Edita un objeto en un vídeo: comparativa de seis herramientas

La toma es casi correcta. El movimiento de cámara es bueno, el ritmo es bueno, la persona es buena, pero algo falla: un camión donde querías otra cosa, una cesta de fruta que no debería estar ahí, la chaqueta equivocada. Regenerar todo el plano para arreglarlo significa perder todo lo que funcionaba. Lo que necesitas es un montaje que afecte a un solo objeto y deje el resto del clip intacto.

Se han diseñado seis herramientas para ello. Tres de ellas cuentan con una lección cada una en la Academia gratuita de SYNTX.AI, con ejemplos prácticos y el precio que mostraba su interfaz. Otras tres —Higgsfield Genjutsu, Runway Aleph 2.0 y Kling O1 Edit— se describen a partir de las páginas de sus proveedores, y una de ellas la hemos utilizado en un trabajo real, con los fotogramas que se muestran abajo. Todo lo demás aquí no lo hemos ejecutado nosotros mismos.

Tres herramientas de las lecciones de SYNTX

Seedance 2.5 Editor: márcalo, nómbralo, conserva el resto

El clip de la lección es un coche atravesando un mercado concurrido, editado de tres formas distintas. Para sustituir dos camiones por elefantes caminando, el presentador señaló con una flecha cada camión en un fotograma donde ambos eran visibles, confirmó la selección y escribió junto a la etiqueta que aparece en el prompt: sustituye los dos camiones por dos elefantes en el mismo lugar y mantén los demás planos sin cambios. El coche sigue circulando entre ellos; la multitud, las sombrillas y el movimiento de cámara permanecen intactos.

La eliminación fue igual con un rectángulo alrededor de una cesta de frutas, seleccionado en el fotograma anterior al derrame. El prompt pedía que desaparecieran la cesta y cada fruta dispersa. No hacía falta describir el fondo; el modelo lo completó. Para la tercera edición, un coche de policía en lugar del coche ordinario, se introdujo una imagen de referencia mediante el clip y el coche mantuvo su trayectoria y el polvo tras sus ruedas.

El patrón a copiar: selecciona un fotograma donde el objeto sea totalmente visible, escribe una instrucción corta con tus propias palabras y termina siempre con “mantén los otros planos sin cambios”. El precio subió de 82.9 a 132.7 tokens al elegir la resolución de salida, por lo que la resolución es el principal factor de coste aquí.

Beeble SwitchX: cambia el primer fotograma, enmascara el resto

SwitchX no redibuja todo el fotograma. Mantiene el original y cambia solo lo que la máscara deja abierto, razón por la cual sus resultados no muestran los artefactos de generación habituales y por la que vuelve a iluminar los objetos para que coincidan con su nuevo entorno. El trabajo se realiza antes de la herramienta de vídeo: editas el primer fotograma en un modelo de imagen —el GPT Image 2 de la lección— y SwitchX aplica ese cambio a lo largo de todo el clip.

• De día a noche en globos aerostáticos: el primer fotograma se convierte en un cielo nocturno con globos brillantes mediante la máscara de Relleno (Fill), que cubre todo el fotograma. Los globos vuelan exactamente igual que antes.
• Un caballo convertido en un unicornio blanco: la máscara Select. El blanco marca lo que se mantiene y el negro lo que se redibuja, por lo que se perfiló el caballo e invirtió la máscara. El presentador también pintó el área hacia donde oscila la cola, de lo contrario, la cola antigua se habría quedado.
• De un campo a un bar: el jinete y el unicornio están delineados y en blanco, de modo que solo cambian los alrededores.
• De ropa de gimnasia a traje: el contorno dibujado con un margen alrededor del cuerpo, porque una selección muy ajustada a veces falla.

Aquí el prompt apenas importa: una línea general sobre el plano. El fotograma editado hace el trabajo, así que cuanto más precisamente muestre el cambio, menos tendrás que escribir.

Veo Omni Flash: económico, rápido y a veces algo caótico

Omni Flash utiliza el vídeo de origen y hasta cinco imágenes de referencia, o varias imágenes, junto con un prompt corto. Su ventaja es el precio: 14 tokens frente a más de cien de los otros dos. La lección es honesta sobre su coste: las generaciones a veces contienen defectos, y la solución es regenerar, lo cual es económico.

Sustituyó el fondo de una figurita bailando por una playa de una foto de localización, y cambió un bolso por uno de una foto de referencia con sombras y luz solar coincidentes. Solo con un prompt de texto, convirtió un rifle en una pistola de agua de juguete con líquido chapoteando en su interior. Al pedirle que eliminara el rifle por completo, dejó restos junto a las palmeras; motivo para otro intento. También aplicó restyle a un clip de snowboard para convertirlo en claymation, en un cómic retro y en pixel art, usando un fotograma restyleado para cada uno, manteniendo el movimiento del rider y la cámara intactos.

Dos reglas de prompt de la lección: escribe en inglés, ya que el modelo es más estable así, y expresa solo la intención: qué cambiar y qué mantener. Inserta cada etiqueta de referencia donde se nombre su elemento.

Tres más: Genjutsu, Aleph y Kling O1 Edit

Estas tres opciones llevan la misma idea más allá: subes el clip, describes el cambio y adjuntas el nuevo objeto como referencia. Ninguna de ellas te pide que dibujes una máscara; cada una encuentra y rastrea el objeto mediante las palabras. Eso es más rápido, pero también es donde fallan, como demuestra nuestro propio trabajo.

Genjutsu en un trabajo real: los libros que encontró y las hojas que no

Nuestro caso fue un montaje de 108 segundos en el que más de diez personas, cada una filmada por separado, sostenían un libro, una tarjeta o una hoja de papel en blanco, y todos ellos debían convertirse en el mismo libro verde. El prompt era explícito: sustituye cada libro y cada papel o tarjeta blanca que se sostenga por el libro verde de la referencia, mantén las manos delante y no cambies nada más.

Genjutsu confundió los libros que reconoció como tales. Un participante sostenía un libro verde diferente, filmado en espejo con una cámara selfie; el resultado fue nuestra portada, orientada correctamente, con el título, el emblema del árbol y ambas manos intactas.

Dejó cada hoja en blanco tal cual, aunque el prompt las mencionara, y omitió un libro azul en un segmento posterior. Un modelo que busca un objeto mediante palabras decide por sí mismo qué cuenta como objeto, y una hoja de papel no lo hizo.

Tuvimos que dividir el vídeo en diferentes cortes y reemplazar los objetos uno a uno: un corte con un libro, luego cortes con hojas en blanco, cada uno editado para mostrar el libro verde que queríamos.

Runway Aleph 2.0

Runway posiciona a Aleph como el editor para metraje real: sustituye un producto o un personaje, elimina un objeto, cambia el fondo o el vestuario, ajusta la iluminación, añade clima o efectos, todo mediante una instrucción de texto. Utiliza los clips más largos de los seis, de hasta 30 segundos con hasta diez cortes, y tiene el precio más claro: 28 créditos por segundo editado en la aplicación, con un mínimo de 56 créditos, o $0.28 el segundo a través de la API. No lo hemos probado.

Kling O1 Edición de Kling

El editor de Kling funciona mediante lenguaje natural con hasta cuatro referencias: etiqueta un personaje como @Element1 y una imagen de estilo como @Image1 en la instrucción, y mantendrá el movimiento original mientras cambia lo que has nombrado. Los clips duran de 3 a 10 segundos y, a 0.168 el segundo en tarifa plana (0.126 para el nivel Standard), es el editor de pago más económico por segundo de los disponibles aquí. Nosotros tampoco lo hemos probado.

Cuál elegir

1. El objeto es plano y rígido — un libro, un cartel, una pantalla, una etiqueta: rastrea sus esquinas y fija el reemplazo. Sin modelos, sin manos redibujadas, sin precio por segundo.
2. Un objeto debe cambiar y todo lo demás debe permanecer exactamente igual a nivel de píxel — SwitchX, si el clip dura 10 segundos o menos y puedes editar el primer fotograma de forma convincente.
3. Cambio de producto, accesorio o vestuario a partir de fotos de referencia — Genjutsu, y luego comprueba cada instancia que debería haber detectado.
4. Debes reemplazar, eliminar o añadir un objeto, y prefieres señalar en lugar de enmascarar — Seedance 2.5 Editor.
5. Metraje real de hasta 30 segundos con un precio claro por segundo — Aleph; para clips de 10 segundos o menos donde el precio es importante, Kling O1 Edit.
6. Sigues explorando, o el cambio es la estética completa — Omni Flash, con presupuesto para algunas regeneraciones; es lo suficientemente barato como para que tres intentos cuesten menos que una ejecución de los demás.

Independientemente del editor que uses, recorta cualquier rostro del plano a tamaño completo comparándolo con la fuente antes de conservar la toma. Un montaje que deja el objeto bien pero a la persona ligeramente distinta no ha salvado el plano.

Fuentes

• SYNTX.AI Academy: “Montaje de vídeo selectivo en Seedance”, “Cómo cambiar elementos individuales en un vídeo” (Beeble SwitchX) y “Montaje de vídeo sencillo con prompts” (Omni Flash)
• Higgsfield: Conoce Genjutsu y la página de Genjutsu
• Runway Aleph 2.0: funciones y precios
• Kling O1 Edit en fal