Prompt Engineering para Vídeo con IA: Guía Práctica y Avanzada

Generar vídeo con IA dejó de ser una curiosidad técnica para convertirse en una rutina de producción. Lo que separa un clip que se puede publicar de una toma que hay que descartar casi nunca es el modelo elegido: es la calidad de las instrucciones que le das. El prompt es el guion, el storyboard y la dirección de fotografía comprimidos en unas pocas líneas, y como todo documento de producción, admite método.

Esta guía no es una lista de trucos sueltos. Es un sistema de trabajo: cómo se descompone un prompt de vídeo, cómo se mantiene la coherencia entre fotogramas, cómo se controla la cámara, cómo se reutiliza lo que funciona y cómo se diagnostica lo que falla. Al final encontrarás plantillas listas para adaptar y una sección de preguntas frecuentes con los problemas que aparecen una y otra vez.

Por qué un prompt de vídeo se comporta distinto a un prompt de imagen

En una imagen generada, el resultado es un instante. En vídeo, el modelo debe resolver una secuencia: mantener la identidad de un rostro, la física de un objeto en movimiento y la lógica de la luz mientras la escena cambia. Esa dimensión temporal es la que introduce casi todos los errores.

Hay tres consecuencias prácticas de esto:

• La adherencia es más frágil. Un prompt muy cargado de detalles secundarios puede funcionar en imagen y saturar en vídeo, porque el modelo tiene que decidir qué detalle priorizar en cada fotograma.
• Los conflictos se amplifican. Decir 'cámara fija' y 'movimiento de dolly' a la vez produce resultados erráticos que en imagen apenas se notarían.
• La duración importa. Un plano de tres segundos tolera una descripción simple; uno de ocho segundos necesita progresión: qué pasa al principio, en medio y al final.

La conclusión es que el prompt de vídeo se escribe como se escribe una toma: pensando en el movimiento, no solo en el aspecto.

La anatomía de un prompt de vídeo en cinco capas

Un prompt sólido se puede construir por capas. El orden ayuda al modelo a jerarquizar y a ti a depurar cuando algo no sale.

Capa 1: sujeto y escena

Quién o qué aparece y dónde. Sé específico con edad aparente, vestuario, materiales y entorno. 'Una mujer con abrigo de lana gris' orienta mucho mejor que 'una persona'. Añade el contexto físico: interior de una cafetería con ventanales empañados, taller con virutas de madera en el suelo, acantilado con niebla baja.

Capa 2: acción y progresión

Qué ocurre y cómo evoluciona. Formula la acción como un verbo principal y, si el plano es largo, en etapas: 'entra en cuadro, se detiene ante la mesa, deja la taza y mira hacia la ventana'. Evita dos acciones dominantes simultáneas; el modelo suele elegir una y abandonar la otra a mitad de plano.

Capa 3: estilo visual

La referencia estética: fotografía analógica de los setenta, animación de acuarela, render limpio tipo estudio de producto, documental observacional. Aquí conviene ser descriptivo y no nombre de marca: en lugar de citar a un autor, describe la textura, la paleta y el contraste que buscas.

Capa 4: cámara y óptica

Plano, altura, ángulo, distancia focal aproximada y movimiento. Ejemplos útiles: primer plano a la altura de los ojos, gran angular bajo, teleobjetivo comprimido, cámara al hombro con micro-vibración, grúa ascendente.

Capa 5: luz y atmósfera

Dirección de la luz, dureza, temperatura de color y partículas. 'Luz lateral cálida con polvo suspendido' o 'luz de ventana difusa, sombras largas, aire limpio' cambian radicalmente el resultado.

Un ejemplo completo con las cinco capas:

Sujeto: panadero de mediana edad, delantal de lino enharinado.
Acción: saca una hogaza del horno, la deja sobre la mesa y la golpea suavemente con los nudillos.
Estilo: documental cálido, textura de grano fino, colores terrosos.
Cámara: plano medio lateral, 50 mm, cámara al hombro con leve deriva hacia la derecha.
Luz: luz de horno naranja desde la izquierda, contraluz suave por la ventana, vapor visible.

Esta estructura no es rígida: es un orden de prioridades. Si tienes que recortar, elimina primero estilo y atmósfera, y protege sujeto, acción y cámara.

Coherencia temporal: evitar el morphing y los saltos invisibles

La coherencia es el problema central del vídeo generativo. Los fallos típicos son la deformación gradual de rasgos, los cambios de vestuario a mitad de plano, la física imposible y los objetos que aparecen o desaparecen sin motivo.

Buenas prácticas que reducen estos fallos:

1. Una sola acción dominante por plano. Si la escena necesita varias acciones, divídela en planos. La edición es más barata que pelear con el modelo.
2. Describe el estado inicial y el final. 'Empieza con la taza llena; termina con la taza vacía sobre el platillo' da al modelo un arco claro.
3. Fija los elementos que no deben cambiar. Repite el vestuario, el peinado o el color del coche en cada prompt de la secuencia; no asumas continuidad implícita.
4. Controla la duración. Planos cortos para diálogo y gestos; planos largos solo para paisaje, atmósfera o movimientos de cámara continuos.
5. Usa semillas cuando el sistema lo permita. Mantener la misma semilla con cambios mínimos en el texto es la forma más rápida de aislar qué palabra está causando un problema.
6. Revisa en bruto antes de refinar. Mira el clip completo sin detenerte: si el movimiento general convence, los detalles se pulen después.

Un error común es reescribir todo el prompt tras un mal resultado. Cambia una variable por iteración; de otro modo no sabrás qué funcionó.

Control de movimiento y lenguaje de cámara

El movimiento es donde más se nota la diferencia entre un aficionado y alguien con criterio. El vocabulario cinematográfico es útil, pero solo si se usa con precisión y sin contradicciones.

Término	Efecto en el plano	Cuándo usarlo
Plano estático	Sin desplazamiento; toda la energía está en la escena	Diálogo, producto, composición fuerte
Dolly in / dolly out	Acercamiento o alejamiento físico	Revelar emoción o contexto
Travelling lateral	Desplazamiento paralelo al sujeto	Mostrar entorno, moda, arquitectura
Grúa ascendente	Elevación vertical	Cierres de escena, escala
Órbita	Giro alrededor del sujeto	Heroísmo, producto, retrato
Cámara al hombro	Micro-vibración, sensación de presencia	Documental, acción, urgencia
Zoom suave	Cambio de distancia focal sin desplazamiento	Tensión contenida

Tres reglas para no arruinar el plano:

• Un movimiento principal por toma. Combinar órbita y grúa suele producir resultados inestables, salvo que el sistema esté pensado para ello.
• Define la velocidad. 'Lento y constante' o 'rápido con frenada final' son instrucciones distintas. Sin velocidad, el modelo improvisa.
• Alinea movimiento y acción. Si el sujeto camina hacia la izquierda, un travelling hacia la derecha lo expulsa del encuadre.

También conviene describir lo que la cámara no debe hacer. En la práctica, 'sin cortes, sin cambios de plano, una sola toma continua' evita muchos clips que parecen contener tres escenas distintas comprimidas en cinco segundos.

Consistencia de personaje y de objetos entre planos

Cuando una secuencia tiene varios planos, la consistencia se construye con anclas. Un ancla es un conjunto de descriptores que repites palabra por palabra en cada prompt.

Para personajes, ancla estos cuatro campos: rasgos físicos distintivos, vestuario completo, peinado y accesorios. Escribe una ficha y cópiala sin variaciones:

Ancla de personaje:
- Hombre de unos cuarenta años, barba corta oscura, cicatriz fina sobre la ceja derecha.
- Chaqueta de campo verde oliva, camisa azul desgastada, reloj de correa marrón.
- Pelo castaño corto, ligeramente despeinado.
- Lleva una libreta de tapas negras en la mano derecha.

Para objetos, define material, color, forma y marcas visibles. 'Botella de vidrio ámbar con etiqueta blanca rasgada en la esquina superior' es mucho más estable que 'una botella'.

Técnicas adicionales:

• Imagen de referencia. Cuando el sistema acepta una imagen como entrada, úsala como base de identidad y describe solo lo que cambia: acción, cámara y luz.
• Fotograma inicial y final. Si puedes fijar ambos extremos, el modelo interpola y la coherencia mejora de forma notable.
• Continuidad de luz. Cambiar la dirección de la luz entre planos del mismo espacio rompe la sensación de realidad más que cualquier fallo de rostro.
• Reutiliza el mismo estilo. Guarda la frase de estilo y pégala en todos los planos de la secuencia; es la forma más sencilla de que parezcan parte de la misma película.

Si un personaje se deforma solo en planos largos, la solución más eficaz no es un prompt más largo, sino dividir el plano.

Prompts negativos y el arte de excluir

El prompt negativo sirve para retirar elementos que el modelo introduce por defecto. Es útil, pero se convierte en un problema cuando se convierte en una lista interminable de miedos.

Exclusiones que suelen aportar valor:

• Artefactos de imagen: marcas de agua, texto ilegible, logotipos.
• Fallos anatómicos: manos deformes, dedos extra, rostros duplicados.
• Fallos de movimiento: cámara temblorosa no deseada, cortes abruptos, aceleración antinatural.
• Estilo no deseado: aspecto de dibujo animado cuando buscas realismo, o suavizado excesivo tipo plástico.

Tres advertencias:

1. No niegues lo que necesitas. Si escribes 'sin movimiento' en un plano que debe tener una acción, el modelo se bloquea o ignora la instrucción.
2. Evita negaciones genéricas. 'Mala calidad' no significa nada operativo; 'baja resolución, artefactos de compresión visibles' sí.
3. Cuida las contradicciones. Un negativo que choca con el prompt positivo suele producir resultados híbridos impredecibles.

Un conjunto mínimo y funcional para realismo sería: marcas de agua, texto, logotipos, manos deformes, rostros duplicados, parpadeo irregular, cambios de vestuario. Con eso cubres buena parte de los problemas habituales sin ahogar al modelo.

Flujo de trabajo reproducible: del guion al plano final

La diferencia entre generar clips al azar y producir una pieza es el orden. Este flujo funciona igual para publicidad corta, contenido para redes o piezas narrativas.

1. Brief de una página. Objetivo, audiencia, tono, duración total y una frase que resuma la idea. Sin esto, cada prompt será una opinión distinta.
2. Lista de planos. Convierte el brief en planos numerados con función narrativa: presentación, desarrollo, detalle, cierre. Cinco a ocho planos para un vídeo de treinta segundos es un punto de partida razonable.
3. Ficha de anclas. Escribe los descriptores fijos de personajes, localizaciones y objetos. Esta ficha se reutiliza sin cambios.
4. Plantilla de prompt. Sujeto, acción, estilo, cámara, luz y negativos. Rellena la plantilla por plano.
5. Primera ronda de generación. Dos o tres variaciones por plano, con la misma semilla cuando sea posible. No busques perfección: busca dirección.
6. Selección y diagnóstico. Marca cada resultado como válido, parcial o descartado, y anota por qué. Esa nota es la materia prima de la siguiente iteración.
7. Iteración dirigida. Cambia una capa por ronda: primero acción, luego cámara, después estilo. Nunca reescribas todo a la vez.
8. Ensamblaje. Ordena los planos, recorta al ritmo adecuado, añade sonido y música. El audio suele corregir problemas de continuidad que el ojo detecta de inmediato.

Guarda cada prompt que funcione en una biblioteca con etiquetas: tipo de plano, género visual, movimiento. Con el tiempo, esa biblioteca vale más que cualquier consejo genérico, porque está calibrada con tu propio estilo y con las herramientas que usas.

Errores frecuentes y cómo diagnosticarlos

Síntoma	Causa probable	Corrección
El clip parece tres escenas distintas	Prompt con múltiples acciones o cambios de plano implícitos	Reduce a una acción y añade 'plano único continuo'
El personaje cambia de cara	Falta de anclas repetidas o plano demasiado largo	Copia la ficha de personaje y divide el plano
Movimiento tembloroso e involuntario	Movimiento de cámara mal definido o contradictorio	Especifica un solo movimiento y su velocidad
Aspecto plástico o sobresaturado	Exceso de adjetivos estéticos y negativos débiles	Simplifica estilo y refuerza negativos concretos
Manos y objetos deformes	Demasiados elementos en primer plano	Aleja la cámara o reduce objetos en interacción
Iluminación que salta entre planos	Descripción de luz distinta en cada prompt	Fija una frase de luz por localización
El resultado ignora el estilo pedido	Instrucción al final del prompt	Coloca estilo y cámara antes de detalles secundarios

A esto se suman dos errores de método: juzgar un clip en reproducción fotograma a fotograma, que revela defectos que nadie verá en movimiento, y no registrar qué prompt produjo cada resultado. Sin trazabilidad no hay mejora.

Plantillas reutilizables

Producto en estudio:

Sujeto: frasco de cerámica mate color arena sobre pedestal de piedra.
Acción: gira lentamente un cuarto de vuelta y se detiene; la luz recorre la superficie.
Estilo: fotografía de producto limpia, fondo degradado neutro, alto detalle.
Cámara: plano medio corto, 85 mm, órbita lenta hacia la derecha.
Luz: softbox desde arriba a la izquierda, banda de luz especular en el borde.
Negativos: texto, logotipos, manos, reflejos rotos, fondo desordenado.

Retrato con movimiento:

Sujeto: mujer joven con trenza y abrigo azul, de pie en un andén.
Acción: mira hacia la vía, respira profundamente y gira la cabeza hacia la cámara.
Estilo: cine independiente, grano fino, paleta fría.
Cámara: plano medio, 50 mm, dolly in lento y estable.
Luz: luz de tarde nublada, contraluz suave, sin sombras duras.
Negativos: rostros duplicados, parpadeo irregular, cambio de abrigo, marcas de agua.

Recurso de paisaje:

Sujeto: valle con niebla baja y un río estrecho entre piedras.
Acción: la niebla se desplaza de derecha a izquierda y la luz aumenta progresivamente.
Estilo: documental naturalista, textura de grano medio.
Cámara: gran angular elevado, grúa ascendente lenta y continua.
Luz: amanecer, contraste suave, tonos fríos con destello cálido en el horizonte.
Negativos: edificios, personas, texto, cambios bruscos de exposición.

Estas plantillas funcionan como esqueleto. Sustituye los valores, mantén la estructura y adapta el vocabulario de cámara a lo que tu herramienta entienda mejor.

Preguntas frecuentes

¿Cuánto debe medir un prompt de vídeo?
No hay una cifra mágica, pero la mayoría de los buenos resultados viven entre cuarenta y noventa palabras. Menos suele dejar demasiado al azar; más suele diluir prioridades. Si necesitas más detalle, divide en planos.

¿Funcionan los prompts en otro idioma?
Los modelos entrenados con datos multilingües suelen responder bien, aunque el vocabulario técnico de cámara y luz es más preciso en inglés. Una opción práctica es escribir el prompt en el idioma en que te expresas con más matices y probar la versión traducida para comparar resultados.

¿Debo describir el sonido en el prompt de vídeo?
Si el sistema genera audio, sí: indica ambiente, presencia de diálogo y tipo de música. Si no lo genera, omítelo y resuélvelo en la edición; añadir instrucciones de audio inútiles solo resta atención al apartado visual.

¿Por qué un prompt que funcionó ayer falla hoy?
Las actualizaciones de modelo alteran ligeramente la interpretación de las instrucciones. Guarda tus prompts con una nota de la versión o fecha de prueba y vuelve a validarlos tras cambios importantes.

¿Cómo consigo un movimiento de cámara realmente suave?
Prefiere una sola instrucción de movimiento, añade adverbios de velocidad y evita planos muy largos. Si el resultado sigue siendo inestable, prueba a generar el movimiento como transición entre dos fotogramas fijos.

¿Merece la pena iterar en lugar de escribir un prompt perfecto?
Casi siempre. Tres rondas dirigidas superan a una hora puliendo un texto que aún no se ha probado. La escritura de prompts es un proceso empírico: se mide, se anota y se corrige.

Checklist final antes de generar

• Objetivo del plano en una frase.
• Una sola acción dominante, con inicio y final claros.
• Ficha de anclas pegada sin variaciones.
• Un único movimiento de cámara con velocidad definida.
• Frase de luz coherente con el resto de la secuencia.
• Negativos concretos, sin contradicciones.
• Duración adecuada a la complejidad de la acción.
• Registro del prompt y del resultado para poder comparar.

Con este sistema, el prompt deja de ser una apuesta y se convierte en una herramienta de dirección. La creatividad sigue estando en decidir qué contar; el método se encarga de que la herramienta entienda exactamente lo que tienes en la cabeza.