Idioma: Español

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.

Abrir la herramienta en shuut

Modelos para este uso

ModeloCreado porPrecioPrecio más bajoDuración
Seedance 2.5ByteDance26 créditos por segundo12 créditos por segundo4-30 segundos
Veo 3.1Google44 créditos por segundo22 créditos por segundo4 segundos, 6 segundos y 8 segundos
Kling 4.0Kuaishou18 créditos por segundo18 créditos por segundo3-30 segundos
Seedance 2.0ByteDance17 créditos por segundo8 créditos por segundo4-15 segundos
MiniMax H3MiniMax10 créditos por segundo10 créditos por segundo4-15 segundos
Wan 3.0Alibaba11 créditos por segundo6 créditos por segundo2-30 segundos
Grok Imagine Video 1.5xAI16 créditos por segundo9 créditos por segundo1-15 segundos
Omni 1.2 FlashGoogle8 créditos por segundo3 créditos por segundo3-15 segundos
HappyHorse 1.1Alibaba16 créditos por segundo8 créditos por segundo3-15 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

  1. Abre la herramienta de video en shuut.
  2. Elige un modelo, por ejemplo Seedance 2.5, Kling 4.0 o Veo 3.1.
  3. Describe la escena y escribe los diálogos entre comillas.
  4. Activa o desactiva el sonido si el modelo ofrece la opción.
  5. 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

Abrir la herramienta en shuut

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.

Precios · Términos