Qué hacen las herramientas de guion a video, y cuánto cuestan
Las herramientas de guion a video con IA, como Pictory e InVideo AI, parten de un texto terminado. Pegas un guion o un artículo de blog, la herramienta lo divide en frases, busca en un banco de imágenes un clip que encaje con cada frase, añade una voz de IA, subtítulos y música, y exporta. Son de otra familia, distinta de los generadores de clips de texto a video como Veo y Sora, que inventan tomas cortas a partir de un prompt. Aquí no se inventa nada: la toma se encuentra.
Según su página de precios en septiembre de 2026, Pictory cobra US$ 29 al mes en el Starter por 200 minutos de video y 60 minutos de voces ElevenLabs, US$ 59 en el Professional por 600 minutos y 120 minutos de voces, y US$ 199 en el Team por 1.800 minutos y 240 minutos de voces. En el plan anual los tres quedan en US$ 25, 35 y 119 al mes. Las imágenes vienen de Getty Images y Storyblocks: 5 millones de videos en el Starter, 18 millones por encima.
Según su página de precios en septiembre de 2026, InVideo AI cobra US$ 9 al mes en el anual por el Basic, con 190 créditos. El Pro cuesta US$ 30 al mes o US$ 25 en el anual, con 1.000 créditos, y el Ultra US$ 80 al mes o US$ 60 en el anual, con 3.000 créditos. Las cuotas de medios premium son 45, 150 y 180, y los créditos que no usas no pasan al mes siguiente.
Para convertir un artículo en un clip de redes o un webinar en un resumen, esa unidad es justa y rápida. El problema empieza cuando el objetivo es un canal faceless: la entrega deja de ser un archivo renderizado y pasa a ser un video de doce minutos que retiene la atención, publicado en su fecha, semana tras semana.
La cuenta: 1.800 palabras, unas 150 escenas, una palabra clave cada una
La narración va a unas 150 palabras por minuto, así que un video de doce minutos necesita unas 1.800 palabras de guion. La edición de retención en YouTube corta cada 4 a 6 segundos. Doce minutos son 720 segundos, lo que da de 120 a 180 escenas, unas 150 en un video típico.
Una herramienta que empareja con banco de imágenes tiene que llenar esos 150 huecos. Lee cada frase, extrae los sustantivos más fuertes, busca en su archivo y coloca uno de los primeros resultados. Funciona rápido, y funciona al pie de la letra: la búsqueda ordena los clips por relevancia de la palabra y popularidad, así que los mismos clips del principio vuelven para las mismas palabras, en tu video y en el de todos.
Arreglarlo a mano significa abrir cada escena, buscar de nuevo y cambiar el clip. A 1 a 3 minutos por escena, 150 escenas llevan de 2,5 a 7,5 horas, que es justo la edición que la herramienta debía ahorrar. La mayoría arregla el primer minuto y deja correr los otros once, y la gráfica de retención muestra exactamente dónde se detuvo.
La cuota de voz también se acaba. Los 60 minutos de voces ElevenLabs del Pictory Starter cubren 5 narraciones de doce minutos, y los 120 minutos del Professional cubren 10. Un canal que publica ocho videos al mes necesita otra voz para el resto del calendario.
Por qué emparejar por palabra clave ilustra la palabra, no la idea
Toma una frase: el banco aumentó sus reservas en silencio meses antes de la crisis. La búsqueda por palabra clave devuelve un edificio con columnas para banco y un hombre con las manos en la cabeza para crisis. La frase habla de momento y de riesgo oculto, y la imagen no muestra ninguno de los dos. Repite eso 150 veces y el espectador mira un diccionario del guion, no la historia.
La repetición lo empeora. Los bancos de imágenes son grandes, pero los primeros resultados para palabras comunes son pocos, y un clip popular es popular porque miles de canales ya lo usaron. Quien mira un nicho todos los días reconoce el mismo timelapse de ciudad y el mismo oficinista preocupado, y el video parece armado, no hecho.
Ese aspecto es el riesgo que vale la pena nombrar. El 15 de julio de 2025 YouTube actualizó la política del Programa de Socios y renombró el contenido repetitivo como contenido no auténtico: videos producidos en masa, repetitivos, poco distintos entre sí. La política no prohíbe herramientas de IA ni imágenes de banco. Apunta al patrón que suelen producir las imágenes genéricas más una voz sintética cuando nada en el video se eligió para esa idea concreta.
En FalconVid la escena se decide por lo que la frase quiere decir, no por sus sustantivos. El editor lee la idea de cada tramo, y en económico elige en un banco curado con esa base; en premium las escenas se generan para el tramo con Veo 3 con audio y Seedance Pro, y el balanceado queda entre los dos. El ADN del canal mantiene coherentes el estilo visual, la voz y la estructura, así que el canal parece un canal y no un archivo de stock.
Las 9 piezas de un video de YouTube, y las 2 que hace la herramienta
Un video de canal faceless tiene nueve piezas. Una herramienta de guion a video cubre de verdad dos, las escenas y la voz, y entrega un valor por defecto para algunas otras que todavía ajustas y corriges a mano.
La herramienta empieza en un guion terminado y termina en el render. Antes de pegar, el guion necesitaba investigación, y un guion escrito sin ella se equivoca en los hechos: una fecha corrida una década, un número del país equivocado, un nombre mal escrito. En YouTube esos errores llegan a los comentarios en una hora y se quedan ahí.
Después del render empieza el trabajo de canal: estilo de subtítulos, miniatura, título y descripción escritos para la búsqueda, etiquetas, programación, un corte de Shorts en 9:16 y la publicación en Instagram, TikTok, Rumble y Facebook. A mano son otras dos a cuatro horas por video, o de US$ 5 a 20 de un freelance de miniaturas más tus noches.
La misma brecha aparece siempre que el contenido ya existe y solo tiene que volverse video, como al convertir episodios de podcast en video. El render es la parte fácil del medio; el canal vive en los dos extremos.
En FalconVid las nueve piezas corren en una sola línea de producción. El investigador reúne los hechos antes de que exista el guion, el guionista escribe para la retención, el narrador lee, el editor arma las escenas, el diseñador de sonido mezcla música y efectos, y la miniatura, el SEO y los Shorts salen de la misma pasada. Estos especialistas de IA trabajan en paralelo, y el video queda listo en hasta 30 minutos.
Las nueve piezas, con lo que cuesta cada una hecha a mano:
- Investigación: hechos, fechas y ángulo antes de escribir una línea, de una a tres horas para un video de doce minutos.
- Guion: 1.800 palabras con gancho, bucles abiertos y cierre; un guionista freelance cobra de US$ 15 a 50 por video.
- Voz: cubierta por la herramienta mientras duran los minutos de voz; un locutor freelance cuesta de US$ 20 a 80 por video.
- Escenas: cubiertas por la herramienta, por palabra clave, con los cambios descritos arriba.
- Edición y ritmo: duración del corte, movimiento y cadencia; un editor freelance cobra de US$ 30 a 150 por video.
- Música y diseño de sonido: una pista para el clima y efectos en las transiciones, mezclados por debajo de la voz.
- Subtítulos: un estilo que encaje con el canal, idealmente karaoke y sincronizados palabra por palabra.
- Miniatura: la imagen que decide el clic, de US$ 5 a 20 por video con un freelance.
- SEO y publicación: título, descripción, etiquetas, la subida, la fecha, los Shorts y el mismo video en otras redes.
Pegar tu propio guion en FalconVid: qué pasa
En FalconVid, la plataforma de canales en piloto automático, escribir el guion es una opción, no una obligación. Por defecto lo escribe el motor de investigación y guion. Si ya tienes un guion, abres la pestaña Guion antes de generar y lo pegas, lo escribes desde cero o editas lo que escribió el motor.
Desde ahí el pipeline se hace cargo. El narrador lee en 63 idiomas, con voces premium ultrarrealistas, voces IA económicas o tu voz clonada. El editor decide cada escena por lo que la frase quiere decir. El diseñador de sonido añade música y efectos del banco, los subtítulos salen estilo karaoke con más de 15 estilos, y la miniatura 4K, el título, la descripción y las etiquetas, los Shorts 9:16, la publicación programada y las respuestas automáticas a comentarios salen del mismo proyecto.
Una regla importa: el guion tiene que caber en la duración del video. A 150 palabras por minuto, un video de doce minutos admite unas 1.800 palabras. Si el guion pegado supera los minutos del video, el producto avisa y pide resumirlo antes de generar, en lugar de acelerar la narración. En el plan gratis los videos llegan a 3 minutos, así que un guion del plan gratis tiene unas 450 palabras.
La página del generador de video a partir de texto muestra el camino del texto al video terminado. Si la primera versión necesita un ajuste, el Studio te deja ver la V1 y acortar la introducción, cambiar un medio, cambiar la música o abrir la línea de tiempo completa, sin empezar de nuevo.
Cuánto cuesta un video por modo, al lado de los minutos de Pictory
De vuelta a Pictory. En el Starter, 200 minutos de render cubren unos 16 videos de doce minutos, pero los minutos de voz cubren 5, y el guion, la investigación, la miniatura y la publicación quedan fuera del plan. A ocho videos al mes, un guionista y un freelance de miniaturas suman de US$ 160 a 560 más, antes de las horas cambiando escenas.
En FalconVid, en la regla de hoy, un video de doce minutos cuesta 1.731 créditos en económico, 4.597 en balanceado y 16.131 en premium, y eso ya incluye investigación, guion, narración, escenas, edición, música, subtítulos, miniatura y SEO. Son créditos de FalconVid, una unidad distinta del minuto de render, pero el contraste muestra lo que compra cada unidad: una compra un render, la otra compra el video terminado.
Plan por plan: el Starter, con 15.000 créditos, 1 canal y 2 generaciones simultáneas, hace 8 videos en económico o 3 en balanceado; una mezcla honesta es 2 balanceados y 3 económicos, 14.387 de 15.000 créditos. El Pro, con 30.000 créditos, 5 canales y 5 generaciones simultáneas, hace 17 en económico, 6 en balanceado o 1 en premium, y suma el servidor dedicado y el Analista Sénior de IA, una persona fija con nombre, rostro y voz que lee tu cuenta y te escribe cada 2 días.
El Business, con 95.000 créditos y 10 canales, hace 54, 20 o 5. El Agency, con 190.000 créditos y 25 canales, hace 109, 41 u 11. El Scale, con 320.000 créditos y 50 canales, hace 184, 69 o 19. Nadie hace un mes en un solo modo; mezclas, y la estimación aparece antes de generar cada video.
Cuándo escribir el guion tú mismo, y cuándo dejar que lo escriba el motor
Escríbelo tú cuando el conocimiento es tuyo y nadie más lo tiene: una historia vivida, un curso que das, procesos internos, un producto que solo tú conoces. Las empresas que convierten manuales en videos de capacitación para empleados son el caso más claro, porque el guion es el activo y el video es la entrega.
Los servicios profesionales funcionan igual. Un abogado que explica un plazo o un error común ya tiene las palabras, y lo que falta es el resto del video, como muestra el marketing de video para abogados. Pega el guion, deja que el pipeline lo arme y lo publique, y guarda tus horas para los clientes.
Deja que el motor escriba cuando el canal vive de un calendario. La investigación va antes del guion, el modelado ultra de guion escribe para la retención con gancho, bucles abiertos y cierre, y el Spy y el Modelador mapean lo que ya monetiza en el nicho, así que los temas parten de evidencia y no de una página en blanco. Tu decisión es el calendario: lo apruebas, y los videos siguen.
La mayoría de los canales mezcla las dos cosas. Apruebas el calendario, el motor escribe la semana, y cuando tienes algo que añadir a un video, abres su pestaña Guion y editas antes de generar.
De un guion a un calendario en varios canales e idiomas
La herramienta de banco renderiza un video a la vez, y cada video sigue necesitando la investigación antes y el trabajo de canal después. Eso deja a una persona en un solo canal, dos videos por semana, y el techo no es el render. Son las piezas a su alrededor, hechas una tras otra.
El volumen pesa en la monetización. Desde el 1 de febrero de 2027, quien solicite entrar al Programa de Socios de YouTube necesita 1.000 suscriptores más 8.000 horas públicas de visualización en 365 días, antes eran 4.000, o 20 millones de vistas de Shorts en 90 días, antes eran 10 millones. 8.000 horas son 480.000 minutos; un video de doce minutos visto al 40 por ciento da 4,8 minutos por vista, así que el umbral queda en unas 100.000 vistas.
En FalconVid varios videos corren a la vez, hasta el límite de generaciones simultáneas de tu plan, en varios canales faceless, cada uno con su ADN, su voz, su idioma y su calendario. Un proyecto terminado se duplica a otro de los 63 idiomas de narración reutilizando los medios ya generados, y pagas solo la diferencia.
Esa es la salida real del slideshow: varios canales en piloto automático, en tantos canales como quieras, con escenas elegidas por el sentido, todas las piezas del video producidas juntas, y un calendario que apruebas en lugar de 150 escenas que arreglar.