Conversor 3D estereoscópico

Añade el vídeo, elige si quieres un par paralelo o cruzado, fija el tamaño por ojo y pulsa Convertir. Un modelo de profundidad lee cada fotograma para deducir qué está cerca y qué lejos, y se construye un segundo punto de vista desplazando los píxeles lateralmente en proporción a su profundidad. El resultado es un MP4 corriente con dos imágenes lado a lado, una para cada ojo. Previsualiza antes un fotograma: la intensidad depende del plano concreto, y comprobarla en una imagen fija lleva segundos frente a los minutos de una conversión completa.

No, y esa es la gracia. La salida es un par lado a lado que se ve apuntando los ojos, no filtrándolos. Cruza ligeramente la vista, o relájala como si miraras más allá de la pantalla, hasta que las dos mitades se superpongan en una tercera imagen central: esa del medio tiene relieve. Es cuestión de cogerle el punto más que un truco, y la mayoría lo consigue en unos minutos. El mismo archivo también se carga directamente en un visor de RV, si prefieres no aprender.

Son dos formas de apuntar los ojos, y cada una necesita las mitades en un orden distinto. La paralela relaja los ojos hacia fuera, como mirando a través de la pantalla, y quiere la imagen del ojo izquierdo a la izquierda. La cruzada los dirige hacia dentro, delante de la pantalla, así que las mitades se intercambian. Ver un archivo del modo equivocado invierte la profundidad: el primer plano se hunde y el fondo flota, algo que se percibe raro sin ser obviamente raro, así que elige el modo antes de convertir.

Casi con seguridad porque la imagen es demasiado grande, y esto pilla a casi todo el mundo con la visión paralela. Para fusionar un par en paralelo tus ojos no pueden girar más hacia fuera que el frente, ya que el ojo humano no diverge, lo que limita la separación entre puntos correspondientes a unos 63 mm, la distancia entre tus pupilas. Cada mitad de un par a todo lo ancho en un monitor de 27 pulgadas mide unos 30 cm, así que no puede fusionarse. Reduce la ventana, échate atrás o míralo en un móvil. La visión cruzada no tiene ese límite y funciona a cualquier tamaño.

No. El motor de vídeo es FFmpeg compilado a WebAssembly y el modelo de profundidad corre sobre WebGPU o WebAssembly, ambos dentro de la pestaña. Tu archivo se lee del disco a la memoria de la pestaña y el vídeo terminado se escribe de vuelta como descarga. Lo único que se pide a la red son el motor y el modelo, una sola vez, y puedes confirmar que nada más se mueve mirando el panel de red durante una conversión.

En un equipo con WebGPU, más o menos a tiempo real: un clip de un minuto tarda alrededor de un minuto, uno de diez unos diez. Hay que estimar la profundidad en cada fotograma y eso domina todo lo demás. Sin WebGPU el modelo recurre a la CPU y va unas diez veces más lento, lo que resulta llevadero en un clip corto y poco práctico en uno largo. La barra de progreso da una estimación medida del rendimiento real en lugar de predicha, así que se vuelve fiable en los primeros segundos.

No. El clip se convierte por segmentos, cada uno extraído, convertido, codificado y descartado antes de empezar el siguiente, así que la memoria depende del tamaño de un fotograma y no de la duración del vídeo. Lo que te limita en la práctica es la paciencia y mantener la pestaña abierta, no un tope en la herramienta. Los fotogramas muy grandes son otra cosa: esos se rechazan de entrada con una nota para que elijas un tamaño por ojo menor, en lugar de dejar que fallen a medio camino.

Normalmente porque el modelo leyó mal la escena, y la vista previa del mapa de profundidad te lo mostrará exactamente. Reflejos, cristal, superficies lisas con textura fuerte, fotografías impresas dentro del plano y el desenfoque de movimiento fuerte se leen de forma poco fiable, y ningún ajuste de intensidad se recupera de un mapa equivocado. Las escenas con un primer plano claro y un fondo real —paisajes, tomas de dron, una persona en una habitación— se convierten mucho mejor que las planas o recargadas.

Desplazar píxeles lateralmente para construir el segundo ojo deja al descubierto zonas que estaban ocultas tras objetos más cercanos, y como nunca se filmaron hay que inventarlas. Cada hueco se rellena desde el lado del fondo, que es donde pertenece realmente el contenido que falta, pero un parche sigue siendo un parche. Crece con la intensidad, y ese es el motivo principal de que los valores moderados suelan verse mejor que los fuertes. Los objetos finos y el pelo son los casos más difíciles.

No, y nada puede a partir de un vídeo plano. Esas pantallas funcionan renderizando una escena con la distorsión de perspectiva que necesita una pantalla curva concreta y una posición de observación concreta: la ilusión vive en la geometría de la pantalla y en dónde te sitúas respecto a ella. Esa información no existe en ninguna parte de un vídeo corriente, así que no puede recuperarse de él. Esta herramienta hace pares estereoscópicos, que es otro efecto con otro mecanismo.

Sí. Las fuentes verticales conservan su orientación, y la rotación registrada en el archivo se tiene en cuenta: un clip grabado en vertical se trata como vertical en lugar de informarse como un fotograma apaisado tumbado. El par resultante son dos fotogramas verticales lado a lado, bastante ancho en conjunto pero muy adecuado para ver sin gafas precisamente porque cada mitad se mantiene estrecha.

La primera pista de audio se multiplexa en una sola pasada al final en vez de partirla y volver a unirla en cada segmento, y es deliberado: cortar el audio en cada límite es por donde se cuela el desfase. Cuando el contenedor de salida puede transportar la pista tal cual, se copia sin recodificar; si no, pasa a AAC. Solo sobrevive esa primera pista: las demás pistas de idioma y los subtítulos no se conservan. Como la conversión no altera ningún tiempo, el sonido encaja donde estaba, y una fuente sin sonido se maneja sin quejas.