El vídeo con IA parece caro porque hay un coste que lo domina todo: el modelo de vídeo. Todo lo demás en una película es una cifra despreciable. Entender ese reparto explica tanto cómo funcionan los precios como dónde se puede ahorrar. Este artículo da órdenes de magnitud y no cifras exactas, porque los precios de los proveedores cambian cada mes; lo que se mantiene estable son las proporciones entre ellos.

Costes de los proveedores (órdenes de magnitud, 2026)

  • Vídeo, nivel rápido: aproximadamente 0,05–0,12 dólares por segundo de salida. Estos modelos producen un clip de cinco o diez segundos en uno a tres minutos y son suficientes para borradores, clips para redes sociales y estilos dibujados.
  • Vídeo, nivel cinematográfico: aproximadamente 0,15–0,40 dólares por segundo. Más lento, con un movimiento más rico, mejor física y una tendencia a añadir textura fotorrealista que los estilos dibujados no quieren.
  • Imagen (hoja de personaje, fotograma clave): aproximadamente 0,03–0,06 dólares cada una. Una película necesita una hoja por personaje y un fotograma clave por escena.
  • Voz: aproximadamente 0,10 dólares por cada mil caracteres. Una película de cuatro minutos tiene menos de dos mil caracteres entre narración y diálogo.
  • Sincronización labial: se cobra por segundo del clip sincronizado, normalmente en el rango del vídeo rápido, y solo en las escenas con una línea de diálogo.
  • Música: unos céntimos por minuto.
  • Generación del guion: céntimos por película con un modelo de lenguaje de clase flash, decenas de céntimos con un modelo de frontera. El modelo de frontera merece la pena para la etapa de dirección y en ninguna otra.

Un ejemplo práctico

Tomemos una película de cuatro minutos con treinta escenas de ocho segundos, cuatro personajes, doce líneas de diálogo y narración en todas las escenas. En el nivel rápido: el vídeo son 240 segundos a unos 0,08 dólares, es decir, alrededor de 19 dólares. Hojas y fotogramas clave suman 34 imágenes a 0,05, menos de 2 dólares. Voz, música y dirección juntas quedan por debajo de 1 dólar. La sincronización labial de doce clips de ocho segundos añade 5–8 dólares. La película cuesta en proveedores 27–30 dólares, de los que el vídeo y la sincronización labial suponen más del 90 por ciento. En el nivel cinematográfico, solo la partida de vídeo pasa a 50–90 dólares y todo lo demás queda igual.

De dólares a tokens

Una cartera de tokens expresa cada operación en una sola unidad para que la persona nunca vea siete monedas distintas. La forma honesta de fijar precios es una fórmula única: precio en tokens = coste real × multiplicador de margen, al tipo que la persona paga realmente por los tokens, anclado al plan con mayor descuento para que el margen nunca sea negativo para nadie. Si el plan superior paga 0,8 del precio de lista, la fórmula usa 0,8, y todos los demás planes simplemente ganan más.

La fórmula debe aplicarse por operación, no por película, porque lo que se cobra y se reembolsa son operaciones. Una película son unos treinta cargos; si uno falla, se reembolsa ese. Fijar precios por película escondería los fallos dentro de una media y haría imposible razonar sobre los reembolsos.

Qué aspecto tiene un margen justo

Alrededor de un 40 por ciento en trabajo creativo de gran volumen cubre infraestructura, reembolsos, soporte y alguna caída ocasional de un proveedor. Los márgenes de varios cientos por ciento eran habituales cuando "generar" significaba un clip; no pueden sobrevivir en una línea de producción que hace treinta generaciones por película, porque la persona ve el total. Un competidor que cobra 30–40 dólares por una película de cuatro minutos es un competidor que ha hecho estas cuentas; una plataforma que cobra 300 por la misma película es una que no las ha hecho.

Dónde está el ahorro

  1. Genere primero en corto. Itere sobre un montaje de un minuto del arranque, fije el reparto y el estilo, y después comprométase con la duración completa. La mayoría de las decisiones creativas se ven en el primer minuto.
  2. Use el nivel rápido para animáticas y borradores, y reserve el nivel cinematográfico para la pasada final de las escenas que lo necesiten. Mezclar niveles en una misma película no es problema; la etapa de ensamblaje normaliza la resolución.
  3. Componga los fotogramas clave antes de animar. Un fotograma fallido cuesta céntimos; un clip fallido cuesta dólares. Revisar treinta fotogramas clave lleva dos minutos y detecta la mayoría de los errores de composición.
  4. Omita la sincronización labial en los planos generales. Las bocas no se ven; la línea puede sonar en la pista de audio sin ninguna pérdida.
  5. Reutilice las hojas de reparto entre películas. Los personajes se dibujan una sola vez.

Qué tienen que cubrir las suscripciones

Un plan vende una asignación mensual de tokens por un precio fijo. La regla de solvencia es sencilla: si toda la asignación se gasta en la operación más cara, aun así debe costar en proveedores menos que el precio del plan. Haga estas cuentas antes de publicar los precios y rehágalas cada vez que un proveedor cambie una tarifa. Un plan que pierde dinero con sus usuarios más intensivos atraerá precisamente a esos usuarios.

Preguntas frecuentes

¿Por qué no cobrar directamente en dólares? Los dólares dejan a la vista los precios de los proveedores y convierten cada cambio de tarifa en una discusión. Los tokens permiten a la plataforma absorber los cambios pequeños y solo revisar precios cuando el coste de fondo varía de forma significativa.

¿Por qué se reembolsan automáticamente los trabajos fallidos? Porque el proveedor no los cobra, así que la plataforma tampoco debería hacerlo. Los reembolsos deben ser idempotentes para que un reembolso reintentado nunca pague dos veces.

¿Salen más baratas por segundo las películas más largas? No. El precio del vídeo es lineal en segundos; los proveedores no ofrecen descuentos por volumen, y una plataforma no debería inventarse uno que no puede financiar.