Medimos cuatro formas de convertir en vídeo con IA la panorámica de una sala inmersiva
Una panorámica de un lago y cuatro formas de darle movimiento con IA, medidas el 8 y el 9 de noviembre de 2026: cuánto cuesta cada una por 10 segundos de vídeo, cuánto tarda, cuánta nitidez conserva y cómo se repite en bucle.
Por 3walls · Publicado el · Actualizado el
La pregunta: cómo dar movimiento a la panorámica de una sala inmersiva
Una sala inmersiva muestra una sola imagen a lo largo de tres paredes. Cada pared mide 1920 × 1080 píxeles, así que la imagen completa mide 5760 × 1080. En la primera parte de esta serie comparamos cinco formas de crear esa imagen fija. En esta parte le damos movimiento: agua que se riza, bruma que avanza, luz que cambia.
Los modelos de vídeo con IA saben animar una imagen fija, pero ninguno de los que usamos generó 5760 × 1080: el clip más ancho que recibimos medía 3324 × 622. Además, una imagen en movimiento tiene dos problemas que una imagen fija no tiene: las uniones entre las paredes tienen que seguir encajando y, si el clip se reproduce en bucle, su final tiene que enlazar con su comienzo.
Nos preguntamos: ¿qué forma de animar la panorámica da más movimiento y más detalle real, a qué precio, en cuánto tiempo, y cómo se repite cada una en bucle?
Pasamos una misma imagen por cuatro métodos y los medimos el 8 de noviembre de 2026; el 9 de noviembre ejecutamos el método 3 una vez más, con otro modelo de vídeo.
Qué encontramos en los cuatro métodos
Cómo probamos los cuatro métodos
Partimos de la panorámica del método 4 de la primera parte, pared por pared: un lago al amanecer con un pequeño velero, dibujada a los 5760 × 1080 completos. No encontramos el archivo exacto que publicamos, por lo que la volvimos a crear con el mismo método y el mismo script: una imagen nueva de la misma escena, hecha de la misma forma.
Todos los métodos que admiten una descripción del movimiento recibieron esta:
Gentle ripples on the lake, the sailboat drifting slightly, mist moving over the pines, fixed camera.
El método 2 añadió una indicación para facilitar el bucle: «seamless looping motion, settling back toward the opening». El método 1 no admite descripción, porque no interviene ningún modelo de IA.
Pedimos clips de 10 segundos y ejecutamos todos los métodos con wallvideo-service, el servicio que usamos en 3walls para crear vídeo para las paredes, con los modelos de IA en fal. Presentamos una ejecución de cada método; el método 3 se ejecutó cuatro veces el 8 de noviembre y una vez más, con Wan 3.0, el 9 de noviembre. Los precios son lo que fal facturó por cada solicitud, en dólares estadounidenses y a esa fecha; el planificador del método 3 funciona con Gemini, de Google, y su precio sale de las tarifas que publica Google. Los tiempos van desde que se envía cada solicitud hasta que llega su resultado, así que incluyen la espera en cola, que varía: la misma herramienta de ampliación, Topaz, tardó 329 s en el método 2 y 914 s en el método 4, con clips del mismo tamaño. El tiempo en nuestro propio equipo, para ajustar y codificar el vídeo, se indica aparte.
Los modelos exactos, tal como los nombra fal:
- Wan 3.0: alibaba/wan-3.0/image-to-video
- Topaz: topaz/upscale/video/generative
- SeedVR: fal-ai/seedvr/upscale/video
- LTX-2.3: fal-ai/ltx-2.3/image-to-video/fast
- LTX-2 19B: fal-ai/ltx-2-19b/image-to-video
- Seedream 4.5 Edit: fal-ai/bytedance/seedream/v4.5/edit
El planificador del método 3 es Gemini 3.8 Flash (gemini-3.8-flash), en Vertex AI de Google.
En cada clip entregado medimos:
- La resolución real: el tamaño del clip que generó el modelo de vídeo, antes de ampliarlo o ajustarlo a las paredes.
- La parte que cambia: qué parte de la imagen de 5760 × 1080 cambia de forma visible en algún momento respecto al primer fotograma del clip (en bloques de 4 × 4 píxeles, en más de 3 niveles de brillo sobre 255). Cuenta cualquier cambio visible: un zoom desplaza casi todos los píxeles, y también cuenta una montaña que el modelo vuelve a dibujar con un ligero cambio.
- El salto del bucle: cuánto se diferencia el último fotograma del clip del primero, como diferencia media de brillo, de 0 a 255. Con 0, el punto del bucle es invisible.
- La puntuación de nitidez: la misma medida que en la primera parte (la varianza del laplaciano), en cinco fotogramas repartidos por el clip; se indica el valor central. Cuanto más alta, más nítida; solo sirve para comparar clips de esta escena.
Resultados: los cuatro métodos comparados
| Método | Complejidad | Qué se mueve | Resolución real | Precio por 10 s | Tiempo | Bucle | Ideal para | Evitar si |
|---|---|---|---|---|---|---|---|---|
| 1. Movimiento de cámara | Baja | Solo la vista: un zoom lento | 5760 × 1080, la propia imagen fija | 0 USD | 86 s, en nuestro equipo | Ida y vuelta: se acerca y se aleja | Movimiento gratis a partir de cualquier imagen | La propia escena debe moverse |
| 2. Un clip ancho | Baja | Toda la escena | 3324 × 622, luego ampliado y estirado | 3,30 USD | Unos 11 min | Hacia delante, con un fundido | Una escena que se mueve como un todo | El público mira las paredes de cerca |
| 3. Pared por pared | Alta | Agua, bruma y el velero, en zonas marcadas | 1280 × 720 por pared con Wan 3.0, estirado ×1,5 | 3,35 USD con Wan 3.0; cuatro intentos rechazados con LTX-2.3 costaron 11,93 USD | Unos 15 min | Un segundo de sobra fundido con el comienzo | Uniones que no deben moverse | Algo recorre mucha distancia en una pared |
| 4. Transición | Media | Toda la escena, del amanecer al anochecer | 3324 × 622, luego ampliado y estirado | 3,30 USD, más 0,04 USD por la imagen del anochecer | Unos 21 min | Ida y vuelta: al anochecer y de regreso | Un cambio de luz o de hora del día | Solo tienes una imagen |
Medido el 8 de noviembre de 2026, y el 9 de noviembre el método 3 con Wan 3.0. Se presenta una ejecución de cada método: el método 3 se ejecutó cuatro veces con LTX-2.3 sin entregar nada, y luego una vez con Wan 3.0, que sí entregó el vídeo. Los tiempos suman el de los proveedores y el de nuestro equipo: 605 más 74 s en el método 2, 693 más 185 s en el método 3, y 1128 más 125 s en el método 4.
Método 1: mover una cámara sobre la imagen fija
- Se parte de la imagen fija de 5760 × 1080. No interviene ningún modelo de IA: wallvideo-service mueve una cámara virtual sobre la imagen.
- La cámara se acerca despacio, anclada en la esquina superior izquierda de la imagen, así que los bordes derecho e inferior van saliendo del encuadre.
- Se aleja de la misma forma, de modo que el clip termina donde empezó: un movimiento de 10 segundos se convierte en un clip de 20 que se repite sin saltos.
Nada de la escena se mueve y, aun así, el 91 % de la imagen cambia en algún momento: un zoom desplaza todos los píxeles salvo los que quedan cerca de su esquina fija. La puntuación de nitidez, 393, es la más alta de los clips que medimos, porque lo que se ve es la propia imagen fija, apenas ampliada. Diez segundos del archivo a tamaño completo ocupan 23,1 MB.
Ventajas
- Gratis, y listo en cerca de un minuto y medio, sin esperas en cola.
- Cada píxel procede de la imagen fija, así que no se pierde ningún detalle.
Inconvenientes
- Nada de la escena se mueve: el agua, el velero y la bruma se quedan quietos.
- En el punto máximo del zoom, los bordes derecho e inferior de la imagen quedan fuera.
Úsalo cuando la imagen sea buena y baste con una sensación suave de movimiento.
Descártalo cuando quieras que se muevan el agua, el cielo o la bruma.
Método 2: animar toda la panorámica como un solo clip ancho
- Envía la imagen completa de 5760 × 1080, con la descripción del movimiento, a un solo modelo de vídeo, Wan 3.0, como primer fotograma del clip. El modelo conserva la forma ancha en lugar de recortarla.
- El modelo devuelve un clip de 10 segundos de 3324 × 622. Se mueve toda la escena, pero el clip solo tiene alrededor de un tercio de los píxeles de las paredes.
- Una herramienta de ampliación con IA, Topaz, lo agranda ×1,15 hasta 3838 × 718, todavía por debajo de los 5760 de ancho de las paredes.
- El servicio estira el resultado ×1,5 hasta 5760 × 1080. Estirar no añade detalle, por lo que la imagen queda menos nítida que la original.
El 86 % de la imagen cambia durante el clip. La puntuación de nitidez es 43, frente a 393 en el movimiento de cámara sobre la imagen fija: ahí se nota el estiramiento. El archivo a tamaño completo, de 10 segundos, ocupa 33,7 MB. La generación costó 2,00 USD (276 s) y la ampliación, 1,30 USD (329 s).
Con SeedVR en lugar de Topaz. También enviamos el mismo clip generado a otra herramienta de ampliación, SeedVR, directamente en fal. Devolvió 5776 × 1088, suficiente para cubrir las paredes, de modo que no hubo que estirar nada, y obtuvo una puntuación de nitidez de 109, unas 2,5 veces los 43 de Topaz. Costó 1,87 USD frente a los 1,30 USD de Topaz, y tardó 1457 s (unos 24 minutos) frente a 329 s. Con SeedVR, el método completo costó 3,87 USD por 10 segundos. wallvideo-service usa Topaz; compara los dos más abajo, en «Compara por tu cuenta».
Ventajas
- Toda la escena se mueve como una sola imagen, por lo que el movimiento puede pasar de una pared a otra.
- Sencillo: entra una imagen, sale un clip.
Inconvenientes
- El modelo generó alrededor de un tercio de los píxeles de las paredes; el resto es ampliación y estiramiento.
- Cuesta 3,30 USD por 10 segundos y tardó unos 11 minutos.
Úsalo cuando toda la escena deba moverse y el público vea las paredes a unos pasos de distancia.
Descártalo cuando la gente vaya a mirar el detalle fino de cerca: en ese caso, valora una herramienta de ampliación más nítida, como SeedVR.
Método 3: animar cada pared por separado
En nuestra prueba, el servicio rechazó este método cuatro veces con su modelo de vídeo por defecto, y luego lo entregó con otro, Wan 3.0, marcado para revisión. Primero explicamos cómo está pensado y luego, qué pasó.
- Un planificador, Gemini, lee la imagen y marca qué puede moverse en cada pared y qué debe quedarse quieto. La imagen se corta en tres paredes de 1920 × 1080.
- Un modelo de vídeo, LTX-2.3 por defecto, anima cada pared como un clip propio de 10 segundos, a la resolución completa de la pared, 1920 × 1080. Solo las zonas marcadas conservan el movimiento, y una franja en los bordes de cada pared es siempre la imagen fija, de modo que las uniones no pueden moverse.
- El servicio comprueba que cada fotograma pueda volver a alinearse con la imagen fija. Una pared cuya imagen entera se desplaza, como si se moviera la cámara, se rechaza y se genera una vez más; si vuelve a fallar, el servicio rechaza todo el trabajo.
- Solo cuando las tres paredes se quedan quietas se unen en 5760 × 1080.
Qué pasó con el modelo por defecto. Lo ejecutamos cuatro veces, el 8 de noviembre. En todas, las paredes izquierda y central quedaron fijadas a la imagen. La pared derecha, bruma sobre una ladera oscura y boscosa, volvió siempre con la cámara en movimiento, acercándose despacio, en todos los clips que el servicio comprobó: seis de seis, y en cada uno, entre 214 y 250 de sus 264 fotogramas no pudieron alinearse con la imagen fija. Los otros dos clips de la pared derecha, los que se regeneraron en los dos primeros intentos, se pagaron, pero no llegaron a comprobarse. De modo que el servicio no entregó nada, en lugar de entregar una pared cuyas uniones se separarían de las paredes vecinas. En el último intento probamos un cambio: la regeneración de una pared rechazada pasó a otro modelo, LTX-2 19B, con un ajuste pensado para mantener la cámara quieta. Su clip también se acercó.
Los cuatro intentos costaron 2,91, 2,91, 2,92 y 3,19 USD, 11,93 USD en total, y tardaron 313, 358, 322 y 606 segundos (unos 27 minutos entre todos). En cada intento se pagaron cuatro clips de pared: las tres paredes y una regeneración de la pared derecha, a 0,72 USD por cada clip de LTX-2.3 de 12 segundos y 0,99 USD por la regeneración con LTX-2 19B, más de 3 a 4 centavos de dólar por el planificador.
Después, con Wan 3.0. La cámara de la pared derecha no se desplazaba al azar. En todos los clips de LTX, la isla en primer plano creció mucho más que la orilla lejana, como cuando una cámara avanza por la escena, y ninguna alineación con la imagen fija puede deshacer eso. Wan 3.0 había mantenido quieta esta misma parte de la imagen en el método 2, así que el 9 de noviembre lo probamos solo con la pared derecha, dos veces, a 1,10 USD por clip: los dos clips se quedaron quietos, y cada fotograma pudo alinearse con la imagen fija. Después ejecutamos el método completo con Wan 3.0. Las tres paredes quedaron fijadas al primer intento, y el servicio entregó el vídeo.
Cambia el 21 % de la imagen, y solo en las zonas que marcó el planificador; todo lo demás es la propia imagen fija. Por eso la puntuación de nitidez, 190, queda entre los 393 del movimiento de cámara y los 43 del clip ancho. Wan generó cada pared a 1280 × 720, el ajuste del servicio para Wan, así que las zonas en movimiento se estiran ×1,5 y se ven más suaves que la imagen fija que las rodea. Junto a las uniones cambia el 0,02 % y el 0,01 % de la zona: las paredes encajan exactamente. Diez segundos del archivo a tamaño completo ocupan 9,3 MB. El vídeo costó 3,35 USD: 1,10 USD por cada clip de pared y 5 centavos de dólar por el planificador.
Marcado para revisión. Las propias comprobaciones del servicio marcaron el vídeo para revisión, y el motivo es el velero. A lo largo de los 10 segundos, deriva unos 155 píxeles hacia la izquierda. El servicio conserva los píxeles del modelo solo donde cambian lo suficiente y, en el resto, mezcla la imagen fija; alrededor de la punta del mástil del velero conservó solo una parte, así que donde empezó el velero queda una copia tenue del mástil de la imagen fija durante casi todo el clip. Además, para cerrar el bucle el servicio funde el segundo de sobra del clip con su comienzo, de modo que durante un segundo el velero entero aparece dos veces: donde terminó y donde empezó. La cámara se quedó quieta; lo que hay que revisar es el velero.
En total, el método 3 costó 17,48 USD en los dos días: 11,93 USD por los cuatro intentos rechazados, 2,20 USD por las dos pruebas de la pared derecha y 3,35 USD por el vídeo entregado.
Ventajas
- Las uniones no pueden moverse: junto a ellas cambió el 0,02 % de la zona, frente al 75 % al 100 % en los otros métodos.
- Tú decides qué se mueve, y su salto de bucle, 0,66, fue el más pequeño que medimos.
Inconvenientes
- Con su modelo por defecto, el servicio rechazó nuestra escena cuatro veces, por 11,93 USD. Wan 3.0 entregó el vídeo, pero a 1280 × 720 por pared.
- Algo que se desplaza, como el velero, puede dejar una copia tenue donde empezó, y aparece dos veces donde se funde el bucle. Nada puede pasar de una pared a otra, y la cámara no puede moverse.
Úsalo cuando las uniones no deban moverse nunca y solo deban moverse partes de la imagen, como el agua y la bruma. Si el modelo por defecto mueve la cámara de una pared, prueba con Wan 3.0.
Descártalo cuando el movimiento deba pasar de una pared a otra, o algo de la imagen recorra mucha distancia durante el clip.
Método 4: pasar de una imagen fija a otra
- La primera imagen: la panorámica del amanecer.
- La última imagen: la misma panorámica al anochecer. La creamos editando la del amanecer, en lugar de generar una nueva, para que la escena siga siendo la misma: Seedream 4.5 Edit, 0,04 USD, 33 s.
- El modelo de vídeo, Wan 3.0, anima el paso de la primera a la última. Como en el método 2, su clip de 3324 × 622 se amplía a 3838 × 718 y se estira a 5760 × 1080. El clip va y vuelve: del amanecer al anochecer, y de regreso.
El 95 % de la imagen cambia, porque la luz cambia en todas partes. La puntuación de nitidez es 41, cerca de los 43 del método 2: el mismo tamaño de clip y el mismo estiramiento. Diez segundos del archivo a tamaño completo ocupan 33,7 MB. En la imagen del anochecer, el velero, las orillas, las islas y las cordilleras siguieron en su sitio; solo cambió un poco la forma de la vela.
Ventajas
- Cuenta una pequeña historia: una hora del día, un cambio de estación, un antes y un después.
- El bucle de ida y vuelta regresa a su inicio sin un salto visible (0,92).
Inconvenientes
- Necesita dos imágenes que encajen.
- El mismo límite que el método 2: un clip de 3324 × 622, ampliado y estirado hasta llenar las paredes.
Úsalo cuando quieras que la sala cambie, no solo que se mueva.
Descártalo cuando solo tengas una imagen y no puedas crear otra que encaje con ella.
Cómo hacer el bucle: ida y vuelta, hacia delante o sin bucle
Un clip no tiene por qué repetirse: también puede reproducirse una sola vez. Probamos en bucle cada clip que obtuvimos, porque así el momento en que el clip vuelve a empezar forma parte del resultado. Un modelo de vídeo que parte de una imagen fija se aleja de ella y nada lo hace volver, por lo que su último fotograma no coincide con el primero y, al repetirse, la imagen salta. wallvideo-service ofrece tres estilos de bucle. Hicimos los tres a partir del clip del método 2, sin generar nada nuevo. Los clips de esta página se repiten, así que puedes ver cada punto del bucle.
Ida y vuelta (bounce) reproduce el clip hacia delante y luego hacia atrás, de modo que termina en su propio primer fotograma y dura el doble. Su salto, 0,92, es menor que el mayor cambio entre dos fotogramas vecinos en los primeros 25 fotogramas del clip (1,37), por lo que el cambio de sentido parece un fotograma más. Va bien con agua, nubes y bruma, que se ven naturales en los dos sentidos. Los métodos 1 y 4 también van y vuelven, con saltos de 1,18 y 0,92.
Hacia delante (forward) reproduce el clip hacia delante y funde sus últimos 0,75 s con el comienzo. Su salto fue de 4,05, menos de la mitad de los 9,78 de una sola pasada. Va bien con movimientos que tienen una dirección, como gente que camina, que al revés se verían raros. La descripción del método 2 añadió «seamless looping motion, settling back toward the opening» para acercar el final al comienzo antes del fundido.
Sin bucle (none) reproduce el clip una sola vez, y a un clip que no se repite no le hace falta más. Al repetirse, como aquí, salta en el punto del bucle: 9,78, más de diez veces el de ida y vuelta.
El método pared por pared (el 3) cierra el bucle de otra forma: cada pared pide al modelo uno o dos segundos de vídeo de sobra y los funde con el comienzo del clip, de modo que cada pared cierra su propio bucle. Con Wan 3.0, su salto de bucle fue 0,66, el más pequeño que medimos, pero el fundido mostró el velero que deriva dos veces durante un segundo.
Compara por tu cuenta: recortes a tamaño real y las uniones
Estos son recortes a tamaño real (100 %) de un mismo rectángulo fijo, tomados del fotograma central de cada clip entregado. En el método 1, el fotograma central es el punto máximo del zoom, por eso el velero se ve algo mayor; en el método 3, solo el agua y el velero vienen del modelo, y el resto es la imagen fija; en el método 4 ya ha anochecido. Compara la textura, no el contenido.
Las uniones entre las paredes son el punto donde una imagen en movimiento puede romperse:
En los métodos 1, 2 y 4, la imagen se mueve sobre las dos uniones (según nuestra medida, cambia entre el 75 % y el 100 % de la zona junto a cada unión), pero es una sola imagen, de modo que las paredes siguen encajando. El método pared por pared crea cada pared por separado, por lo que sus uniones tienen que quedarse quietas: en el vídeo que entregó, cambió el 0,02 % y el 0,01 % de esa zona. Por eso también el servicio rechazó las paredes que se acercaban.
Límites de esta prueba
- Una sola imagen, un paisaje sin personas ni texto, y una sola descripción del movimiento. Con otras escenas, los resultados pueden cambiar: los rechazos del método 3 con LTX-2.3 vinieron de una pared de esta imagen, y las otras dos quedaron fijadas todas las veces.
- Una sola ejecución presentada de cada método (en el método 3: cuatro intentos con LTX-2.3, dos pruebas de una sola pared y una ejecución con Wan 3.0), así que las cifras son un ejemplo, no un promedio.
- Los precios, los modelos y los valores por defecto del servicio cambian; todas las cifras son del 8 y el 9 de noviembre de 2026.
- Medimos los archivos, no cómo los reproduce una sala: la velocidad de fotogramas, los códecs y la sincronía de los proyectores dependen del reproductor. Los clips no tienen sonido.
Qué método elegir para dar movimiento a la panorámica de una sala inmersiva
Según esta única prueba, como punto de partida:
- Gratis, a partir de cualquier imagen: el método 1. Nada de la escena se mueve, pero la sala gana una sensación lenta de movimiento y conserva todo el detalle de la imagen.
- Agua, cielo o bruma que se mueven en las tres paredes: el método 2, por 3,30 USD cada 10 segundos. Para unas paredes más nítidas, SeedVR fue aquí unas 2,5 veces más nítido, por 0,57 USD más y unos 19 minutos más.
- Un cambio de luz, de hora del día o de estación: el método 4, con la segunda imagen creada editando la primera.
- Paredes que encajan exactamente, con solo partes de la imagen en movimiento: el método 3, por 3,35 USD cada 10 segundos con Wan 3.0. Su modelo por defecto rechazó nuestra escena, Wan genera cada pared a 1280 × 720, y algo que deriva mucho deja un rastro tenue y aparece dos veces en el punto del bucle.
- Si el clip se repite, un bucle que nadie note: ida y vuelta para agua, nubes y bruma; hacia delante con un fundido para movimientos con dirección. Una sola pasada en bucle muestra su salto. Un clip que se reproduce una sola vez no necesita ninguno de los dos.
Si el clip importa, créalo con dos métodos y mira los dos a tamaño real, como los reproducirá la sala: una vez o en bucle.