Desde finales de julio de 2026 es posible describir una escena en una frase y recibir hasta 20 segundos de vídeo con audio sincronizado — diálogo, efectos y sonido ambiente — sin grabar nada. FLUX 3, de Black Forest Labs, lo puso en pie en un solo modelo, y desde el 5 de agosto está disponible por API en 1080p. La pregunta que importa para quien vende no es si la tecnología impresiona. Es qué resuelve ya en tu vídeo de producto — y qué sigue entregando mal.
Nosotros producimos vídeos con IA desde hace meses, para la agencia y para clientes. Lo que viene abajo es la lista honesta: dónde ahorra semanas y dónde todavía quema el material.
Qué cambió de verdad
Tres cosas salieron del laboratorio en 2026. La primera es el audio nativo: hasta ahora, sonido e imagen se generaban en herramientas distintas y se sincronizaban a mano; ahora salen juntos, con pasos, cristal rompiéndose y voz en la misma pasada. La segunda es la consistencia de personaje entre escenas, que siempre fue el talón de Aquiles del vídeo por IA — la misma persona cambiaba de cara en cada corte. La tercera es el encadenado de escenas, que permite montar una secuencia con continuidad en vez de clips sueltos.
Junto a eso apareció una capa de logística: herramientas que eligen solas qué modelo usar según la prioridad — calidad, velocidad o coste. Para una agencia que produce volumen, eso importa más de lo que parece: la prueba sale en el modelo barato, la entrega final en el caro.
Dónde ya funciona bien
- Ambientación y b-roll. La escena de apoyo — la calle, la oficina, la mesa puesta, la fábrica — sale convincente y cuesta casi nada frente a una jornada de rodaje.
- Producto en escena. Colocar el producto en un entorno que no existe o que sería caro montar. Aquí el resultado es fuerte, sobre todo combinándolo con el modelo 3D real del producto.
- Variaciones para test. Generar cinco aperturas distintas del mismo anuncio y descubrir cuál retiene al espectador. Antes era prohibitivo; hoy es una tarde.
- Portavoz corto. Ocho o diez segundos de alguien hablando a cámara funcionan — siempre que el guion sea corto y la escena, limpia.
Qué sigue saliendo mal (y ya nos pasó)
- El texto en pantalla sale garabateado. Cualquier letra que la IA tenga que dibujar — cartel, etiqueta, interfaz de app, subtítulo — sale revuelta. Solución: todo el texto entra después, por composición, no por la IA.
- El logo se recrea, no se copia. En una pared al fondo suele salir fiel. En una camiseta, una credencial o un vaso, la IA rediseña el logo a su gusto — y el cliente lo nota al instante. En esos casos estampamos el logo real encima.
- La voz falla en la entonación. La locución sintética acierta la pronunciación y falla la intención: énfasis en la palabra equivocada, pregunta que suena a afirmación. Regenerar es barato; revisar de oído es obligatorio. Las palabras que la IA insiste en leer en inglés las escribimos foneticamente en el guion.
- Continuidad entre clips. Incluso con los modelos nuevos, el personaje solo se mantiene si la descripción es idéntica y específica en todos los prompts. Cambió una palabra, cambió la cara.
- Manos, reflejos y objetos pequeños. Mejoró mucho, pero sigue siendo donde la escena delata que es sintética.
El flujo que funciona en la práctica
- Aprobar la imagen antes de animar. Se genera la escena estática primero, se ajusta encuadre, marca y vestuario ahí — y solo después se convierte en vídeo. Corregir en un fotograma es barato; corregir en 20 segundos, no.
- Separar lo que es IA de lo que es programático. Escena, entorno y personas en la IA; texto, interfaz, gráfico y logo por composición. Es el híbrido lo que da acabado profesional.
- Música por debajo, voz al frente. La música entra en la mezcla, muy por debajo de la locución, sin regenerar la toma que ya quedó bien.
- Regenerar en vez de arreglar. Cuando la toma sale casi bien, la tentación es retocar. Sale más rápido y mejor pedir otra.
Cuándo no usar IA en el vídeo
Hay material que no debe ser sintético, y no es cuestión de calidad. El testimonio de cliente, el antes y después y la persona real de la marca tienen que ser reales — si el público descubre que la "clienta satisfecha" fue generada, el daño no es estético. Lo mismo vale para cualquier cosa que funcione como prueba: resultado de un tratamiento, imagen de un inmueble que existe, foto del equipo. Y cuando la pieza es claramente una ilustración generada, decirlo en el pie no cuesta nada y evita la conversación incómoda después.
Qué cambia en el presupuesto
El coste se mudó de sitio. Antes, la línea mayor era la producción: jornada, equipo, material, localización. Ahora la línea mayor es dirección y revisión — decidir qué tiene que decir la escena, escribir el guion correcto, elegir entre treinta tomas la que no delata su origen y rematar el acabado. Sigue siendo trabajo humano, y es él el que separa un vídeo que vende de un vídeo que solo impresiona diez segundos.
Así hacemos producción de vídeos promocionales: IA donde es buena, composición donde falla, y un guion que existe antes de cualquier generación.
Fuentes
Las funciones y fechas de FLUX 3 (vídeo de hasta 20 segundos con audio nativo sincronizado, consistencia de personaje, disponibilidad general por API en 1080p desde el 5 de agosto de 2026) provienen del anuncio de Black Forest Labs. El tema nos llegó por la newsletter Café com AI. El resto viene de nuestra propia producción.