Las dos cosas distintas que la gente llama texto a video
El primer significado es generador de clips. Escribes una descripción, te devuelve una imagen en movimiento. En 2026 la salida práctica es de 5 a 20 segundos por generación, con algunos motores llegando a uno o dos minutos, y la coherencia de la mayoría de los modelos empieza a tambalear pasados unos 10 segundos. Es una tecnología genuinamente impresionante y no es un video. Es un plano.
El segundo significado es pipeline de producción. Le das un tema o un texto, y lo que vuelve es un video terminado y publicable: investigado, guionizado, narrado, editado, sonorizado, subtitulado, con portada y subida. Las mismas tres palabras en la búsqueda, dos productos que casi no tienen nada en común.
Esa es la razón entera de la decepción que llega después del primer intento. Alguien ve una generación deslumbrante de 8 segundos, imagina un video de 12 minutos, y descubre que la distancia entre los dos no es un prompt más largo. Son 89 generaciones más y otros seis trabajos que la herramienta de clips nunca fue hecha para hacer.
Todo lo de abajo es esa distancia, medida. No es una discusión sobre cuál tecnología es mejor, porque responden preguntas distintas. Es la contabilidad de lo que un video publicable está hecho de verdad, para que elijas el camino sabiendo a qué te apuntaste.
La aritmética que nadie hace antes de empezar: 720 segundos
Un video de 12 minutos tiene 720 segundos. Ese solo número resuelve casi toda la confusión. Divídelo por cuánto tiempo sostiene la pantalla cada visual y tienes cuántas generaciones necesita el video: un cambio cada 5 segundos son 144 visuales, cada 8 segundos son 90, cada 12 segundos son 60, cada 20 segundos son 36. El techo de la herramienta de clips no es el problema. La cantidad sí.
Con visuales de 8 segundos estás encargando 90 generaciones separadas, manteniendo estilo, luz y personaje consistentes en las 90, y encajando todo en una narración que todavía no existe. Si tu ritmo es honesto en vez de metronómico, los primeros 30 segundos piden cortes de 2 a 4 segundos y los tramos calmos piden 12 a 20, que es exactamente lo que el ritmo de corte de un video de 12 minutos resuelve plano por plano.
Y los visuales son solo uno de los siete trabajos. Aquí está lo que contiene un video publicable de 12 minutos además de las imágenes, y cada punto es un oficio separado:
- Investigación: los hechos, los números, las fuentes y el ángulo que no se publicó ya 400 veces.
- Un guion escrito para el oído, no para el ojo. A 140 palabras por minuto un video de 12 minutos tiene alrededor de 1.680 palabras, y la matemática de palabras de un guion es lo que convierte una duración objetivo en un briefing de escritura.
- Narración con una voz que sobrevive 12 minutos sin volverse mueble, incluyendo pronunciación correcta de nombres, siglas y números.
- Edición: los visuales cortados al sentido de la frase que se está diciendo, no espolvoreados en intervalos fijos.
- Sonido: música debajo de la voz al nivel correcto, ducking, y efectos que marcan las transiciones.
- Subtítulos sacados del guion en vez de una transcripción, para que nombres y cifras salgan bien escritos.
- Portada, título, descripción, capítulos, etiquetas y la subida misma, a la hora programada, en la zona horaria correcta.
Un prompt no es un guion, y ahí muere la mayoría de los intentos
El primer movimiento más común es pegar un artículo, un newsletter o una página de notas en una caja de prompt y pedir un video. Lo que vuelve casi siempre está mal, y no porque el modelo sea débil. Es porque texto escrito y texto hablado son idiomas distintos. La escritura tolera oración subordinada, paréntesis y un lector que puede volver una línea. La narración no. Quien escucha tiene una sola pasada y ninguna barra de desplazamiento.
El orden que funciona es texto, después estructura, después escena. Primero reduce la fuente a sus afirmaciones y sus números. Después arma la espina: un gancho que hace una promesa, una secuencia de secciones que pagan partes de ella, y un cierre. Solo entonces decide qué aparece en pantalla mientras se dice cada frase, que es una decisión separada de lo que la frase dice.
De aquí sale también la duración honesta. No eliges 12 minutos y escribes para llenarlos. Cuentas el material. A 140 palabras por minuto, 1.680 palabras de sustancia real son un video de 12 minutos, y 700 palabras de sustancia estiradas en 12 minutos son un video que pierde 40% de la audiencia antes de la marca de los 2 minutos, no importa cuán buenos sean los visuales.
Dentro de FalconVid esta es la parte que es una cadena de especialistas en vez de un prompt: investigador, guionista, narrador, editor y diseño de sonido trabajando en paralelo sobre la misma pieza, cada uno con un trabajo definido, y por eso el video terminado vuelve en hasta 30 minutos en vez de después de un fin de semana armando.
Dónde entra de verdad el texto que ya tienes
Si llegaste aquí porque tienes material escrito parado, un archivo de artículos, un newsletter, documentación, un feed de noticias, ese material vale de verdad, solo que no como guion. Vale como prueba de demanda y como sustancia bruta. Ya sabes cuáles de esas piezas leyó la gente, y esa es información que un canal nuevo no tiene.
Lo que sobrevive al viaje al video son afirmaciones, números, comparaciones, secuencias e historias. Lo que no sobrevive es todo lo que depende del ojo: tabla con más de tres columnas, lista dentro de lista, enlace como argumento, y pasaje largo donde el valor estaba en la elección exacta de las palabras, no en la idea.
Para material que llega continuamente en vez de estar parado en un archivo, el pipeline lee feeds directo y convierte los ítems publicados en videos programados, con filtros de duplicado, copia de agencia, vigencia, sustancia y afirmación de riesgo. Es la diferencia entre un canal que acompaña el ciclo de noticias y una persona apretando F5.
El techo honesto de la versión manual es tiempo, no talento. Un video de 12 minutos armado a mano, incluso con IA ayudando en cada etapa, cuesta de 9,5 a 13,5 horas de trabajo, o de US$ 165 a US$ 570 tercerizado pieza por pieza. Si quieres el cronómetro de cada etapa en vez del total, cuánto tarda un video de IA de 12 minutos abre el reloj etapa por etapa.
Cuánto cuesta un video terminado, por modo, contra la cuenta manual
La razón por la que la gente subestima esto es que un generador de clips cobra por generación y un canal necesita por video terminado. Así que va el número terminado. Dentro de FalconVid un video de 12 minutos cuesta 1.008 créditos en modo económico, 8.676 en balanceado y 26.760 en premium, y el modo es una llave que giras por proyecto, en cualquier plan.
Al valor de crédito del Starter, ese video económico sale cerca de US$ 3,16 contra 9,5 a 13,5 horas de tu propio tiempo, o de US$ 165 a US$ 570 tercerizado. La diferencia no es marginal, y es la razón entera de que el canal automatizado exista como categoría. Lo que compran los modos más altos es calidad de motor: el balanceado y el premium traen motores como Veo 3 con audio y Seedance Pro, voces premium y 4K, para los videos donde la imagen es el producto.
Las piezas sueltas tienen precio del mismo modo, y conocerlas te impide pagar una regeneración donde una reparación alcanzaba: investigación más guion 307 créditos, narración 3 créditos por minuto en económico y 24 en premium, portada 479 en económico y 214 en premium, imagen premium 214, upscale 4K 320. O sea, cambiar un guion cuesta 307 y rehacer el video entero cuesta de 1.008 a 26.760.
El plan gratis es la otra trampa, y es trampa de aritmética, no de calidad. Un plan gratis que da un puñado de generaciones cortas al mes no produce 90 visuales para un video, mucho menos cuatro videos por semana, y dónde se trancan de verdad los planes gratis es un conteo de generaciones y marcas de agua, no una opinión.
Del tema al video publicado, con vos aprobando el calendario una vez
Esa es la forma del segundo producto, y vale ser concreto porque no tiene nada que ver con una caja de prompt. Apruebas un calendario: los temas, las fechas, los horarios. De ahí en adelante los videos se arman antes de su turno y publican a la hora marcada, en YouTube, Instagram, TikTok, Rumble y Facebook, en hasta 63 idiomas, sin que apruebes cada guion.
Los especialistas trabajan en paralelo y los planes difieren en cuántos videos se pueden armar al mismo tiempo, de 2 generaciones simultáneas en Starter hasta 50 en Scale, con video listo en hasta 30 minutos. Varios canales corren a la vez, cada uno con calendario, identidad e idioma propios, de 1 canal en Starter a 50 en Scale.
Para el miedo que está detrás de toda pregunta sobre automatización, y si sale mal, la respuesta es el Studio. Ves la versión 1 antes de publicar y ajustas: acortas la intro, cambias un medio, cambias la música, o abres la línea de tiempo. Esas reparaciones cuestan de 5 a 320 créditos, contra 1.008 a 26.760 para rehacer, así que ser exigente es barato y equivocarse no es caro.
El retrato completo de lo que el pipeline de video largo hace con un tema, etapa por etapa, está en la página del generador de videos largos, y el producto entero, con canales de música, Shorts, avatares y el Spy, empieza en la página inicial de FalconVid.
Los cinco errores de armar esto a mano con tres herramientas
Mucha gente arma video largo con generador de clips más herramienta de voz más editor. Funciona, y estos son los cinco lugares donde normalmente sale mal, en el orden en que cuestan más caro.
- Generar los visuales antes de que exista el guion. La imagen tiene que servir a una frase específica. Generada primero, se vuelve decoración y la edición se vuelve un rompecabezas donde nada cae exactamente en el tiempo.
- Deriva de estilo a lo largo de 90 generaciones. Luz, paleta, altura de cámara y apariencia del personaje se pasean, y el video se lee como una pila de clips sin parentesco. Es problema de consistencia, no de calidad, y es invisible hasta que lo ves entero de punta a punta.
- Silencio debajo de la voz. Sin cama de música, sin ducking, sin transición. Es la forma más rápida de hacer que un video técnicamente correcto parezca amateur en los primeros 10 segundos.
- Subtítulos generados de una transcripción de la narración en vez de sacados del guion. Cada nombre, sigla y cifra gana una chance más de salir mal, y son exactamente las palabras que el espectador captura en pantalla.
- Tratar la portada y el título como los últimos 10 minutos de un trabajo de 12 horas. Ellos deciden si alguien va a ver las otras 11 horas, y son la cosa más barata de todo el proceso para probar.
Cuándo el generador de clips es la respuesta correcta, y dónde está el techo de verdad
Hay casos en que la herramienta de clips es exactamente lo que quieres, y fingir lo contrario sería inútil. Un plano único destacado para una landing page. Un loop de 6 segundos para probar un anuncio. Una imagen imposible dentro de una edición convencional. Un experimento visual donde el punto es el plano mismo. Para todo eso, encargar una generación le gana a correr un pipeline.
El techo solo aparece cuando la unidad de trabajo deja de ser el plano y pasa a ser el canal. Un video por semana a mano es un hobby sostenible. Cuatro por semana en tres canales y dos idiomas son 12 videos y alrededor de 1.080 generaciones por semana, más 12 guiones, 12 narraciones, 12 portadas y 48 operaciones de publicación. Eso no es límite de talento. Es límite de horas, y las horas no escalan con esfuerzo.
En la versión automatizada el mismo volumen deja de ser una pregunta de capacidad personal y se vuelve una pregunta de plan. El Starter de US$ 47 con 15.000 créditos y 2 generaciones simultáneas da cerca de 10 a 12 videos por mes mezclando el económico con uno en balanceado. El Pro de US$ 97 con 30.000 créditos, 5 canales y 5 simultáneas corre unos 29 videos económicos por mes. El Business de US$ 297 con 95.000 créditos corre 94, el Agency de US$ 597 con 190.000 corre 188, y el Scale de US$ 997 con 320.000 créditos, 50 canales y 50 generaciones simultáneas corre 317.
Así que la respuesta honesta a la pregunta original es sí, la IA convierte texto en video completo hoy, solo que no en una generación y no con un prompt. Necesita una cadena: investigación, guion, narración, unos 90 visuales, sonido, subtítulos, portada y subida. Puedes correr esa cadena a mano por 9,5 a 13,5 horas por video, o aprobar un calendario una vez y dejar que corra sola por 1.008 créditos.