Páginas externas, se abren en una pestaña nueva. Las clasificaciones reflejan el momento de la redacción.

1. Documentación de xAI: guía de generación de video
2. GIGAZINE: xAI lanza la IA de generación de video Grok Imagine 1.0 (febrero de 2026)
3. The Decoder: xAI actualiza Grok Imagine a 1.5 con imagen a video en 720p (junio de 2026)

Guías relacionadas