Dirección de vídeo con IA: del guion a la escena final

Qué significa realmente dirigir cuando el plano lo genera una IA

Dirigir siempre ha sido un ejercicio de reducción: de todas las posibilidades que ofrece una escena, el director elige unas pocas y las defiende hasta el final. Lo que cambia con la generación de vídeo por inteligencia artificial no es la naturaleza de esa decisión, sino el material sobre el que se toma. Ya no ajustas una cámara, una luz o la interpretación de un actor en el set: ajustas una descripción, eliges un modelo y seleccionas entre las variantes que aparecen.

La consecuencia práctica es que la dirección se desplaza de la ejecución a la especificación. Un director de fotografía resuelve un problema de luz mientras rueda; en un flujo generativo ese mismo problema se resuelve antes, en cómo describes la fuente, su dirección, su temperatura y su distancia al sujeto. Una descripción vaga produce imágenes vagas; una descripción contradictoria produce artefactos que ningún montaje arregla del todo.

Este artículo propone un método de trabajo completo: cómo pasar de una idea escrita a una secuencia con continuidad visual, qué decisiones tomar en cada fase, qué familias de herramientas encajan mejor según el tipo de plano y qué errores arruinan con más frecuencia los proyectos generados. No es un catálogo de novedades ni una lista de atajos: es un flujo de producción pensado para que puedas repetirlo en el próximo proyecto sin empezar de cero.

Del guion a la secuencia: el flujo de trabajo en cinco fases

Casi todos los proyectos de vídeo generado que salen mal comparten el mismo origen: se empieza a generar antes de haber decidido qué se está contando. Las cinco fases siguientes ordenan el trabajo para que cada minuto invertido en generación tenga una función narrativa.

Fase 1 — Desglose del guion en planos generables

Los modelos actuales producen clips cortos y con una acción coherente por clip. Eso condiciona el desglose: cada plano debe contener una sola acción, una sola intención de cámara, una sola condición de luz y un solo latido emocional. Si un plano necesita dos ideas, son dos planos.

Reglas que funcionan en la práctica:

• Una acción por plano. Abrir una puerta es una acción. Abrir una puerta, girarse y sonreír son tres, y el modelo elegirá una al azar.
• Sin diálogo generado. El texto dentro de la imagen suele ser inestable y la sincronía labial todavía exige planificación aparte.
• Describe comportamiento, no sentimiento. En lugar de escribir que el personaje está nervioso, escribe que aprieta la mandíbula, mira de reojo y tamborilea los dedos sobre la mesa. El sentimiento es una consecuencia del comportamiento.
• Indica qué hace la cámara. Travelling lateral lento, cámara estática a la altura de los ojos, plano contrapicado que sube. La cámara forma parte de la descripción de la acción.

Un guion de treinta segundos suele desglosarse en diez o catorce planos de entre dos y seis segundos. Ese desglose es tu plan de rodaje: imprímelo, numéralo y trabaja siempre sobre él.

Fase 2 — La biblia visual del proyecto

Antes de generar nada, escribe un documento corto que fije las constantes. Este documento es lo que evita que cada plano parezca de una película distinta:

1. Ficha de personaje. Edad aproximada, complexión, color y corte de pelo, vestuario exacto, accesorios. Cuanto más simple sea el vestuario, más fácil será mantenerlo: una chaqueta roja lisa se replica mejor que una camisa con estampado fino.
2. Paleta. Tres o cuatro colores dominantes y uno de acento. Anota también los que no quieres.
3. Formato y óptica. Relación de aspecto, formato horizontal o vertical, y una distancia focal de referencia, por ejemplo 35 mm para planos generales y 85 mm para retratos.
4. Luz. Hora dorada, luz difusa de ventana, luz dura de mediodía con sombras marcadas. Una sola lógica de luz por secuencia.
5. Textura. Grano fino o imagen limpia, contraste alto o bajo, saturación contenida o vívida.
6. Movimiento permitido. Decide si vas a usar cámara en mano, trípode o movimientos de grúa, y no mezcles más de dos estilos.

La ficha de personaje se copia literalmente en cada descripción de plano. No la reescribas con sinónimos: los modelos son sensibles a variaciones mínimas de vocabulario, y cambiar tres palabras puede devolverte un rostro distinto.

Fase 3 — Prompts de dirección, no prompts de imagen

Un prompt de imagen busca una fotografía atractiva. Un prompt de dirección busca un plano que encaje en una secuencia. La diferencia está en el orden y en la jerarquía de la información. Un orden que da buenos resultados:

sujeto y vestuario → acción concreta → entorno y hora del día → dirección y calidad de la luz → movimiento y altura de cámara → óptica y profundidad de campo → textura y estilo → restricciones negativas.

Tres hábitos que mejoran mucho el resultado:

• Sustituye adjetivos vacíos. En vez de cinematográfico, escribe iluminación lateral dura, contraste alto, sombras marcadas, aspecto de película de 35 mm.
• Cuantifica el movimiento. Movimiento sutil, moderado o amplio. Si no lo especificas, el modelo elegirá el máximo y el plano se romperá.
• Usa la lista negativa para lo previsible: texto en pantalla, logotipos, manos deformes, caras duplicadas en el fondo, movimiento de cámara brusco.

Fase 4 — Generación por bloques y control de continuidad

No generes los planos en orden cronológico estricto. Agrupa los que comparten escenario, luz y vestuario, y trabaja el bloque completo antes de pasar al siguiente. Así los ajustes de estilo se aplican a un conjunto coherente.

Para la continuidad, tres técnicas resuelven la mayoría de los problemas:

• Fotogramas clave. Genera una imagen de inicio y una de fin para cada plano y deja que el modelo interpole. Controlas mucho más que confiando solo en el texto.
• Encadenado por fotograma final. Usa el último fotograma de un plano como primero del siguiente. El corte desaparece porque el punto de partida es idéntico.
• Semilla fija. Cuando la herramienta lo permite, mantén la misma semilla entre planos del mismo bloque para conservar grano, color y rasgos.

Asume que la tasa de acierto es baja. Un plan realista es generar entre cuatro y ocho variantes por plano y quedarte con una. Presupuesta tu tiempo con ese factor, no con la esperanza de acertar a la primera.

Fase 5 — Montaje, sonido y acabado

El montaje es donde una secuencia generada se convierte en una pieza audiovisual. Corta sobre el movimiento, usa planos de recurso para cubrir saltos de continuidad y evita quedarte mirando un plano más tiempo del que aguanta. Después:

• Unifica el color con una corrección común. Los clips generados rara vez coinciden en balance de blancos y contraste.
• Interpola o reescala si necesitas más fluidez o resolución.
• Trabaja el sonido con la misma seriedad que la imagen: ambiente continuo, efectos puntuales en cada corte y música con una curva emocional decidida.
• Revisa en el formato final. Un plano que funciona en horizontal puede perder toda su fuerza en vertical.

Coherencia visual: el problema que decide la calidad final

La coherencia de personaje es el punto donde más proyectos se caen. No hay una solución única, sino una combinación de medidas que reducen el margen de error:

• Referencias visuales. Adjunta una o varias imágenes del personaje como referencia cuando la herramienta lo permita.
• Descripción literal repetida. Copia y pega el mismo bloque de texto, sin variaciones.
• Vestuario y peinado simples. Cada detalle adicional es una oportunidad de deriva.
• Pocos personajes. Dos personajes bien sostenidos superan a cinco que cambian de cara.
• Evita multitudes. Las caras del fondo son el fallo más habitual y el más difícil de corregir.
• Planos estables para momentos clave. Si el plano sostiene la historia, elige un encuadre sencillo y estable en lugar de un movimiento complejo que multiplique los errores.

En el entorno, el mismo principio aplica: un espacio con geometría simple y pocos objetos móviles se mantiene mucho mejor que una calle llena de gente, coches y carteles.

Elegir la herramienta adecuada para cada tipo de plano

No existe una herramienta mejor que las demás, existe una herramienta mejor para un plano concreto. Estas son las familias que conviene conocer y cuándo encaja cada una:

• Texto a vídeo generalista. Ideal para planos de establecimiento, paisajes, atmósferas y todo lo que no exija un rostro reconocible.
• Imagen a vídeo con fotogramas clave. La opción por defecto cuando hay personajes o continuidad estricta.
• Modelos de imagen fotorrealista. Útiles para construir las imágenes de referencia y los fotogramas clave antes de animar.
• Herramientas de transferencia de movimiento. Perfectas para coreografías, deporte y gestos precisos grabados con una persona real.
• Modelos estilizados. Animación, ilustración y universos gráficos donde el realismo no es el objetivo.
• Utilidades de posproducción. Interpolación, reescalado, eliminación de objetos y corrección de color.

Criterios de decisión rápidos: si necesitas control, prioriza fotogramas clave; si necesitas belleza de imagen, prioriza modelos fotorrealistas; si necesitas velocidad y volumen, acepta menos control y trabaja con plantillas de descripción reutilizables.

Ritmo y tensión: dirigir con la duración de los planos

En un vídeo generado, la duración del plano es una de las decisiones creativas más potentes y la que más se descuida. Como regla general, los planos cortos aceleran la percepción y los planos largos la frenan. Alternar duraciones crea tensión; mantenerla constante crea monotonía.

Estructura útil para una pieza breve: un plano general que sitúa, un plano detalle que intriga, un plano medio con el personaje que conecta emocionalmente. Repite ese ciclo variando el escenario. Y recuerda que un plano generado que se sostiene siete segundos con dignidad es un logro, no un derecho: si a los cuatro segundos ya no aporta, córtalo.

Errores frecuentes que arruinan una secuencia generada

1. Demasiadas ideas en un solo plano. El modelo elige una y descarta el resto.
2. Vocabulario inestable. Cambiar sinónimos entre planos produce personajes distintos.
3. Mezclar lógicas de luz. Una secuencia con tres tipos de luz parece un montaje de anuncios.
4. Ignorar el fotograma final. Es la herramienta de continuidad más barata y la más olvidada.
5. Generar hasta la perfección en lugar de cubrir. Es mejor tener todos los planos con una calidad buena que dos planos perfectos.
6. No planificar el sonido. El audio mal resuelto hace que la imagen parezca peor de lo que es.
7. Cambiar de formato a mitad del proyecto. Decide relación de aspecto antes de la fase 1.
8. Abusar de primeros planos de manos y caras. Son las zonas con más probabilidad de artefactos.
9. No unificar el color. Cada clip llega con su propio balance y el montaje lo delata.
10. No guardar versiones. Conserva descripciones, semillas y fotogramas clave: reproducir un buen resultado es tan valioso como conseguirlo.

Caso práctico: un spot de treinta segundos de principio a fin

Supongamos una marca de café artesanal que quiere un spot de treinta segundos. El guion cabe en tres frases: amanecer en el obrador, manos que sirven el café, un sorbo y una mirada a la ciudad despertando.

Desglose. Catorce planos: cuatro de ambiente (granos, vapor, ventana, taza), cuatro de proceso (verter, remover, servir, cerrar el paquete), tres de personaje (rostro concentrado, sonrisa breve, mirada por la ventana) y tres de ciudad (calle vacía, primer autobús, azotea con luz cálida).

Biblia visual. Una barista de unos treinta años, pelo recogido, delantal verde oliva liso, camiseta cruda. Paleta de tostados, verdes apagados y un acento de naranja cálido. Luz de amanecer lateral, contraste medio, grano fino, imagen horizontal de 35 mm.

Producción. Primero se generan imágenes fijas de referencia para la barista y el obrador. Después se convierten en fotogramas clave. Los planos de proceso se agrupan en un bloque con la misma semilla. Los planos de ciudad se generan aparte porque la luz cambia. Cada plano se genera en cuatro variantes mínimas y se descartan las que rompen la continuidad de vestuario o de luz.

Posproducción. Montaje a un ritmo que empieza lento y acelera hasta el sorbo, corte final a negro con la taza en primer término ni bien aparece el logotipo. Corrección de color común para igualar los tostados. Ambiente continuo de cafetería, un efecto de cerámica y vapor en cada corte, música con entrada suave de piano y percusión ligera. El resultado final se exporta en horizontal y en vertical, con reencuadres diferentes, no recortados.

Tiempo realista. Dos o tres jornadas de trabajo para una persona que ya domina su herramienta, con la mitad del tiempo dedicada a generar variantes y la otra mitad a montaje, sonido y color.

Criterios de decisión: cuándo generar y cuándo rodar

La pregunta útil no es si la IA sustituye al rodaje, sino qué parte del proyecto se beneficia de cada método.

Genera cuando: el concepto es imposible o caro de rodar, necesitas prototipar el montaje antes de invertir, el contenido es de gran volumen y bajo presupuesto, o quieres explorar direcciones visuales distintas antes de decidir.

Rueda cuando: hay diálogo sincronizado, manos manipulando objetos con precisión, testimonios de marca con una persona real, o cuando el valor del proyecto depende de que el público reconozca un rostro concreto.

Combina cuando: puedas usar rodaje para el plano del producto y generación para el contexto, o al contrario. La mezcla bien resuelta es hoy la opción más madura: el público no distingue el origen, solo percibe si la pieza funciona.

Preguntas frecuentes

¿Cuántos planos necesito realmente? Para una pieza de treinta segundos, entre diez y quince. Si tienes menos, los planos durarán demasiado; si tienes más, el espectador no procesará la información.

¿Debo escribir yo las descripciones o usar plantillas? Las plantillas para la parte técnica (luz, óptica, textura) y texto propio para la parte narrativa. Las plantillas garantizan coherencia; el texto propio aporta intención.

¿Cómo arreglo un plano que casi funciona? No lo regeneres desde cero. Cambia una sola variable: la duración, el movimiento de cámara o la luz. Cambiar dos cosas a la vez te impide saber qué ha mejorado.

¿Puedo usar mi propio vídeo como referencia? Sí, y es una de las mejores formas de mantener continuidad: extrae fotogramas de un rodaje real y úsalos como imágenes de inicio.

¿Qué hago con las caras que derivan entre planos? Reduce el número de planos con rostro, usa referencias visuales, mantén el vestuario simple y reserva los primeros planos para los momentos que de verdad lo necesitan.

¿Merece la pena trabajar en vertical? Si tu destino es móvil, sí, pero decide el formato antes de generar. Reencuadrar desde horizontal funciona mejor que recortar desde un plano ya compuesto en horizontal.

Lista de verificación antes de exportar

• Guion desglosado en planos de una sola acción.
• Biblia visual escrita y respetada literalmente en cada descripción.
• Continuidad verificada plano a plano: vestuario, luz, color, dirección de movimiento.
• Montaje con duraciones variadas y cortes sobre movimiento.
• Color unificado con una corrección común.
• Ambiente, efectos y música integrados, con niveles revisados en auriculares y altavoces.
• Revisión en formato vertical y horizontal.
• Descripciones, semillas y fotogramas clave archivados para futuras revisiones.

Dirigir con IA no consiste en pedir buenas imágenes. Consiste en decidir qué historia se cuenta, con qué restricciones visuales y en qué orden, y luego usar las herramientas para sostener esas decisiones plano a plano. El estudio que entienda esto trabajará más rápido y con menos ruido; el que no, acumulará clips bonitos que nunca llegarán a ser una película.