Guía práctica de vídeo con IA
Prompts para vídeo IA: una guía práctica
Escribe prompts para vídeo IA que aguantan: sujeto, movimiento, cámara, luz, formato y restricciones, con ejemplos, vocabulario de cámara y soluciones a fallos.
Crear con VidVidLa mayoría del mal vídeo IA es un problema de prompt que parece un problema de modelo. El modelo hizo algo razonable con una instrucción ambigua. Esta guía te da una estructura de seis partes, un vocabulario de cámara reutilizable, prompts tanto para texto a vídeo como para imagen a vídeo, y una tabla de síntoma a solución.
La estructura de seis partes
Escribe los prompts en este orden. Cada parte elimina un tipo específico de ambigüedad.
- Sujeto — qué hay en el encuadre, y qué debe permanecer igual.
- Movimiento — qué se mueve, y qué tan rápido.
- Cámara — el movimiento físico, nombrado.
- Iluminación — dirección, calidad, temperatura.
- Formato — duración, relación de aspecto, intención de resolución.
- Restricciones — qué no debe pasar.
Un prompt con las seis partes:
A ceramic bowl of mango pomelo sago on a dark stone surface, spoon stirring slowly, camera pushes in gently, soft top-light with a warm rim, 4 seconds, 16:9, product shape unchanged, no camera shake, no objects added.
Vocabulario de cámara
Usa el término físico, no una palabra de ambiente. Los modelos responden al lenguaje de cámara mucho mejor que a los adjetivos.
| Movimiento | Di esto | Úsalo cuando |
|---|---|---|
| Push in | slow push-in, camera moves toward subject |
Revela detalle, construye foco |
| Pull back | slow pull-back, camera retreats |
Revela contexto o escala |
| Pan / traverse | slow lateral pan, camera drifts sideways |
Muestra un espacio amplio o una fila |
| Tilt | slow tilt up, slow tilt down |
Revela altura o suelo |
| Orbit | slow orbit around subject |
Turntables de producto — mantenlo pequeño |
| Handheld | subtle handheld |
Energía, documentales — usa con moderación |
| Locked-off | locked-off camera, static framing |
Cuando la estabilidad importa más que el movimiento |
Prompts texto a vídeo vs imagen a vídeo
Texto a vídeo tiene que construir todo desde las palabras, así que necesita más detalle y se beneficia de un beat único y claro.
Wide shot of a fog-covered valley at dawn, mist drifting slowly, camera pushes in gently, cool diffused light, no people, 5 seconds, 16:9, locked-off framing, documentary look.
Imagen a vídeo ya tiene el sujeto. El prompt debe describir solo lo que cambia — movimiento, cámara, luz — y luego restringir todo lo demás.
Using the reference image, the same room, very slow push-in, morning window light unchanged, walls and window frames stay straight, nothing appears or is removed, 4 seconds, 16:9, locked-off camera.
El error más común en imagen a vídeo es re-describir el sujeto con palabras. Eso reintroduce deriva. Di using the reference image y luego describe solo el cambio.
Set de prompts reutilizable
PROMPT — Establecimiento cinematográfico
Wide aerial shot of a coastline at golden hour, waves moving slowly, camera drifts forward, warm low sun, 5 seconds, 16:9, no people, cinematic colour grade.
PROMPT — Detalle macro
Extreme macro of woven fabric, very slow lateral drift, raking side light reveals texture, colour unchanged, 4 seconds, 1:1, locked-off framing.
PROMPT — Plano de personaje
Using the reference image, the same person turns slightly toward camera, subtle expression change, soft window light from the left, shallow depth of field, 4 seconds, 16:9, face unchanged, same clothing.
PROMPT — Hook vertical
Vertical frame, subject centred and fully visible in frame one, slow push-in, clean background, bright key light, 3 seconds, 9:16, readable at small size, no camera shake.
PROMPT — Turntable de producto
Product rotates gently on a clean white surface, soft even studio light, subtle contact shadow, packaging text remains legible, 5 seconds, 1:1, shape unchanged.
Síntoma → solución
| Lo que ves | Causa probable | Solución |
|---|---|---|
| El sujeto se deforma | Demasiado movimiento en una petición | Acorta a 2–4s, reduce el movimiento de cámara, añade shape unchanged |
| El rostro cambia entre planos | Generaciones separadas, sin referencia compartida | Una imagen canónica, imagen a vídeo, face unchanged |
| Paredes o ventanas se tuercen | Gran movimiento de cámara sobre geometría | Solo push-in o través lento, añade lines stay straight |
| Las manos se rompen | El área más débil entre modelos | Encuadra las manos fuera, o corta antes |
| Todo deriva o tiembla | Dirección de cámara vaga o ausente | Nombra el movimiento de cámara físico, añade locked-off |
| Los colores cambian | Sin instrucción de iluminación | Indica dirección, calidad y temperatura |
| La salida se ve genérica | Palabras de ambiente en vez de específicos | Reemplaza adjetivos con sustantivos y movimientos concretos |
| El texto en pantalla es basura | Los modelos no renderizan texto con fidelidad | Añade todo el texto en postproducción |
Disciplina de iteración
- Cambia una cosa por ejecución. Si cambias duración, cámara e iluminación juntas, no aprendes nada.
- Valida a 480p. La resolución es la última decisión, no la primera.
- Mantén un registro de prompts. Prompt, modelo, ajustes, resultado, veredicto. Se convierte en tu biblioteca reutilizable.
- Guarda los ganadores. Un prompt que funcionó vale más que uno nuevo.
Consulta la guía de precios de vídeo IA para lo que cuesta cada iteración, y la comparación de modelos para qué modelo conviene a qué tipo de prompt.
Tarjetas de prueba
Tres ejercicios breves construidos sobre la estructura de seis partes. Una generación cada uno, y solo cambias lo que el ejercicio indica.
Tarjeta A — prueba de estructura. Reescribe tu peor prompt siguiendo la tabla de seis partes. Mismo modelo, mismos ajustes — y mira qué ganó realmente la reescritura. Salida: la ejecución completa de H3 para esta tarjeta —archivo, prompt y ajustes— está publicada abajo.
Tarjeta B — prueba de una sola variable. Toma la salida que quedó casi bien y cambia solo su línea de cámara. Regenera y compara las dos lado a lado. Salida: la ejecución completa de H3 para esta tarjeta —archivo, prompt y ajustes— está publicada abajo.
Tarjeta C — prueba de restricción. Toma una salida donde el sujeto se deforma, añade mantener la forma exacta y reduce la duración a la mitad. Salida: la ejecución completa de H3 para esta tarjeta —archivo, prompt y ajustes— está publicada abajo.
Las tres ejecuciones de MiniMax H3 detrás de estas tarjetas
Las mismas tres tarjetas, ejecutadas una vez cada una en MiniMax H3 por la API oficial a 768P. Archivos, prompts y ajustes están publicados abajo para que puedas repetirlos tal cual. Son pruebas de banco con una imagen de referencia y prompts genéricos, no con tu catálogo: léelas como prueba de tiempo de entrega y estabilidad de fotograma, no como un veredicto sobre tu material.
Prompt que enviamos realmente: A slow macro push-in on a matte ceramic object, realistic reflections, black studio background, premium commercial lighting, the object keeps its exact shape, no deformation, 5 seconds.
Prompt que enviamos realmente: Vertical 9:16 product hook, energetic but controlled camera move, subject fully visible in the first second, bright accent colour, shallow depth of field, object shape stays fixed.
Prompt que enviamos realmente: Extreme macro of a brushed metal surface, slow lateral camera move, reflected light crawling across the material, no distortion, commercial product photography look.
| Tarjeta | Modo | Ajustes | Archivo de salida | Envío → listo |
|---|---|---|---|---|
| A | imagen → vídeo | 5s · 768P | 1344×768, 24 fps, 5.2 s, 726 KB | 196 s |
| B | texto → vídeo | 5s · 768P · 9:16 | 768×1344, 24 fps, 5.2 s, 1.0 MB | 117 s |
| C | texto → vídeo | 4s · 768P · 1:1 | 768×768, 24 fps, 4.5 s, 341 KB | 83 s |
Alcance: tres ejecuciones únicas en un solo modelo. No medimos el cargo de créditos dentro de VidVid, no cronometramos ningún otro modelo y no puntuamos la calidad de salida: eso sigue siendo un juicio humano. La tarifa H3 publicada por VidVid es de 24 créditos (3s · 480p); el dato real está en el botón de generar.
Ejecuta las mismas tres tarjetas en otro modelo
Una tarjeta medida solo significa algo cuando el modelo es la única variable. Mantén la entrada, el prompt, la duración y la resolución idénticos y la siguiente generación te dirá qué hace distinto ese modelo. Los modelos de la tabla de arriba, con su coste de ejemplo publicado:
- Pruna P-Video — 4 créditos (1s · 720p) — Vídeo 720p/1080p de bajo coste con audio
- Gemini Omni Flash Text — 78 créditos (3s · native) — Texto a vídeo con audio nativo
- Veo 3.1 Fast — 240 créditos (4s · 720p) — Secuencias cinematográficas de alta fidelidad
Abre el estudio, carga la misma imagen de referencia, pega el mismo prompt y cambia de modelo. Una sola generación basta para ver la diferencia en tu propio material. Lanzar la comparación en el estudio de VidVid
Las cifras son configuraciones de ejemplo publicadas por VidVid, leídas el 2026-09-21, y solo son comparables con ajustes idénticos. Nosotros no cronometramos estos modelos.
FAQ
¿Qué tan largo debe ser un prompt de vídeo IA?
Lo suficiente para cubrir las seis partes — normalmente de dos a cinco frases. Más largo no es mejor; más específico sí lo es.
¿Necesito escribir en inglés?
La mayoría de los modelos responden mejor a prompts en inglés aunque tu contenido esté en otro idioma. Escribe el prompt en inglés, añade los subtítulos en tu idioma.
¿Debo usar prompts negativos?
Indica las restricciones de forma positiva cuando puedas — face unchanged vence a don't change the face. Ambos funcionan; la frase positiva suele ser más fiable.
¿Por qué el mismo prompt da resultados distintos?
La generación es estocástica. Ejecútalo más de una vez y conserva la mejor toma en lugar de asumir que una ejecución representa el prompt.
¿Puedo pedir texto en pantalla?
Puedes, pero los modelos no renderizan texto con fidelidad. Añade títulos, precios y subtítulos en tu editor.
¿Se puede ver una salida real de MiniMax H3 antes de pagar?
Sí. En esta página publicamos tres ejecuciones completas de H3 con sus prompts, ajustes y los propios archivos MP4: 768P, 4 a 5 segundos, 83 a 196 segundos desde el envío hasta el archivo. Los demás modelos aparecen con su coste de ejemplo publicado, así que puedes repetir el mismo prompt y comparar con tu material.
Dónde ir a continuación
- Abre el estudio de VidVid y ejecuta el set reutilizable en tu propio sujeto.
- Prompts por tarea: vídeo de producto, inmobiliario, vertical.
- Mantener un sujeto estable: la guía de personaje consistente.
- Presupuesta las iteraciones: la guía de precios de vídeo IA.