Diccionario IA / Text-to-video

🎨 Imagen, vídeo y sonido

Text-to-video es la generación de tomas en movimiento a partir de descripción textual, y cada vez más también desde una imagen individual (image-to-video), que el modelo anima. Los sistemas actuales crean clips de varios a decenas de segundos con física de movimiento verosímil, y los mejores generan también audio sincronizado. Los mayores desafíos son la coherencia de personajes entre tomas, secuencias más largas y control preciso de dirección. En la práctica los creadores tratan estas herramientas como fábrica de tomas individuales para montaje, no como máquina de películas completas.