Vídeos de producto con IA para e-commerce: un flujo de trabajo a escala de catálogo

Tienes 400 SKU, una buena foto de cada uno y cero vídeos de producto. Amazon asegura que tras añadir un primer vídeo shoppable a una página de detalle, las ventas subieron de media un 24 % en sus datos de enero a junio de 2026. Google Merchant Center ya admite vídeo en el feed de producto. Grabar 400 productos es un trimestre de trabajo y un presupuesto que no tienes. Generarlos uno a uno en una herramienta web es un mes de clics.

La versión viable está en el punto medio: tratar el catálogo como datos, convertir cada foto de producto en un clip corto de imagen a vídeo con un modelo elegido por SKU, lanzar todo desde una hoja de cálculo o un agente, y exportar archivos que pasen la especificación de cada marketplace a la primera. Esta guía cubre ese pipeline de principio a fin, con la aritmética.

Por qué ahora merece la pena un vídeo por SKU

Dos cambios de 2026 han llevado el vídeo de producto de un extra para los productos estrella a algo que se justifica en todo un catálogo.

Amazon publicó el incremento. Su blog para vendedores da la media del 24 % y la desglosa por categoría: juguetes con un 32,7 %, ropa con un 30,5 % y hogar con un 26,7 %. Un listado puede llevar hasta cuatro vídeos shoppable. Son promedios internos de Amazon, así que mide los tuyos.
Google añadió un atributo de vídeo al feed. El atributo video_link admite hasta 10 vídeos por producto. Según Search Engine Roundtable, el envío se abrió el 14 de abril de 2026, y la publicación junto con la validación de políticas y calidad empieza el 30 de junio de 2026.

Los dos canales premian la cobertura. Un vídeo en tus cinco productos principales deja a los otros 395 listados sin ninguno.

Qué acepta cada marketplace

Empieza por las especificaciones, porque fijan duración, relación de aspecto, resolución y tamaño de archivo antes de cualquier decisión creativa. Esto es lo que dicen las fuentes y lo sólida que es cada una.

Shopify

El Centro de ayuda de Shopify acepta MOV, MP4 y WEBM, hasta 1 GB y 10 minutos, con ancho y alto entre 100 y 4096 píxeles. Las relaciones de aspecto recomendadas son 16:9, 9:16, 4:3, 3:4 y 1:1, a 60, 30 o 25 fps.

Amazon

La propia página de Amazon indica .mov o .mp4, hasta 1080p y 5 GB, y limita la función a cuentas de vendedor profesional con al menos tres meses de historial de ventas. Según el resumen de esa página, la duración indicada va de 1 a 12 minutos, algo que encaja mal con clips de producto cortos; una guía de terceros de GOAT Consulting describe otras reglas, entre ellas un mínimo de 1280x720, preferencia por 16:9 y el Registro de Marca (Brand Registry) como requisito. Consulta Seller Central para tu cuenta antes de renderizar 400 clips con una duración que Amazon podría rechazar. La revisión tarda unos 3 días, hasta 7 días hábiles en temporada alta.

Google Merchant Center

La especificación de video_link es la más estricta en cuanto a forma: de 6 a 240 segundos, 500 MB como máximo, 720p (1280x720) como mínimo y una relación de aspecto de 9:16, 16:9 o 1:1. El sonido es opcional. Una URL que no sea de YouTube debe apuntar directamente a un archivo de vídeo sin procesar, ser de acceso público y no caducar. Además debes contar con los derechos de licencia para uso de marketing.

Walmart, TikTok Shop y Etsy

Walmart: la guía de rich media de Marketplace Learn pide una URL .mp4 directa sin redirecciones, 100 MB o menos, hasta ocho vídeos por artículo y un envío que incluya el ID del artículo, el GTIN, el nombre de un archivo de subtítulos y el idioma del vídeo. Confírmalo en Seller Center.
TikTok Shop: la regla de desaprobación de GoDataFeed indica un vídeo de producto por listado, de 5 MB o menos, cuando se envía por un canal de feed. Otras vías de subida citan límites mayores, así que el límite depende de cómo lo envíes.
Etsy: un resumen de Wyzowl sitúa los vídeos de listado entre 5 y 15 segundos, 100 MB, MP4 o MOV, reproducidos sin sonido, uno por listado. Es una fuente secundaria, así que verifícalo en la ayuda de Etsy.

La regla de decisión que se deduce

Duración de 6 a 10 segundos. Seis segundos superan el mínimo de Google, y hasta 15 caben en el rango de Etsy según lo publicado. Amazon es la excepción que hay que comprobar.
Resolución de 720p o más para todo lo que vaya a Google o Amazon. Un render de 480p, más barato, sirve para una galería de Shopify y para nada más.
Dos relaciones de aspecto, como máximo. 1:1 o 9:16 para Google, TikTok Shop y tiendas móviles, 16:9 donde se aplique la preferencia de Amazon. Renderiza de forma nativa en cada relación que necesites: recortar un clip 16:9 a 9:16 suele cortar el producto.
Diseña para el silencio. Google hace el sonido opcional y Etsy reproduce sin sonido según lo publicado, así que el clip tiene que entenderse sin audio. El audio es un añadido para ubicaciones sociales.
Codifica por destino. Un archivo maestro y luego una exportación pequeña para el límite del feed de TikTok Shop y otra por debajo de 100 MB para Walmart.

De la foto de producto al clip: el paso de imagen a vídeo

La imagen a vídeo es la pieza adecuada para un catálogo porque el producto ya está definido por la foto. El trabajo del modelo es añadir movimiento alrededor de algo que existe, y eso mantiene el SKU reconocible. El texto a vídeo inventa el producto a partir de una descripción y se equivocará con la etiqueta, el tapón o las costuras.

Prepara la imagen de origen

Usa tu foto de mayor resolución, con el producto completo en el encuadre y algo de margen para los movimientos de cámara.
Si la única foto es un packshot sobre fondo blanco, genera primero una imagen ambientada (sobre una encimera, sobre un escritorio, en la mano) con un modelo de imagen y anima después esa imagen.
Deja a las personas fuera de plano salvo que las necesites. La regla de divulgación que verás más abajo se aplica a personas fotorrealistas generadas por IA, y un clip solo de producto la evita.

Escribe prompts de movimiento que protejan el producto

El fallo típico en el trabajo de catálogo es la deriva: el modelo redibuja el logotipo, cambia el color de un tapón o añade una función que el producto no tiene. Según GOAT Consulting, Amazon incluye entre sus motivos de rechazo una discrepancia entre el vídeo y el listado, de modo que la deriva es tanto un problema de cumplimiento como de calidad. Una plantilla de prompt de movimiento que la limita:

Cámara: un solo movimiento. "Acercamiento lento", "órbita lenta de 30 grados hacia la izquierda", "cámara fija".
Sujeto: "el producto permanece sin cambios, con la etiqueta y los colores exactamente como en la imagen".
Movimiento del entorno: pequeño y secundario. "Vapor que asciende", "tela que se mueve ligeramente con la brisa", "luz que recorre la superficie".
Exclusiones: "sin texto, sin manos, sin personas, sin objetos nuevos".

Antes y después, con una taza de cerámica:

Antes: "Vídeo cinematográfico de nuestra increíble taza, dinámico, tendencia, iluminación preciosa." El modelo elige su propia trayectoria de cámara, inventa un latte art y el color del esmalte cambia entre fotogramas.
Después: "Acercamiento lento a la taza sobre una mesa de madera, luz de la mañana desde la izquierda, un hilo fino de vapor que asciende. La taza, el color de su esmalte y su logotipo se mantienen exactamente como en la imagen. Sin texto, sin manos, sin personas." Un movimiento, un movimiento secundario, bloqueos explícitos.

La misma disciplina evita que el material generado parezca sintético; cómo hacer anuncios con IA que no parezcan generados por IA profundiza en las decisiones de iluminación y movimiento.

Cuánto cuesta un vídeo por SKU, con la aritmética

La imagen a vídeo se factura por segundo de salida, y la resolución y el audio cambian la tarifa; el catálogo de imagen a vídeo de fal muestra ese patrón entre proveedores. La lista siguiente usa los precios públicos de Aitachyon en el momento de escribir, para un clip silencioso de 6 segundos, la duración mínima que acepta Google.

Hailuo 02 a $0.085/s: $0.51 por clip.
Kling v3 silencioso a $0.16/s: $0.96. Con audio nativo a $0.32/s: $1.92.
Wan 2.7 a $0.19/s: $1.14.
Veo 3.1 Fast desde $0.19/s: desde $1.14.
Seedance 2.5 desde $0.20/s en 480p: $1.20. En 720p, $0.44/s: $2.64.

La imagen ambientada, si la haces, suma $0.057 en Seedream 4.0, entre $0.057 y $0.086 en FLUX.2 [pro] o $0.13 en Nano Banana, todo en el momento de escribir. Una línea de locución para una versión social cuesta entre $0.043 y $0.086 por cada 450 caracteres en ElevenLabs, lo que cubre una frase de producto de dos oraciones.

Tres presupuestos de lote

50 SKU, nivel económico. 50 imágenes de Seedream a $0.057 son $2.85. 50 clips de Hailuo 02 a $0.51 son $25.50. Total $28.35, unos $0.57 por SKU.
50 SKU, 720p para Google y Amazon. Seedance 2.5 en 720p durante 6 segundos cuesta $2.64 por clip, $132 por 50. Suma $2.85 en imágenes: $134.85, unos $2.70 por SKU.
500 SKU, mixto. 450 SKU de cola larga en Hailuo 02 ($229.50) y tus 50 más vendidos en Kling v3 con audio para redes ($96). Suma 500 imágenes ($28.50). Total $354.

Presupuesta repeticiones. Algunos clips derivarán y necesitarán un segundo render, y un render que rechazas sigue siendo un render que has pagado. Solo se reembolsa el render que falla por completo. Si calculas que la mitad de los SKU necesitará una repetición, multiplica la línea de vídeo por 1,5.

Cómo se compara

Existen tarifas por segundo más baratas. La guía de vídeo de producto de Atlas Cloud cita Wan 2.6 Flash a $0.018/s ($0.144 por clip de 8 segundos), Seedance v1.5 Pro a $0.047/s y Kling 3.0 Standard a $0.071/s, y estima un catálogo de 500 productos en unos 72 a 188 dólares. Son versiones de modelo más antiguas o ligeras citadas en el blog de un proveedor, así que compara la calidad con tus propios productos antes de comparar tarifas. En el extremo premium, fal lista Veo 3.1 a $0.20/s sin sonido y $0.40/s con audio, y Kling 3.0 Pro a $0.112/s sin sonido. Hay una vista modelo por modelo en precios de las API de generación de vídeo con IA en 2026, y cada tarifa vigente está en la página de modelos.

Elegir un modelo por SKU

Un catálogo es desigual, y la elección del modelo debe seguirlo. Usa una regla de tres niveles y escribe el nivel en la hoja de cálculo para que el lote elija el modelo solo.

Nivel C, cola larga: el modelo más barato que mantenga la forma del producto. Silencioso, 6 segundos, una sola relación de aspecto.
Nivel B, ventas estables: un modelo de precio medio a 720p o más para que el archivo cumpla con Google y Amazon, dos relaciones de aspecto.
Nivel A, el 5 a 10 % superior: el mejor modelo que puedas permitirte, audio nativo donde ayude en una ubicación social y varias variantes para probar.

Haz un lote de calibración antes de comprometerte. Toma cinco SKU difíciles para tu categoría (envases reflectantes, texto pequeño en etiquetas, botellas transparentes, textura de tela) y renderiza cada uno en tres modelos. Cuesta unos pocos dólares. Para una comparación directa de dos opciones habituales, consulta Kling v3 frente a Seedance 2.5.

Procesar por lotes desde una hoja de cálculo o un agente

Cuando cada SKU es una fila, la generación pasa a ser un bucle. La hoja de cálculo es la fuente de verdad, y el script o el agente solo lee filas y escribe resultados.

Las columnas

sku y gtin (los envíos a Walmart necesitan el GTIN).
source_image_url, la foto que se va a animar.
tier (A, B, C), que corresponde a un modelo.
still_prompt, opcional, para una imagen ambientada.
motion_prompt, construido con la plantilla de cuatro partes de arriba.
duration_s y aspect, según la regla de decisión.
channels, por ejemplo "amazon,google,shopify".
status, ref y cost_usd, que escribe de vuelta la ejecución.
qa, que rellena una persona: pass, retake o drop.

La ejecución

Desde código, recorre las filas con status vacío, envía la imagen y el clip, consulta hasta que termine y escribe en la fila la referencia y el coste devueltos. El propio script de procesamiento por lotes de Atlas Cloud usa cinco workers concurrentes con sondeo en paralelo y registro de resultados en JSON, un valor por defecto sensato para cualquier proveedor. Escribe los resultados tras cada trabajo para que un fallo en la fila 312 se reanude en la 313. Producir cientos de clips con seguridad cubre con más detalle reintentos, límites de frecuencia y topes de gasto.

Desde un agente, el mismo bucle es un prompt. Con un servidor MCP alojado conectado, puedes pedirle a Claude Code que "lea products.csv, renderice cada fila con status vacío usando el modelo de su nivel, escriba de vuelta la referencia y el coste, y se detenga si el lote pasa de $60". El agente hace el bucle y la hoja de cálculo sigue siendo el registro. Una configuración que funciona para automatizar la producción de vídeo con agentes recorre este patrón.

Mantén el gasto a la vista

Usa una clave de API dedicada por lote o por cliente, para que el gasto de cada ejecución quede aislado y se pueda revocar la clave si un bucle se descontrola.
Estima antes de ejecutar (filas por duración por tarifa, por nivel) y compara con el total desglosado después. Una diferencia indica repeticiones o una duración equivocada.
Guarda la referencia, no solo el archivo. Una referencia estable permite que un paso posterior, como el trabajo de exportación, recupere el archivo exacto que pasó el control de calidad.

Control de calidad y cumplimiento antes de subir

Pasa cada clip por esta lista antes de que salga de la hoja de cálculo.

La lista previa a la subida

Coincidencia con el producto. Compara el último fotograma con la foto del listado. Logotipo, color, forma, número de componentes. Cualquier deriva implica repetir.
Sin precios, descuentos ni urgencia. GOAT Consulting incluye entre los motivos de rechazo de Amazon las referencias a precios, descuentos y ofertas por tiempo limitado, junto con reseñas o valoraciones por estrellas, menciones a competidores o a otros marketplaces y elementos de interfaz falsos o marcas de agua. Los modelos a veces alucinan texto en los envases, así que búscalo.
Revisión de personas. Si aparece una persona fotorrealista generada por IA, Amazon exige ahora la palabra clave contains-synthetic-performer en el campo XMP dc:subject, añadida con un editor de metadatos compatible con IPTC antes de la subida. Según ChannelX, la regla abarca imágenes de producto, imágenes de estilo de vida, vídeos de producto y contenido A+ en todas las tiendas de Amazon, y Amazon puede mostrar un indicador a los compradores. El contenido sin personas, con personas reales o con personas no fotorrealistas queda exento.
Comprobación de specs. Duración, resolución, relación de aspecto y tamaño de archivo frente a cada canal de la fila.
Lectura en silencio. Míralo sin sonido. Si el beneficio no se ve, el clip no funciona en Etsy ni en la mayoría de los feeds.
Derechos. Google exige que tengas los derechos de licencia para uso de marketing. Revisa los términos del proveedor del modelo y los de cualquier foto de origen que no hayas hecho tú.

Exportación y alojamiento por canal

Este paso es mecánico, y es donde se atascan los proyectos de catálogo, porque cada marketplace quiere el archivo en un sitio distinto.

Google Merchant Center: aloja el MP4 en un almacenamiento que controles, en una URL pública que apunte al archivo sin procesar y no caduque nunca, y añádela como video_link en el feed. Los enlaces firmados o temporales incumplen el requisito de no caducidad.
Walmart: mismo alojamiento, una URL que termine en .mp4 sin redirecciones, más un archivo de subtítulos y el campo de idioma.
Amazon y Shopify: subida directa, así que la restricción es el tamaño del archivo y la duración. El límite de 1 GB de Shopify no afecta a un clip de 8 segundos.
TikTok Shop por feed: una exportación aparte de bajo bitrate para quedar por debajo del límite de 5 MB que cita GoDataFeed.

Un script de exportación que lea la columna qa, recupere cada archivo aprobado por su referencia, lo transcodifique por canal y lo suba a tu almacenamiento lo convierte en un solo comando. Para la parte creativa más allá del cumplimiento, consulta la guía de anuncios en vídeo para e-commerce.

Preguntas frecuentes

¿Puedo usar vídeos de producto generados con IA en Amazon?

Ninguna de las fuentes los prohíbe. El vídeo debe coincidir con el listado y evitar los motivos habituales de rechazo, como precios y valoraciones por estrellas. Si el clip muestra a una persona fotorrealista generada por IA, debes añadir la palabra clave contains-synthetic-performer a los metadatos XMP del archivo antes de subirlo, según el resumen de ChannelX de la regla de agosto de 2026. Los clips que solo muestran el producto quedan exentos.

¿Cuánto cuesta un vídeo de producto con IA por SKU?

Para un clip silencioso de imagen a vídeo de 6 segundos a los precios de Aitachyon en el momento de escribir, desde $0.51 en Hailuo 02 hasta $2.64 en Seedance 2.5 a 720p, más $0.057 a $0.13 por una imagen ambientada opcional. Suma un margen para repeticiones. Las estimaciones de otros proveedores son más bajas, con modelos más ligeros.

¿Qué duración debe tener un vídeo de producto para Google Shopping?

El atributo video_link de Google acepta de 6 a 240 segundos a 720p o más, en 9:16, 16:9 o 1:1, hasta 500 MB. Para un lote de catálogo, entre 6 y 10 segundos mantiene el coste bajo y además queda dentro del rango publicado para Etsy.

¿Cómo genero vídeos para cientos de productos a la vez?

Pon un SKU por fila en una hoja de cálculo con la imagen de origen, el nivel, el prompt de movimiento, la duración y la relación de aspecto, y luego recorre las filas desde un script o un agente con una concurrencia moderada, escribiendo de vuelta la referencia, el coste y el estado tras cada trabajo.

Fuentes

Si quieres ejecutar este pipeline sin cinco suscripciones, Aitachyon reúne Hailuo 02, Kling v3, Seedance 2.5, Veo 3.1 Fast y los modelos de imagen tras un único saldo prepago, accesible desde un estudio web, una API HTTP sencilla o un servidor MCP alojado en Claude Code, con cada trabajo desglosado por modelo y coste y los renders fallidos reembolsados automáticamente. La guía rápida de API y MCP pone en marcha un primer lote desde una hoja de cálculo en una tarde.