Por qué el modelo de IA adecuado y las habilidades especializadas hacen que el plano funcione
Una breve escena de comedia en una casa de muñecas en miniatura, probada en varios flujos de trabajo: imágenes en un chat y con un flujo de montaje, vídeo en Google Flow, Seedance 2.5, Wan 3.0 y MiniMax H3. Qué falló, qué lo solucionó y cada prompt.
Publicado el 15 de octubre de 20267 generaciones de vídeo comparadas10 min de lectura
El objetivo era un solo plano en una habitación específica de una casa de muñecas fotorrealista, terminando con la cámara desplazándose hacia la siguiente habitación. Dura unos nueve segundos. Un pequeño comerciante come fideos frente a tres monitores. Un hombre gigante, yo, lo observa a través de la ventana trasera. El comerciante espeta: “¡Déjame en paz!” y lanza algo contra el cristal. El gigante dice: “¡Lo siento!”, y la cámara se desliza hacia la sala de yoga contigua, donde una mujer mantiene la vista en su tableta.
El plano corto original parecía sencillo, pero resultó complicado en cada paso de la producción: dos personajes hablando con sincronización labial, un lanzamiento con física real, un movimiento de cámara continuo entre dos habitaciones y un rostro grande que ocupa el encuadre durante segundos. Estos son los resultados, uno al lado del otro, con los prompts.
El plan: primero tres imágenes
El método consistió en aprobar las imágenes clave antes de generar cualquier vídeo: la apertura de la habitación del trader, el gigante observándolo y el fotograma de cierre en la sala de yoga.
Inicio
La habitación del trader
Un fragmento de la habitación anterior, el muro divisorio y solo el borde del rostro del gigante.
Centro
El gigante está observando
Su rostro llena la ventana, con los ojos puestos en el operador. Este fotograma se convertirá más tarde en el punto de corte compartido.
Fin
La sala de yoga
Mismo tamaño de ventana, altura del suelo y escala facial, una sala a la derecha.
Imágenes, ronda 1: 33 imágenes en un chat de ChatGPT
El primer intento fue una conversación ordinaria con ChatGPT en un plan Plus: describir la habitación, adjuntar una foto de mi cara, pedir cambios. Me llevó 26 mensajes y produjo 33 imágenes, y aproximadamente el 18 de mis mensajes fueron correcciones. Cada respuesta reconstruía la escena desde cero, por lo que arreglar una cosa rompía otra.
Sin monitores, sin operador.Demasiado caótico, y el gigante no aparece.El trader de la habitación antigua sigue en plano.“Una persona totalmente distinta”.Yo, dividido en dos ventanas.Ventana al 78% del tamaño solicitado.
Cerca del final, proporcioné la geometría exacta en píxeles para la ventana y ambas personas, y pedí al chat que midiera su propio resultado. Informó de una ventana de 485 × 644 px frente a los 621 × 811 px del prompt: 136 px demasiado estrecha y 167 px demasiado corta. Un modelo que redibuja una imagen a partir de palabras no puede alcanzar cifras de píxeles exactas, por muy precisas que sean las palabras.
Imágenes, ronda 2: 11 imágenes, la mayoría al primer intento
La segunda ronda comenzó a partir de la mejor imagen de la ronda 1 y se ejecutó en Codex conectada a la plataforma easyai.video, con nuestras habilidades de imagen instaladas. Ocho solicitudes produjeron once imágenes. Seis de las ocho solicitudes fueron cambios nuevos, cada uno aprobado a la primera; las otras dos fueron correcciones, para la posición de la pared y la altura del suelo.
Inicio: la mejor imagen de la ronda 1.1 · una fuente de luz, rostro más nítido.2 · la atención en el trader.3 · la pared entre las salas.4 · la sala de yoga.
Nada mágico cambió entre las rondas. Lo que cambió fue la forma de preguntar:
Edita, no regeneres. Cada petición partía de la última imagen aprobada y mantenía todo lo que ya estaba bien.
Un cambio por solicitud. Luz, luego el rostro, luego la mirada, luego el diseño. Nunca cuatro correcciones en un solo mensaje.
Un trabajo por imagen de entrada. “La imagen 1 es el objetivo de edición principal. La imagen 2 solo aporta la franja izquierda.”
Mide y luego ancla. En lugar de “haz la habitación más estrecha”, el prompt indicaba dónde estaban las cosas en el origen y a dónde debían ir: traslada la habitación 275 px a la derecha con una escala de 100%, el travesaño de la ventana se mantiene en y = 626.
Usa una habilidad, no improvises. Las habilidades de imagen nombraban el caso de uso (composición, preservación de identidad) y escribían el prompt con la misma estructura cada vez.
Puedes hacer lo mismo en tu propio entorno. Tanto Codex como Claude Code cargan habilidades: una carpeta con instrucciones y, opcionalmente, scripts que el agente lee antes de actuar. En GitHub y otros recursos públicos hay una amplia gama de habilidades de imagen y vídeo disponibles. Elige las habilidades que mejor se adapten a tu modelo y tarea de montaje, y utilízalas para mejorar tus prompts automáticamente. La plataforma easyai.video incluye estas habilidades, además de los formatos de prompt que espera cada modelo de vídeo.
Vídeo, toma 1: toda la escena en un único plano de 8 segundos
Con las tres imágenes aprobadas, las primeras tomas de vídeo pedían todo en una sola generación: comer, darse cuenta, gritar, lanzar, disculparse, deslizarse a la siguiente sala. Como experimento, empecé con Google Flow generaciones gratuitas. Google Flow utilizó las tres imágenes como referencia; la toma 2 usó un prompt reescrito que identificaba al interlocutor de cada frase y seguía el rastro de la taza hasta la ventana trasera. Seedance 2.5 utilizó las imágenes como fotograma inicial, referencia de imagen y fotograma final, en su modo de referencia omni.
Toma 1
Google Flow
Comienza en nuestro fotograma, luego el gigante dice ambas líneas, antes de que se lance nada. La taza vuela hacia la cámara, no hacia la ventana, y el trader conserva su propia taza. La sala de yoga entra en escena en lugar de deslizarse.
Toma 2
Google Flow
Nuestro primer fotograma es ignorado: un arco de puerta y una habitación más iluminada. Aparecen dos gigantes, luego entra un hombre de tamaño real y lanza la taza. Nadie dice “Lo siento”. Termina en una sala de yoga diferente.
Toma 3
Seedance 2.5 · borrador 480p
La más cercana de las tres: la taza sale volando hacia nosotros y se estrella contra el cristal trasero, mientras la cámara se desliza hacia la sala de yoga. Renderizada como un borrador barato en 480p.
Las imágenes no eran el problema. El plano pedía demasiadas cosas a la vez, y el modelo omitía algunas y reordenaba otras.
Vídeo, toma 2: dos planos cortos a través de un fotograma compartido
La solución fue dividir la escena donde se rompe de forma natural. El plano A transcurre desde el fotograma inicial hasta el fotograma central en 3 segundos: el trader come y el gigante se eleva hacia la ventana. El plano B transcurre desde ese mismo fotograma central hasta el fotograma final en 6 segundos: la línea, el lanzamiento, la disculpa y el movimiento hacia la sala de yoga. Los dos planos comparten un fotograma, lo que les da una composición común en el montaje. En esta versión, el trader lanza sus auriculares en lugar del vaso de fideos: los fideos salpicados por la ventana resultaban desagradables de ver, y Seedance los dibujaba demasiado grandes.
Ambos planos se realizaron con Wan 3.0 en Higgsfield, a una resolución nativa de 1080 × 1920 y 30 fps con sonido generado.
Plano A · 3 s
Wan 3.0
El comerciante sigue comiendo y nunca levanta la vista; el gigante entra deslizándose y se establece en el fotograma central.
Plano B · 6 s
Wan 3.0
“¡Déjame en paz!”, los auriculares golpean el cristal y caen, “Lo siento”, y luego el deslizamiento hacia la sala de yoga, aterrizando en el fotograma final. Añadió algunas notas musicales al final, algo que el prompt descartaba.
A + B · 9 s
Unidos en el fotograma compartido
El rostro tiene una textura de piel ligeramente diferente en la segunda parte, por lo que el montaje se nota. Un modelo que pueda realizar un plano continuo, como Seedance, es preferible para la continuidad.
El mismo plano en MiniMax H3: modelo completo vs turbo
Luego volvimos a renderizar el plano B en MiniMax H3, usando nuestra propia copia del modelo con la cuota diaria de GPU de Hugging Face, con los mismos dos fotogramas, la misma historia y la misma semilla (42). La plataforma easyai.video primero reescribe el prompt al formato que espera H3; el prompt de abajo es lo que se introdujo en el modelo tras esa reescritura.
Plano B · Wan 3.0
1080 × 1920 · 30 fps
La referencia: cada movimiento en orden, llegando al fotograma final.
Plano B · H3 completo
768 × 1344 · 24 fps · 28 pasos
Comparable con Wan 3.0 en este plano: la línea, el lanzamiento, la disculpa y el movimiento funcionan. Menor resolución; consume parte de la cuota diaria de GPU.
Plano B · H3 turbo
768 × 1344 · 24 fps · 6 pasos
Cumple con los puntos de la historia, pero el rostro grande, los auriculares y el movimiento entre habitaciones lo delatan.
En el mismo instante, a los 1.6 s del plano B, a tamaño completo. Izquierda: H3 completo. Derecha: H3 turbo, con manchas oscuras moteadas por la piel.
Turbo, 2.0 s: los auriculares parecen un icono plano pegado en la cara, no un objeto en movimiento.Turbo, 4.3 s: nadie pidió que las hojas se desplazaran por el primer plano durante el movimiento.
Turbo es para borradores. Es útil para planificar el movimiento de cámara o probar si los fotogramas funcionan. Cuando un rostro ocupa todo el plano, renderiza la toma con el modelo completo.
Resumen de costes por modelo
Las cruces rojas marcan tomas inaceptables. Los checks amarillos marcan tomas cercanas al objetivo con inconsistencias residuales; para Seedance, estas incluyen fideos demasiado grandes. Cada fila de la tabla cubre un modelo y una plataforma, con el coste total del metraje detallado.
Modelo · plataforma
Metraje
Resultado
Base de costes
Aprox. EUR
Google Flow
2 × 8 s
720 × 1280
Créditos diarios gratuitos
€0
Borrador de Seedance 2.5 · Higgsfield
8 s
480 × 854
24 créditos
€1.05
Wan 3.0 · Higgsfield
3 s + 6 s
1080 × 1920 · 30 fps
31.5 créditos (3.5 por segundo)
€1.38
MiniMax H3 completo · Hugging Face
6.58 s
768 × 1344 · 24 fps
≈ 10.9 / 40 minutos de GPU diarios (27.3%)
€0.073
MiniMax H3 turbo · Hugging Face
6.58 s
768 × 1344 · 24 fps
≈ 4.2 / 40 minutos de GPU diarios (10.5%)
€0.028
Las estimaciones de Higgsfield se basan en el plan registrado de $49 / 1,000 créditos, con todos los créditos utilizados. Las estimaciones de Hugging Face prorratean su suscripción mensual de $9 en 30 días, y luego multiplican esa parte diaria por el porcentaje de cuota en los registros de ejecución, incluyendo el condicionamiento. Estos son costes de suscripción asignados, no facturas por ejecución; la cuota no utilizada aumenta el coste efectivo.
Diseña primero las imágenes clave y luego anima entre ellas. Los fotogramas compartidos ayudan a alinear una escena de varios planos, pero comprueba la textura de la piel y la iluminación en la unión.
Edita la imagen aprobada en lugar de pedirla de nuevo. Un cambio por solicitud, un trabajo por imagen de entrada, posiciones reales en lugar de adjetivos.
Los modelos Turbo son para borradores. Renderiza las tomas finales con el modelo completo cuando el rostro ocupe gran parte del plano.
Un modelo de código abierto puede igualar a uno de pago en un plano determinado. H3 completo frente a Wan 3.0 aquí. Implementar un modelo OSS en una GPU puede ofrecer un resultado similar a un coste mucho menor que un modelo de pago mediante una API, dependiendo del uso del hardware y los costes de alojamiento.
Usa habilidades para mejorar automáticamente los prompts de imagen y vídeo. Deja que instrucciones especializadas traduzcan una petición corta a la estructura y las restricciones que cada modelo necesita.
Crea un plano como este tú mismo
AI Video Starter es un taller intensivo de tres horas: idea, plan de rodaje, imágenes de referencia, generación, corrección de tomas fallidas y montaje, aplicado a tu propio vídeo corto.