Proceso de generar secuencias de video completas en movimiento fluido a partir de una descripción en texto utilizando modelos generativos de difusión espaciotemporal.
Explicación y Contexto Conceptual
Text-to-Video (T2V) es la evolución más ambiciosa de la inteligencia artificial generativa, que traslada el éxito de la generación de texto e imágenes fijas al dominio del tiempo, el movimiento y la física visual. Modelos de referencia como OpenAI Sora, Runway Gen-2/Gen-3 Alpha o Pika permiten introducir un prompt descriptivo y recibir clips de video de alta definición (1080p o 4K) en pocos segundos.
En la creación de anuncios, T2V permite generar tomas cinematográficas que antes requerían presupuestos millonarios y semanas de posproducción con efectos visuales (VFX): planos aéreos de drones sobre ciudades futuristas, cámaras lentas de líquidos en colisión o tomas macro extremas de texturas de ingredientes naturales.
Los equipos de marketing utilizan T2V para producir b-roll publicitario, transiciones creativas de alto impacto y escenas contextuales para comerciales de televisión y redes sociales.
Ejemplo en la Práctica
Prompt T2V: "Toma cinematográfica aérea a cámara lenta de un jeep todoterreno cruzando un río cristalino en la Patagonia al amanecer"; el modelo genera el clip en 45 segundos.