Guía de prompts para video IA: cómo escribirlos de verdad

Qué hace eficaz a un prompt para video IA

Un prompt para la generación de video con inteligencia artificial funciona cuando describe qué sucede, no solo qué se ve. Los modelos de video como Sora, Kling, Runway Gen-3, Veo y Pika reaccionan a frases que contienen cuatro elementos: un sujeto claro, una acción específica, un movimiento de cámara definido y un estilo visual reconocible. Omitir solo uno de ellos produce clips genéricos, movidos o incoherentes.

La regla básica: cuanto más preciso es el movimiento descrito, más estable es el resultado. Un modelo de video no interpreta la atmósfera como un modelo de texto: interpreta verbos, direcciones y velocidades.

La estructura del prompt en 5 bloques

Un prompt de video eficaz casi siempre sigue este orden, porque los modelos dan más peso a las palabras iniciales:

1. Sujeto: quién o qué aparece, con detalles físicos concretos («una mujer de unos treinta años con pelo rojo y un abrigo beige»).
2. Acción: un solo movimiento principal por clip («camina lentamente hacia la cámara»). Las acciones múltiples en un solo prompt generan artefactos.
3. Cámara: tipo de encuadre y movimiento (ver sección siguiente).
4. Ambiente y luz: lugar, hora del día, tipo de iluminación («calle mojada al atardecer, luz cálida rasante»).
5. Estilo: estética de referencia («cinematográfico 35mm», «documental», «anime de los años 90»).

Escribe el prompt como una claqueta: sujeto, acción, cámara, luz, lente. Si un director no podría rodarlo tal como está descrito, el modelo no lo generará bien.

El lenguaje de la cámara: el vocabulario que de verdad importa

El movimiento de cámara es el bloque donde fallan la mayoría de los prompts. Usa la terminología del cine, porque los modelos están entrenados con datos que llevan estas etiquetas:

Añade siempre la velocidad: «slow», «gentle», «fast» son palabras que los modelos respetan. Un «dolly-in» sin adjetivo suele producir un movimiento demasiado brusco para un clip de 5-10 segundos.

Diferencias entre modelos: cómo adaptar el mismo prompt

No existe un prompt universal. Cada modelo tiene sesgos y sintaxis preferidos:

• Sora y Veo: prefieren prompts descriptivos largos, casi párrafos narrativos. Soportan bien detalles de luz y atmósfera.
• Runway Gen-3: funciona mejor con prompts más secos, sujeto + acción + cámara. Las descripciones demasiado largas diluyen la acción.
• Kling: muy sensible a los verbos de movimiento y las expresiones faciales; excelente para acciones físicas complejas.
• Pika y modelos ligeros: conviene un solo concepto fuerte por clip, sin subordinaciones complejas.

La estrategia correcta es escribir un prompt maestro neutro y luego adaptarlo: para Sora lo expandes en narración, para Runway lo reduces a lo esencial. Prueba el mismo concepto en dos modelos antes de descartar una idea: muchas veces el prompt no está mal, simplemente es incompatible con ese modelo.

Flujo de trabajo práctico: del concepto al clip utilizable

1. Define una sola acción por clip: 5-10 segundos de video soportan un solo movimiento. Si necesitas más acciones, planifica más clips.
2. Escribe el prompt maestro con los 5 bloques en orden.
3. Genera 3-4 variantes sin modificar el prompt: evalúa la varianza natural del modelo antes de corregir.
4. Diagnostica por síntoma: sujeto deformado → simplifica la acción; cámara aleatoria → usa «static shot»; estilo inconsistente → añade referencias explícitas («shot on 35mm film, shallow depth of field»).
5. Itera un solo bloque a la vez: cambia la cámara, o la luz, o la acción. Modificar todo a la vez hace imposible entender qué mejoró o empeoró el resultado.
6. Fija el seed cuando el modelo lo permite, para mantener coherencia entre iteraciones.

Errores comunes que hay que evitar

• Prompts negativos largos: mejor un breve «no text, no distortion» que listas de diez exclusiones.
• Acciones compuestas: «se levanta, coge la taza y sonríe» casi siempre genera extremidades incorrectas. Divídelo en tres clips.
• Física imposible: los modelos sufren con líquidos, manos que manipulan objetos y reflejos complejos. Describe acciones que la física del dataset soporta.
• Texto en pantalla: pedir títulos o textos dentro del video casi siempre produce caracteres ilegibles. Añade el texto en posproducción.
• Ignorar el primer fotograma: cuando el modelo lo permite, usa una imagen de partida (image-to-video). Un buen primer fotograma reduce a la mitad el trabajo de prompt.

Qué llevarte

Un prompt de video IA eficaz no es poesía: es una especificación técnica. Sujeto, acción única, cámara explícita, luz y estilo: estos cinco bloques, en el orden correcto, valen más que cualquier adjetivo evocador. Itera un bloque a la vez, adapta la longitud del prompt al modelo que uses y aprovecha el image-to-video siempre que puedas. Quien domina el lenguaje de la cámara y el diagnóstico por síntomas produce clips utilizables en 2-3 iteraciones en lugar de diez.