Flujo de vídeo Suno: canción completa o escena por escena

Para una canción Suno, utiliza una generación de canción completa cuando necesites un borrador visual o publicación en redes sociales rápidamente; usa generación escena por escena cuando la letra, productos, personajes o ediciones a nivel de beat deben ser exactos. Un enfoque híbrido normalmente proporciona el mejor ratio de producción: genera la canción completa a 540P como un animatic, luego reemplaza solo el estribillo, la apertura y las escenas héroe.

El generador de canciones no decide esto. Lo hace el requisito de edición.

Tres enfoques prácticos

"Un clic" atrae hasta que una mala sección de treinta segundos fuerza una reexecución de tres minutos. El control escena por escena atrae hasta que la edición contiene cuarenta clips generados y tres versiones de cada estribillo. El híbrido contiene ambos modos de fallo.

El coste de canción completa es fácil de conocer antes de renderizar

Music Video 1.0 acepta un MP3 de 10–300 segundos y una a siete imágenes. Sus tasas públicas son $0.05/s a 540P, $0.08/s a 720P, y $0.15/s a 1080P.^[1]

Para una exportación de Suno de tres minutos:

Dos reintentos completos a 1080P cuestan $54 antes de aceptar un final. Comenzar con un pase de $9 a 540P es más barato cuando el look aún no está decidido.

El flujo de trabajo híbrido

1. Bloquea el audio primero

Descarga la mezcla final, recorta el silencio inicial y final, y no cambies el arreglo después de que comience el trabajo de vídeo. La duración de la canción establece la duración de salida y la factura. Un nuevo master con un outro cuatro segundos más largo invalida el timing de subtítulos y los marcadores de escena de reemplazo.

2. Prepara un pequeño paquete de referencia visual

Usa imágenes consistentes para el artista o personaje, vestuario, ubicación, paleta y un objeto recurrente. Más imágenes ayudan solo cuando añaden información no conflictiva.

Para un artista ficticio, crea una simple hoja de continuidad antes de la generación de vídeo:

Face: image 1
Wardrobe: image 2
Performance location: images 3–4
Color and lighting: image 5
Recurring prop: image 6

3. Genera la canción completa a 540P

Estructura de prompt, no shots individuales:

Dream-pop performance video in an empty railway station at blue hour. Keep
the same singer and silver coat throughout. Verses use quiet close-ups and
slow tracks. Choruses become wider and brighter with passing trains. Bridge
turns nearly monochrome. No crowd, logos, or generated text.

Este pase responde si el concepto general sobrevive a tres minutos. No es el lugar para perseguir la resolución final.

4. Revisa por código de tiempo

Haz tres listas:

• mantener como está;
• cubrir con un shot de reemplazo generado;
• cubrir con tipografía, portada de álbum, o metraje existente.

Una sección débil de siete segundos no justifica regenerar 180 segundos. Cúbrela.

5. Genera solo las escenas héroe por separado

La apertura, el primer estribillo, la revelación del puente, y la imagen final llevan más del vídeo que cada shot de conexión. Genera estos con el modelo cuya superficie de control se adapta a la tarea:

• fotogramas clave ordenados: FLUX 3;
• hasta 30 segundos o referencias mixtas grandes: Seedance 2.5 o Wan 3.0;
• shots de 2K cortos y baratos o referencias de audio: MiniMax H3.

La comparación de API de generación de vídeo IA mapea esas formas de solicitud sin pretender que un modelo gane en cada escena.

6. Añade letras aprobadas en el pase final

Music Video 1.0 puede auto-generar subtítulos quemados o usar tu archivo SRT. Las letras automáticas son apropiadas para verificar colocación. Un SRT aprobado es más seguro para nombres, slang, otro idioma, o cualquier master de lanzamiento.^[2]

Cuándo vale la pena el trabajo extra escena por escena

Salta la generación de canción completa como salida final cuando:

• la historia tiene un orden preciso;
• el artista debe realizar letras reconocibles en cámara;
• un producto, prenda o logo debe permanecer exacto;
• cada corte debe caer en un beat;
• el mismo personaje aparece en varias ubicaciones;
• el cliente aprueba un storyboard antes de renderizar.

Construye la edición a partir de la forma de onda de audio. Marca secciones, decide duración de shot, y presupuesta reintentos por shot. No pidas a un modelo que descubra la edición mientras también preserva la identidad e historia.

Convierte la estructura de la canción en una hoja de revisión

No revises una generación de tres minutos como un clip indiferenciado. Marca el arreglo antes de renderizar:

Los códigos de tiempo exactos diferirán. La parte útil es asignar un trabajo y prioridad antes de ver. Si el puente es el quiebre visual planeado, su inconsistencia puede ser intencional. Si la apertura pierde la cara del artista, es un reemplazo aunque el resto del clip sea atractivo.

Mantén el texto y las afirmaciones de lip-sync modestas

Un generador de canción completa puede crear un tratamiento visual coherente sin entregar actuación de canto frame-precisa para cada letra. Si el lip-sync visible es el punto del vídeo, programa shots de actuación dedicados y evalúalos línea por línea.

No confíes en señales, créditos o tipografía de letras generadas por prompt. Añade nombres de lanzamiento, identificadores de artista, texto de patrocinador, y copia legal en el editor. Para letras quemadas, usa un SRT aprobado y aún así revisa el vídeo exportado. El timing puede ser correcto mientras que la ortografía, los saltos de línea, o la colocación del área segura necesiten revisión.

Preserva una fuente única de verdad de continuidad

Los shots de reemplazo a menudo se desvían porque el equipo cambia imágenes de referencia a mitad de la producción. Mantén un pequeño paquete de continuidad y controla su versión. Anota qué cara, vestuario, grado de color, y objeto recurrente son autoritarios.

Cuando un modelo de reemplazo soporta más referencias, no des automáticamente cada imagen del animatic. Suministra los assets requeridos para ese shot más los mismos anclajes de identidad. El objetivo es reparar una sección, no reinterpretar el vídeo musical completo.

Comparación de coste: una salida de 3 minutos vs 24 shots cortos

Supongamos que la edición manual usa 24 clips promediando 7.5 segundos. A un promedio hipotético de $0.10 por segundo generado, un pase es $18. Tres intentos por shot aceptado lo hace $54. El editor aún tiene que ensamblar y temporizar los shots.

La ruta de canción completa es $9 a 540P, $14.40 a 720P, o $27 a 1080P. Es más barata cuando uno o dos pases funcionan. Se vuelve derrochadora cuando un defecto pequeño repite fuerza un re-renderizado completo.

El presupuesto híbrido es más controlable:

one 3-minute 540P animatic             $9.00
six 8-second replacements at $0.10/s   $4.80 per pass
two attempts for each replacement      $9.60
estimated generation total             $18.60

La tasa de reemplazo de $0.10 es solo un ejemplo; usa el tier real del modelo seleccionado. El método es la parte útil: precio el animatic y los reemplazos por separado.

Una nota sobre derechos e identidad

Suno suministra la canción, no permiso para usar la cara, actuación, marca, o trabajo visual de otra persona. Usa referencias que posees o tienes permiso para usar. Mantén documentación para retratos comisionados e imágenes de artista aprobadas.

El endpoint de canción completa, campos de subtítulo, y límites exactos están documentados en Music Video 1.0. Su tarjeta de tarifa en vivo está en la página de modelo.

Referencias

1. reAPI Music Video 1.0 live pricing, accessed August 23, 2026.
2. reAPI Music Video 1.0 API documentation, accessed August 23, 2026.