Cómo crear vídeos de baile K-pop con IA — El tutorial completo de ImagineToVideo
Los covers de baile K-pop inundan TikTok y YouTube Shorts cada día — y hasta hace muy poco, hacer uno significaba aprenderse la coreografía de verdad, encontrar un sitio limpio donde grabar y convencer a alguien de que sostuviera la cámara. ¿Y si en lugar de eso pudieras diseñar tu propia bailarina — un personaje en estilo 3D con el look exacto que tú quieras — y verla bailar una rutina completa de K-pop en unos tres minutos por algo así como un dólar?
Eso es justamente lo que vamos a recorrer en este tutorial. Al terminar tendrás el flujo completo de dos modelos que usamos en ImagineToVideo: ChatGPT (o GPT Image) para diseñar al personaje y la hoja de poses, y luego Seedance 2.0 dentro de ImagineToVideo para darle vida. Es exactamente la misma técnica detrás de las hojas de referencia de 16 paneles que llevan un mes circulando por los Threads de creadores coreanos — esos grids te muestran fotograma a fotograma lo que tu personaje tiene que hacer.
Esta es la hoja de referencia que usaremos como ejemplo a lo largo del post:
Y este es el resultado final — el mismo personaje, ahora bailando de verdad:
<video src="https://cdn.imaginetovideo.com/blog/Korean%20dance%20routine.mp4" controls style="max-width: 480px; width: 100%; display: block; margin: 1.5rem auto;"></video>
Sobre esta serie. Este es el Parte 1 de ImagineToVideo Video Generation Tutorials — una serie práctica donde recorremos un caso de uso creativo concreto por entrega, del prompt al render final, usando los modelos integrados en ImagineToVideo. Próximas entregas cubrirán hero shots de producto, animaciones de retratos de mascotas, escenas de diálogo cinematográfico con audio nativo y más.
Por qué ChatGPT + Seedance es la pila correcta para vídeos de baile K-pop
En lo que ChatGPT y GPT Image son realmente buenos es en la consistencia del personaje. Le das al modelo un retrato base y un prompt estructurado, y te renderiza a la misma persona en dieciséis poses de baile distintas sin que la cara se desvíe. Eso es un problema difícil. Antes de 2024 lo resolvías entrenando un LoRA o pintando a mano en Photoshop. Ahora se resuelve de un solo tiro.
Lo que no saben hacer es animar. La salida siempre es un grid estático.
Lo que vuelve viable este flujo en 2026 es la segunda categoría de modelo: reference-to-video (R2V). Le pasas una o varias imágenes de referencia más un prompt de movimiento, y genera un vídeo que respeta la referencia. ImagineToVideo integra dos de estos:
- Seedance 2.0 — soporta hasta 9 imágenes de referencia, genera 5–15 segundos a 720p y cuesta aproximadamente $0.85 por un clip de cinco segundos. Es el que recomendamos para vídeos de baile K-pop. Es lo bastante barato como para iterar hasta que la coreografía quede bien.
- Kling V3 Omni — soporta hasta 7 referencias más audio nativo y secuencias multi-toma, pero cuesta unos $13 por un clip de cinco segundos. Resérvalo para la pasada final cuando quieras música sincronizada con el baile o entrega en 4K real.
El resto del post va por la ruta Seedance, con una sección de upgrade a Kling cerca del final. Si lo que quieres es la versión 4K nativa de calidad cinematográfica de este flujo, hay una guía aparte para el Modo 4K de Kling.
Paso 1 — Diseña a tu bailarina en ChatGPT (la hoja de 16 paneles)
Abre ChatGPT (la versión con generación de imágenes activada, o usa GPT Image directamente). Sube un único retrato base del personaje que quieres que baile — una ilustración 3D limpia, frontal, funciona mejor. Si no tienes una, pídele primero a ChatGPT que te la genere: "Retrato cartoon renderizado en 3D de una joven con pelo castaño rizado, gafas redondas, cárdigan blanco sobre vestido morado, zapatillas color verde azulado, fondo neutro, estilo concept-art Pixar."
Luego pega este prompt para la hoja de poses de baile:
3D-rendered K-pop dance reference sheet, 4×4 grid layout, 16 panels total.
[CHARACTER] Use the uploaded portrait. Same face, same outfit, same hair across
all sixteen panels — do not redesign the character.
[PANEL STRUCTURE — per cell]
Top-left: bold number badge (1–16) + short pose title in Korean or English
Center: full-body dance pose illustration
Bottom-left: 3–4 line description of the motion
Overlay: directional motion arrows (curved, straight, or rotational)
[CHOREOGRAPHY] Sixteen sequential moves of a K-pop / hip-hop routine: warm-up
pose, rhythm bounce, smooth body wave, footwork start, hip-hop sequence
(panels 5–16), wave moves, popping moves, footwork steps. End on a confident
closing pose.
[STYLE] High-detail 3D-sculpted render, soft studio lighting, subtle shadows,
clean linework, K-pop choreography illustration quality.
[COLOR] Grayscale shading, no color tones.
[NEGATIVE] No background scenery, no extra characters, no color, no logos.
[OUTPUT] At least 1024×1024 final resolution. 2048×2048 if available.
Hay dos detalles dentro de ese prompt que están haciendo trabajo de verdad y no deberías quitar:
La línea "same face, same outfit". Sin ella, ChatGPT rediseñará silenciosamente el cárdigan hacia el panel 7 porque el prompt menciona "wave move". Dile explícitamente que el personaje es fijo.
La resolución de salida 1024+. Esto importa para el Paso 3. El endpoint de Seedance R2V de ImagineToVideo rechaza imágenes de referencia más pequeñas de 640×640 píxeles — devuelve un error no recuperable y la generación nunca arranca. La salida por defecto de ChatGPT a veces aterriza en 768×768; exigir 1024+ en el prompt evita el rechazo.
Lo que ahora deberías tener es un único grid 4×4 con tu bailarina haciendo dieciséis movimientos secuenciales de una rutina de K-pop — exactamente como el de arriba del post.
Paso 2 — Recorta los frames clave del baile (o no)
Ya tienes una imagen única de 16 paneles. Hay dos formas de pasársela a Seedance, y cada una tiene su lugar:
Usar el grid completo como una sola referencia. Mejor cuando quieres que la salida capture el estilo del personaje — proporciones, paleta, calidad de render — más que una secuencia de poses concreta. Mete el grid entero en el slot de referencia y deja que el modelo decida qué movimientos enfatizar.
Recortar entre uno y cuatro paneles clave. Mejor cuando quieres una secuencia de baile específica en un orden específico. Elige la pose inicial, la pose final y uno o dos puntos intermedios. Recórtalos en Photopea, Figma o cualquier editor en navegador (la verdad es que la mayoría del tiempo nosotros lo hacemos con Vista Previa en macOS). Cada recorte debería ser al menos 640×640 — re-exporta a 1024+ por seguridad.
Para la rutina de este post recortamos los paneles 1, 5, 11 y 16 — la pose de calentamiento, la entrada de la wave, el punto medio hip-hop y el footwork de cierre. Cuatro referencias es el punto óptimo en nuestras pruebas. Con una sola referencia el modelo tiene demasiada libertad; con nueve, la salida empieza a parecer un flipbook en vez de una rutina con flow.
Paso 3 — Dale vida en Seedance 2.0
Aquí es donde ocurre la magia. Abre el generador de Seedance 2.0 (o entra a la página de Seedance y haz clic en Try Now).
En el panel de referencias, sube tus 1–4 paneles recortados. La interfaz mostrará una miniatura de cada uno a medida que los acepta. Si alguno es rechazado con un error de "pixel count too low", esa referencia está por debajo de 640×640 — re-expórtala a una resolución mayor y vuelve a subirla.
En el campo de prompt — que tiene un límite de 2.000 caracteres, más que suficiente para una descripción completa de plano — pega algo estructurado. El patrón que funciona para baile K-pop:
[CHARACTER] {{copy the character description from your ChatGPT sheet}}
[ACTION] A young woman in a white cardigan and purple dress performs a
K-pop / hip-hop dance routine. She starts in a neutral standing pose,
transitions through a smooth body wave, lowers her center of gravity into
hip-hop footwork with crossed legs, and finishes in a confident closing pose.
Smooth, energetic, on-beat motion.
[CAMERA] Static medium shot, eye level, slight handheld micro-movement.
[STYLE] 3D-rendered, cinematic studio lighting, neutral seamless backdrop,
K-pop music video aesthetic.
[DURATION] 5 seconds.
Algunas notas de ajuste tras correr esto decenas de veces:
Resolución: quédate en 720p. Seedance ofrece 480p y 720p. 480p es solo para iteración rápida — a esa escala la cara del personaje se empieza a deformar. 720p es el punto justo para vídeo corto de redes. Si al final quieres 4K para una hero reel de K-pop, la jugada es cerrar la coreografía a 720p en Seedance y luego volver a correr el prompt ya bloqueado en Kling V3 con el toggle de 4K.
Duración: empieza por 5 segundos. Seedance soporta 5, 8, 10, 12 y 15 segundos. Las duraciones más largas cuestan créditos proporcionales y le dan al modelo más espacio para irse. Cinco segundos basta para validar que el baile se lee bien; cuando lo haga, vuelve a generar a 8 o 10 segundos con el mismo prompt y referencias para la rutina completa.
Usa Seedance 2.0 Fast para iterar. ImagineToVideo ofrece dos niveles de Seedance: la versión de calidad y una versión rápida un 25–40% más barata y notablemente más ágil, con una salida casi indistinguible para clips cortos guiados por referencia. Hacemos cada iteración en Fast y solo cambiamos al nivel de calidad para el render final que va a TikTok o YouTube.
Coste total de ese clip: alrededor de $0.85. Con Seedance Fast hubiera bajado a algo así como $0.65. Para comparar: contratar a un animador 3D para riggear y animar un ciclo de baile de cinco segundos arranca por encima de $400.
→ Crea tu propio vídeo de baile K-pop con Seedance 2.0
Paso 4 — Sube a Kling V3 Omni cuando necesites música o 4K
Seedance es la respuesta correcta para alrededor del 80% de los proyectos de vídeo de baile K-pop. El 20% restante en el que deberías recurrir a Kling V3 Omni:
- Necesitas música o voces sincronizadas con el baile. Seedance genera vídeo mudo. Kling V3 Omni genera vídeo y audio nativo en una sola pasada — incluyendo sonido ambiente, efectos y (con el prompt adecuado) cues musicales que se alinean con el movimiento. Si quieres un clip K-pop terminado con beat ya mezclado, eso es Kling.
- Necesitas una secuencia multi-toma. Kling V3 Omni soporta hasta 6 planos conectados dentro de una sola generación, manteniendo la identidad del personaje entre cortes. Seedance es solo de un único plano. Para un verso de K-pop de 30 segundos con tres cambios de ángulo, lo generas una sola vez en Kling en lugar de coser seis salidas de Seedance.
- Necesitas 4K real. El modo 1080p de Kling internamente se mapea al modo "pro", que genera nativamente 3840×2160. Seedance se queda en 720p. Para broadcast, campañas de marca o un vídeo K-pop estrella destinado a una pantalla más grande que un móvil, el upgrade vale la pena.
Comparativa de coste para un clip de cinco segundos:
| Modelo | Coste ~5s | Mejor para baile K-pop |
|---|---|---|
| Seedance 2.0 Fast ⭐ | ~$0.75 | Iteración, redes en formato corto, pruebas desechables |
| Seedance 2.0 Quality | ~$0.85 | Renders finales bloqueados para TikTok / Shorts |
| Kling V3 | ~$8.84 | Rutinas multi-toma, entrega 1080p |
| Kling V3 Omni | ~$13.41 | Multi-referencia + audio nativo (clip K-pop completo) |
| Kling 4K Mode | ~$25–30 | Broadcast, hero music videos, cortes para festival |
Las filas en negrita son el sitio por defecto de este flujo. Las filas de Kling son adonde vas después de que la coreografía esté bloqueada.
→ Prueba Kling V3 image-to-video (puerta de entrada a V3 estándar, V3 Omni y el nuevo modo 4K)
Cómo se comparan los tres modelos con la misma referencia K-pop
Pasamos exactamente la misma referencia de baile coreano por los tres modelos relevantes en ImagineToVideo. La versión corta:
- Seedance 2.0 Quality mantuvo la identidad del personaje mejor que ningún otro a lo largo de los cinco segundos completos. La cara siguió siendo la cara. El baile se leyó correctamente. Es el que está embebido arriba.
- Kling V3 Omni produjo una imagen ligeramente más cinematográfica — mejor iluminación, más profundidad — pero costó 15× más por un clip que, lado a lado, no es 15× mejor para este caso de uso concreto. Vale la pena si necesitas sus ventajas específicas (música sincronizada, multi-toma, 4K).
- Kling V3 standard se quedó corto porque en su nivel estándar no acepta imágenes de referencia — solo entradas de primer/último frame. Para un flujo K-pop multi-referencia como este, no es un punto de partida. Usa V3 Omni en su lugar.
La conclusión: para el flujo "baile K-pop a partir de la hoja de ChatGPT" en concreto, Seedance no es solo la opción barata, es la opción correcta. Kling V3 Omni es el upgrade al que recurres cuando el entregable lo exige.
Cinco trampas habituales (y cómo evitarlas)
Tras correr este loop unas doscientas veces para clips de K-pop y hip-hop, estos son los modos de fallo que vemos con más frecuencia:
1. Imagen de referencia demasiado pequeña. Es el rechazo número uno. ImagineToVideo trata el error de pixel-count de Seedance R2V como no recuperable — los créditos no se queman, pero la generación nunca arranca. Solución: re-exporta cada referencia a 1024×1024 como mínimo.
2. Drift del personaje entre paneles. ChatGPT rediseñará calladamente el outfit hacia el panel 7 si no lo fijas. Incluye siempre "same face, same outfit, same hair, do not redesign" en el prompt de la hoja. Si aun así hay drift, genera primero el retrato base por separado y después pásalo a él como referencia fija al prompt de la hoja.
3. Prompt demasiado corto. Los modelos R2V leen el prompt como la especificación de la coreografía. "Dance" te da un baile genérico. "Hip-hop body wave transitioning into crossed-leg footwork, static medium shot, eye level, neutral backdrop, on-beat" te da lo que en realidad querías. Apunta a 100–200 palabras.
4. Intentar 4K de un solo tiro. Es tirar créditos. Itera a 720p en Seedance hasta que el baile esté cerrado, y entonces salta al modo 4K de Kling para el render final. No quemes créditos premium validando un prompt que aún no está afinado.
5. Mismatch de aspect ratio. Si el entregable es vertical 9:16 (TikTok, Reels, Shorts — o sea, casi todo el contenido de baile K-pop), genera directamente en 9:16. El modelo compone para el frame; intentar recortar a vertical una generación 16:9 horizontal al final casi siempre corta la cabeza o los pies de la bailarina en mitad de un movimiento.
TL;DR — Tu vídeo de baile K-pop en tres pasos
- ChatGPT / GPT Image — genera una hoja de referencia de 16 paneles de baile K-pop a 1024+ de resolución, con el "same face, same outfit" fijado explícitamente.
- Recorte — elige 1–4 paneles clave (inicio, intermedios, pose final), cada uno ≥640×640.
- Seedance 2.0 — entra a /seedance, escribe un prompt de coreografía estructurado de 100–200 palabras, renderiza a 720p / 5s. Aproximadamente $1 y tres minutos por clip.
Sube a Kling V3 Omni cuando necesites música sincronizada, rutinas multi-toma o entrega en 4K real. Si no, este flujo K-pop vive en Seedance.
→ Empieza tu primer vídeo de baile K-pop en Seedance 2.0 → O salta a Kling V3 image-to-video para música + 4K
Si tu entregable final es broadcast o pantalla grande y quieres 3840×2160 nativo desde el principio, la guía del Modo 4K de Kling recorre ese camino específicamente — y nuestra landing del generador de vídeo IA en 4K es la vía más rápida para llegar.
Qué viene en esta serie
Este fue el Parte 1 de ImagineToVideo Video Generation Tutorials. Próximamente:
- Parte 2 — Animación de retratos de mascotas: convertir a tu perro en un cortometraje cinematográfico con una sola foto y Seedance.
- Parte 3 — Hero shots de producto: generar clips de rotación 3D y detalle macro con calidad broadcast para e-commerce.
- Parte 4 — Escenas de diálogo cinematográfico con audio nativo de Kling V3 Omni (lip sync + tono de sala).
- Parte 5 — Shorts narrativos verticales 9:16: clips de historia listos para TikTok de extremo a extremo, partiendo de una sola referencia de personaje.
Suscríbete al blog o vuelve la semana que viene para el siguiente capítulo. Y si hay un caso de uso concreto que quieres que recorramos, escríbenos.
Ahora, ve a hacer mover a tu bailarina.
