Reemplazar personas y lugares en metraje existente: qué herramientas de IA mantienen el movimiento

El metraje de prueba es un anuncio de 16 segundos con once cortes. El objetivo era mantener cada corte, movimiento de cámara y gesto, y reemplazar todo lo demás: cinco personas principales, cinco localizaciones, el color de marca y cada subtítulo, logotipo y gráfico flotante. Cada nueva persona y lugar se creó primero como una imagen fija y se aprobó, y todas las herramientas de abajo utilizaron las mismas imágenes fijas.

El resultado se necesitaba en 9:16 y en 16:9, lo que divide el trabajo en dos tareas distintas. El Reemplazo cambia lo que hay en el plano y debe mantener el movimiento. El Reencuadre convierte un montaje vertical terminado en uno panorámico inventando los laterales que faltan. Esta nota compara ambos con el mismo metraje.

Reemplazo: qué mantuvo el movimiento

La prueba es sencilla. Reproduce el resultado junto a la fuente: ¿sigue cada persona moviéndose, girando y cruzando el plano en el mismo momento, y se mantuvieron los cortes donde estaban?

Seedance 2.5 mantuvo un primer plano de entrevista muy bueno en nuestra prueba de sala y vestuario, por lo que su fallo aquí requiere una explicación. En Dreamina, un vídeo junto con imágenes de referencia pasa por el modo multimodal, que genera un nuevo clip guiado por el vídeo. No hay interruptor de edición. Las personas y los lugares eran correctos; la interpretación no lo era.

No se ejecutaron dos rutas. H3 Max Recast en fal solo cambia personas, hasta cuatro, y habría mantenido las localizaciones, el color y el texto. Kling O3 Edit construye cada reemplazo en torno a un personaje principal, por lo que un plano con varias personas requeriría una ejecución por cada persona.

Wan 3.0 requiere series cortas

Wan 3.0 acepta hasta 15 segundos de vídeo de origen y diez imágenes de referencia, por lo que lo lógico sería una sola ejecución para el resto del clip. Lo intentamos: seis planos, nueve imágenes y una larga lista de instrucciones, a los 9.55 segundos. Wan recreó a cada persona, pero omitió la mayor parte de lo demás. Los subtítulos, una tarjeta de aplicación flotante y los carteles y pegatinas de la tienda original sobrevivieron, y dos localizaciones mantuvieron su aspecto original.

Al dividirlo en ejecuciones de dos planos, cada uno con solo las dos o tres imágenes que esos planos necesitan, y nombrando cada elemento sobrante en el prompt, los mismos planos salieron limpios.

Reencuadre: estirar el corte vertical a 16:9

La idea más barata era mantener el corte vertical aprobado y hacer un outpainting: colocar el fotograma 9:16 en el centro de un lienzo 16:9 y dejar que un modelo pinte la izquierda y la derecha. El problema es la geometría. Un fotograma 9:16 solo llena aproximadamente un tercio de un fotograma 16:9, por lo que dos tercios de cada imagen son inventados.

El mismo plano, de cinco formas distintas

Tres reencuadres del plano vertical, luego el mismo plano mediante las dos rutas de edición, que partieron del metraje horizontal original. Los cinco se reproducen en su resolución nativa.

El mismo fotograma central de cada resultado a tamaño completo: el lado izquierdo, el hombre en el mostrador, el lado derecho.

Los montajes ganan, y no hay punto de comparación. Un montaje parte de un fotograma real en plano general, por lo que sus laterales tienen geometría real, profundidad real y personas reales. Un reencuadre tiene que inventarlas, y al llegar a los dos tercios del fotograma, la invención se hace evidente. El reencuadre merece la pena para pequeñas adiciones, como una franja de pared o de cielo, no para convertir un corte vertical en uno horizontal.

Coste de cada ejecución

Cada ruta tiene un precio calculado para 5 segundos de metraje con precios de lista estándar, para que las filas se comparen directamente. Los créditos de Higgsfield usan el plan Plus con facturación mensual, $59 por 1,200 créditos. Los créditos de Kling.ai usan el plan Standard con facturación mensual, $8.80 por 660 créditos. Las tarifas cambian; consulta fal, Higgsfield y Kling.ai para ver las cifras actuales.

Conclusiones

1. Crea primero las imágenes fijas. Todas las rutas anteriores utilizaron las mismas personas y lugares aprobados, lo que permitió mantener la coherencia del reparto en distintas herramientas y formatos.
2. Comprueba que la herramienta edita y no regenera. Reproduce el resultado junto a la fuente. Si las personas se quedan quietas o el encuadre cambia, se trata de una nueva generación.
3. Mantén cada serie de edición pequeña. Dos o tres planos, solo las imágenes que esos planos necesiten y cada elemento sobrante mencionado en el prompt. Una serie sobrecargada cambia el reparto y omite silenciosamente el resto.
4. Elige por plano. Kling 4.0 para cambios de localización, Wan 3.0 cuando la multitud del fondo es importante. Ambos mantienen los cortes, por lo que los planos se mezclan limpiamente.
5. Recrea cada formato desde su origen. Si existe un original horizontal, edítalo. Al hacer outpainting de un corte vertical, se inventa dos tercios del fotograma.
6. Elimina los planos no utilizados antes de pagar. Las ediciones también cobran por los segundos de entrada, así que descarta los planos que el montaje final no utilice.

Los botones de los prompts muestran la estructura de los prompts que utilizamos, con los detalles específicos del plano sustituidos por marcadores de posición entre corchetes.

Remake this 16-second ad as if it were filmed in [new setting]. Keep every cut, camera move, framing, body movement, hand gesture and timing exactly as in the source; change only the people, clothing, locations, colours and text. Each replacement person keeps the face, hair and complete outfit of their image.

REFERENCES:
- @Image1 replaces [the person in shot A] ([time range]); the place becomes @Image6.
- @Image2 replaces [the person in shot B] ([time range]); the place becomes @Image7.
- ... one line per person and place, with the time ranges where they appear.

PEOPLE: everyone else is [what the extras should look like].
CLOTHING: [the wardrobe rule for extras].
COLOUR PALETTE: replace every [old brand colour] with [new palette]. No [old brand colour] anywhere.
PHONE SCREENS: [what every visible screen shows].
REMOVE COMPLETELY: all subtitles, small legal text, the source logo, floating graphics and all signs and lettering. Add no new text.

Edit [Video 1]: Keep every cut, camera move, framing, body movement, hand gesture and timing exactly as in the source; change only the people, clothing, locations, colours and text. Each replacement person keeps the face, hair and complete outfit of their image.

0.0-2.5s: [the person in shot A] becomes the person in [Image: person A] ([outfit]); the place becomes [Image: place A].
2.5-4.8s: [the person in shot B] becomes the person in [Image: person B]; the place becomes [Image: place B]. [The extra who crosses the frame] becomes [description].

Replace every [old brand colour] with [new palette]; no [old brand colour] anywhere. Remove all subtitles, small legal text, floating graphics and all signs and lettering; add no new text. Keep everything else unchanged. Real handheld footage, [light], no glossy CGI look.

Edit @Video1. Keep every cut, camera move, framing, body movement, hand gesture and timing exactly as in the source; change only the people, clothing, locations, colours and text. Each replacement person keeps the face, hair and complete outfit of their image.

First shot (0.0-2.5s): [the person in shot A] becomes the person in @Image1 ([outfit]); the place becomes [new place] in @Image2.
Second shot (2.5-4.8s): [the person in shot B] becomes the person in @Image3; the place becomes @Image4. [The extra who crosses the frame] becomes [description], with the same walk and timing.

Every other person is [what the extras should look like]. Replace every [old brand colour] with [new palette]; no [old brand colour] anywhere. Remove all subtitles, small legal text, floating graphics and all signs and lettering; add no new text. Keep everything else unchanged. Real handheld footage, [light], no glossy CGI look.

Edit Video 1: keep both shots, the cut, every camera move, hand and body movement and the timing exactly; change only what is listed.

Shot 1 (0.0-1.1s): replace [the person] with the person in Image 1, same face, hair and outfit. Change the [place] into the [new place] in Image 2: [three or four concrete features of the new place]. Remove every sign and sticker: [name each leftover from the source, word for word].
Shot 2 (1.1-2.2s): [the hands, props or screen and what they become]. [Any object that keeps the old colour] becomes [new colour].

Change every [old brand colour] to [new palette]; no [old brand colour] anywhere. Remove all subtitles including [the exact word on screen], floating chips and all lettering; add no new text. Real handheld footage, [light].

Continue the same [place] to the left and right: [materials, fittings and props already visible in the frame], and [what lies beyond it] with a few passers-by. Same camera, light and colour grade as the source. No text, signs or logos.