Guía completa de prompts para Veo 3: de principiante a producción

Estructura básica del prompt de Veo 3

Un prompt de Veo 3 de alta calidad es, en esencia, comprimir un "guión de director" en un texto que el modelo pueda entender. A diferencia de las primeras herramientas de texto a vídeo, Veo 3 tiene mayor capacidad de análisis de detalles de escena, movimiento de cámara y audio; por tanto, cuanto más estructurado sea el prompt, más estable será el resultado. Se recomienda la estructura en cinco partes:

1. Sujeto: quién o qué, incluyendo apariencia, ropa, detalles de material
2. Acción: qué hace el sujeto, verbos concretos
3. Entorno: hora, lugar, luz, clima, atmósfera
4. Cámara: plano, ángulo, tipo de movimiento, duración del plano
5. Audio: sonido ambiente, efectos, diálogos, tono

Ejemplo: "Una mujer de pelo corto con gabardina beige (sujeto), cruza a paso ligero una calle de Tokio al amanecer y mira a cámara (acción), suelo mojado reflectante, farolas aún encendidas (entorno), plano medio seguimiento, poca profundidad de campo, lento zoom in (cámara), pasos chapoteando en charcos, ruido blanco urbano lejano (audio)". Cuando las cinco dimensiones están completas, el "espacio de improvisación" del modelo se reduce y la coherencia con la expectativa aumenta notablemente.

Lenguaje de cámara: variable clave para la textura

Muchos escriben prompts de Veo 3 describiendo solo el "contenido" y olvidan el "cómo se filma". El lenguaje de cámara es la frontera entre vídeo IA y estética de cámara de vigilancia. Los siguientes términos responden bien en Veo 3 y pueden insertarse directamente en el prompt:

Truco práctico: cada prompt debe especificar un solo movimiento principal de cámara. Pedir simultáneamente zoom in, zoom out, paneo y travelling hace que el modelo cambie de ángulo frecuentemente en 8 segundos, generando caos. Si se desea multi-cámara, dividir en varios prompts, generar por separado y montar después.

Audio y diálogos: ventaja exclusiva de Veo 3

Veo 3 genera audio sincronizado de forma nativa; es su diferencia clave frente a la mayoría de competidores y la parte del prompt que más se desperdicia. Sin descripción de audio, el modelo inventa sonido ambiente con resultados incontrolables. Conviene describir explícitamente tres tipos de sonido:

• Ambiente: crackling fireplace, distant traffic, birds chirping
• Efectos: glass shattering, footsteps on gravel, whoosh
• Diálogos: entre comillas, indicando tono y acento

Ejemplo de diálogo: The man looks at the camera and says in a low, gravelly voice: "We shouldn't have come here.". Tres puntos: frase corta (capacidad de lip-sync limitada, más de dos frases suele fallar); descripción del tono antes de la frase; para lip-sync en chino, usar texto chino y añadir "speaking in Mandarin", aunque el inglés sigue siendo el más estable.

Regla de oro: la descripción visual decide "qué tan bonito", la de audio decide "qué tan real". Un prompt de Veo 3 sin diseño de sonido solo usa la mitad de la capacidad del modelo.

Errores frecuentes y correcciones

Según pruebas extensas, estos cuatro problemas son los más comunes:

1. Acción demasiado compleja: exigir en 8 segundos "levantarse, girar, coger taza, ir a ventana, mirar lejos" provoca saltos de frame o distorsión corporal. Corrección: un prompt = una acción principal + un detalle secundario.
2. Contradicción física: ej. "nieve a contraluz con rostro nítido y brillante". El modelo elige aleatoriamente qué mitad obedecer. Corrección: revisar coherencia de luz, gravedad, orientación.
3. Acumulación de adjetivos abstractos: "épico, impactante, calidad blockbuster" no son ejecutables. Corrección: usar descripciones filmables: "slow motion, dramatic backlighting, dust particles in the air".
4. Ignorar restricciones negativas: lo que NO quieres debe escribirse, ej. "no text overlays, no camera shake, no extra limbs", reduce drásticamente el ratio de tomas inútiles.

Plantillas de prompt reutilizables

Plantillas validadas; sustituir contenido entre corchetes:

Plantilla narrativa cinematográfica: [plano] of [sujeto+detalles], [acción única], in [entorno+luz], [movimiento cámara], [textura película/lente]. Audio: [ambiente], [efectos]. [diálogo (opcional)]

Plantilla producto: Slow orbit shot around [producto] on [material superficie], studio lighting with soft shadows, [detalle reflectividad], background fades from dark grey to black. Audio: subtle ambient hum.

Plantilla talking-head: Medium close-up, [descripción sujeto] facing the camera in [entorno], speaking in [tono]: "[diálogo máx. 15 palabras]". Audio: room tone, clear voice. No background music.

Flujo de trabajo iterativo: de tomas fallidas a corte final

El vídeo IA es generación probabilística; el éxito en un solo intento es raro; el flujo de trabajo importa más que un prompt único. Método de cinco pasos:

1. Primero fija contenido: prompt mínimo, genera 4 versiones, verifica sujeto y escena; si falla, ajusta descripción y repite.
2. Luego añade cámara: contenido correcto -> añade plano y movimiento, descarta versiones con movimiento roto.
3. Después audio: imagen estable -> añade audio y diálogos, evita que el sonido interfiera en depuración visual.
4. Restricciones negativas al final: según defectos recurrentes (marcas de agua, gente extra) añade prompts negativos.
5. Lote + montaje: mismo prompt genera varias tomas, elige mejores fragmentos, monta en editor; no busques la toma perfecta única.

La lógica central es aislamiento de variables: cambiar solo una dimensión por iteración permite saber qué mejora funcionó. Cambiar cinco a la vez y fallar = imposible diagnosticar.

Conclusión

La técnica de prompts para Veo 3 no es memorizar hechizos, sino pensar con lenguaje de director: sujeto, acción, entorno, cámara, sonido; cinco dimensiones indispensables. La estructura en cinco partes resuelve "qué filmar", el lenguaje de cámara "cómo filmar", el audio "qué tan real", el flujo iterativo "qué tan estable". Con este marco, dejas de jugar a la lotería y obtienes un proceso de producción replicable y depurable. Hoy mismo: mete tu necesidad de vídeo más frecuente en la plantilla, itera tres vueltas y verás un salto claro de calidad.