Cómo escribir un prompt de vídeo: cámara, luz y ritmo

Respuesta corta: un buen prompt de vídeo describe un único plano continuo: qué hace la cámara, de dónde viene la luz, cómo se mueve el sujeto y cuánto dura el clip. La diferencia con un prompt de imagen es que el tiempo forma parte del trabajo: debes escribir a la vez una sola acción principal, un solo movimiento de cámara y un ritmo claro. Las sugerencias de este artículo se basan en la guía de Veo 3.1 de Google, en la guía de Wan de Alibaba y en la documentación de la API de MiniMax.

¿Cómo debe ser la estructura de un prompt de vídeo?

La guía de Veo 3.1 de Google propone una fórmula de cinco partes: cinematografía + sujeto + acción + contexto + estilo y atmósfera. La guía de Wan de Alibaba, por su parte, da como fórmula básica para texto a vídeo «sujeto + escena + movimiento»; en la versión avanzada se añaden el control estético y el estilo. Las dos guías dicen lo mismo: un prompt que no describe la cámara ni la luz tiende a producir un plano fijo en un entorno vago.

Débil: A man walks through a market.

Mejor: Medium tracking shot following an elderly man in a green scarf as he walks slowly through a busy morning market, steam rising from food stalls, soft overcast light, warm muted colors, natural handheld feel.

¿Cómo se escribe el movimiento de cámara?

La guía de Veo agrupa el lenguaje de cámara en tres grupos: movimiento (travelling, plano de seguimiento, grúa, vista aérea, panorámica lenta, mirada del sujeto), composición (plano general, primer plano, plano detalle, contrapicado, plano de dos personas) y óptica y enfoque (profundidad de campo poco profunda, lente gran angular, enfoque suave, macro). La guía de Wan ofrece un vocabulario similar y explica para qué sirve cada movimiento:

• Acercamiento (push in): transmite cercanía o tensión.
• Alejamiento (pull out): muestra escala o soledad.
• Órbita (orbit): destaca al sujeto; la guía de Wan recomienda mantener el arco por debajo de 45 grados para evitar distorsiones espaciales.
• Cámara fija: transmite calma y concentración.

La documentación de H3 de MiniMax recomienda escribir el comando de cámara entre corchetes, justo después de la descripción correspondiente, por ejemplo [pan], [zoom] o [static]. Sea cual sea la herramienta que uses, escribe un solo movimiento de cámara por clip; las combinaciones complejas, como «girando mientras se acerca y sube a la vez», suelen dar resultados incoherentes.

¿Cómo se describe la luz?

La guía de Veo no tiene una sección propia para la luz; aparece dentro de la parte de «estilo y atmósfera» de la fórmula, con ejemplos como «luz suave de la mañana» o «un único foco dramático desde delante». La guía de Wan es más detallada: luz natural, luz de fuego, cielo nublado, luz suave o dura; en dirección, luz lateral, de borde, contraluz y cenital; y en tono, contraste alto o bajo, colores cálidos o fríos.

Close-up of a violinist's hands, warm backlight from a low window creating a golden rim on the strings, shallow depth of field, slow push in.

Regla práctica: indica el origen y la dirección de la luz y, después, añade el tono.

¿Cómo se gestionan el movimiento y el ritmo del sujeto?

La guía de Wan da reglas claras para el movimiento: indica la amplitud y la velocidad («lentamente», «con rapidez»), mantén las acciones simples y cortas, no escribas coreografías largas, plantea cada clip como un plano continuo y deja los cambios de escena entre clips. En el vídeo a partir de una imagen, la imagen ya define el sujeto, la escena y el estilo; por eso, en el prompt basta con indicar qué se mueve y qué hace la cámara.

De imagen a vídeo: The child slowly blows on the dandelion; seeds drift to the right and out of frame. The camera stays fixed.

Para el ritmo, usa adverbios: «despacio», «con delicadeza», «con un movimiento rápido». Si no indicas el ritmo, el modelo puede elegir un movimiento demasiado rápido o demasiado lento.

¿Cómo equilibrar la duración y el número de acciones?

Los límites oficiales varían según el modelo: Veo 3.1 admite 4, 6 u 8 segundos; las versiones en la nube de Wan (2.6 y posteriores), de 2 a 15 segundos; y MiniMax H3, de 4 a 15 segundos. La regla es sencilla: cuanto más corto el clip, menos acciones debe tener. En cuatro segundos no caben tres acciones; o alargas la duración o reduces las acciones.

Para una narrativa de varias tomas, la guía de Veo propone prompts con marcas de tiempo: escribes un plan para cada franja temporal. La guía de Wan propone una estructura parecida para 2.6 y 2.7: una descripción general seguida de tomas numeradas con marca de tiempo.

[00:00-00:03] Wide shot of a lighthouse on a cliff at dusk, waves crashing below.

[00:03-00:06] Close-up of the lantern room, warm light turning on. SFX: low wind and a distant bell.

¿Cómo se escriben el sonido y el diálogo?

La guía de Veo recomienda escribir el sonido en líneas separadas: el diálogo entre comillas (A woman says, “We have to leave now.”), los efectos con «SFX:» y el sonido ambiente con «Ambient noise:». La guía de Wan sugiere añadir el sonido, los efectos y la música junto al prompt visual a partir de la versión 2.5. En un clip corto, no escribas una réplica larga; la guía de Wan también advierte de que no se puede esperar una sincronía labial fiable con palabras concretas.

¿Cómo describir lo que no quieres?

La guía de Veo propone describir lo que sí quieres en lugar de lo que no quieres; por ejemplo, en lugar de «que no haya construcciones artificiales», escribe «un paisaje desierto, sin edificios ni carreteras». Además, es buena práctica no escribir nombres de personas reales: la guía de Wan señala que las plataformas pueden rechazarlos o dar resultados incoherentes.

¿Cómo debe ser el proceso de prueba?

1. Empieza corto y en baja resolución: prueba la idea en un clip pequeño.
2. Cambia una sola variable: si el movimiento es demasiado rápido, cambia solo la palabra del ritmo; si el encuadre no es el correcto, cambia solo la frase de la cámara.
3. Fija el primer y el último fotograma: en los modelos que lo admiten, dar una imagen inicial y una final aclara cómo empieza y termina el clip.
4. Pasa a alta resolución al final: cuando el prompt esté maduro, genera la versión final en un tamaño grande.
5. Guarda el resultado: las conexiones a la nube pueden tener un tiempo limitado; descarga enseguida lo que te guste.

Tres prompts distintos para la misma idea

Para concretar las reglas, adaptamos la misma idea a tres tipos de clip. En cada uno hay una sola acción, un solo movimiento de cámara, una luz clara y un ritmo explícito.

Clip de producto: el producto no se mueve; se mueve la cámara.

Slow orbit around a glass bottle of olive oil on a marble counter, arc under 45 degrees, warm side light from a window, soft reflections on the glass, shallow depth of field.

Clip de retrato: un pequeño gesto del rostro y una cámara fija bastan para transmitir emoción.

Close-up of a young woman looking out of a train window, she slowly turns toward the camera and smiles, soft overcast light, fixed camera, quiet ambient train sound.

Clip de paisaje: basta con un movimiento natural y una cámara lenta; no hace falta un suceso complejo.

Wide aerial shot slowly pulling back from a lone cabin beside a lake at sunrise, mist drifting across the water, golden low light, calm pace.

Lo que tienen en común los tres ejemplos es que un clip cuenta una sola cosa. Si quieres más, divide el clip y genera las partes por separado; después, únelas.

Errores frecuentes

• Meter muchos sucesos en un clip corto: elige una sola acción principal.
• Escribir varios movimientos de cámara: basta con uno por clip.
• Olvidar la luz: si no la escribes, el modelo elige una por su cuenta y el resultado puede verse plano.
• No indicar el ritmo: sin una palabra de velocidad, el movimiento puede ser inesperadamente rápido.
• Describir otra vez la foto en el vídeo a partir de imagen: no repitas lo que ya se ve; describe el movimiento.
• Escribir un diálogo largo: las réplicas cortas y claras funcionan mejor.

Resumen

• El prompt de vídeo describe un plano continuo: cámara, sujeto, acción, contexto, luz y estilo.
• Escribe una acción principal y un movimiento de cámara por clip; mantén la órbita con un arco pequeño.
• Indica el origen y la dirección de la luz, y la velocidad con adverbios.
• Cuanto más corto el clip, menos acciones; para historias largas, usa clips o marcas de tiempo.
• Escribe el sonido en líneas separadas y describe lo que quieres en positivo.