1
Quédate en Text to Video
El generador de arriba se abre en la pestaña Text to Video con el modelo Grok Imagine ya seleccionado.
Grok ImagineTexto a Vídeo · Grok Imagine
Generador de Texto a Vídeo con Grok
Describe una escena con palabras y recibe un clip con movimiento y sonido
Escribe lo que debe ocurrir —el sujeto, la acción, el movimiento de cámara y el sonido— y Grok Imagine lo convierte en un vídeo de 6 a 30 segundos en 480p o 720p. Elige 16:9, 9:16, 1:1, 3:2 o 2:3, consulta el coste en créditos antes de generar y hazlo todo en el navegador, sin instalar ninguna app.
Cómo funciona
Texto a vídeo en 4 pasos
2
Escribe la escena
Indica quién o qué aparece en pantalla, qué hace, dónde ocurre, cómo se mueve la cámara, la iluminación y cómo debe sonar.
3
Elige duración, resolución y formato
Elige de 6 a 30 segundos, 480p o 720p y la relación de aspecto según dónde vayas a publicar el vídeo. El coste en créditos se actualiza al cambiarlos.
4
Genera y revisa
Previsualiza el clip con sonido y luego ajusta una sola parte del prompt cada vez —la acción, la cámara o el estilo— y vuelve a generar.
Funciones de texto a vídeo
Todo sale de tu prompt
Sin necesidad de imagen
El texto a vídeo parte de un lienzo en blanco. El prompt define el sujeto, el escenario, el estilo y la acción, así que puedes probar una idea antes de tener metraje o ilustraciones.
Dirige la cámara con palabras sencillas
Pide un dolly-in lento, un seguimiento cámara en mano, un plano aéreo que se aleja o un plano general fijo. Nombrar el movimiento de cámara suele ser la mayor mejora que puedes hacer en un prompt de texto a vídeo.
Sonido desde el mismo prompt
Describe el ambiente, los efectos, la música o una breve frase de diálogo y Grok genera el audio junto con la imagen, de modo que la primera previsualización ya suena.
5 relaciones de aspecto
Elige 16:9 para YouTube y presentaciones, 9:16 para TikTok, Reels y Shorts, 1:1 para el feed, o 3:2 y 2:3 para un encuadre de estilo fotográfico. Se fija antes de generar, así que no hay que recortar nada después.
De 6 a 30 segundos, 480p o 720p
Haz un borrador de 6 segundos en 480p para comprobar la idea por poco, y luego renderiza la versión que te guste más larga o en 720p. Cuesta 2 créditos por segundo en 480p y 4 en 720p, y lo ves antes de enviar.
Modos Normal, Fun y Spicy
Cambia el estilo de generación sin reescribir el prompt. Todos los modos respetan las normas de seguridad del proveedor y el filtro de contenido del sitio.
CÓMO ESCRIBIR UN PROMPT DE TEXTO A VÍDEO
Cómo convertir texto en vídeo con Grok
Un prompt de texto a vídeo funciona mejor cuando se lee como un plano de un guion: un sujeto, una acción principal y un movimiento de cámara. Sigue este orden y rara vez necesitarás más de dos o tres frases.
- 1
Sujeto
Di de quién o de qué trata el plano y qué lo hace concreto: «un pescador anciano con un chubasquero amarillo», no «un hombre».
- 2
Acción
Da una acción clara con principio y final: «sube una red al barco y levanta la vista hacia la tormenta».
- 3
Escenario y luz
Sitúa la escena y define la iluminación: «pequeño barco de madera al amanecer, nubes grises y densas, luz azul y fría».
- 4
Cámara
Explica cómo se rueda el plano: «acercamiento lento desde un ángulo bajo, poca profundidad de campo».
- 5
Sonido
Termina con el audio: «viento, olas golpeando el casco, una gaviota a lo lejos». Omítelo si piensas añadir tu propia pista.
Consejos para mejores resultados de texto a vídeo
Un plano por generación
Varios cambios de escena en un mismo prompt suelen mezclarse. Genera cada plano por separado y luego móntalos.
Describe el estilo con palabras
Expresiones como «rodado en película de 35 mm», «anime con cel shading» o «iluminación de anuncio de producto» orientan el aspecto con más fiabilidad que una lista de adjetivos.
Borradores cortos y baratos
Prueba con 6 segundos en 480p (12 créditos). Cuando el movimiento esté bien, invierte créditos en duración y en 720p.
¿Necesitas una cara o un producto concretos?
Con texto solo no se puede reproducir una persona o un producto exactos. Cambia a imagen a vídeo o a vídeo a partir de referencias y súbelos.
Qué se crea con texto a vídeo
De una idea a un clip sin metraje
Vídeo corto para redes
Clips verticales 9:16 para TikTok, Reels y Shorts: ganchos, b-roll, chistes visuales y fondos en bucle.
Conceptos de anuncios y pitches
Maqueta una idea de anuncio o un mood film para un pitch antes de que nadie reserve un rodaje.
Storyboards y previsualización
Convierte líneas de guion en planos en movimiento para probar el ritmo, los movimientos de cámara y la iluminación.
B-roll y fondos
Genera planos de situación, texturas y bucles de ambiente para vídeos, directos y presentaciones.
Preguntas frecuentes sobre texto a vídeo
Dudas habituales sobre Grok texto a vídeo
¿Qué es Grok texto a vídeo?
Grok texto a vídeo usa Grok Imagine, el modelo de vídeo de xAI, para convertir un prompt escrito en un clip de vídeo corto. En esta página escribes una descripción, eliges la duración, la resolución y la relación de aspecto, y obtienes un vídeo de 6 a 30 segundos en 480p o 720p, con audio generado a partir de tu prompt.
¿Puedo usar Grok texto a vídeo gratis?
Puedes empezar gratis. Una cuenta nueva recibe 12 créditos, suficientes para un vídeo de 6 segundos en 480p, y el check-in diario suma de 2 a 3 créditos. Generar y previsualizar está incluido; descargar los archivos de vídeo requiere un plan de pago o una compra de créditos anterior.
¿Necesito una suscripción a X Premium o SuperGrok?
No. Esto es un estudio web independiente, no la app oficial de Grok. Ejecuta el modelo de vídeo Grok Imagine a través de proveedores de API y cobra por generación con créditos, así que no necesitas una cuenta de X, una suscripción a X Premium o SuperGrok, ni la app móvil.
¿Cuánto puede durar un clip de texto a vídeo?
Entre 6 y 30 segundos por generación. El coste depende de la duración: 2 créditos por segundo en 480p y 4 créditos por segundo en 720p, así que un clip de 10 segundos en 720p cuesta 40 créditos. El coste exacto se muestra antes de generar.
¿Qué relaciones de aspecto se admiten?
Texto a vídeo admite 16:9 (horizontal), 9:16 (vertical), 1:1 (cuadrado), 3:2 y 2:3. Elige la relación antes de generar para que la composición quede encuadrada según dónde vayas a publicar el vídeo.
¿El vídeo incluye sonido?
Sí. Grok genera el audio junto con el vídeo según lo que describa tu prompt: ambiente, efectos de sonido, música o diálogos breves. Los resultados varían, así que comprueba la sincronización en la previsualización y describe el sonido con más precisión si hace falta.
¿Cómo escribo un buen prompt de texto a vídeo?
Describe un solo plano: el sujeto, una acción principal, el escenario y la iluminación, el movimiento de cámara y el sonido. Los detalles concretos («un chubasquero amarillo», «acercamiento lento») funcionan mejor que las palabras genéricas de calidad, y cambiar un elemento cada vez facilita mejorar el resultado.
¿Texto a vídeo o imagen a vídeo? ¿Cuál debo usar?
Usa texto a vídeo cuando el prompt deba definirlo todo y todavía no tengas material visual. Usa imagen a vídeo cuando el resultado tenga que parecerse a una foto concreta, y vídeo a partir de referencias cuando el mismo personaje o producto deba aparecer en varios clips.
¿Puedo usar los vídeos con fines comerciales?
Sí, con un plan de pago. Todo plan de pago o compra de créditos incluye una licencia comercial para el contenido de tu cuenta; el plan gratuito es para uso personal. Sigues siendo responsable de los derechos de terceros presentes en tus prompts, como marcas, personas reales o música.
¿Por qué ha fallado mi generación de texto a vídeo?
La mayoría de los fallos se deben a la moderación de contenido: el proveedor puede rechazar prompts con personas reales, menores, violencia o contenido explícito. Los créditos de las generaciones fallidas se reembolsan automáticamente. Reformular el prompt o cambiar de modo suele resolverlo.