🧰 El stack de vídeo IA de 2026 (elige tus piezas de Lego)

Te llevas esto: un mapa mental claro de qué hace cada herramienta de IA — para que dejes de ahogarte con el «¿cuál uso?».

La mayoría abre Twitter, ve cinco herramientas nuevas de «vídeo IA» a la semana y se bloquea. Aquí va la cura: el vídeo IA es un stack, no una herramienta. No eliges una. Eliges una de cada capa y las encajas como piezas de Lego.

Las 4 capas

• Imagen (el fotograma) — Nanobanana PRO, Midjourney v7, Flux. Generas la imagen fija que quieres dar vida. Piénsalo como el casting y el diseño del decorado.
• Movimiento (el plano) — Kling 2.5, Higgsfield, Runway Gen-3, Luma Ray 2, Veo 3. Le metes la imagen fija (o un prompt) y le pides un plano en movimiento de 5 a 10 segundos. Aquí es donde vive casi todo el «wow».
• Voz (la voz en off) — ElevenLabs (clona tu voz o coge una de catálogo), PlayHT, Suno para camas musicales. Esto es lo que hace que un vídeo sin cara parezca hecho por una persona.
• Montaje (el corte) — CapCut (gratis y rápido), Descript (montas editando la transcripción), Submagic (subtítulos automáticos + b-roll), y Claude Code como tu montador por script (de eso va la lección de dentro de dos).

Para qué sirve de verdad cada una

• Nanobanana PRO — el caballo de batalla para imágenes fijas limpias de producto o personaje, con estilo consistente. Barata por imagen. Perfecta para el primer fotograma de un plano de Kling.
• Midjourney v7 — el look más cinematográfico nada más sacarla de la caja, pero cuesta más controlar objetos o texto concretos. Úsala para moodboards y planos estrella.
• Kling 2.5 — ahora mismo, el mejor realismo de movimiento por euro y segundo. Muy bueno con personas, telas y agua.
• Higgsfield — la herramienta para movimientos de cámara. Dolly, grúa, órbita, whip-pan. Es la dueña de la capa de fotografía (siguiente lección).
• Runway Gen-3 — el mejor pincel de movimiento e interpolación de fotogramas si necesitas control preciso sobre qué parte del plano se mueve.
• ElevenLabs — clona tu voz con 60 segundos de audio y a partir de ahí «escribes» tus vídeos. La bomba nuclear del creador sin cara.

Mapa aproximado de costes (a ojo, 2026)

Lo que hacen mal los principiantes

• Intentar hacerlo todo en una sola herramienta. Solo-Sora o solo-Kling queda genérico, porque los prompts de todo el mundo convergen. Encadena etapas.
• Elegir la herramienta de moda en vez de la adecuada. Higgsfield para movimientos de cámara, Kling para movimiento humano, Runway para control quirúrgico. Usa cada una para lo que domina.
• Saltarse la imagen fija. El modelo de movimiento solo puede animar lo que ve — una gran imagen fija es un gran plano.