Cuánto tarda la generación: nuestros propios registros
Registramos el tiempo real de cada ejecución completada en nuestra propia herramienta de producción, entre el 7 de septiembre y el 21 de octubre de 2026. Estos datos proceden de nuestra propia copia de MiniMax H3 en Hugging Face ZeroGPU, que no tiene cola de espera pública. El tamaño era 768 × 1344 o 1344 × 768.
| Modelo | Ejecuciones | Mediana de espera por segundo de salida | Rango | Espera media por clip |
|---|---|---|---|---|
| MiniMax H3 turbo | 60 | 19.9 s | 13.8 a 29.1 s | 85.5 s |
| MiniMax H3 completo | 9 | 65.9 s | 47.7 a 80.1 s | 274 s |
Un clip de 5 segundos nos llevó unos 2 minutos en el modo turbo y 6 minutos con el modelo completo. Otras cinco ejecuciones de un total de 76 no terminaron: tres se cancelaron o fallaron por un archivo de entrada defectuoso, y dos se perdieron cuando nuestro propio servidor se reinició. No registramos las API alojadas de esta manera, por lo que no tenemos cifras equivalentes para Kling o Wan, y no vamos a especular con ellas. Otros tiempos de nuestras pruebas publicadas:
| Trabajo | Duración | Herramienta | Tiempo |
|---|---|---|---|
| Eliminación de fondo | 7 s, 1080 × 1920 | VEED en fal | 1 min 16 s |
| Eliminación de fondo | 7 s, 1080 × 1920 | RobustVideoMatting, CPU de portátil | 2 min 01 s |
| Eliminación de fondo | 7 s, 1080 × 1920 | BiRefNet, Hugging Face | 3 min 52 s |
| Avatar parlante a partir de una foto | 5.55 s | OmniHuman 1.5 en fal | 3 min |
| Avatar parlante a partir de una foto | 5.55 s | Kling AI Avatar v2 Pro en fal | 7 min |
Para estimar un trabajo, multiplica la duración por la espera por las tomas. Treinta segundos en H3 turbo con tres tomas es 30 × 19.9 × 3, unos 30 minutos de espera.
La cuota puede ser el límite más estricto: ese plan de Hugging Face ofrece 40 GPU minutos al día, y un segundo finalizado consumió unos 39 segundos de cuota, lo que equivale a unos 61 segundos de vídeo al día.
La mayor parte del tiempo se va en otras cosas
Esperar a los renders es la parte menor. Las imágenes, juzgar las tomas, corregir los prompts y el montaje llevan mucho más tiempo. No cronometramos esto de forma constante, así que no daremos un promedio. Lo que más influye es el orden de trabajo: en la prueba de la casa de muñecas, editar una imagen aprobada requirió 8 peticiones frente a 26 mensajes en un chat que reconstruía la escena cada vez. Ese tipo de ahorro eclipsa cualquier diferencia en la velocidad de renderizado.
¿Cuánto puede durar una generación?
| Modelo | Ejecución individual más larga | Ir más allá |
|---|---|---|
| Kling 4.0 | 30 s | Planos con prompts múltiples dentro de la toma |
| Seedance 2.5 | 30 s | CapCut incluye un modo de vídeo largo en fase beta de hasta 180 s, que no hemos probado |
| Wan 3.0 | 30 s, como en nuestra ejecución | Limita las secuencias de montaje a 2 o 3 planos |
| Veo 3.1 | 8 s | el endpoint de extensión de fal añade hasta 7 s por paso, para hasta 20 pasos: unos 148 s |
Una generación larga no siempre es mejor. Puede ser una buena forma de obtener una toma sin interrupciones, como en One Prompt Studio, pero un solo error en el segundo 25 significa tener que pagar por todos los 30 otra vez.
Cinco formas de conectar escenas
1. Comparte un fotograma entre dos planos
Genera el plano A terminando en una imagen, y el plano B empezando en esa misma imagen. Hicimos esto en la escena de la casa de muñecas: 3 segundos, luego 6, unidos en un fotograma compartido. La composición encajaba, pero el rostro tenía una textura de piel ligeramente diferente tras la unión. Funciona mejor con un corte o un movimiento para ocultar la costura.
2. Reutiliza las mismas referencias y realiza el montaje entre ángulos
Los espectadores perdonan un corte mucho más que un morphing. Genera cada plano por separado usando las mismas hojas de personaje y localización y realiza el montaje entre ángulos, como en una edición normal. El promo de Lisboa se construyó así con cinco planos de tres modelos distintos.
3. Entrega el último fotograma
Extrae el último fotograma de una toma aprobada y úsalo como el primer fotograma de la siguiente. Esto mantiene la posición y la luz, aunque también arrastra los errores. Limpia el fotograma antes de reutilizarlo.
4. Usa una función de extensión nativa
El paso de extensión de Veo en fal es el caso más claro. Cada extensión es otra generación de pago que puede derivar, así que comprueba las uniones.
5. Une los segundos buenos
Conserva todas tus tomas, incluso los fallos, y monta los segundos buenos. Solo funciona si las hojas mantienen cada elemento igual en todas las tomas.
Reglas para un film más largo
- Planifica primero la lista de planos. Nuestro explicativo sobre Nepal se planificó con 12 planos, primero los fotogramas clave, antes de cualquier vídeo.
- Mantén cada ejecución pequeña. Seis planos y nueve imágenes generaron Wan 3.0 instrucciones de salto; dos y dos salieron limpios.
- Mueve la cámara sobre una sola idea por plano. Los planos cortos solo permiten un movimiento pequeño.
- Deja el sonido para el final, en todo el montaje. Los clips generados por separado rara vez comparten el mismo tono de sala.
Planifica un vídeo más largo con nosotros
Los talleres cubren la planificación de planos, las referencias y el montaje en tu propio proyecto, para que no pierdas una tarde por un mal encaje.
Encuentra tu taller ↗