RERENDER UN VÍDEO es un novedoso marco de traducción vídeo-a-vídeo guiado por texto sin ejemplos, que aplica modelos de imagen al campo del vídeo. El marco consta de dos partes: traducción de fotogramas clave y traducción de vídeo completo. La primera parte utiliza un modelo de difusión adaptable para generar fotogramas clave, aplicando restricciones inter-fotogramas jerárquicas para asegurar la coherencia de forma, textura y color. La segunda parte propaga los fotogramas clave a otros fotogramas mediante un ajuste de parches sensible al tiempo y una mezcla de fotogramas. Nuestro marco logra la coherencia temporal del estilo global y la textura local a bajo coste (sin necesidad de reentrenamiento u optimización). Esta adaptabilidad es compatible con las técnicas de difusión de imágenes existentes, permitiendo que nuestro marco las aproveche, como el uso de LoRA para personalizar temas específicos y el uso de ControlNet para introducir una guía espacial adicional. Numerosos experimentos demuestran la eficacia de nuestro marco propuesto para generar vídeos de alta calidad y coherencia temporal.