HiDream-O1-Video en su API solo genera vídeo desde imagen

👁 113 lecturas

HiDream.ai prometió en septiembre un modelo de vídeo capaz de procesar texto, imagen y vídeo. Sin embargo, la API pública de HiDream-O1-Video-1.0 solo admite una única imagen de entrada, situándose a 11 de octubre en el sexto puesto del ranking de imagen a vídeo de Artificial Analysis (1175 Elo). Tienes todos los detalles técnicos del modelo en nuestra guía de HiDream-O1-Video.

Qué prometió HiDream en septiembre

El 15 de septiembre de 2026, HiDream.ai, el unicornio pekinés fundado por el Dr. Mei Tao, presentó en China el modelo HD-V1. Dos días después, el 17 de septiembre, lanzaron el comunicado internacional en inglés sobre HiDream-O1-Video-1.0. La descripción era ambiciosa: un modelo «nativamente omnimodal» que aceptaba texto, imagen y vídeo, generaba clips a 1080p de 5 a 20 segundos adaptando la duración a la acción de forma autónoma y producía audio sincronizado con la imagen, incluyendo sincronización labial. La compañía puso un gran énfasis en la física del movimiento: gravedad, colisiones y deformación de materiales.

Ese mismo comunicado del 17 de septiembre indicaba también que el modelo se encontraba «en pruebas internas» y que su disponibilidad pública llegaría «en un futuro próximo».

Qué ofrece realmente la API pública

La documentación oficial de la plataforma HiHarness (consultada el 11 de octubre) define HiDream-O1-Video-1.0 estrictamente como un «single-image-to-video model». El abanico de parámetros disponibles es muy escueto:

• image: imagen obligatoria, ya sea mediante URL o Base64, de 40 KB a 20 MB;
• prompt: instrucción opcional de texto;
• force_10s: único control sobre la duración: permite dejar que el modelo decida o forzar exactamente 10 s;
• request_id: identificador personalizado para la petición.

No existe modo de texto a vídeo, ni entrada de vídeo de referencia, ni soporte para múltiples imágenes, ni selección de resolución ni ajustes para el audio. Esta misma discrepancia técnica fue señalada por AlphaSignal (9 de octubre) y OrcaRouter (10 de octubre).

Rendimiento en benchmarks: alto, pero por debajo del debut

Durante su lanzamiento, HiDream presumió de un cuarto puesto en la categoría «I2V With Audio» de Artificial Analysis y un octavo lugar en Arena.ai. El 30 de septiembre, Arena.ai lo situó en la séptima posición de su ranking de imagen a vídeo (1456 puntos). En la tabla principal de Artificial Analysis del 11 de octubre figura en sexta posición con 1175 puntos Elo y un intervalo de confianza de 1165 a 1185.

La escala parte de los 1000 puntos. Entre el segundo y el sexto puesto apenas hay 6 puntos de diferencia con intervalos de confianza solapados, por lo que bajar del cuarto al sexto puesto no implica que rinda sensiblemente peor que Vidu Q4 o Seedance 2.0. El único que se despega con claridad por arriba es MiniMax H3 Max. En la categoría de texto a vídeo HiDream ni siquiera aparece listado, en coherencia con las limitaciones de su API.

vivago: contradicciones sobre el despliegue

En el terreno de las aplicaciones el panorama es confuso. El 30 de septiembre, la cuenta oficial de @vivago_ai afirmó que HiDream-O1 Video ya estaba disponible dentro de vivago R1 Studio. Sin embargo, el 9 de octubre HiDream anunció el lanzamiento global de vivago R1 (un agente para generar piezas de vídeo de hasta 5 minutos) señalando que O1-Video se integraría en R1 «en una próxima actualización». Una de las dos afirmaciones no refleja la realidad actual, y la compañía aún no lo ha aclarado.

Qué implica esto si trabajas con vídeo generado por IA

• Siempre dependes de una imagen inicial. El fotograma de partida debe crearse por adelantado, recurriendo por ejemplo al modelo de código abierto HiDream-O1-Image (licencia MIT) o a cualquier otro generador visual.
• Plataforma dedicada obligatoria. A fecha de 11 de octubre el modelo no se encuentra integrado en plataformas agregadoras como fal.ai, Replicate u OpenRouter, por lo que el acceso queda restringido a la API directa de HiHarness o a vivago.
• Costes sin tabla pública de precios. La única referencia disponible son los 5,80 USD por minuto reportados en la tabla de Artificial Analysis (unos 5,19 EUR/minuto; aprox. 0,87 EUR / 0,97 USD por clip de 10 s; conversiones estimadas según el tipo de cambio oficial del BCE del 12/10/2026: 1 EUR = 1,1181 USD, fuente ecb.europa.eu). HiDream no ha publicado tarifas oficiales en su web.
• Soporte lingüístico. Al no haber especificaciones sobre idiomas admitidos en los prompts, es aconsejable redactar las instrucciones en inglés para obtener el mejor resultado.
• Alternativas para texto a vídeo. Si necesitas generar clips directamente a partir de texto, opciones como Wan 3.0 o MiniMax H3 Max cubren este flujo y disponen de acceso a través de diversos proveedores.

Para empezar a experimentar, puedes revisar nuestra recopilación de prompts y capacidades en ejemplos con HiDream-O1-Video. Actualizaremos la información en cuanto se habiliten nuevos modos en la API.

Fuentes consultadas

• Comunicado oficial de HiDream (17/09/2026) y cobertura en QbitAI (15/09/2026)
• Documentación de HiHarness (11/10/2026)
• Leaderboard de Artificial Analysis (11/10/2026)
• Nota de prensa de vivago R1 (09/10/2026)
• Análisis de OrcaRouter (10/10/2026) y AlphaSignal (09/10/2026)

// sigue leyendoViggle AI: cómo animar personajes desde fotos y crear memesHerramientas de IAClonar voz con IA en ElevenLabs: clones desde 10 s y 2 minHerramientas de IARailway paso a paso: app desde GitHub con base de datosRevista