Texto a video: escribe una escena y obtén un clip de video
Texto a video convierte una descripción escrita en un clip de video. En la herramienta de video de shuut puedes empezar solo con texto, sin necesidad de imágenes ni grabaciones.
En shuut, varios modelos hacen texto a video. Se diferencian en si dicen tus diálogos, en cómo manejan el sonido y en cuánto puede durar un solo clip.
Modelos para este uso
| Modelo | Creado por | Precio | Precio más bajo | Duración |
|---|---|---|---|---|
| Seedance 2.5 | ByteDance | 26 créditos por segundo | 12 créditos por segundo | 4-30 segundos |
| Veo 3.1 | 44 créditos por segundo | 22 créditos por segundo | 4 segundos, 6 segundos y 8 segundos | |
| Kling 4.0 | Kuaishou | 18 créditos por segundo | 18 créditos por segundo | 3-30 segundos |
| Seedance 2.0 | ByteDance | 17 créditos por segundo | 8 créditos por segundo | 4-15 segundos |
| MiniMax H3 | MiniMax | 10 créditos por segundo | 10 créditos por segundo | 4-15 segundos |
| Wan 3.0 | Alibaba | 11 créditos por segundo | 6 créditos por segundo | 2-30 segundos |
| Grok Imagine Video 1.5 | xAI | 16 créditos por segundo | 9 créditos por segundo | 1-15 segundos |
| Omni 1.2 Flash | 8 créditos por segundo | 3 créditos por segundo | 3-15 segundos | |
| HappyHorse 1.1 | Alibaba | 16 créditos por segundo | 8 créditos por segundo | 3-15 segundos |
Los precios están en créditos (1 crédito = 0,01 US$) y se descuentan de tu saldo de shuut con cada uso. Verás el precio exacto antes de cada generación.
Cómo funciona texto a video en shuut
Abre la herramienta de video y elige un modelo de la lista.
Describe la escena en el prompt: quién aparece, dónde ocurre, qué se mueve y cómo se comporta la cámara.
Para que un personaje diga algo, escribe la frase entre comillas y elige un modelo que diga las frases entre comillas.
En los modelos con interruptor de sonido, activa o desactiva el sonido antes de pulsar «Generar».
Si necesitas más de una toma, Director Studio convierte la descripción de una escena en un guion gráfico y luego en una película.
Qué modelos hacen texto a video y en qué se diferencian
Seedance 2.5, Kling 4.0, Veo 3.1, Veo 3.1 Fast y Omni 1.2 Flash dicen las frases que escribes entre comillas.
Kling 4.0 (de Kuaishou), Grok Imagine Video 1.5, HappyHorse 1.1, Omni 1.2 Flash, MiniMax H3 Highspeed y H3 Lite siempre añaden sonido al clip.
Seedance, Veo 3.1 y Wan 3.0 te permiten elegir si el clip tiene sonido. MiniMax H3 genera video sin sonido.
Seedance 2.5, Kling 4.0 y Wan 3.0 pueden generar un solo clip largo, así que van bien para escenas que necesitan más tiempo.
Veo 3.1 es el modelo de video de Google. Veo 3.1 es el Veo de mayor calidad, en 1080p con diálogos y sonido ambiente. Veo 3.1 Fast es más rápido y económico, y también genera diálogos y efectos de sonido.
Seedance 2.5 es de ByteDance y llega hasta 1080p. Seedance 2.5 Flash es más rápido y económico, en 480p y 720p.
Consejos para un prompt de texto a video
Escribe las palabras habladas entre comillas, tal como deben sonar.
Seedance 2.5 también dice frases en coreano.
Si quieres un clip sin sonido, elige MiniMax H3 o desactiva el sonido en Seedance, Veo 3.1 o Wan 3.0.
Revisa la columna «Duración» de la tabla de esta página antes de elegir un modelo para una escena más larga.
Seedance 2.5 y Veo 3.1 también aceptan una escena inicial y una escena final, por si más adelante quieres guiar el clip con imágenes.
Si en el video aparecen personas reales, comprueba si el sitio donde lo publicas exige una etiqueta de contenido generado por IA.
Cómo crear un clip de texto a video en shuut
- Abre la herramienta de video en shuut.
- Elige un modelo, por ejemplo Seedance 2.5, Kling 4.0 o Veo 3.1.
- Describe la escena y escribe los diálogos entre comillas.
- Activa o desactiva el sonido si el modelo ofrece la opción.
- Pulsa «Generar» para obtener tu clip de video.
Preguntas frecuentes
- ¿Qué modelo de texto a video puede decir mis diálogos?
- Seedance 2.5, Kling 4.0, Veo 3.1, Veo 3.1 Fast y Omni 1.2 Flash dicen las frases que escribes entre comillas. Seedance 2.5 también habla coreano.
- ¿Cuánto puede durar un clip de texto a video?
- La duración de los clips de cada modelo aparece en la columna «Duración» de la tabla de esta página. Seedance 2.5, Kling 4.0 y Wan 3.0 generan los clips individuales más largos.
- ¿Veo 3.1 o Veo 3.1 Fast? ¿Cuál le conviene a mi clip?
- Veo 3.1 es el Veo de mayor calidad, en 1080p con diálogos y sonido ambiente. Veo 3.1 Fast es más rápido y económico, y también genera diálogos y efectos de sonido.
- ¿Un clip de texto a video puede salir sin sonido?
- Sí. MiniMax H3 genera video sin sonido, y Seedance, Veo 3.1 y Wan 3.0 te permiten desactivar el sonido.
- ¿Cuánto cuesta texto a video en shuut?
- Cada modelo muestra su precio como presupuesto antes de que pulses «Generar». En Veo 3.1, el precio cambia con sonido y sin sonido.
Qué puedes crear
- Imagen a video IA: convierte una foto en un clip con movimiento
- Creador de shorts con IA: clips verticales, subtítulos y cambio de proporción en shuut
- Escalador de video con IA: amplía clips y fotos a 4K
- Sincronización labial IA en video con Kling Lip Sync
- Video de avatar IA hablando a partir de una foto y una voz
- Video UGC con IA a partir de la foto de un presentador, la foto de un producto y un guion
Actualizado el 17 de noviembre de 2026
Antes de empezar
Pagas por resultado, con un presupuesto antes de presionar «Generar»; las suscripciones son opcionales.
Toma animada, Subtítulos y Cambiar proporción son gratis al registrarte.
La sección 9 de los Términos trata sobre el uso comercial; el alcance varía según el modelo y el acuerdo, y verificar los derechos, las normas publicitarias y las etiquetas de IA te corresponde a ti.
shuut no está afiliado a los creadores de los modelos.