Communitygithub.com

NeverSight/learn-skills.dev

Guía de conversión de imagen fija a video: selección de modelos, generación de movimiento y movimientos de cámara. Cubre Wan 2.5 i2v, Seedance, Fabric, Grok Video con cuándo usar cada uno.

¿Qué es learn-skills.dev?

Esta skill te guía en el proceso de convertir imágenes estáticas en videos animados utilizando la CLI de inference.sh. Es ideal para desarrolladores y creadores de contenido que desean dar vida a imágenes fijas, ya sean paisajes, retratos o productos. La skill explica en detalle cómo seleccionar el modelo de IA adecuado (Wan 2.5 i2v, Seedance, Fabric, Grok Imagine Video) según el tipo de escena y movimiento deseado, proporcionando una tabla comparativa con casos de uso específicos. También cubre técnicas de movimiento de cámara (dolly, paneo, giro) y movimiento de sujetos (elementos naturales, cabello, tela), junto con las mejores prácticas para la redacción de prompts, enfatizando la sutileza sobre la acción dramática para obtener resultados de mayor calidad. Incluye ejemplos prácticos de flujos de trabajo completos, desde la generación de la imagen fuente hasta la adición de audio ambiente y la fusión de clips, así como una guía para crear efectos de cinemagraph. Está diseñada para usarse con la CLI `belt` de inference.sh, compatible con múltiples plataformas de modelos de IA, y se activa con comandos como `belt app run` seguido del ID de la aplicación.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/101-skills/skills/image-to-video

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Instala la skill de CLI belt: npx skills add belt-sh/cli

Imagen a Video

Convierte imágenes fijas en videos animados mediante la CLI de inference.sh.

Inicio Rápido

Requiere la CLI de inference.sh (belt). Instrucciones de instalación

belt login

# Genera una imagen fija
belt app run falai/flux-dev-lora --input '{
  "prompt": "lago sereno en la montaña al atardecer, picos nevados reflejados en aguas tranquilas, luz dorada, fotografía de paisaje",
  "width": 1248,
  "height": 832
}'

# Anímala
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "ondas suaves en la superficie del lago, nubes que se desplazan lentamente, luz cálida cambiante, pájaros volando en la distancia",
  "image": "ruta/a/imagen-del-lago.png"
}'

Selección de Modelos

ModeloID de AppMejor ParaEstilo de Movimiento
Wan 2.5 i2vfalai/wan-2-5-i2vMovimiento realista, movimiento naturalFotorrealista, sutil
WAN-I2V (Pruna)pruna/wan-i2vEconómico, rápido, 480p/720pNatural, eficiente
Seedance 2.0bytedance/seedance-2-0Hasta 1080p, audio sincronizado, todos los tipos de entradaVersátil, alta calidad
Seedance 2.0 Fastbytedance/seedance-2-0-fastVariante rápida, mismas capacidadesVersátil, rápido
Fabric 1.0falai/fabric-1-0Tela, tejido, líquidos, materiales fluidosFlujo basado en física
Grok Imagine Videoxai/grok-imagine-videoAnimación general, guiada por textoVersátil

Cuándo Usar Cada Uno

EscenarioMejor ModeloPor Qué
Paisaje con agua/nubesWan 2.5 i2vMejor en movimiento natural y realista
Retrato con expresión sutilWan 2.5 i2vMantiene la fidelidad del rostro
Producto con tela/tejidoFabric 1.0Especializado en física de materiales
Bandera ondeando, cortina fluyendoFabric 1.0Simulación de tela
Imagen ilustrada/artísticaSeedance 2.0Coincide con contenido estilizado
"Dar vida" generalSeedance 2.0Buen todoterreno, hasta 1080p
Prueba rápida/iteraciónSeedance 2.0 FastGeneración más rápida

Tipos de Movimiento

Movimiento de Cámara

MovimientoPalabra Clave en PromptEfecto
Avanzar / Dolly hacia adelante"dolly lento hacia adelante", "la cámara se acerca"Incrementa intimidad/enfoque
Retroceder / Dolly hacia atrás"la cámara retrocede", "zoom lento hacia afuera"Revelar, contexto
Paneo izquierda/derecha"la cámara panea lentamente hacia la derecha"Escaneo, seguimiento
Inclinación arriba/abajo"la cámara se inclina hacia arriba"Revelar altura
Órbita"la cámara orbita alrededor del sujeto"Exploración 3D
Grúa hacia arriba"la cámara se eleva"Revelación grandiosa
Estática(sin prompt de movimiento de cámara)Solo movimiento del sujeto

Movimiento del Sujeto

TipoEjemplos de Prompt
Elementos naturales"agua ondulante", "nubes desplazándose", "hojas susurrando con la brisa"
Cabello/ropa"cabello ondeando suavemente con el viento", "tela del vestido fluyendo"
Atmosférico"niebla rodando lentamente", "partículas de polvo flotando en rayos de luz"
Personaje"persona se gira lentamente hacia la cámara", "movimiento sutil de respiración"
Mecánico"engranajes girando", "manecillas del reloj moviéndose"
Líquido"vapor de café ascendiendo", "pintura goteando", "agua vertiéndose"

Mejores Prácticas para Prompts

La Regla de Oro: Sutil > Dramático

Los modelos de video con IA producen mejores resultados con movimientos suaves y sutiles que con acciones dramáticas. Solicitar demasiado movimiento causa distorsiones y artefactos.

❌ "persona corriendo y saltando obstáculos mientras la cámara gira"
✅ "persona caminando lentamente hacia adelante, brisa suave, la cámara sigue a su lado"

❌ "explosión con escombros volando por todas partes"
✅ "llama de vela parpadeando suavemente, luz ambiental cálida cambiante"

❌ "zoom rápido a los ojos con sacudida dramática de cámara"
✅ "dolly lento hacia adelante hacia el sujeto, cambio de enfoque sutil"

Estructura del Prompt

[Movimiento de cámara] + [Movimiento del sujeto] + [Efectos atmosféricos] + [Estado de ánimo/ritmo]

Ejemplos por Escenario

# Animación de paisaje
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "paneo suave de cámara a la derecha, agua reflejando nubes en movimiento, árboles meciéndose ligeramente con la brisa, luz dorada cálida, pacífico y lento",
  "image": "paisaje.png"
}'

# Animación de retrato
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "movimiento sutil de respiración, ligero giro de cabeza, parpadeo natural, cabello moviéndose suavemente, cambios de iluminación ambiental suaves",
  "image": "retrato.png"
}'

# Animación de producto
belt app run bytedance/seedance-2-0 --input '{
  "prompt": "órbita lenta de 360 grados alrededor del producto, movimiento suave del foco, reflejos sutiles cambiantes, exhibición de producto premium, movimiento suave",
  "image": "producto.png",
  "generate_audio": true
}'

# Animación de tela/tejido
belt app run falai/fabric-1-0 --input '{
  "prompt": "tela fluyendo y ondulando con viento suave, física natural de tela, movimiento suave",
  "image": "escena-tela.png"
}'

# Visualización arquitectónica
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "dolly lento hacia adelante a través de la entrada, ligera inclinación de cámara hacia arriba, luz ambiental filtrándose a través de ventanas, partículas de polvo en rayos de luz",
  "image": "interior-edificio.png"
}'

Guía de Duración

DuraciónCalidadUso Recomendado
2-3 segundosMáxima calidadGIFs, fondos en bucle, cinemagraphs
4-5 segundosAlta calidadPublicaciones en redes sociales, presentaciones de productos
6-8 segundosBuena calidadClips cortos, transiciones
10+ segundosLa calidad se degradaEvitar a menos que se unan clips cortos

Extender la Duración

Para videos más largos, genera varios clips cortos y únelos:

# Genera 3 clips a partir de la misma imagen con movimiento progresivo
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "paneo lento a la izquierda, movimiento suave del agua",
  "image": "escena.png"
}' --no-wait

belt app run falai/wan-2-5-i2v --input '{
  "prompt": "continuando el paneo, nubes cambiando, luz cambiante",
  "image": "escena.png"
}' --no-wait

# Únelos
belt app run infsh/media-merger --input '{
  "media": ["clip1.mp4", "clip2.mp4"]
}'

El Flujo de Trabajo Completo

Pipeline de Imagen Fija a Video Final

# 1. Generar imagen fuente (mejor calidad)
belt app run bytedance/seedream-4-5 --input '{
  "prompt": "paisaje cinematográfico, montañas brumosas al amanecer, lago en primer plano, nubes dramáticas, hora dorada, calidad 4K, fotografía profesional",
  "size": "2K"
}'

# 2. Animar la imagen
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "niebla suave desplazándose por el valle, superficie del lago ondulante, nubes moviéndose lentamente, pájaros en la distancia, luz cálida cambiante",
  "image": "paisaje.png"
}'

# 3. Mejorar la resolución del video si es necesario
belt app run falai/topaz-video-upscaler --input '{
  "video": "paisaje-animado.mp4"
}'

# 4. Añadir audio ambiente
belt app run infsh/hunyuanvideo-foley --input '{
  "video": "paisaje-animado.mp4",
  "prompt": "ambiente natural suave, pájaros distantes, viento suave, agua chapoteando"
}'

# 5. Fusionar video con audio
belt app run infsh/video-audio-merger --input '{
  "video": "paisaje-mejorado.mp4",
  "audio": "audio-ambiente.mp3"
}'

Efecto Cinemagraph

Un cinemagraph es una foto fija donde solo un elemento se mueve (ej., una cascada moviéndose en una escena por lo demás congelada). Para lograrlo:

  1. Genera la imagen fija con el elemento en movimiento claramente definido
  2. Indica movimiento solo en ese elemento específico
  3. Mantén la duración entre 2 y 4 segundos para un bucle sin costuras
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "solo la cascada se mueve, todo lo demás permanece perfectamente quieto, agua cayendo suavemente, el resto de la escena congelada",
  "image": "escena-cascada.png"
}'

Errores Comunes

ErrorProblemaSolución
Demasiado movimiento solicitadoDistorsión, artefactos, deformaciónSutil > dramático, siempre
Modelo incorrecto para el tipo de contenidoResultados pobresUsa la guía de selección anterior
Clips demasiado largos (10s+)La calidad se degrada significativamenteMantén entre 3-5 segundos, une si es necesario
Sin movimiento de cámara especificadoMovimiento aleatorio/impredecibleEspecifica siempre el comportamiento de la cámara
Direcciones de movimiento conflictivasCaótico, no naturalUna dirección de movimiento principal
Imagen fuente de baja resoluciónVideo de salida de baja resoluciónComienza con la fuente de mayor calidad
Escenas de acción complejasLos modelos no pueden manejarlasMantén el movimiento simple y natural

Skills Relacionadas

npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@ai-image-generation
npx skills add inference-sh/skills@p-video
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@prompt-engineering

Explora todas las apps: belt app store

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Download YouTube videos, extract/proofread/translate subtitles, and render them onto video. Use whenever the user asks to download a YouTube video with subtitles, translate video subtitles to Chinese, add subtitles/burn subtitles to a video, or do ASR transcription on video audio. Covers the full pipeline: video download → subtitle extraction → proofreading → translation → SRT generation → subtitle rendering. Also use for "下载视频加字幕", "视频翻译字幕", "把字幕烧录到视频中". For pure subtitle file creation without rendering (just SRT output), this skill handles that too — stop before Phase 5.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Skills relacionados