Guía de Prompts para Video IA: Estructura, Controles de Cámara y Flujo de Trabajo

El prompting efectivo para video IA se basa en una sintaxis fija: Sujeto + Acción + Cámara + Iluminación + Estilo + Parámetros Técnicos. Modelos como Sora, Runway Gen-3, Luma Dream Machine y Kling interpretan esta jerarquía de forma distinta, pero la lógica estructural permanece constante. Esta guía desglosa cada componente, explica la ponderación específica por modelo y ofrece una plantilla reutilizable para resultados profesionales.

Por Qué la Estructura del Prompt Determina la Calidad del Resultado

Los modelos de video procesan los tokens secuencialmente. Los primeros tokens definen el sujeto y la acción principal; los tokens intermedios controlan la cámara y el entorno; los últimos aplican estilo y restricciones técnicas. Cuando antepones palabras clave estéticas ("cinematográfico", "8k") antes de definir el movimiento, el modelo alucina detalles en fotogramas estáticos. Un prompt estructurado obliga al modelo a asignar cómputo a la coherencia temporal primero.

Runway Gen-3 responde con fuerza a los tokens de cámara en posiciones 3-5. Kling 1.6 prioriza verbos de movimiento físico. Luma Dream Machine da mucho peso a la iluminación y la atmósfera. Sora (donde está accesible) sigue una jerarquía estricta de sujeto-movimiento-cámara. Entender estos sesgos te permite reordenar los mismos componentes para cada modelo sin reescribir el concepto.

La Fórmula Universal de Prompt

Usa esta plantilla para cada generación. Rellena cada corchete; elimina los que no necesites.

[Descripción del Sujeto] + [Verbo de Acción/Movimiento] + [Tipo de Cámara + Movimiento] + [Iluminación/Hora del Día] + [Entorno/Fondo] + [Estilo/Estética] + [Especificaciones Técnicas]

1. Descripción del Sujeto (Tokens 1-15)

Define el elemento principal con especificidad visual. Evita sustantivos abstractos. En lugar de "una mujer", usa "una mujer de 30 años con cabello oscuro a la altura de los hombros, lleva una gabardina azul marino". Incluye rasgos distintivos: textura de la ropa, paleta de colores, accesorios. Para personajes, especifica edad, etnia y postura. Para objetos, indica material, escala y estado (prístino, desgastado, mojado).

2. Verbos de Acción y Movimiento (Tokens 16-30)

El video es movimiento. Usa verbos físicos y precisos: "camina a zancadas", "se lanza", "panea a la izquierda", "gira en sentido horario", "se disuelve en partículas". Evita "se mueve", "va", "camina". Especifica velocidad: "slow-motion", "tiempo real", "time-lapse". Define trayectoria: "camina hacia la cámara", "orbita alrededor del sujeto a 2m de radio". Para movimiento basado en física, añade "peso natural", "momentum conservado", "simulación de tela".

3. Tipo de Cámara y Movimiento (Tokens 31-50)

Es el mayor diferenciador entre resultados amateur y profesionales. Declara lente, ángulo y movimiento en una sola cláusula.

• Lente: 16mm (gran angular, distorsión), 24mm (ambiental), 35mm (estándar), 50mm (natural), 85mm (retrato, compresión), 200mm (teleobjetivo, aplanamiento).
• Ángulo: a altura de ojos, contrapicado (heroico), picado (vulnerable), ángulo holandés (tensión), cenital, nadir.
• Movimiento: estático, paneo izq/der, tilting arriba/abajo, travelling in/out, travelling lateral izq/der, pedestal arriba/abajo, orbita horario/antihorario, handheld (micro-vibración), dron subida/revelación, FPV picado.
• Foco: foco profundo, foco selectivo (f/1.8), cambio de foco de [objeto A] a [objeto B].

Ejemplo: "Lente 35mm, altura de ojos, travelling in lento, foco selectivo cambiando de manos en primer plano a la cara."

4. Iluminación y Hora del Día (Tokens 51-70)

La luz define el ambiente y la respuesta de los materiales. Especifica fuente, calidad, dirección y temperatura de color.

• Fuente: sol hora dorada, cielo nublado, cartel de neón, lámpara práctica, panel LED, luz de velas, bioluminiscencia.
• Calidad: dura (sombras nítidas), suave (difusa), moteada (entre follaje), volumétrica (rayos de dios), contrapicado/rim light.
• Dirección: frontal, lateral (split), 45 grados (Rembrandt), cenital, nadir.
• Color: 5600K (luz diurna), 3200K (tungsteno), contraste teal/naranja, monocromo, gel específico (CTB, CTO).

5. Entorno y Fondo (Tokens 71-85)

Sitúa al sujeto. "Calle de ciudad borrosa" es débil. "Callejón de Tokio mojado por la lluvia de noche, reflejos de neón en asfalto mojado, respiraderos de vapor lejanos" da anclajes espaciales al modelo. Incluye pistas de profundidad: elementos en primer plano, acción en plano medio, hitos en fondo. Especifica clima: densidad de niebla, intensidad de lluvia, acumulación de nieve, dirección del viento sobre vegetación.

6. Estilo y Estética (Tokens 86-100)

Aplica el look al final. Referencia emulsiones (Kodak Vision3 500T, Fuji Eterna 250), directores (color grading de Wong Kar-wai, escala de Villeneuve) o géneros (neo-noir, cyberpunk, documental minimalista). Evita apilar estilos contradictorios. Una referencia fuerte gana a cinco débiles.

7. Especificaciones Técnicas (Tokens 101+)

Controles específicos por modelo. Resolución: 1280x720, 1920x1080. Aspect ratio: 16:9, 9:16, 2.39:1, 4:3. Frame rate: 24fps (cinematográfico), 30fps (broadcast), 60fps (movimiento fluido). Duración: 5s, 10s. Seed: fijo para consistencia. Prompt negativo: "blur, distortion, morphing, extra limbs, watermark, text, low quality".

Ponderación de Prompts por Modelo

Prompts idénticos producen resultados distintos según el modelo. Ajusta el énfasis de cada componente por plataforma.

Conclusión práctica: Para Runway, empieza con cámara. Para Kling, empieza con física del movimiento. Para Luma, empieza con ambiente de luz. Para Pika, empieza con referencia de estilo. Para Hailuo, equilibra sujeto y movimiento por igual.

Chuleta de Lenguaje de Cámara

Copia estas cláusulas directo a tus prompts. Se traducen de forma fiable entre modelos.

Fallos Comunes y Soluciones

1. Miembros que cambian forma / dedos extra: Añade "anatómicamente correcto, cinco dedos, topología estable" al prompt negativo. Reduce velocidad de movimiento. Usa image-to-video con fotograma inicial limpio.
2. Deriva de cámara (zoom/pan no intencionado): Indica explícitamente "cámara estática" o "locked off". Evita "suave" sin vector de movimiento definido.
3. Parpadeo de iluminación: Especifica "iluminación consistente, sin cambio de exposición". Fija hora del día. Evita "iluminación dinámica" salvo que sea intencional.
4. Deformación de fondo: Define geometría del fondo: "fondo estático, paralaje solo por movimiento de cámara". Usa entornos más simples para duraciones largas.
5. Sangrado de estilo (color grading no deseado): Mueve tokens de estilo al final. Usa prompt negativo: "no color grading, balance de blancos neutro". Genera en bruto, gradúa en post.
6. Inconsistencia temporal (personaje cambia entre fotogramas): Usa image-to-video con fotograma de referencia consistente. Añade "consistencia temporal, preservación de identidad" al prompt. Mantén clips bajo 5s para trabajo de personajes.

Flujo de Trabajo Paso a Paso para Construir Prompts

1. Define el objetivo del plano en una frase. Ejemplo: "Un chef pica verduras en una cocina soleada, primer plano en la técnica del cuchillo."
2. Extrae tokens de sujeto. "Chef profesional, 40 años, expresión concentrada, chaqueta blanca de chef, cuchillo santoku, zanahorias y cebollas en tabla de madera."
3. Selecciona el verbo de movimiento principal. "Pica rítmicamente, cortes descendentes precisos, trozos de cebolla se acumulan."
4. Elige cláusula de cámara de la chuleta. "100mm macro, altura de ojos, estático, foco selectivo en punto de contacto de la hoja."
5. Define iluminación. "Luz de ventana matutina, 45 grados lateral, sombras suaves, vapor subiendo de verduras."
6. Añade profundidad de entorno. "Encimera acero inox borrosa detrás, macetas de hierbas en ventana, lámparas colgantes fuera de foco."
7. Aplica estilo. "Estética documental gastronómico, color natural, alto rango dinámico."
8. Añade especificaciones técnicas. "1920x1080, 16:9, 24fps, 5s, seed 42."
9. Ensambla prompt completo. Combina en orden de fórmula. Cuenta tokens; recorta al límite del modelo.
10. Genera 3 variaciones. Varía solo la seed. Selecciona la mejor coherencia temporal. Escala si hace falta.

Avanzado: Prompting Image-to-Video

Al usar una imagen de entrada, el prompt describe cambio, no la escena estática. El modelo ya ve sujeto, iluminación y composición. Tu prompt solo necesita: Vector de movimiento + Movimiento de cámara + Pista de duración.

Ejemplo: Imagen de entrada muestra coche aparcado al atardecer. Prompt: "Coche acelera hacia adelante, ruedas giran, polvo se levanta, cámara contrapicado travelling lateral izq siguiendo, hora dorada mantenida, 5 segundos." No vuelvas a describir el coche o el atardecer. Tokens desperdiciados confunden al planificador de movimiento.

Para animación de personaje: "Cabeza gira a la izquierda, ojos siguen objeto en movimiento, sonrisa sutil aparece, hombros se relajan, movimiento de respiración, 3 segundos." Micro-expresiones requieren enumeración explícita; modelos tienden a caras congeladas por defecto.

Conclusión Final

El prompting no es escritura creativa—es ingeniería de parámetros. La fórmula [Sujeto][Movimiento][Cámara][Luz][Entorno][Estilo][Tech] funciona porque refleja la jerarquía del espacio latente del modelo. Memoriza la chuleta de cámara. Aprende el sesgo de ponderación de tu modelo objetivo en la tabla comparativa. Construye cada prompt con el flujo de 10 pasos. La consistencia viene de la estructura, no de la inspiración.