Coste de un canal faceless: lo que cuesta cada vídeo con IA

Un vídeo faceless de diez minutos solía significar dos facturas: un editor y un narrador. Con los rangos publicados por Vidico y las cifras de GVAA resumidas por VoiceCrafters, esas dos líneas juntas quedan entre 800 y 1.700 $ por vídeo. El mismo vídeo construido con llamadas a una API tiene un coste de máquina de unas pocas decenas de dólares, y la mayor parte se va en imagen.

Casi todo el que presupuesta un canal faceless se fija en las líneas baratas (guion, voz) y pasa por alto la que decide el presupuesto: los segundos de vídeo generado. Aquí tienes un modelo de costes que puedes reconstruir en una hoja de cálculo, aplicado a un short de 30 segundos, un short de 60 segundos y un vídeo largo de 600 segundos, con cada precio fechado y enlazado.

Las cinco líneas que forman el coste de un vídeo faceless

Guion. Tokens de un modelo de lenguaje. Se cobran por millón de tokens.
Voz. Síntesis de voz, cobrada por carácter de narración.
Imagen en movimiento. Clips de vídeo generados, cobrados por segundo de salida.
Imagen fija. Imágenes generadas que se usan como diapositivas, fondos o miniaturas, cobradas por imagen.
Rerolls. Las tomas que descartas. Nadie publica este número, así que te toca fijarlo a ti.

El montaje (cortes, subtítulos, música, exportación) se paga con tu tiempo, así que queda fuera del coste de máquina y vuelve en la comparación con ayuda contratada.

La fórmula que usa el resto del artículo:

Coste por vídeo = guion + voz + (segundos de vídeo x tarifa por segundo + imágenes fijas x tarifa por imagen) x factor de reroll

El factor de reroll multiplica solo la imagen, porque una línea de voz o un guion rara vez necesitan más de una pasada para servir, mientras que un clip con una mano deformada sí. Uso 1,5 como supuesto de planificación, es decir, una toma extra por cada dos que conservas. Mide tu propia proporción durante un mes y sustitúyela.

Guion: la línea que puedes dejar de vigilar

La página de precios de Anthropic ofrece una conversión útil: un token equivale a unos cuatro caracteres, o 0,75 palabras, en inglés. La misma página lista Claude Sonnet 5.5 a 2 $ por millón de tokens de entrada y 10 $ por millón de salida, y Claude Haiku 4.5 a 1 $ y 5 $.

Para dimensionar los guiones supongo un ritmo de narración de unas 150 palabras por minuto. Es una cifra de planificación que tu voz y tu nicho moverán, así que cronometra una de tus locuciones y ajusta.

30 segundos: unas 75 palabras, o 100 tokens de salida.
60 segundos: unas 150 palabras, o 200 tokens de salida.
600 segundos: unas 1.500 palabras, o 2.000 tokens de salida.

Un guion de 600 segundos con Sonnet 5.5 son 2.000 tokens de salida x 10 $ por millón, es decir, 0,02 $. Suma un prompt de 5.000 tokens con tu esquema y tus notas de investigación (0,01 $) y tres rondas de revisión, y sigues por debajo de 0,10 $. La API Batch reduce ambas tarifas a la mitad si generas una semana de guiones por la noche.

Elige el modelo que mejor escriba el guion de tu nicho y olvida su precio, porque la diferencia son céntimos por vídeo.

Voz: barata por vídeo, conviene revisarla por carácter

La duración de la narración se convierte en caracteres con la misma regla práctica de Anthropic: una palabra son unos 5,3 caracteres (cuatro caracteres por token entre 0,75 palabras por token). Redondeado:

30 segundos: unos 400 caracteres.
60 segundos: unos 800 caracteres.
600 segundos: unos 8.000 caracteres.

En Aitachyon, la locución de ElevenLabs cuesta de 0,043 $ a 0,086 $ por cada 450 caracteres en el momento de escribir esto, según el modelo de voz. Eso da:

30 segundos: un bloque de 450 caracteres, de 0,043 $ a 0,086 $.
60 segundos: dos bloques, de 0,086 $ a 0,17 $.
600 segundos: unos 18 bloques, de 0,77 $ a 1,55 $.

Comprar directo sale más barato por carácter. La página de la API de ElevenLabs lista v3 y Multilingual v2 a 0,08 $ por 1.000 caracteres y Flash/Turbo a 0,04 $, de modo que la narración de 8.000 caracteres cuesta allí de 0,32 $ a 0,64 $. Un desglose de terceros de Puter cita en cambio 0,05 $ y 0,10 $ por 1.000 caracteres. Cuando la página del proveedor y un tercero no coinciden, fíate del proveedor. Si la voz es una parte relevante de tu gasto, algo raro en un canal faceless, una cuenta directa es la vía más barata. Para elegir entre modelos de voz por calidad y no por precio, el desglose del coste de la locución con ElevenLabs profundiza más.

Imagen: la línea que decide tu presupuesto

Aquí es donde los canales faceless se separan. Hay tres formas de llenar la pantalla, y la elección cambia tu coste en un orden de magnitud.

Modo A: imágenes fijas con movimiento añadido en el montaje

Imágenes generadas, con panorámicas y zooms en tu editor. Precios en el momento de escribir esto: Seedream 4.0 a 0,057 $ por imagen, FLUX.2 [pro] de 0,057 $ a 0,086 $, Nano Banana a 0,13 $ y gpt-image-2 de 0,10 $ a 0,40 $. Como referencia, el precio directo de Google para Nano Banana 2 va de unos 0,045 $ en 0,5K a 0,151 $ en 4K, y fal lista el Nano Banana original a 0,0398 $ por imagen.

Modo B: vídeo generado para cada segundo

El más vistoso y el más caro. Precios por segundo en el momento de escribir esto: Hailuo 02 a 0,085 $, Kling v3 a 0,16 $ sin audio y 0,32 $ con audio nativo, Veo 3.1 Fast desde 0,19 $, Wan 2.7 a 0,19 $ y Seedance 2.5 desde 0,20 $ en 480p y 0,44 $ en 720p.

Modo C: híbrido

Vídeo generado donde el movimiento justifica su coste (el gancho, una demostración, una transición) e imágenes fijas en el resto. La mayoría de los canales que duran acaban aquí, porque es el único modo en el que un vídeo de diez minutos se queda en decenas de dólares y aun así se mueve en pantalla.

Un canal faceless rara vez necesita audio nativo en sus clips, ya que la narración y la música se superponen, así que las tarifas por segundo sin audio son las relevantes. La guía de precios de APIs de vídeo modelo por modelo cubre con más detalle los compromisos entre resolución y audio.

Los tres vídeos, presupuestados línea a línea

Todos los precios siguientes son los de Aitachyon en el momento de escribir esto. El factor de reroll de 1,5 se aplica solo a la imagen. Las imágenes fijas se presupuestan a una cada 5 segundos en los shorts y una cada 6 segundos en formato largo, un supuesto de ritmo que deberías sustituir por el tuyo.

Short de 30 segundos

Guion: menos de 0,01 $.
Voz: de 0,043 $ a 0,086 $.
Modo A (6 imágenes de Seedream): 6 x 0,057 $ = 0,34 $, x 1,5 = 0,51 $. Total de unos 0,56 $ a 0,60 $.
Modo B con Hailuo 02: 30 x 0,085 $ = 2,55 $, x 1,5 = 3,83 $. Total de unos 3,87 $ a 3,92 $.
Modo B con Kling v3 sin audio: 30 x 0,16 $ = 4,80 $, x 1,5 = 7,20 $. Total de unos 7,24 $ a 7,29 $.

Short de 60 segundos, híbrido

Guion: menos de 0,01 $.
Voz: de 0,086 $ a 0,17 $.
Vídeo: un gancho de 5 segundos más dos inserciones de 5 segundos con Hailuo 02, 15 x 0,085 $ = 1,28 $.
Imágenes fijas: los 45 segundos restantes a una cada 5 segundos, 9 x 0,057 $ = 0,51 $.
Imagen con rerolls: (1,28 $ + 0,51 $) x 1,5 = 2,69 $.
Total: unos 2,78 $ a 2,87 $.

Formato largo de 600 segundos, híbrido

Guion: menos de 0,10 $ con revisiones.
Voz: de 0,77 $ a 1,55 $.
Vídeo: 60 segundos de movimiento (10 por ciento de la duración) con Hailuo 02, 60 x 0,085 $ = 5,10 $.
Imágenes fijas: 540 segundos a una cada 6 segundos, 90 x 0,057 $ = 5,13 $.
Imagen con rerolls: (5,10 $ + 5,13 $) x 1,5 = 15,35 $.
Total: unos 16,20 $ a 17,00 $.

Como contraste, esos mismos 600 segundos en Modo B puro con Hailuo 02 son 600 x 0,085 $ x 1,5 = 76,50 $ solo en imagen, y 144 $ con Kling v3 sin audio. El formato largo a pleno movimiento es la única configuración en la que el vídeo con IA deja de ser barato, así que decide con criterio qué segundos merecen moverse.

Lotes: lo que cuestan de verdad una semana y un mes

La cifra de planificación es tu ritmo mensual. Tres lotes realistas:

Una semana de shorts diarios (7 x 60 segundos híbridos): 7 x unos 2,85 $ = unos 20 $.
20 variantes de gancho para probar aperturas (20 x 5 segundos): 100 segundos con Hailuo 02 cuestan 8,50 $; con Kling v3 con audio nativo, 100 x 0,32 $ = 32 $. Probar los ganchos barato primero y mejorar el ganador es el orden sensato.
Un mes para un canal de dos formatos (4 largos + 20 shorts): 4 x 17 $ + 20 x 2,85 $ = 68 $ + 57 $ = unos 125 $.

Las miniaturas suman poco. Cincuenta miniaturas candidatas con Seedream 4.0 cuestan 50 x 0,057 $ = 2,85 $, o entre 5 $ y 20 $ con gpt-image-2 según la calidad. Genera muchas, quédate con dos, pruébalas.

La forma de pagar estos lotes importa tanto como el precio unitario. Los planes mensuales de créditos que se reinician tienden a penalizar los calendarios de publicación irregulares. La comparación de créditos frente a facturación por llamada lo desarrolla con ejemplos.

La referencia humana, con la misma aritmética

Para que la comparación sea justa, esto es lo que cuesta el trabajo equivalente cuando lo contratas, según rangos de tarifas publicados.

Edición

Vidico sitúa a los editores freelance entre 25 $ y más de 150 $ por hora, y por minuto terminado entre 20 $ y 100 $ en YouTube largo y entre 10 $ y 50 $ en TikTok y Reels. Por proyecto, indica de 300 $ a 1.500 $ para un vídeo de YouTube y de 50 $ a 400 $ para un TikTok o un Reel. Un editor interno a tiempo completo cuesta de 51.000 $ a 93.000 $ al año.

Narración

El resumen de VoiceCrafters de la guía de tarifas de GVAA lista la narración no broadcast de 350 $ a 450 $ por 1 a 2 minutos terminados, de 600 $ a 700 $ por 5 a 10 minutos y de 700 $ a 800 $ por 10 a 15 minutos. El trabajo para YouTube con emplazamiento de pago entra en difusión digital, que la misma guía tarifica de 1.000 $ a 1.250 $ por un periodo de uso nacional de tres meses.

Comparación directa

Vídeo de 600 segundos, contratado: edición a 20 $ a 100 $ por minuto, o sea 200 $ a 1.000 $, más narración a 600 $ a 700 $. Total de 800 $ a 1.700 $.
Vídeo de 600 segundos, con llamadas a API: unos 16 $ a 17 $, más tu tiempo de montaje.
Short de 60 segundos, contratado: edición a 50 $ a 400 $ por proyecto, más narración a 350 $ a 450 $. Total de 400 $ a 850 $.
Short de 60 segundos, con llamadas a API: unos 2,85 $, más tu tiempo de montaje.
El mes anterior (4 largos + 20 shorts), contratado: 4 x 800 $ a 1.700 $ más 20 x 400 $ a 850 $, que son 11.200 $ a 23.800 $.

Dos salvedades honestas. Primero, las cifras contratadas compran criterio: un editor con experiencia corrige problemas de ritmo y de historia que ningún modelo va a señalar. Segundo, tu tiempo no es gratis. Si montar un vídeo de diez minutos te lleva tres horas, valora esas horas a lo que vale tu tiempo y súmalas a la columna de IA. La comparación sigue favoreciendo a la generación por un margen amplio cuando hay volumen, y se estrecha rápido si haces un vídeo al mes y valoras tus tardes. Los compromisos más generales se exponen en la guía para llevar un canal de YouTube faceless con IA, y antes de planificar ingresos sobre estos costes, lee qué dicen las normas de YouTube sobre monetizar contenido de IA.

Comprar modelos directos frente a una sola cuenta

Cada modelo de arriba puede comprarse a su creador o a un revendedor, a menudo con un precio de lista por unidad más bajo. Ejemplos a septiembre de 2026:

Google lista Veo 3.1 Fast a 0,10 $ por segundo en 720p con audio, 0,12 $ en 1080p, y Veo 3.1 Lite a 0,05 $ por segundo en 720p. Veo 3.1 Standard cuesta 0,40 $ por segundo.
fal lista Kling v3 Pro de texto a vídeo y de imagen a vídeo a 0,14 $ por segundo, y Kling v2.5 turbo a 0,07 $.
Costbench muestra precios de la API de Kling entre proveedores que van de 0,056 $ a 0,42 $ por segundo, y Atlas Cloud lista Kling V3 Turbo desde unos 0,095 $ por segundo.
Si tu formato usa un avatar parlante como narrador, Runware tarifica Kling AI Avatar 2.0 Standard por generación, desde unos 0,199 $ hasta 0,868 $, sin tarifa por segundo en la página.

Para un solo modelo usado a gran volumen, lo directo suele ganar en precio unitario y conviene comprarlo así. Un canal que combina un modelo barato para los ganchos, un modelo de imagen para las fijas, otro para las miniaturas y un modelo de voz también paga cinco cuentas, cinco claves y cinco facturas, un coste que nunca aparece en una comparación por segundo. Decide línea por línea: si un solo modelo supera la mitad de tu gasto mensual, cotízalo directo.

Ejecutarlo desde código en lugar de una pestaña del navegador

Estas cifras suponen volumen, y el volumen es donde hacer clic en interfaces web deja de funcionar. Un canal faceless es un pipeline, y cada paso salvo el criterio puede correr desde un script o un agente:

Escribe el listado de planos como datos. Cada línea de narración recibe un tipo de plano (imagen fija o clip), un prompt y una duración. Aquí haces cumplir el presupuesto de 10 por ciento de movimiento del ejemplo largo.
Estima antes de generar. Multiplica el listado por la tabla de precios legible por máquina (Aitachyon la publica en /api/pricing) y niégate a ejecutar si la estimación supera tu techo por vídeo.
Genera en una sola pasada. Llama a la API con una cabecera Authorization: Bearer ait_..., o deja que lo haga un agente. En Claude Code el servidor MCP alojado es un solo comando: claude mcp add --transport http aitachyon https://aitachyon.com/api/mcp --header "Authorization: Bearer ait_...". Después puedes darle el listado al agente y él llama a los modelos. El recorrido con Claude Code y MCP muestra el ciclo completo.
Guarda referencias, no archivos. Cada salida recibe una referencia estable (img_, scn_, vo_) que tu script de montaje recupera con GET /api/generations/{ref}. Repetir una toma se reduce a regenerar una referencia.
Concilia lo real con lo estimado. Cada job viene detallado con su modelo y su coste, así que puedes calcular tu factor de reroll real por modelo y devolverlo al paso 2.

Dos detalles de seguridad importan cuando un agente gasta dinero por ti. Da a cada pipeline su propia clave de API, para que el gasto se atribuya por canal y salte una alerta cuando una clave gasta demasiado rápido. Y cuando un render falla, se reembolsa automáticamente, de modo que un lote defectuoso no infla en silencio tu coste unitario. A unos cientos de clips por semana, los límites de tasa, los reintentos y las colas se vuelven un tema aparte, tratado en producir cientos de clips con seguridad. Los detalles de configuración de la API y del servidor MCP están en la guía de inicio para desarrolladores.

Una lista de comprobación para recortar costes sin recortar calidad

Fija un techo por vídeo (por ejemplo 3 $ por short, 20 $ por vídeo largo) y haz que tu pipeline lo aplique.
Presupuesta el movimiento como porcentaje de la duración. Empieza en 10 por ciento para formato largo y súbelo solo donde los datos de retención indiquen que el movimiento ayuda.
Prueba con el modelo más barato que se vea aceptable. Ejecuta las variantes de gancho en Hailuo 02 a 0,085 $ por segundo y regenera solo las ganadoras en un modelo más caro.
Compra clips sin audio cuando la narración y la música se superponen. Kling v3 sin audio cuesta la mitad que Kling v3 con audio en el momento de escribir esto.
Usa la resolución más baja que necesite tu plataforma. Seedance 2.5 más que duplica su precio entre 480p y 720p en la lista actual.
Mide tu factor de reroll por modelo. Un modelo más barato que necesita tres tomas puede costar más que uno más caro que necesita una.
Valora tus horas. Si el tiempo de montaje crece más rápido que la producción, esa es la línea que toca automatizar.

Preguntas frecuentes

¿Cuánto cuesta al mes llevar un canal de YouTube faceless con IA?

Con los precios de arriba, cuatro vídeos híbridos de diez minutos y veinte shorts de 60 segundos suman unos 125 $ al mes en llamadas a modelos, antes de tu propio tiempo. Un formato largo a pleno movimiento multiplica la línea del largo por cuatro o más, así que el presupuesto de movimiento es el ajuste que más importa.

¿Cuál es la parte más cara de un vídeo faceless con IA?

El vídeo generado, por un margen enorme. Un guion de diez minutos cuesta céntimos y su narración menos de 2 $, mientras que 600 segundos de vídeo a pleno movimiento cuestan 76,50 $ o más con Hailuo 02 una vez contados los rerolls.

¿La locución con IA es más barata que contratar a un locutor?

Para narración en volumen, sí. Una narración no broadcast de 5 a 10 minutos figura en 600 $ a 700 $ en las cifras de GVAA resumidas por VoiceCrafters, mientras que 8.000 caracteres de narración de ElevenLabs cuestan menos de 2 $ por API.

¿Cuánto cobra un editor de vídeo por un vídeo de YouTube?

Vidico lista de 300 $ a 1.500 $ por vídeo de YouTube por proyecto, o de 20 $ a 100 $ por minuto terminado en formato largo. Los proyectos de formato corto para TikTok y Reels van de 50 $ a 400 $.

¿Puedo automatizar un canal faceless de principio a fin?

El guion, la narración, la imagen y el seguimiento de costes pueden correr desde código o un agente. La elección del tema, la pasada final de edición y la decisión de publicar siguen siendo mejores en manos de una persona, y conviene revisar las normas de cada plataforma sobre contenido de IA antes de escalar.

Fuentes

Si quieres contrastar este modelo de costes con facturas reales, Aitachyon reúne todos los modelos con precio de arriba tras un único saldo prepago y una sola clave de API, utilizables desde el estudio web, HTTP directo o el servidor MCP en Claude Code, con cada job detallado por modelo y coste y los renders fallidos reembolsados. La lista completa de precios está en la página de modelos.

Coste de un canal faceless: lo que cuesta cada vídeo con IA