El vídeo vertical generado con inteligencia artificial ya no es una curiosidad técnica: es una cadena de producción. Quien publica de forma constante en formato 9:16 —Reels, Shorts, TikTok, anuncios in-feed, fichas de producto— descubre pronto que la calidad final no depende solo del motor de generación, sino de cómo se organiza el trabajo alrededor de él. Un mismo modelo puede entregar un plano espectacular en un proyecto y un desastre incoherente en otro, y la diferencia casi siempre está en el proceso, no en la marca de la herramienta.
Esta guía no es un ranking ni una lista de precios. Es un manual de flujo de trabajo: qué decisiones tomar antes de generar, cómo estructurar los planos, qué criterios usar para elegir motor según el tipo de escena y qué errores arruinan un vídeo vertical que parecía perfecto en el storyboard. PixVerse aparece como ejemplo de herramienta con una personalidad muy marcada, pero el método que verás aquí se puede aplicar con cualquier generador de texto a vídeo o de imagen a vídeo.
Qué cambia realmente cuando el lienzo es 9:16
El formato vertical no es un formato horizontal recortado. Cambia la gramática completa del plano.
En 9:16 el encuadre se lee de arriba abajo, el sujeto ocupa más superficie relativa y el fondo desaparece con facilidad. Un plano medio en horizontal puede mostrar a una persona y su entorno; ese mismo plano en vertical convierte al entorno en una franja estrecha. Por eso los planos que funcionan mejor en vertical son más cerrados de lo que la intuición sugiere: primer plano, plano detalle, cámara a la altura del pecho y composición por capas (sujeto delante, elemento medio, fondo desenfocado).
También cambia el tiempo. Un vídeo vertical se consume a ritmo alto, con el pulgar preparado para deslizar. Eso no significa cortar cada medio segundo, pero sí significa que cada plano debe justificar su permanencia. Como referencia práctica: entre 1,5 y 3 segundos por plano en contenido de entretenimiento o producto, y hasta 4 o 5 segundos cuando hay una voz que explica algo y la imagen acompaña.
Hay tres zonas del encuadre que conviene tratar como territorio reservado:
- Banda superior: ahí suelen caer títulos de interfaz y controles de la aplicación. Evita textos importantes y rostros muy altos.
- Banda inferior: subtítulos, descripción, botones. Deja aire y separa el texto de los elementos clave.
- Zona central superior: es el punto donde el ojo aterriza primero. Coloca ahí el gancho visual: el producto, la mirada, el movimiento.
Diseñar con estas restricciones desde el guion evita reencuadres de última hora que estropean la composición y obligan a regenerar planos.
Criterios para elegir un generador de vídeo IA vertical
Antes de comparar herramientas, define qué necesitas. Estos cinco criterios ordenan casi cualquier decisión.
Consistencia de personaje y de objetos
Si tu vídeo tiene un protagonista recurrente, la pregunta clave es si el motor mantiene rasgos faciales, ropa, peinado y proporciones entre planos. Los modelos de imagen a vídeo suelen ser más estables que los de texto a vídeo, porque parten de una referencia visual. La estrategia más fiable es generar primero una imagen maestra del personaje y usarla como primer fotograma de cada plano, con instrucciones de continuidad en el texto.
Prueba rápida: genera tres planos del mismo personaje en tres situaciones distintas y colócalos en una línea de tiempo. Si al verlos seguidos notas que alguien ha cambiado de cara, ese motor te va a costar más tiempo del que ahorra.
Control de movimiento de cámara y física
El vertical vive del movimiento, pero no de cualquier movimiento. Los mejores resultados aparecen con órdenes simples y físicamente plausibles: paneo lento hacia la izquierda, acercamiento suave, órbita ligera, cámara fija con sujeto en movimiento. Los movimientos complejos (dolly y zoom a la vez, giros de 360 grados, seguimiento en carrera) siguen siendo el punto débil de casi todos los motores y generan deformaciones.
Presta atención a la física del cuerpo humano: manos que interactúan con objetos, gente que camina, ropa que reacciona al viento. Es donde más se nota la diferencia entre un motor y otro.
Duración útil del plano y coste de iteración
Casi ningún modelo entrega veinte segundos coherentes de una sola pasada. Lo normal es trabajar con planos de 4 a 8 segundos y ensamblarlos después. Antes de comprometerte con una herramienta, mide dos cosas: cuántos segundos aprovechables obtienes por intento y cuánto tarda cada intento. Un motor con resultados ligeramente peores pero iteración muy rápida puede ser mejor para explorar ideas; uno más lento y preciso conviene para los planos finales.
Formatos de entrada y control estructural
Valora si puedes entrar por texto, por imagen, por vídeo existente o por combinación. En vertical, el control por imagen es especialmente valioso porque te permite fijar la composición y el aspecto del personaje antes de gastar tiempo en animación. También cuenta si puedes fijar el primer y el último fotograma (interpolación entre keyframes): es la forma más limpia de encadenar planos que deben continuar la misma acción.
Audio, voz y subtítulos
Si el vídeo lleva voz, comprueba si el motor genera audio sincronizado o si tendrás que resolverlo por separado. En la mayoría de proyectos verticales el camino híbrido funciona mejor: imagen generada con IA, voz grabada o sintetizada en una herramienta aparte, y subtítulos añadidos en el editor. El resultado se siente más natural y te da control total sobre el ritmo.
Anatomía de un flujo de trabajo vertical reproducible
Un proceso que se repite es un proceso que mejora. Esta secuencia de cinco fases funciona en piezas de 15 segundos y en anuncios de 45.
Fase 1: concepto y guion de beats
Empieza por la estructura, no por el prompt. Divide el vídeo en beats: gancho (0-2 s), contexto (2-6 s), desarrollo (6-15 s), giro o prueba (15-25 s) y cierre con llamada a la acción. Cada beat tiene una función y una duración objetivo.
Escribe una frase por beat describiendo lo que se ve, no lo que se dice. Si un beat no puede describirse visualmente, probablemente no necesita un plano.
Fase 2: storyboard y anclaje visual
Genera imágenes fijas de los planos clave. Este paso es el más rentable de todo el flujo: una imagen cuesta poco, se descarta sin drama y obliga a resolver composición, luz y vestuario antes de animar nada. En vertical, trabaja el storyboard ya en 9:16; nunca compongas en cuadrado o en horizontal con la idea de recortar después.
Para cada plano define: sujeto, acción, entorno, cámara, luz y estilo. Guarda una imagen maestra de cada personaje y de cada localización para reutilizarla como referencia.
Fase 3: generación por planos
Anima un plano cada vez, partiendo de su imagen de storyboard. Mantén las instrucciones cortas y concretas, y evita acumular adornos estilísticos que compitan entre sí. Genera entre tres y cinco variantes por plano y elige la mejor, en lugar de aceptar la primera que aparezca.
Truco de continuidad: cuando dos planos sean consecutivos en el tiempo, usa el último fotograma del primero como primer fotograma del segundo. La transición se vuelve casi invisible.
Fase 4: montaje, ritmo y transiciones
Monta primero sin música, solo con los planos y los tiempos. Así detectas planos que sobran y momentos en los que la atención cae. Después ajusta el ritmo: acorta el gancho, alarga el plano de prueba, elimina cualquier segundo que no aporte información o emoción.
En vertical, las transiciones más eficaces son las más simples: corte directo, match cut por movimiento y fundido muy breve. Los efectos llamativos cansan en pocos segundos.
Fase 5: audio, subtítulos y entrega
Añade música con licencia, voz y efectos. Normaliza el volumen para consumo en móvil, donde el rango dinámico amplio se pierde. Después coloca subtítulos legibles, con contraste alto, en la banda baja pero por encima de los controles de la interfaz.
Exporta en 1080x1920, códec H.264 o H.265, y revisa el resultado en un teléfono real, no solo en el monitor del ordenador. La diferencia de percepción es enorme.
Dónde encaja PixVerse y cuándo cambiar de motor
PixVerse se ha ganado un hueco entre los creadores verticales por su capacidad para producir movimiento estilizado y visualmente llamativo con muy poca fricción. Tiende a rendir especialmente bien en escenas con energía, transiciones de transformación y estéticas muy definidas, y su interfaz está pensada para ciclos cortos de prueba y error.
Dicho esto, ninguna herramienta gana en todo. Este es un criterio práctico de asignación:
- Escenas estilizadas, fantasía, transiciones creativas: motores con fuerte personalidad visual como PixVerse.
- Realismo con personas y diálogo: motores orientados a fidelidad fotográfica y estabilidad facial.
- Producto y planos controlados: flujos de imagen a vídeo con referencia fija, donde la composición no debe cambiar.
- Planos largos con continuidad: cualquier motor que permita encadenar primer y último fotograma.
- Volumen y pruebas rápidas: la opción más rápida y barata de iterar, aunque la calidad sea menor.
La decisión inteligente no es elegir un ganador absoluto, sino montar un pequeño conjunto de herramientas y saber para qué sirve cada una. Muchos equipos usan un motor para explorar, otro para los planos de personaje y un tercero para los detalles de producto.
Del prompt al plano: plantillas para 9:16
Un prompt de vídeo funciona mejor como ficha técnica que como poema. Ordena la información siempre igual:
- Sujeto: quién o qué, con dos o tres rasgos concretos.
- Acción: un verbo principal, en presente.
- Entorno: lugar y hora del día.
- Cámara: tipo de plano y movimiento, simple.
- Luz: dirección y calidad.
- Estilo: referencia visual breve.
- Restricciones: qué evitar.
Ejemplo para un plano de producto en vertical:
Botella de cerámica blanca sobre pedestal de piedra, primer plano vertical, gotas de agua resbalando lentamente, luz lateral cálida de atardecer, fondo oscuro desenfocado, cámara fija con ligero acercamiento, estilo editorial minimalista, sin texto, sin manos, sin cambios de encuadre.
Ejemplo para un personaje recurrente:
Mujer joven de pelo rizado oscuro y chaqueta verde, caminando hacia la cámara en un mercado nocturno, plano medio vertical, luces de neón desenfocadas al fondo, cámara en mano con movimiento suave, mirada a cámara, estilo cinematográfico realista, mantener rasgos faciales y vestuario idénticos a la imagen de referencia.
Tres reglas que ahorran muchos intentos:
- Un movimiento de cámara por plano. Dos movimientos simultáneos multiplican las deformaciones.
- Nombra lo que quieres ver, no lo que quieres evitar, salvo en la lista final de restricciones.
- Si un plano no sale tras cinco intentos, cambia el plano, no el prompt.
Errores frecuentes y cómo corregirlos
Manos y objetos que se deforman. Reduce la interacción: que el sujeto sostenga algo simple o que las manos queden fuera de cuadro. En vertical, un plano detalle de las manos bien resuelto suele funcionar mejor que un plano general con gestos complejos.
Deriva de identidad entre planos. Casi siempre es falta de referencia. Fija una imagen maestra, repítela en cada generación y describe los rasgos clave en el prompt de forma literal.
Planos demasiado largos. Si notas que el vídeo "se arrastra", corta. En vertical es más grave quedarse largo que quedarse corto.
Estilo inconsistente. Elige dos o tres adjetivos visuales para todo el proyecto y repítelos. Mezclar estéticas por plano hace que la pieza parezca un collage.
Subtítulos que tapan lo importante. Deja una franja limpia desde el guion. Si el sujeto ocupa el centro hasta abajo, baja el plano o sube el texto.
Audio descuidado. Una imagen mediocre con buen sonido retiene más que una imagen preciosa con música mal nivelada.
Olvidar el gancho. Los primeros dos segundos deciden si el resto se ve. Empieza con movimiento, contraste o una pregunta visual, nunca con un logo.
Checklist antes de publicar
- El primer fotograma ya cuenta algo por sí solo.
- Cada plano aporta información, emoción o ritmo; ninguno está por relleno.
- Los personajes mantienen rasgos y vestuario.
- La composición respeta las zonas seguras superior e inferior.
- Los subtítulos son legibles en pantalla pequeña y sin sonido.
- El audio está normalizado y sin picos.
- La pieza se entiende sin contexto previo.
- La duración es la mínima que permite contar la historia.
- El cierre contiene una acción clara para el espectador.
- Se ha revisado en un teléfono real antes de exportar la versión final.
Preguntas frecuentes
¿Necesito un solo motor para todo el proyecto?
No, y forzarlo suele empeorar el resultado. Lo habitual es usar un motor para explorar, otro para planos de personaje y otro para producto o detalle. Lo importante es mantener un aspecto visual coherente entre ellos, no la herramienta.
¿Cuántos segundos dura un plano generado con IA en vertical?
Entre cuatro y ocho segundos es el rango cómodo. Más allá, la coherencia se degrada y aparecen deformaciones. Para escenas largas, divide en varios planos y encadénalos con el último fotograma como referencia.
¿Es mejor texto a vídeo o imagen a vídeo?
Imagen a vídeo. Te da control sobre la composición, permite reutilizar personajes y reduce los intentos fallidos. El texto a vídeo es excelente para explorar ideas, pero conviene convertirlo en imágenes antes de animar.
¿Puedo empezar el storyboard en horizontal y recortar después?
Puedes, pero pagarás el precio. El recorte rompe la composición, elimina información de los laterales y suele dejar al sujeto demasiado pequeño. Trabaja siempre en 9:16 desde el primer boceto.
¿Cómo mantengo el mismo personaje en planos distintos?
Genera una imagen maestra, úsala como primer fotograma de cada plano y describe los rasgos clave de forma explícita en el prompt. Si el motor permite referencias adicionales, añade una segunda imagen de cuerpo completo.
¿Cuánto tiempo requiere una pieza de 30 segundos?
Con un proceso ya montado, entre seis y doce horas de trabajo efectivo para ocho o diez planos, incluido storyboard, generación, montaje y audio. La primera vez suele llevar el doble, porque estás calibrando prompts y estilo.
¿Qué hago si un plano no sale bien después de varios intentos?
Cámbialo. Reformula la acción, acerca la cámara, elimina la interacción compleja o divide el plano en dos. La obstinación con un prompt es la forma más rápida de perder una tarde.
Conclusión: el método pesa más que el motor
La diferencia entre un vídeo vertical mediocre y uno que retiene no está en tener acceso al modelo más potente, sino en aplicar un sistema: guion por beats, storyboard en 9:16, generación plano a plano con referencias visuales, montaje que respete el ritmo del formato y audio cuidado.
Elige tus herramientas según lo que cada una hace mejor y deja que el flujo de trabajo absorba sus limitaciones. PixVerse y otros motores con personalidad fuerte aportan energía y estilo; los enfoques más fotográficos aportan estabilidad; las herramientas de edición aportan control. El resultado final no lo firma un modelo, lo firma el criterio con el que lo usas. Empieza por un proyecto corto, documenta qué prompt y qué ajuste produjo el mejor plano y convierte ese hallazgo en plantilla. Ahí es donde tu producción vertical deja de ser una apuesta y se vuelve un método repetible.
