Un segundo de vídeo con IA en el clip final cuesta $0,186, no los $0,10 de la tarifa

La página de tarifas de un modelo de vídeo promete «unos $0,10 por segundo». Un clip de 30 segundos costará tres dólares, piensa uno, y luego llega una factura dos o tres veces mayor. No hay comisiones ocultas: la tarifa cuenta cada segundo generado, mientras que al clip final solo llega el que sobrevive a la selección y al montaje.

Imagine que encarga una escena con manos y recibe tres tomas de 4 segundos. En las dos primeras la mano se «deforma» y la cámara se desplaza; la tercera sirve. Ha pagado 12 segundos y al clip van 4.

Así, en el ejemplo didáctico del autor de un análisis en Habr, cada segundo que acabó en el clip costó $0,186 en lugar de los $0,10 de la tarifa. El autor genera vídeos cortos y publicidad con Gemini API y OpenRouter, y registra en un log cada toma. Si hace vídeo con IA por encargo, ese log es una forma de no perder dinero con el presupuesto.

Tres precios de un mismo segundo

Un segundo de vídeo tiene tres precios, y confundirlos sale caro.

El primero es el de la tarifa. En Gemini Omni Flash son unos $0,10 por segundo en 720p (5792 tokens de vídeo a $17,50 por millón dan $0,101). En Seedance 2.0 a través de OpenRouter, según las facturas del autor, salen unos $0,15 por segundo con sonido.

El segundo es el precio pagado. Además del vídeo, se paga la entrada (imágenes y prompt) y, en Omni, también el razonamiento del modelo. Un clip de 4 segundos cuesta $0,405 según la tarifa, y en la factura del autor salió a $0,42–0,43.

El tercero es el precio aceptado: todo lo gastado en tomas de la escena, dividido entre los segundos que entraron en el montaje. Es el único sobre el que conviene construir el presupuesto. Lo que enlaza los tres precios es el coeficiente de gasto: los segundos pagados divididos entre los aceptados. Crece por descarte (una toma entera a la papelera) y por recorte (de 5 segundos, al montaje pasaron 3). El recorte suele olvidarse, aunque en los clips largos se come más dinero que el descarte.

Cómo llevar el log y hacer las cuentas

El precio de una toma en Omni se calcula con los contadores de tokens del campo usage: entrada a $1,50 por millón, vídeo de salida a $17,50, texto de salida junto con el razonamiento a $9. La trampa: si todos los tokens de salida se cuentan a la tarifa del vídeo, el precio sale inflado, porque el razonamiento cuesta casi la mitad. Los nombres de los campos de usage varían entre versiones de la API, así que guarde una vez la respuesta en bruto sin el vídeo y compruebe cómo se llaman en su caso.

En OpenRouter es más sencillo: el vídeo se genera como una tarea, y la tarea terminada llega, al consultar su estado, con el campo usage.cost ya en dólares.

Después hace falta una tabla con una fila por toma: escena, modelo, duración real en segundos, precio, segundos que pasaron al montaje y motivo del descarte o del recorte. Se usa la duración real: Omni no acepta un parámetro de duración, la fija el prompt, y el modelo puede entregar entre 3 y 10 segundos. Un pequeño script en Python lee el CSV y muestra, para cada escena, el coeficiente y el precio del segundo aceptado.

En el ejemplo didáctico de tres escenas se pagaron 23 segundos en total, se aceptaron 13 y el coeficiente fue de 1,77. La escena con manos: tres tomas, 12 segundos pagados, 4 aceptados, coeficiente de 3,00 y $0,318 por segundo aceptado. La escena con un rostro salió a la primera, pero hubo que recortar dos segundos, así que el coeficiente fue de 1,67 y el precio de $0,173. La escena con dos personajes coincidió con la tarifa: $0,105. De media en el clip, $0,186, casi el doble de los $0,10 prometidos.

Cifras de facturas reales y cómo reducirlas

Tres proyectos del autor, a octubre de 2026, sin impuestos:

• publicidad de pescado ahumado, 6 planos en Veo 3.1 Fast: 24 segundos pagados y 24 aceptados, coeficiente de 1, unos $0,10 por segundo;
• 8 movimientos de cámara en Veo 3.1 Fast: 40 segundos pagados, 32 aceptados, coeficiente de 1,25, $0,125;
• publicidad de un producto a partir de una sola foto en Seedance 2.0: 27 segundos pagados, 15 aceptados, coeficiente de 1,8, $0,27.

El autor atribuye el primer proyecto a la suerte: los fotogramas iniciales se aprobaron antes del vídeo y el movimiento de cámara de cada clip era simple. La publicidad de producto es un caso típico de coste alto: el cliente no perdona una etiqueta deformada, así que el plano con el envase defectuoso se rehace sin alternativa, y las correcciones costaron casi lo mismo que la primera toma. Veo 3.1 para desarrolladores está desactivado desde el 22 de octubre; estos proyectos se hicieron antes, pero Omni Flash cuesta según la tarifa aproximadamente lo mismo.

Lo que reduce el coeficiente, según la experiencia del autor:

• aprobar el fotograma inicial antes del vídeo: una imagen 1K cuesta unos 7 centavos; un clip de 4 segundos, unos 42;
• pedir un solo movimiento sencillo por clip: «levanta la taza» falla menos que «levanta la taza, bebe y mira por la ventana»;
• encargar la duración que necesita el montaje, no con margen;
• parar tras tres tomas iguales y cambiar una sola variable: el prompt, el fotograma o el modelo;
• elegir el modelo por su coeficiente, no por su tarifa: un modelo el doble de caro que se acepta a la primera sale más barato que otro que necesita tres tomas.

Si tiene una suscripción en lugar de API, la lógica es la misma: divida todo lo que pagó en el mes entre los créditos realmente gastados. Con $20 por 1000 créditos y un uso de 500, cada crédito cuesta 4 centavos y no 2.

Qué hacer

La tarifa es un suelo: pagará exactamente esa cantidad solo si cada toma entra entera en el clip. Según la experiencia del autor, en escenas simples el coeficiente es de 1–1,3, en publicidad de producto ronda 2, y en manos, agua y objetos pequeños, 3. Por eso, en el presupuesto para el cliente reserva para las repeticiones tanto como para la primera toma, y tras la primera prueba lo recalcula con el log. Las cifras proceden de una muestra pequeña de un único autor, pero el método es sencillo: el log se rellena en cinco minutos tras el montaje y, después de un par de proyectos, muestra qué escenas son caras y dónde se puede ahorrar.