Video Generation — Hollywood in a Text Box

Un estudio de Hollywood de mil millones de dólares comprimido en una red neuronal. Genera video cinematográfico con audio perfectamente sincronizado — diálogos, música, efectos de sonido — en un solo paso. Ahora oficialmente lanzado y accesible globalmente.

El único modelo importante que genera video con calidad cinematográfica y audio sincronizado simultáneamente. Control a nivel de director con hasta 12 activos de referencia (9 imágenes + 3 videos + 3 archivos de audio). Lanzado oficialmente en febrero de 2026, ahora disponible en seed.bytedance.com, CapCut, Dreamina, fal.ai y Higgsfield.

Proporcionar al modelo suficientes materiales de referencia multimodal para mantener un control narrativo absoluto se siente tan meticulosamente complejo como dirigir un equipo de rodaje real. Las restricciones regionales sobre rostros y celebridades varían.

El modelo de vídeo de xAI acaba de arrebatar la corona en pruebas ciegas de Image-to-Video — rápido, barato y asombrosamente bueno convirtiendo prompts o imágenes en clips coherentes a 720p con audio nativo. Imagina un laboratorio creativo a toda velocidad que le planta cara a Hollywood.

#1 en el leaderboard Arena.ai Image-to-Video (1,473 Elo, +52 pts sobre v1.0). Genera vídeo 480p/720p a partir de texto, imagen y edición de vídeo con audio nativo a $0.06–$0.08 por segundo — un 65–80 % más barato que Seedance o Sora a calidad comparable. Velocidad excelente: 5–30 segundos por clip.

Limitado a 720p/24fps con un máximo de 15 segundos — sin 4K, sin storyboarding multi-toma. La moderación de contenido agresiva bloquea incluso prompts completamente inofensivos. Aún en Preview; la limitación dinámica puede restringir las generaciones en horas pico.

A unified video powerhouse that generates synced audio, multi-shot stories, and 4K footage from text — think Hollywood VFX pipeline compressed into a browser tab.

Tops Artificial Analysis benchmarks with Elo 1,452. Native multimodal training enables pro-level lip-sync, physics-aware motion, and 15-second clips at 1080p/60fps. Superior character consistency over Veo 3.

High credit costs for Pro features ($0.50–$2 per clip), overzealous safety filters block edgy prompts, and complex scenes can glitch without precise control.