Qué significa hoy convertir texto en vídeo
Hace unos años, pedirle a una máquina que «escribiera» una película era una metáfora. Hoy es una cadena de tareas concretas: un guion se convierte en un desglose de planos, cada plano se describe en lenguaje natural, se acompaña de una imagen de referencia y se genera un clip de pocos segundos que después se monta, se sonoriza y se corrige. La diferencia clave frente a las primeras herramientas de generación es el control. Ya no se trata de pulsar un botón y aceptar lo que salga, sino de dirigir: decidir qué plano necesita un movimiento de cámara, cuál exige un rostro consistente, cuál puede resolverse con un boceto rápido y cuál merece un render más lento y detallado.
Lo que ha madurado de verdad es la coherencia temporal. Los clips actuales mantienen mejor la forma de los objetos, la dirección de la luz y el movimiento de cámara a lo largo de varios segundos. También ha mejorado el image-to-video: partir de un fotograma fijo da un control enorme sobre composición, vestuario y color. Y ha aparecido una capa intermedia muy útil, formada por referencias de personaje, máscaras de movimiento y control de cámara por trayectoria.
Conviene saber desde el principio qué sigue siendo difícil: manos en primer plano, texto legible en pantalla, continuidad de vestuario durante más de veinte segundos, física de líquidos y telas, y sincronización labial perfecta en planos largos. Un buen flujo de trabajo no niega estas limitaciones, las esquiva con planificación.
La cadena de producción: del guion al plano final
Del guion literario al desglose de planos
El error más común en los primeros proyectos es saltar directamente del texto a la generación. Un guion literario describe personajes, intenciones y diálogos; un modelo de vídeo necesita instrucciones visuales. Traduce cada escena a una tabla de planos con seis columnas: número de plano, duración objetivo, tamaño de encuadre (general, medio, primer plano), movimiento de cámara, acción concreta y elementos de atrezo. Añade una séptima columna para el estado emocional, porque ayuda a describir la interpretación: mirada baja, respiración agitada, hombros relajados.
Un plano generado por IA funciona mejor entre tres y seis segundos. Si necesitas diez segundos de acción, divide en dos planos y resuélvelos con un corte o un cambio de ángulo. Agrupa los planos por escenario y por vestuario: genera primero todos los del mismo decorado con la misma luz, y mantén la descripción del vestuario literalmente idéntica en cada prompt. Ese detalle, repetido con disciplina, ahorra horas de corrección.
Referencias visuales antes de generar
Antes de escribir el primer prompt, construye un moodboard de ocho a doce imágenes: dos o tres referencias de luz, dos de paleta, dos de composición y dos de textura de piel. Define una paleta de tres colores dominantes y escríbela. Si la escena es nocturna con luces de sodio, no vale describirla como «noche»: describe el color de la fuente, la dirección, la dureza y el contraste. Los modelos responden mucho mejor a indicaciones físicas que a adjetivos abstractos como «cinematográfico» o «épico».
Generar corto y montar largo
La unidad de trabajo no es la escena, es el plano. Un largometraje convencional puede tener más de mil planos, y un proyecto generado con IA suele moverse entre ochenta y trescientos planos para un corto de tres a cinco minutos. Por eso conviene pensar en el montaje desde el principio: si sabes que vas a cortar en el instante en que la mano toca la puerta, no necesitas generar los dos segundos posteriores.
Elegir el motor adecuado para cada plano
No existe un único modelo que gane en todo. Los proyectos serios reparten el trabajo entre varios motores y asignan cada plano al que mejor resuelve su problema concreto. Piensa en un reparto de tareas, no en una herramienta única.
Planos con movimiento de cámara complejo
Órbitas, grúas, travellings laterales y aproximaciones lentas son el terreno de los modelos con control explícito de cámara. Runway Gen-4 y Kling responden bien a trayectorias descritas, sobre todo si partes de una primera imagen que ya define la composición. Describe el movimiento en una sola frase y acompaña el prompt con el fotograma inicial. Si el resultado tiembla, reduce la velocidad del movimiento a la mitad y vuelve a intentarlo antes de cambiar de modelo.
Planos con personajes recurrentes
Cuando el mismo rostro aparece en cinco planos, la prioridad es la consistencia, no la belleza. Aquí funcionan mejor los motores que aceptan referencias de personaje o varias imágenes de entrada, como Luma Ray, PixVerse o ciertos ajustes de Kling. Prepara una hoja de personaje con tres vistas: frontal, tres cuartos y perfil, además de un primer plano del rostro. Usa la misma semilla cuando la herramienta lo permita y no cambies la descripción de rasgos entre planos.
Bocetos y previsualización rápida
Antes de invertir tiempo en un render lento, valida el encuadre con un motor ágil como MiniMax o PixVerse en modo rápido. La calidad no es el objetivo: quieres comprobar si el tamaño de plano cuenta la historia, si la acción se entiende y si la duración funciona. Cuando el boceto convence, repites el plano con un motor de mayor fidelidad usando la misma primera imagen.
Plano final de alta fidelidad
Para el plano que abre la pieza o el que sostiene la emoción, reserva los motores de máxima calidad, como Sora, Kling en su modo más detallado, Wan o Hunyuan. Son más lentos y menos predecibles, así que dales un prompt más limpio, menos elementos en escena y una primera imagen bien trabajada. Un detalle importante: la fidelidad no se mide solo en nitidez, sino en microexpresión, física de la ropa y continuidad de la luz.
Prompts eficaces: anatomía y errores
La estructura de seis bloques
Un prompt estable tiene seis bloques en este orden: sujeto, acción única, entorno, cámara, luz y estilo, y restricciones. Ejemplo: «mujer de unos cuarenta años con abrigo verde, camina despacio por un mercado cubierto, plano medio lateral con travelling suave hacia la derecha, luz de mediodía difusa que entra por claraboyas, estilo documental con grano fino, sin texto en pantalla, sin cambios bruscos de encuadre». Los seis bloques cubren lo que el modelo necesita para decidir composición, ritmo y textura.
Un prompt, una acción
Los modelos se pierden cuando se les pide una secuencia. «Abre la puerta, entra, deja el bolso y se sienta» produce resultados donde ocurre una sola cosa mal hecha. Divide: un plano para abrir la puerta, otro para entrar, otro para sentarse. Ganas control y, además, puedes ajustar la duración de cada momento en montaje. Si necesitas que la acción sea continua, usa una primera imagen y describe solo el gesto inicial.
El papel de las restricciones
Las restricciones negativas son más útiles de lo que parece. Escribe lo que no quieres: «sin texto, sin marcas de agua, sin movimientos de cámara bruscos, sin extremidades duplicadas, sin cambios de vestuario». No abuses de la lista, porque un prompt cargado pierde fuerza, pero mantén cuatro o cinco restricciones estables en todo el proyecto y varíalas solo cuando el problema lo exija.
Idioma y coherencia terminológica
El español funciona bien en la mayoría de motores, pero muchos modelos responden con más estabilidad en inglés. Lo importante no es el idioma, sino no mezclarlos dentro del mismo proyecto. Elige uno, crea un glosario con las palabras que usas para vestuario, luz y cámara, y reutilízalo literalmente. Cambiar «abrigo verde oliva» por «chaqueta verde» en el plano siete rompe la continuidad, y ninguna herramienta de posproducción lo arregla del todo.
Consistencia visual entre planos
Hoja de personaje y semillas
La consistencia empieza en un documento, no en el generador. Crea una hoja por personaje con edad aparente, complexión, color de piel, peinado, color y tejido del vestuario, accesorios y dos o tres rasgos distintivos. Acompáñala de imágenes generadas de referencia y numéralas. Cuando un motor permita fijar una semilla, usa la misma para todos los planos del mismo escenario. Es la forma más barata de mantener parecido el resultado.
Continuidad de luz, color y atrezo
Además del rostro, el público nota la luz. Si un plano es de tarde y el siguiente de mediodía, la escena se rompe. Anota la hora, la dirección del sol y la temperatura de color de cada escenario, y repítelas en el prompt. Con el atrezo ocurre lo mismo: el vaso sobre la mesa, la mochila en la silla, la marca del reloj. Haz una lista de objetos por escenario y compruébala antes de generar.
Un truco de posproducción muy rentable es aplicar una única tabla de color a toda la secuencia, aunque los planos vengan de motores distintos. Una capa de corrección común —temperatura, contraste, saturación y grano— disimula diferencias de render y unifica la pieza. Si además igualas la resolución y el formato de salida, la sensación de película aparece sin retoques manuales.
Sonido, voz y ritmo
El vídeo generado suele llegar mudo, y el audio es la mitad de la percepción. Un plano mediocre con buen sonido se siente profesional; un plano precioso con audio descuidado se siente amateur. Trabaja el sonido en tres capas: voz, música y efectos.
Para la voz, decide si necesitas doblaje, narración o sincronización labial. La sincronización en planos largos sigue siendo frágil, así que el patrón habitual consiste en generar planos sin diálogo visible y colocar la voz en off, o en usar planos de espaldas y escorzos donde la boca no se ve. Si el proyecto es multilingüe, genera la versión principal con la interpretación más neutra y dobla después.
La música marca el ritmo del montaje más de lo que crees. Elige una pista de referencia antes de montar y corta sobre sus acentos. En efectos, no infravalores el sonido de sala: pasos, tela, respiración, ambiente de mercado o de oficina. Son capas económicas que dan cuerpo y esconden imperfecciones de movimiento.
Sobre el ritmo, dos reglas prácticas: corta en el movimiento y adelanta el sonido. Si el plano siguiente tiene una puerta que se cierra, deja que el golpe suene un fotograma antes del corte. Ese pequeño solapamiento hace que el montaje parezca intencionado.
Montaje y posproducción
Con clips de tres a seis segundos, el montaje es el lugar donde el proyecto se convierte en película. Empieza por el montaje en bruto sin música ni efectos: solo los planos en orden. Comprueba si la historia se entiende sin sonido. Si no se entiende, ninguna banda sonora lo arreglará.
Después llega el trabajo técnico. El escalado hacia arriba con herramientas de mejora de detalle ayuda cuando un motor entrega menos resolución de la deseada. La interpolación de fotogramas suaviza el movimiento, pero úsala con moderación: en exceso produce ese aspecto de vídeo de demostración. La estabilización corrige microtemblores de cámara y conviene aplicarla antes de la corrección de color.
En cuanto al software, cualquier editor sirve. DaVinci Resolve ofrece corrección de color, fuentes y exportación sin coste añadido; Premiere y Final Cut son habituales en estudios pequeños. Trabaja siempre con un proyecto maestro en resolución horizontal y recórtalo después para formatos verticales, en lugar de generar dos veces el mismo plano. Y guarda las versiones: a veces el plano tres de la primera tanda era el bueno.
Exporta con códec de alta calidad para archivo y con versiones optimizadas para cada destino. Revisa el resultado en pantalla pequeña y a volumen bajo: así detectas problemas de legibilidad y de mezcla que en pantalla grande pasan desapercibidos.
Errores frecuentes y cómo corregirlos
Pedir demasiado en un solo prompt. Si el resultado ignora la mitad de lo que pediste, no es el modelo: es el prompt. Divide por planos y por acciones.
Ignorar la primera imagen. Trabajar el fotograma inicial en un generador de imagen fija, como Flux, antes de animar, multiplica la precisión de composición y vestuario.
Cambiar de motor a mitad de escena sin motivo. Cada motor tiene su propia textura. Mezclar tres en la misma secuencia obliga a un trabajo de color mucho más agresivo.
Saltarse el desglose. Sin tabla de planos, el proyecto crece en desorden y se generan planos que nunca se usarán.
Confiar en la sincronización labial en primeros planos largos. Mejor reescribir la escena para que el diálogo ocurra fuera de cámara o en planos cortos de reacción.
Mezclar resoluciones y formatos. Decide una resolución maestra antes de empezar y respétala; el reescalado posterior nunca es perfecto.
Renderizar todo en calidad máxima desde el inicio. Bocetos primero, plano final después. El ahorro de tiempo es enorme.
No archivar prompts y semillas. Un documento con el prompt exacto y la semilla de cada plano es la única forma de reproducir un resultado que funcionó.
Dejar el sonido para el final. Montar sin pensar en la banda sonora obliga a rehacer cortes que ya estaban cerrados.
Preguntas frecuentes
¿Cuántos planos necesita un corto generado con IA? Para tres minutos, entre sesenta y ciento veinte planos de tres a cinco segundos. Menos planos implica movimientos internos más complejos, que son justamente los que más fallan.
¿Puedo escribir los prompts en español? Sí, y en proyectos con equipo hispanohablante suele ser lo más práctico. Solo mantén un idioma único por proyecto y un glosario fijo de términos.
¿Cómo mantengo el mismo rostro en varios planos? Con una hoja de personaje con tres vistas, referencias de imagen en cada generación, la misma semilla cuando sea posible y una descripción literal idéntica de los rasgos. Aun así, revisa cada plano antes de montar.
¿Qué hago con las manos y el texto en pantalla? Evita los primeros planos de manos y genera el texto por separado en un editor o en una herramienta de diseño, superponiéndolo después. Es más rápido que intentar que el modelo lo escriba bien.
¿Necesito formación en audio profesional? No, pero sí criterio. Aprende a nivelar voz, música y efectos, y a aplicar una compresión suave. Con eso ya superas a la mayoría de proyectos amateur.
¿Cuánto tarda un proyecto completo? Un corto de tres minutos bien planificado puede ocupar varias jornadas de trabajo repartidas entre desglose, generación, selección, montaje y sonido. La planificación es lo que marca la diferencia, no la velocidad del motor.
¿Vale la pena aprender a programar? Solo si vas a producir de forma constante. Automatizar la generación por lotes, renombrar archivos y construir plantillas de prompt ahorra tiempo en producciones largas, pero no sustituye al criterio editorial.
