Probablemente te has cruzado con el término en tres sitios: el botón PIP de un mando antiguo, el icono de vídeo flotante en sitios de streaming y ese pequeño rectángulo en un reproductor de Mac. La misma idea con tres implementaciones.
Imagen en imagen significa superponer una imagen sobre otra: una ventana pequeña que reproduce un segundo flujo sobre la imagen principal.
Empezó en los televisores de los años 80: pantalla principal para el partido, ventana en la esquina para el otro. Entonces era físico — dos sintonizadores dentro del aparato, compuestos en una sola imagen.
En la era informática la idea sobrevivió, pero la implementación cambió por completo. Nada se compone en hardware; el software dibuja un flujo de vídeo como una capa flotante independiente.
Desde Sierra (2016), macOS ofrece imagen en imagen a nivel de sistema, técnicamente mediante AVKit. Un reproductor llama a la API, el sistema extrae el vídeo a una ventana flotante independiente sobre todas las apps.
El detalle clave: lo dispara el reproductor. Ni el usuario ni el sistema.
Lo que implica:
Es la pregunta más frecuente: ¿por qué no una ventana de chat, un terminal o una página web?
Porque no existe una ruta del sistema para «convertir cualquier ventana en imagen en imagen». El mecanismo supone que un reproductor entrega un flujo de vídeo. Una ventana de chat no tiene ninguno, así que el sistema no tiene nada que dibujar.
Hacer flotar ventanas arbitrarias requiere otro mecanismo: captura de ventana (ScreenCaptureKit), que lee fotogramas de una ventana y los dibuja uno mismo. Disponible desde macOS 13 y sujeto al permiso de «Grabación de pantalla».
Esa es la diferencia de fondo:
| Imagen en imagen nativa | PipNow | |
|---|---|---|
| Mecanismo | el reproductor entrega un flujo | captura la ventana completa |
| Objetivo | medio de vídeo | cualquier ventana |
| Requisito | soporte del reproductor | permiso de grabación |
| Cantidad | una | ilimitada |
«La imagen en imagen es una ventana pequeña.» No del todo. Pequeño es la forma; lo esencial es que el contenido siga vivo. Encoger una ventana no es imagen en imagen. Duplicar su contenido, sí.
«Consume muchos recursos.» Depende del contenido. Un documento estático casi no cuesta. El vídeo sigue decodificando, más o menos como en reproducción normal.
«Está grabando mi pantalla.» La nativa no — solo dibuja vídeo. Las herramientas con captura de ventana sí necesitan el permiso, pero es un espejo en memoria, no una grabación. Explicación completa: por qué las apps de imagen en imagen piden grabación.
Imagen en imagen = reducir una imagen y hacerla flotar sobre otra. Los televisores lo hacían en hardware, los navegadores mediante la API del reproductor, una solución general en Mac mediante captura de ventana. Las dos primeras solo gestionan vídeo; la tercera gestiona todo.
Si tu necesidad es «ver vídeo mientras hago otra cosa», la función integrada basta. Si es «vigilar un chat, un terminal o un gráfico», necesitas el enfoque por ventana — así funciona.
Ten todas las ventanas a la vista — prueba PipNow hoy
Descarga gratuita