La generación de vídeo con inteligencia artificial ha dejado de ser una curiosidad técnica para convertirse en una herramienta de producción cotidiana. El cuello de botella ya no está en el modelo: está en la dirección. Saber qué pedir, cómo describirlo y cómo mantener el resultado estable a lo largo de varios planos separa un experimento suelto de una secuencia que se puede publicar. En ese punto se cruzan dos piezas que se complementan muy bien: la familia de modelos Flux para imagen y una forma de escribir prompts que funciona como un guion de dirección, conocida en muchas interfaces como Script Type Text.
Esta guía propone un flujo de trabajo completo: entender qué aporta Flux, cómo se estructura un Script Type Text, cómo encadenar ambos para producir secuencias coherentes, qué modelos de vídeo elegir en cada caso y qué errores arruinan más proyectos.
Qué es Flux y por qué se ha convertido en base de muchos flujos de vídeo
Flux es una familia de modelos de difusión orientados a la generación de imágenes con un equilibrio poco habitual entre realismo, legibilidad y fidelidad al prompt. No es un único modelo, sino varias variantes pensadas para escenarios distintos:
- Variantes rápidas: generan en pocos pasos, ideales para explorar composiciones y descartar ideas sin gastar mucho tiempo de cómputo.
- Variantes de alta fidelidad: producen detalle fino, piel creíble, materiales realistas y mejor manejo de texto dentro de la imagen.
- Ediciones con control estructural: permiten condicionar el resultado con mapas de profundidad, bordes, poses o máscaras de inpainting, lo que da un control de composición casi de storyboard.
En vídeo, Flux rara vez se usa para generar movimiento directamente. Se usa como generador de fotogramas clave: produces el primer plano, el último o varios hitos de una escena y luego un modelo de imagen-a-vídeo los anima. Este enfoque híbrido es hoy el más fiable para conseguir coherencia, porque el fotograma clave fija identidad, vestuario, luz y encuadre antes de que el movimiento introduzca variaciones.
La consecuencia práctica es importante: si tu fotograma clave es mediocre, el clip será mediocre aunque el modelo de vídeo sea excelente. Invertir tiempo en la fase de imagen con Flux multiplica la calidad final mucho más que cambiar de generador de vídeo.
Script Type Text: la sintaxis que convierte un prompt en dirección
Un prompt corriente describe una escena. Un Script Type Text describe cómo se rueda esa escena. Es texto estructurado en bloques que separan intención, sujeto, acción, cámara, luz, estilo y continuidad. La diferencia se nota cuando necesitas repetir un plano con variaciones pequeñas o mantener un personaje a lo largo de diez clips.
Componentes clave de un Script Type Text
Un guion de dirección bien construido suele incluir estos bloques, en este orden:
- Intención: una frase que resume qué debe sentir el espectador. Por ejemplo, «tensión contenida antes de una revelación».
- Sujeto: identidad, edad aproximada, rasgos distintivos, vestuario. Cuanto más específico, más repetible.
- Acción: un único verbo principal por bloque. «Camina», «gira la cabeza», «abre la caja». Dos acciones simultáneas suelen producir cuerpos deformes.
- Cámara: tipo de plano, altura, movimiento y óptica. «Plano medio, cámara a la altura del pecho, travelling lateral lento, 50 mm».
- Luz y color: hora del día, dirección de la luz, contraste, paleta.
- Estilo: fotografía de referencia, grano, formato, textura.
- Audio o ambiente: aunque el modelo no genere sonido, describirlo ayuda a la coherencia de escena y sirve para el montaje posterior.
- Restricciones: lo que no quieres ver. Manos de más, texto ilegible, cambios de vestuario entre planos.
Ejemplo de bloque de dirección
INTENCIÓN: descubrimiento silencioso, sin dramatismo.
SUJETO: mujer de unos 30 años, pelo recogido, abrigo gris de lana, sin joyas.
ACCIÓN: abre una libreta sobre la mesa y desliza el dedo por una página.
CÁMARA: plano detalle cenital, ligero descenso de 30 cm, 85 mm.
LUZ: luz de ventana lateral, nublado, sombras suaves, tonos fríos.
ESTILO: fotografía documental, grano fino, sin saturación.
CONTINUIDAD: mismo abrigo gris y misma mesa de roble que en el plano anterior.
RESTRICCIONES: sin texto legible, sin manos adicionales, sin cambios de fondo.
Ese nivel de detalle es el que permite que un modelo de imagen-a-vídeo no improvise. Cuando el bloque de continuidad no existe, cada clip se convierte en un pequeño universo distinto y el montaje se vuelve imposible.
Cómo se integra con modelos de alta fidelidad
Flux, junto con generadores de vídeo como Kling, Sora o alternativas de imagen-a-vídeo, responde muy bien a esta estructura porque todos tienden a ponderar más las primeras palabras del prompt. Si el bloque de sujeto aparece antes que el de estilo, el personaje se mantiene con más fuerza. Si pones el estilo primero, el modelo prioriza la estética y difumina los rasgos.
Una técnica útil es separar el guion en dos capas: una capa fija (sujeto, vestuario, paleta, restricciones) que se copia sin cambios en todos los planos, y una capa variable (acción, cámara, luz) que cambia en cada uno. Esa separación es la que hace que una secuencia larga parezca rodada de una vez.
Flujo de trabajo paso a paso, de la idea al clip final
Paso 1: definir intención y escaleta
Antes de escribir una sola palabra de prompt, escribe la escaleta en cuatro o cinco líneas: qué ve el espectador, qué cambia y con qué plano termina. Los proyectos que fallan suelen saltarse este paso y acaban con clips bonitos que no cuentan nada.
Paso 2: fijar la biblia visual
Crea un documento con la capa fija: descripción del personaje, vestuario, paleta, tipo de luz y estilo fotográfico. Este documento se convierte en la referencia que pegarás en todos los prompts. Si trabajas con varias personas, es el único modo de que los resultados sean consistentes.
Paso 3: generar el fotograma clave con Flux
Empieza por el plano más representativo. Genera diez o quince variantes con la variante rápida, elige dos o tres y refínalas con la variante de alta fidelidad. No busques perfección en la primera tanda: busca dirección. Cuando tengas un fotograma que funcione, guárdalo como referencia de estilo y de identidad.
Si el encuadre importa mucho, usa las ediciones con control estructural. Un mapa de profundidad te permite situar al personaje exactamente donde quieres sin depender de la suerte del prompt. Esta es la diferencia entre dirigir y pedir deseos.
Paso 4: escribir el Script Type Text del plano
Convierte el fotograma aprobado en un bloque de dirección. Describe lo que ya existe en la imagen, no lo que te gustaría que existiera. Si el fotograma muestra luz lateral fría, el guion debe decir luz lateral fría; de lo contrario, el modelo de vídeo intentará reconciliar dos instrucciones contradictorias y producirá artefactos.
Paso 5: animar con un modelo de imagen-a-vídeo
Alimenta el fotograma clave junto con el bloque de dirección. Mantén clips cortos al principio, de tres a cinco segundos. Los planos largos acumulan deriva: la cara cambia, el vestuario muta, el fondo se reorganiza. Es más fácil unir tres clips coherentes que arreglar uno de doce segundos.
Paso 6: revisar y decidir
Antes de aceptar un clip, revisa cuatro cosas: identidad del sujeto, coherencia de vestuario, estabilidad del fondo y naturalidad del movimiento. Si falla una, regenera con un cambio mínimo en el guion en lugar de reescribirlo entero. Cambiar una sola variable por iteración es el método más rápido para aprender qué palabras controlan qué.
Paso 7: montaje, audio y ajuste final
El montaje es donde el material generado se vuelve profesional. Corta en el movimiento, no en el reposo. Añade ambiente sonoro y música antes de juzgar el ritmo: un clip que parece lento suele mejorar con el audio adecuado. Una corrección de color ligera que unifique la temperatura entre planos hace más por la continuidad que cualquier regeneración.
Coherencia de personaje y de escena en secuencias largas
La coherencia no se consigue con un prompt mágico, sino con disciplina de producción. Cuatro prácticas marcan la diferencia:
- Ancla de identidad: un fotograma de referencia del personaje que se usa como punto de partida en todos los planos.
- Vestuario bloqueado: nunca cambies una prenda entre planos de la misma escena, ni siquiera un detalle. El modelo lo amplificará.
- Continuidad de luz: define una sola dirección de luz por escena. Los cambios de hora del día se notan inmediatamente.
- Transiciones intencionadas: si vas a cambiar de escenario, hazlo con un corte limpio o con un plano de recurso, no con un cambio brusco dentro del mismo plano.
En secuencias de más de seis planos, conviene además trabajar por bloques: agrupa los planos que comparten escenario y luz, y resuélvelos en una sola sesión. Trabajar de forma agrupada reduce las variaciones involuntarias que aparecen cuando vuelves a un escenario días después con el prompt ligeramente distinto.
Qué modelo usar en cada momento
No existe un modelo mejor en abstracto. Existe un modelo más adecuado para cada tarea:
- Exploración rápida: variantes ligeras de Flux. Muchas iteraciones, bajo detalle. Sirven para decidir encuadre y composición.
- Fotograma final: variantes de alta fidelidad con control estructural. Son las que van al montaje.
- Movimiento realista y personas: modelos de imagen-a-vídeo con buen manejo de rostro y manos.
- Escenas amplias o paisajes: modelos que priorizan el movimiento de cámara y la atmósfera sobre el detalle de personaje.
- Planos con texto en pantalla: genera el texto en posproducción siempre que sea posible; los modelos siguen cometiendo errores en tipografías largas.
Una regla prática: usa el modelo caro solo en los planos que el espectador va a mirar más tiempo, y el modelo rápido para todo lo demás.
Plantilla reutilizable de Script Type Text
Guarda esta plantilla y adáptala. La repetición de estructura es lo que da consistencia a un proyecto entero:
[CAPA FIJA]
SUJETO: ...
VESTUARIO: ...
PALETA: ...
ESTILO: ...
RESTRICCIONES: ...
[CAPA VARIABLE]
PLANO n:
ACCIÓN: ...
CÁMARA: ...
LUZ: ...
DURACIÓN OBJETIVO: ...
CONTINUIDAD RESPECTO AL PLANO ANTERIOR: ...
Si trabajas en equipo, la capa fija se revisa una vez y no se toca. La capa variable se discute plano a plano. Esta división evita el problema más común en producciones colaborativas: cada persona describe al mismo personaje de forma distinta.
Errores frecuentes y cómo corregirlos
Saturar el prompt. Demasiadas instrucciones hacen que el modelo reparta atención y no ejecute bien ninguna. Si algo falla, elimina antes de añadir.
Mezclar dos acciones en un bloque. «Camina y saca el teléfono» produce manos raras. Divídelo en dos planos.
Cambiar el estilo entre planos. Si un plano es documental y el siguiente es cinematográfico, la secuencia se rompe. El estilo pertenece a la capa fija.
Ignorar el fotograma clave. Animar una imagen mediocre nunca mejora el resultado. Arregla la imagen primero.
Regenerar todo por un detalle. Cambia una variable por iteración. Si modificas cinco cosas a la vez, no sabrás qué funcionó.
Confiar en el texto generado. Rótulos, carteles y logotipos siguen siendo frágiles. Resérvalos para posproducción.
Cómo ahorrar tiempo y recursos sin perder calidad
La eficiencia en este flujo no viene de usar menos herramientas, sino de decidir mejor qué merece esfuerzo:
- Escribe el guion antes de generar. Cinco minutos de escritura ahorran treinta de generación a ciegas.
- Trabaja por lotes. Resuelve todos los planos de una misma escena en una sesión para mantener la coherencia.
- Usa variantes rápidas para explorar y alta fidelidad para finalizar. Es la distribución más rentable en tiempo.
- Duración corta por clip. Tres a cinco segundos son más fáciles de corregir y de montar.
- Reutiliza fotogramas aprobados como punto de partida de planos contiguos, aunque el movimiento sea distinto.
- Archiva los prompts que funcionan. Un buen bloque de dirección es un activo reutilizable en el siguiente proyecto.
Preguntas frecuentes
¿Necesito Flux para hacer vídeo con IA?
No es obligatorio, pero simplifica mucho la fase crítica: fijar identidad, luz y encuadre antes de animar. Cualquier generador de imagen con buen control estructural cumple una función parecida.
¿Cuántos segundos puede durar un clip generado?
Depende del modelo, pero el rango práctico está entre tres y diez segundos. A partir de ahí, la deriva de identidad y fondo se vuelve visible y el montaje se complica.
¿El Script Type Text funciona igual en todos los modelos?
La estructura sí; la sensibilidad no. Algunos modelos ponderan más el inicio del prompt y otros reparten la atención. Prueba el mismo guion en dos modelos y compara antes de fijar tu flujo.
¿Cómo mantengo la misma cara en varios planos?
Con tres medidas combinadas: fotograma de referencia de identidad, descripción de sujeto idéntica en la capa fija y clips cortos. Ninguna de las tres funciona sola.
¿Vale la pena generar audio con IA?
Para ambiente y efectos puntuales sí. Para diálogo sincronizado, la posproducción sigue siendo más fiable y más rápida de corregir.
¿Qué hago si el movimiento sale antinatural?
Reduce la duración del clip, simplifica la acción a un solo verbo y especifica el movimiento de cámara. El movimiento excesivo suele venir de instrucciones ambiguas, no del modelo.
Lista de comprobación antes de renderizar
- El sujeto y el vestuario están descritos igual en todos los planos.
- Cada bloque contiene una sola acción principal.
- La luz y la paleta son constantes dentro de la misma escena.
- El movimiento de cámara está especificado con tipo, dirección y óptica.
- Las restricciones limitan lo que suele fallar: manos, texto, objetos duplicados.
- Los clips duran entre tres y cinco segundos.
- Existe un fotograma de referencia aprobado para el personaje.
- El audio y el color se ajustan después del montaje, no antes.
Dominar Flux y la sintaxis Script Type Text no consiste en memorizar palabras clave, sino en adoptar una mentalidad de dirección: decidir qué se ve, cómo se mueve y qué se mantiene igual. Cuando ese hábito se instala, la calidad deja de depender de la suerte y se convierte en un resultado repetible, que es exactamente lo que separa un experimento de un flujo de trabajo profesional.
