Texto a vídeo o web a vídeo: ¿generar las imágenes o filmar la página?
Elegir entre texto a vídeo o web a vídeo depende de dónde salen las imágenes: el texto a vídeo las inventa para encajar con tus palabras (banco de imágenes, gráficos animados o clips de IA), mientras que la web a vídeo filma una página real en un navegador, así que el espectador ve lo mismo que encontrará al hacer clic. Usa texto a vídeo cuando solo tengas una idea o unos datos que contar, y web a vídeo cuando una página ya demuestre lo que dices.
Esta guía es para quien dirige la comunicación de una ONG, de un medio de datos o de una empresa de software y tiene que elegir un enfoque para toda una serie de vídeos. PageToVid ofrece los dos caminos, así que el ejemplo es nuestro: un vídeo de 93 segundos en francés sin una sola imagen de una web.
Coallia: las subvenciones públicas en cifras, una animación de 93 segundos sin ninguna grabación de web: seis clips de IA, un gráfico, una cifra grande, medidores y un rótulo de fuentes, 228 palabras escritas en un guion gráfico.
La diferencia en una tabla
Los dos enfoques terminan en el mismo archivo: un MP4 con voz, subtítulos y una llamada a la acción. Lo que cambia es todo lo que ocurre antes de la imagen.
| Texto a vídeo | Web a vídeo | |
|---|---|---|
De qué partes | Un guion, un prompt, un artículo o unos datos | Una URL |
Qué hay en pantalla | Banco de imágenes, clips de IA, avatares o gráficos animados | La página real, desplazada y pulsada, más rótulos gráficos |
Fuente de verdad | Tus palabras | La página |
Riesgo principal | Imágenes que encajan con el texto pero no demuestran nada | Una página sin nada que valga la pena filmar |
Tras un cambio | Reescribir el guion y regenerar los planos | Volver a renderizar: el navegador filma la página de hoy |
Herramientas típicas | InVideo, Pictory, Fliki, Synthesia, un guion gráfico escrito en PageToVid | PageToVid; Revid con capturas |
Para el repaso empresa por empresa, consulta los mejores generadores de vídeo con IA en 2026 y las comparativas detalladas.
Ejemplo real: un vídeo de texto a vídeo sin página que filmar
AIFR publica datos de finanzas públicas francesas. Su ficha de Coallia, una gran asociación de alojamiento social, es una página de tablas, no algo que apetezca ver desplazarse. Así que no la filmamos. Escribimos el guion gráfico a partir de las cifras e hicimos el vídeo como una animación: 13 escenas, 228 palabras en francés, 93 segundos, en 16:9.
- Seis clips de IA llevan la parte humana: un plano de dron al amanecer sobre un edificio de alojamiento sencillo, trabajadores sociales de camino, una familia recibida en la entrada, una habitación que se prepara, una clase de francés y unos informes presupuestarios sobre una mesa.
- Siete escenas gráficas llevan los datos: un rótulo de título («Coallia, fundada en 1976»), dos bloques de cifras (703 subvenciones, unos 785 millones de euros en total), una curva de 2017 a 2023, una cifra grande para la subida entre esos años, medidores para el reparto del dinero, una lista y un rótulo final con las fuentes.
La voz arranca con «Chaque nuit, des milliers de personnes dorment dans des centres gérés par une seule association» y termina con las fuentes y una advertencia: los importes son las subvenciones registradas, no el presupuesto completo de la asociación. Esa clase de frase te la permite el texto a vídeo; la web a vídeo solo la diría si la página la incluyera.
Con la tarifa actual, el vídeo cuesta 40 créditos de renderizado más seis clips de la casa a 311 créditos cada uno. Los clips son la parte cara; una versión solo con rótulos gráficos cuesta un renderizado. Lo que cambiaríamos: una escena de clip lleva solo cinco palabras («Mais où va cet argent ?»), demasiado poco para que un clip de 8 segundos se perciba como algo más que un destello; la uniríamos con el tramo siguiente.
Qué cambia cuando existe una página
Piensa en una tienda, un SaaS o un anuncio inmobiliario. Ya hay una página que enseña la cosa, con su precio y su interfaz reales. Inventarle imágenes es tirar esa prueba: un plano de banco con un cliente sonriente dice menos que la página de pago de verdad.
La web a vídeo usa la página como fuente del guion y como imagen. El navegador en la nube la abre, la cámara va a lo que menciona cada frase, y los rótulos animados solo rellenan lo que la página no puede enseñar. Nuestro vídeo de la página de inicio está hecho así: siete escenas grabadas y dos generadas. El método está en cómo convertir una web en un vídeo, y el caso de uso de vídeo a partir de una web reúne más vídeos de clientes.
La segunda ventaja es el mantenimiento. Un vídeo de texto a vídeo describe el producto tal como era cuando lo escribiste; uno hecho desde una URL se vuelve a renderizar con la página tal como está hoy, por un renderizado.
Elegir en cuatro pasos
Hazte estas preguntas para cada vídeo de la serie, no una sola vez para todo el programa.
¿Hay una pantalla que demuestre lo que dices?
Una ficha de producto, una tabla de precios, un panel, un anuncio. Si la hay, fílmala. Si lo que afirmas vive en una hoja de cálculo o un informe, pasa al segundo paso.
¿Lo diría mejor un gráfico que una foto?
Las cifras van en rótulos gráficos: una curva, una cifra grande, una comparación. Los 21 visuales de escena recogen todo lo que puede mostrar una escena. No cuestan nada aparte del renderizado.
¿Tiene que aparecer una persona o un lugar?
Solo entonces añade clips de IA, uno por cada tramo que necesite una persona o un escenario, y deja cada uno el tiempo suficiente en pantalla. Clips de IA y planos de recurso explica los prompts y el coste.
¿Va a cambiar el tema?
Un producto que cambia cada mes pide web a vídeo, porque el vídeo sigue a la página. Un informe anual puede quedarse en un guion gráfico escrito que actualizas con las nuevas cifras.
Escribe el guion de texto a vídeo a su medida: la voz es una sola toma, así que el número de palabras es la duración, como explica la narración marca la duración.
Errores que vemos en los dos lados
- Generar lo que podías haber filmado. Un clip de IA de «un panel moderno» junto a un producto real es una prueba desperdiciada.
- Filmar una página de párrafos. Un artículo o una tabla de datos filmados en un navegador dan un desplazamiento lento; convierte sus puntos en rótulos o clips.
- Clips demasiado cortos para leerse. Un plano generado de menos de dos segundos es un destello. Dale a cada clip una frase entera.
- Cifras solo en el pie de una imagen de banco. Si la cifra importa, ponla en un rótulo gráfico, donde va la vista.
- Dos ideas en una escena. En los dos caminos, una idea por escena evita que el vídeo parezca atropellado.
Cuándo no usar PageToVid
Si necesitas texto a vídeo en volumen, con un gran banco de imágenes y un vídeo por artículo cada día, Pictory o InVideo están construidos en torno a ese banco y nosotros no tenemos ninguno (frente a InVideo). Si el vídeo debe presentarlo un avatar, Synthesia o HeyGen lo hacen de forma nativa. Para una narración generativa larga, minutos de planos cinematográficos sin voz, un modelo de vídeo específico o un equipo de producción son mejor opción. Y en el plan gratuito, nuestro camino de texto a vídeo tiene rótulos gráficos pero no clips ni imágenes de IA; para eso necesitas un plan de pago o un pase de vídeo, mira los precios.
Fuentes
Convierte tu sitio web en un vídeo — gratis
Pega la página que quieres filmar. PageToVid escribe el guion, graba el sitio real, pone la voz y entrega el MP4.
Preguntas frecuentes
¿Qué diferencia hay entre texto a vídeo y web a vídeo?
El texto a vídeo genera imágenes para un guion, con banco de imágenes, clips de IA, avatares o gráficos animados. La web a vídeo graba una página real en un navegador, así que el espectador ve el producto, el precio o el anuncio que la página muestra de verdad.
¿Puede PageToVid hacer un vídeo sin web?
Sí. Con sus herramientas MCP (create_animation) escribes tú el guion gráfico, escena a escena, y el vídeo se hace con rótulos, gráficos y, en los planes de pago, imágenes y clips de IA. El vídeo de Coallia de esta guía se hizo así.
¿Qué sale más barato, texto a vídeo o web a vídeo?
En PageToVid el renderizado cuesta lo mismo en los dos casos. Lo que suma coste son las imágenes generadas: cada clip de IA de la casa se cobra aparte del renderizado, mientras que las grabaciones y los rótulos gráficos van incluidos.
¿Se pueden mezclar los dos en un mismo vídeo?
Sí, y la mayoría de los vídeos de producto deberían hacerlo. Nuestro propio vídeo de la página de inicio usa dos clips de IA para plantear el problema y siete grabaciones reales de la página para enseñar el producto.