Trucos de Prompts para Sora: Estructura, Controles de Cámara y Movimiento

Sora responde mejor a prompts que separan la definición del sujeto, el lenguaje de cámara, la física ambiental y la progresión temporal en cláusulas distintas y ordenadas. A diferencia de los modelos de texto a imagen, Sora requiere instrucciones explícitas sobre cómo los objetos se mueven en el espacio 3D a lo largo del tiempo. Esta guía desglosa la sintaxis y el vocabulario que producen resultados controlables y de alta fidelidad.

1. La Arquitectura de Prompt en Cuatro Capas

Los prompts efectivos de Sora siguen una jerarquía estricta. Desviarse de este orden suele hacer que el modelo priorice la estética sobre la física o ignore las indicaciones de cámara por completo.

• Capa 1 – Sujeto y Acción: Define la entidad principal y su movimiento central (ej.: "Un corgi con jersey de lana rojo corriendo").
• Capa 2 – Cámara y Objetivo: Especifica distancia focal, ángulo y movimiento (ej.: "Plano contrapicado travelling, objetivo 35mm, steady cam").
• Capa 3 – Entorno y Física: Describe iluminación, clima e interacción de materiales (ej.: "Asfalto mojado reflejando neón, gotas de lluvia en el pelaje, simulación de pelaje basada en física").
• Capa 4 – Temporal y Estilo: Define duración, ritmo y filtro estético (ej.: "5 segundos, cámara lenta, color grading cinematográfico, alta velocidad de obturación").

Escribe siempre las capas como cláusulas separadas por comas en un solo párrafo. El mecanismo de atención de Sora procesa mejor las dependencias secuenciales que los saltos de línea.

2. Vocabulario de Lenguaje de Cámara que Funciona

Términos genéricos como "plano cinematográfico" generan resultados genéricos. Los datos de entrenamiento de Sora incluyen metadatos detallados de cámara. Usa terminología precisa para dirigir el rig virtual.

Tipos de Movimiento

• Travelling / Desplazamiento lateral: Movimiento lateral paralelo al sujeto. Usa "travelling lento a la izquierda" para profundidad de paralaje.
• Pedestal / Pluma: Elevación vertical sin inclinación. Esencial para planos reveladores.
• Orbit / Arco: Trayectoria circular alrededor del sujeto. Especifica radio y velocidad ("órbita 360º cerrada a 15grados/seg").
• Handheld / Drone: Añade micro-vibración o perspectiva aérea. Combina con "estabilizado" para reducir temblor no deseado.

Controles de Objetivo y Sensor

• Distancia Focal: "Gran angular 24mm" exagera la profundidad; "Teleobjetivo 85mm" comprime el fondo.
• Apertura: "f/1.8 profundidad de campo reducida" aísla el sujeto; "f/11 foco profundo" mantiene todo nítido.
• Ángulo de Obturación: "Obturador 180º" (motion blur estándar) vs. "Obturador 45º" (acción nítida, estilo staccato).

3. Simulando Física y Comportamiento de Materiales

El transformer de difusión de Sora modela dinámica de fluidos, simulación de tela y colisión de cuerpos rígidos, pero solo si se le pide explícitamente. Sin estos tokens, el modelo recurre a "lógica onírica" donde los objetos se atraviesan.

Combina un máximo de dos tokens de física por plano. Sobrecargar causa parpadeo temporal al entrar en conflicto los solvers.

4. Controlando Consistencia de Personajes y Objetos

Sora carece de bloqueo de identidad integrado (como IP-Adapter o LoRA). La consistencia debe lograrse mediante repetición en el prompt y anclaje espacial.

1. Semilla la Descripción: Usa un descriptor idéntico de 25 palabras para el mismo personaje en cada prompt (ej.: "Mujer piel pálida, bob plateado asimétrico, heterocromía ojos—izq. ámbar, der. azul, chaqueta táctil negra mate").
2. Ancla a Geometría: Referencia coordenadas mundiales fijas: "De pie en coordenada (0,0,0) sobre suelo cuadriculado."
3. Bloquea Cámara Respecto al Sujeto: "Cámara bloqueada a cadera del sujeto, offset 2m atrás, 1m arriba." Esto evita deriva.
4. Repite Atributos Clave a Mitad de Secuencia: Para generaciones de 10s+, repite el descriptor del sujeto en el segundo 5 del prompt: "...continuando, mujer piel pálida bob plateado asimétrico...".

5. Estructuración Temporal para Acciones Complejas

Acciones multi-beat (ej.: "abrir puerta, entrar, sentarse, verter café") requieren marcas de tiempo explícitas. Sora trata listas sin timestamp como nubes de probabilidad simultáneas.

Sintaxis de Marcas de Tiempo

Usa el formato [0.0-2.0s] Acción A. [2.0-4.5s] Acción B. [4.5-5.0s] Reacción. Ejemplo:

[0.0-1.5s] Corgi sprinta hacia cámara. [1.5-3.0s] Salta, patas caen sobre rodillas. [3.0-4.0s] Lame cara, cola a 120ppm. [4.0-5.0s] Se acomoda, jadeo pesado, pelaje húmedo de sudor.

Las duraciones deben sumar la longitud total del video. Huecos crean frames negros; solapes causan artefactos de morphing.

6. Restricciones Negativas y Tokens Anti-Halucinación

Sora soporta negative prompting vía parámetro --neg (o campo dedicado en UI). Úsalos para suprimir fallos comunes:

• Morphing: --neg morphing, melting, topology change, extra limbs, fused fingers
• Deriva de Cámara: --neg zoom, pan, tilt, roll, dolly, handheld shake (cuando quieres plano fijo)
• Parpadeo Temporal: --neg strobing, texture swimming, color shifting, frame interpolation artifacts
• Violaciones de Física: --neg clipping, phasing, gravity inversion, mass inconsistency

Limita tokens negativos a 15 por generación. Exceso de negativos restringe demasiado el espacio latente, reduciendo diversidad de movimiento.

7. Flujo Práctico: De Concepto a Clip Final

1. Storyboard en Texto: Escribe el prompt de 4 capas para cada plano en hoja de cálculo (ID Plano, Duración, Prompt, Negativos).
2. Genera Proxies Baja Res: Ejecuta tests 480p, 2 segundos por plano. Verifica física y lógica de cámara antes de escalar.
3. Itera Cámara Primero: Si el movimiento falla, ajusta solo tokens de Capa 2. Mantén Sujeto y Física bloqueados.
4. Escala y Extiende: Usa upscaler nativo de Sora a 1080p/4K. Para clips largos, usa último frame del Plano N como image-conditioning para Plano N+1.
5. Post-Estabilización: Aplica estabilización por flujo óptico (DaVinci Resolve / Topaz) para eliminar micro-jitter del muestreo por difusión.

Conclusión Clave

Sora premia la precisión sobre la poesía. Trata los prompts como especificaciones técnicas: cada token debe mapear a una variable controlable—rig de cámara, solver de física o keyframe temporal. Construye tu biblioteca personal de tokens, versiona tus prompts e itera sistemáticamente. La brecha entre "demo chulo" y "asset de producción" es la disciplina en el prompting.