Guía de la API de Vidu AI para Image-to-Video y Reference Video

La API de Vidu AI convierte una imagen estática en un clip con movimiento mediante una única solicitud, y su modo de video de referencia transfiere el movimiento de un clip existente a una imagen estática. Este tutorial explica cómo acceder a ambas capacidades a través de la API unificada de TokenLab, incluyendo la estructura del payload, el ajuste de parámetros y una lista de verificación para una implementación práctica.

Puntos clave

• El endpoint de image-to-video de Vidu genera un movimiento realista a partir de un fotograma estático; el modo de video de referencia copia patrones de movimiento precisos de un video al contenido de una imagen objetivo.
• TokenLab expone Vidu y otros modelos de video (como Seedance, Veo 3, Kling, Hailuo y PixVerse V6) a través de una API única y consistente, para que puedas comparar calidad, velocidad y costo sin alterar tu código de integración.
• Parámetros como motion_intensity, num_frames y reference_video controlan directamente el estilo, la duración y la fidelidad de la salida; ajustarlos afecta la latencia de generación y la calidad del resultado.
• Los precios y la disponibilidad de los modelos cambian con frecuencia; consulta siempre los detalles más recientes en el directorio de modelos de TokenLab y en la página de comparación de precios (ambos observados el 07-07-2026).

Entendiendo los modos Image-to-Video y Reference Video de Vidu

El pipeline de image-to-video de Vidu trata una imagen de entrada estática como el primer fotograma y rellena los fotogramas restantes utilizando un "motion prior" (prioridad de movimiento) aprendido de datos de video. El modelo predice el flujo óptico y los cambios de apariencia consistentes con la semántica de la escena, generando un clip de video corto (generalmente de 2 a 10 segundos, dependiendo de num_frames y la resolución elegida).

El modo de video de referencia, a veces llamado transferencia de movimiento o generación guiada por video, acepta un parámetro adicional reference_video. El modelo extrae vectores de movimiento del clip de referencia y los aplica al contenido de la imagen estática. Por ejemplo, los movimientos de un bailarín de un video pueden transferirse a una foto de retrato, o el paneo de cámara de una presentación de producto puede mapearse sobre la imagen de un producto diferente. Ambos modos comparten el mismo endpoint de API en TokenLab; la única diferencia es la presencia del campo reference_video en la solicitud.

A diferencia de los modelos de text-to-video que alucinan movimiento a partir de un prompt, el enfoque de Vidu condicionado por imagen te brinda un control preciso sobre el fotograma inicial y, con un video de referencia, sobre la coreografía exacta del movimiento. Esto lo hace adecuado para animar arte conceptual estático, añadir movimiento secundario a fotos de productos o crear pruebas de animación de personajes a partir de una sola referencia. Debido a que el modelo trabaja con un primer fotograma real, el clip generado permanece anclado a la identidad visual de la entrada, evitando los problemas de distorsión de forma comunes en los pipelines basados solo en prompts.

Configuración de tu cuenta y API Key de TokenLab

Para usar Vidu a través de TokenLab, necesitas una cuenta activa y una API key.

1. Regístrate en tokenlab.sh.
2. Navega a tu panel de control y genera una API key en la sección API Keys.
3. Almacena la clave de forma segura: se enviará como un bearer token en cada solicitud.

La API unificada de TokenLab te permite cambiar entre modelos de video simplemente modificando el campo model en el payload. Vidu se identifica con el nombre vidu. Tu código de integración existente para modelos como Seedance o Veo 3 funcionará con Vidu sin necesidad de cambios estructurales.

Realizando tu primera solicitud a la API de Vidu con TokenLab

Una solicitud básica de image-to-video envía una URL de imagen estática y un conjunto de parámetros de generación. Aquí tienes un ejemplo usando curl:

curl -X POST "https://api.tokenlab.sh/v1/video/generate" \
  -H "Authorization: Bearer $TOKENLAB_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vidu",
    "image_url": "https://example.com/portrait.jpg",
    "motion_intensity": 0.7,
    "num_frames": 120,
    "resolution": "1080p"
  }'

Para el modo de video de referencia, añade el parámetro reference_video apuntando a un clip de movimiento corto:

{
  "model": "vidu",
  "image_url": "https://example.com/portrait.jpg",
  "reference_video": "https://example.com/dance_reference.mp4",
  "motion_intensity": 0.8,
  "num_frames": 120
}

La API devuelve un objeto JSON con una video_url que puedes consultar (polling) hasta que la generación esté completa. TokenLab también admite callbacks de webhook para evitar el polling, lo cual es el enfoque preferido para cargas de trabajo en producción.

Ajuste de parámetros para calidad y velocidad

El endpoint de Vidu acepta varios parámetros que afectan el realismo del movimiento, la duración de la salida y el tiempo de procesamiento. La siguiente tabla resume los más importantes.

Parámetro	Tipo	Descripción	Rango típico
motion_intensity	float	Controla la amplitud del movimiento. Valores bajos producen movimientos sutiles; valores altos crean acciones más dramáticas.	0.0 – 1.0
num_frames	int	Número de fotogramas a generar. La duración de salida es num_frames / fps, donde el fps predeterminado es 24. Valores más altos aumentan el tiempo de generación.	48 – 240
resolution	string	Resolución de salida. Los valores admitidos son 720p y 1080p. Una resolución mayor cuesta más y tarda más tiempo.	720p, 1080p
reference_video	string	URL de un video de referencia para la transferencia de movimiento. Cuando se omite, el modelo genera movimiento de forma autónoma.	URL
style_strength	float	Qué tan fuertemente el modelo se adhiere al estilo visual de la imagen de entrada frente al movimiento de referencia. Un valor de 1.0 mantiene el estilo de la imagen; valores más bajos permiten que el estilo del video de referencia se filtre ligeramente.	0.0 – 1.0

Probar estos parámetros en un clip corto (48–60 fotogramas) antes de escalar a la duración completa puede ahorrar tiempo y costos. La página de precios de TokenLab muestra los costos por generación en tiempo real, los cuales varían según la resolución y el número de fotogramas. El directorio de modelos también enumera los proveedores oficiales donde se aloja Vidu, como Replicate y fal, cuyos precios se observan de forma independiente: consulta los precios de Replicate y los precios de fal para conocer sus tarifas más recientes (observadas el 07-07-2026).

Lista de verificación para la implementación práctica

Antes de lanzar tu proyecto, utiliza esta lista para confirmar que tu integración está lista para producción.

• API key con alcance correcto: la clave no tiene permisos más amplios de los necesarios para la generación de video.
• Imagen de entrada validada: la URL de la imagen es accesible públicamente y tiene al menos 512×512 píxeles; el modelo funciona mejor con rostros u objetos claros y bien iluminados.
• Video de referencia preparado: al usar transferencia de movimiento, el clip de referencia es corto (2–5 segundos), está bien recortado y contiene un solo movimiento continuo sin cortes de escena.
• Ajuste de parámetros completado: motion_intensity y num_frames han sido probados en una muestra; el equilibrio elegido cumple con tu presupuesto de latencia y umbral de calidad visual.
• Polling o webhook configurado: el cliente consulta el estado de la video_url o escucha el webhook de finalización para evitar bloquear el hilo principal.
• Manejo de errores implementado: el código reintenta correctamente ante errores 5xx y registra cualquier respuesta 4xx para depuración.
• Monitoreo de costos habilitado: se ha establecido un límite de gasto en tu panel de TokenLab y consultas regularmente la página de comparación de precios a medida que los costos evolucionan.
• Alternativa de modelo considerada: si Vidu no está disponible temporalmente, cambiar a Seedance o Veo 3 solo requiere un cambio en el campo model en TokenLab.

Seguir estos pasos ayuda a mantener tu pipeline confiable incluso cuando la oferta de modelos de video cambia.

Comparando Vidu con otros modelos de video

La API unificada de TokenLab te permite probar Vidu frente a otros generadores de video sin reescribir el código de integración. Las alternativas principales al momento de escribir este artículo (07-07-2026) son Seedance, Veo 3, Kling, Hailuo y PixVerse V6, todos disponibles bajo el mismo endpoint. Cada uno tiene fortalezas distintas:

• Seedance: destaca en animaciones de personajes fluidas y de alta tasa de fotogramas; a menudo preferido para escenas de baile y acción.
• Veo 3: produce movimientos de cámara cinematográficos y composición de escenas; sólido para videos de productos y cortometrajes.
• Kling: optimizado para movimiento humano realista y sincronización labial; útil para avatares de tipo "talking-head".
• Hailuo: se centra en efectos estilizados y animados; funciona bien para gráficos en movimiento.
• PixVerse V6: equilibra velocidad y calidad para clips masivos de redes sociales.

Un desglose detallado de estos modelos, incluyendo muestras de salida comparativas y recomendaciones de casos de uso, está disponible en el artículo best AI video models API 2026. Para los desarrolladores que necesitan enrutar entre proveedores según el costo, la guía de comparación de OpenRouter explica cómo TokenLab abstrae el acceso a múltiples proveedores y te ayuda a minimizar el gasto.

Preguntas frecuentes

1. ¿Vidu admite prompts de texto junto con una imagen?
   Vidu es principalmente un modelo condicionado por imagen; la imagen actúa como el primer fotograma y la prioridad de movimiento determina el desplazamiento. Aunque algunos proveedores pueden permitir una pista de texto opcional para ajustar el estilo, la API a través de TokenLab actualmente no acepta un campo prompt. La mejor manera de influir en el resultado es ajustando motion_intensity, num_frames y, crucialmente, utilizando un video de referencia adecuado.

2. ¿Cuánto tarda una generación típica?
   La latencia de generación depende de num_frames, la resolución y la carga del proveedor. Un clip de 2 segundos a 720p (48 fotogramas) suele completarse en 15–30 segundos en TokenLab. Un clip de 5 segundos a 1080p (120 fotogramas) puede tardar entre 60 y 90 segundos. Se recomienda la entrega mediante webhook para aplicaciones sensibles al tiempo.

3. ¿Puedo usar imágenes o videos alojados localmente?
   TokenLab requiere URLs accesibles públicamente para image_url y reference_video. Puedes subir archivos a un bucket de almacenamiento en la nube (por ejemplo, Amazon S3 con una URL prefirmada) o usar un servicio de alojamiento temporal. Los proveedores subyacentes de Vidu (Replicate, fal) también requieren URLs para la obtención de activos.

Comienza con Vidu en TokenLab

La API de Vidu AI está lista para tus proyectos de image-to-video y transferencia de movimiento. Regístrate para obtener una cuenta de TokenLab, obtén tu API key y envía tu primera solicitud de prueba hoy mismo. Explora el directorio de modelos de TokenLab para seleccionar Vidu y compararlo con otros generadores de video, o sumérgete en la página de comparación de precios para optimizar tus costos. Con una sola API, obtienes acceso a toda la línea de modelos de video: sin necesidad de cambios en la integración.