Cinematografía de nivel cinematográfico en video con IA: guía de prompts para Kling, Veo, Grok Imagine y Seedance

Los modelos de video con IA pueden ejecutar de forma fiable instrucciones de movimiento de cámara explícitas en un prompt de texto, casi como un director de fotografía real siguiendo un guion gráfico; solo hay que nombrar con precisión el movimiento de cámara y describir qué hace la cámara, no solo qué hay en la escena. Probamos seis movimientos cinematográficos fundamentales —dolly in, dolly out, paneo, órbita, seguimiento/tracking y grúa (subida/bajada)— en los cuatro modelos de video en línea de hiapi (Kling 3.0 Turbo, Veo 3.1, Grok Imagine 1.5 y Seedance 2.5), y además probamos una técnica extra exclusiva de Seedance 2.5: transferir la trayectoria de movimiento de cámara de un video de referencia a un sujeto completamente distinto. Cada clip a continuación es una salida real generada con nuestros propios prompts, incrustado y reproducible directamente.

Resumen

• Escribir explícitamente el nombre del movimiento de cámara («camera slowly pushes in», «wide pan», «camera orbits») es la mayor palanca para dar a un video de IA una sensación cinematográfica; los prompts vagos suelen producir tomas estáticas o a la deriva.
• Entre los cuatro modelos que probamos, el dolly in y la órbita son los movimientos más fiables; el whip pan y los movimientos compuestos complejos son los menos fiables y conviene evitarlos en un solo prompt.
• El modo de referencia a video de Seedance 2.5 puede extraer la trayectoria de movimiento de cámara de un video existente mediante el token @video1 y aplicarla a un nuevo sujeto; resulta útil cuando ya se ha encontrado un movimiento de cámara que funciona y se quiere reutilizar.
• Veo 3.1 suele producir el rango dinámico de velocidad de cámara más amplio (desde un paneo macro extremadamente lento hasta una órbita aérea rápida); Kling 3.0 Turbo y Grok Imagine 1.5 son más estables en movimientos de cámara de estilo producto en primer plano.
• Ninguno de estos clips necesitó estabilizador, dron ni guion gráfico; solo un prompt bien escrito y el modelo adecuado para ese movimiento de cámara.

Por qué importa especificar el movimiento de cámara

Un prompt genérico como «cinematic shot of X» casi no le dice al modelo cómo debe moverse la cámara, así que este recurre por defecto a lo estadísticamente más común en sus datos de entrenamiento: normalmente una imagen estática o con una ligera deriva. La solución es tratar la cámara como un personaje con sus propios verbos: acercarse, alejarse, panear, orbitar, seguir, subir. Hay una sección para cada uno de los seis movimientos fundamentales, con prompts reales, clips reales y una nota sobre qué modelo lo maneja mejor.

1. Dolly in (acercamiento)

El dolly in acerca la cámara al sujeto, aprieta el encuadre y aumenta la tensión: el clásico plano de revelación en el que «la cámara se aproxima sigilosamente». Probamos la misma idea con tres modelos y sujetos distintos.

Grok Imagine 1.5 — tráiler de producto

Prompt:

La cámara se acerca lentamente a la zapatilla deportiva, diminutas partículas de polvo flotan hacia arriba y brillan en la luz cálida del contorno, la delicada textura de ante brilla tenuemente, sin vibración de cámara

Kling 3.0 Turbo — acercamiento atmosférico

Prompt:

Un pequeño panda rojo maestro de té sirve suavemente un té reluciente, el vapor sube y se arremolina, la luz de los farolillos parpadea suavemente, la cámara se acerca lentamente

Seedance 2.5 — travelling con deriva vertical

Prompt:

Travelling lento y suave hacia una taza de café humeante, la cámara se desliza hacia delante y ligeramente hacia abajo, el vapor se arremolina y asciende en la suave luz del amanecer, ligero micro-movimiento de cámara en mano, profundidad de campo cinematográfica reducida, etalonaje cálido y natural

El dolly in fue el movimiento más fiable de nuestra prueba: los tres modelos respetaron las formulaciones «pushes in»/«dolly-in» y mantuvieron al sujeto centrado y nítido durante el movimiento. Si solo vas a dominar una instrucción de movimiento de cámara, empieza por esta.

2. Dolly out (plano de revelación)

El dolly out expande el encuadre hacia fuera y suele usarse para revelar la escala o el entorno que el espectador no veía en el primer plano. Lo probamos con Veo 3.1, porque renderiza de forma convincente grandes paisajes aéreos.

Prompt:

Dolly out aéreo sobre el mercado nocturno de Marrakech, puestos iluminados por farolillos, atardecer

El dolly out funciona mejor cuando la cámara tiene que retroceder desde un sujeto en primer plano denso y rico en detalles; una escena vacía o simple no tiene nada que revelar.

3. Paneo (wide pan)

El paneo hace girar la cámara horizontalmente desde un punto fijo, barriendo la escena sin avanzar ni retroceder. Es el movimiento que conviene usar cuando se quiere establecer la escala de un paisaje lateral.

Prompt:

Una manada de renos migra bajo una aurora verde, llanura nevada, wide pan

Fíjate en que ni siquiera hizo falta escribir «camera pans»: el «wide pan» por sí solo bastó para que Veo 3.1 lo interpretara como una instrucción de cámara y no como una descripción de la distribución de los renos. Escribirlo de forma explícita sigue siendo más seguro, pero el modelo es flexible respecto a la posición de la instrucción en el prompt.

4. Órbita (movimiento alrededor del sujeto)

La órbita hace que la cámara gire alrededor de un sujeto fijo, manteniéndolo centrado mientras el fondo rota detrás: es un recurso habitual en publicidad de producto, porque permite mostrar todos los ángulos en un solo plano continuo.

Prompt:

La cámara orbita suavemente alrededor de una zapatilla deportiva flotante, motas de polvo se arremolinan y capturan la luz ámbar, una suave niebla atmosférica a lo lejos se desliza sobre un fondo de cañón

Grok Imagine 1.5 mantuvo el sujeto absolutamente estable durante toda la órbita, que es precisamente la dificultad de este movimiento: si el sujeto se descentra aunque sea un poco, la órbita parece metraje descuidado de cámara en mano en lugar de un movimiento mecánico bloqueado.

5. Plano de seguimiento / tracking

El plano de seguimiento se mueve junto a un sujeto en movimiento, igualando su velocidad y dirección: la cámara se convierte en compañera de carrera en lugar de observadora fija.

Prompt:

Un cachorro de corgi peludo corre en cámara lenta por un prado bañado por el sol, las orejas le rebotan, contraluz de hora dorada, plano de seguimiento cinematográfico

Kling 3.0 Turbo siguió el ritmo del sujeto sin que la distancia entre cámara y sujeto derivara: la hierba detrás del corgi muestra un desenfoque creíble en lugar de estelas, que es la pista habitual para detectar un plano de seguimiento mal resuelto.

6. Grúa (subida/bajada)

El movimiento de grúa desplaza la cámara verticalmente, normalmente hacia arriba para revelar escala, o desde un momento íntimo hacia un gran panorama.

Prompt:

Un globo se eleva sobre un valle dorado, la cámara sube, i2v from still

Aquí usamos Veo 3.1 Fast: el nivel fast sacrifica un poco de detalle de primera calidad a cambio de menor coste y latencia, y en una subida vertical tan suave no se nota diferencia en la salida.

Técnica extra: transferir la trayectoria de movimiento de cámara con referencia a video de Seedance 2.5

El endpoint de referencia a video de Seedance 2.5 hace algo que los cinco movimientos anteriores no pueden: te permite apuntar con el token @video1 a un video existente e indicar al modelo que conserve la puesta en escena de ese video —movimiento, ritmo y composición— sustituyendo por completo el sujeto o el estilo visual. Esto significa que, una vez encontrado un movimiento de cámara que te gusta, puedes reutilizarlo con un nuevo sujeto sin tener que volver a describirlo desde cero.

Prompt:

Usa @video1 como única referencia visual. Conserva las marcas distintivas reconocibles del corgi, el ritmo de la carrera, la cadencia de las zancadas, la orientación del cuerpo, el impulso hacia delante y el movimiento de cámara de seguimiento lateral en ángulo bajo. Reimagina toda la escena como una película de animación stop-motion artesanal hecha con fieltro, lana, hierba en miniatura y decorados de papel pintados a mano. Mantén el contraluz cálido del atardecer y el ritmo continuo de persecución, con una textura artesanal delicada y una profundidad de campo natural. Mantén un único corgi coherente durante todo el plano, con una estructura de patas estable, un movimiento suave hacia delante y una trayectoria de cámara continua. No introduzcas animales adicionales, texto, logotipos, cortes bruscos ni objetos ajenos.

Este prompt aplica la trayectoria de seguimiento lateral en ángulo bajo de nuestro clip del corgi en el prado a una versión rehacida en stop-motion de fieltro de la misma acción: el mismo movimiento de seguimiento, un medio visual completamente distinto. También usamos esta técnica para transferir la trayectoria de cámara de un anuncio de producto a otro producto (cambiando la zapatilla deportiva por un frasco de perfume mediante @image1), y para combinar la puesta en escena de un video de referencia, el sujeto de una imagen de referencia y el ritmo de una pista de audio de referencia (usando @video1 + @image1 + @audio1 juntos); el endpoint acepta cualquier combinación de los tres tipos de referencia en una sola llamada.

¿Qué modelo usar para cada movimiento de cámara?

Según esta batería de pruebas:

• Dolly in y órbita: los cuatro modelos lo resuelven bien; elige según el sujeto (Grok Imagine 1.5 y Seedance 2.5 para producto/bodegón, Kling 3.0 Turbo para escenas de personajes/comida).
• Dolly out y paneo: Veo 3.1 produjo los planos de paisaje amplio más convincentes; es la mejor opción cuando el movimiento debe cubrir un gran paisaje en lugar de un sujeto de sobremesa.
• Seguimiento/tracking: en nuestras pruebas, Kling 3.0 Turbo siguió limpiamente a sujetos en movimiento; es el movimiento más sensible a la coincidencia de velocidad del sujeto, así que los clips cortos (6 segundos o menos) son más seguros.
• Grúa: Veo 3.1 Fast resolvió con suavidad la subida vertical a un precio por segundo inferior al de Veo 3.1 estándar; para este tipo de movimiento simple de un solo eje, merece la pena probar primero el nivel Fast.
• Reutilizar trayectorias de cámara entre sujetos: la referencia a video de Seedance 2.5 es el único endpoint de este grupo construido específicamente para esta tarea.

Sobre precios (tarifas actuales en la página de precios en tiempo real de hiapi): Kling 3.0 Turbo 720p cuesta $0.13/s; Seedance 2.5 imagen a video y texto a video 720p cuesta $0.204/s, referencia a video 720p cuesta $0.2715/s y 480p $0.1215/s, facturado según la duración del video de referencia más la duración de salida; Grok Imagine 1.5 es el más barato de los cuatro, $0.015/s (480p) o $0.0282/s (720p); Veo 3.1 sin audio nativo 720p cuesta $0.29/s (con audio $0.57/s), y Veo 3.1 Fast baja a $0.17/s y $0.25/s respectivamente. Si vas a probar prompts de movimiento de cámara antes del render definitivo, Grok Imagine 1.5 o Veo 3.1 Fast son la forma más barata de iterar.

Preguntas frecuentes

¿Tengo que escribir explícitamente «camera» para que el modelo lo trate como una instrucción de cámara? Normalmente sí, pero no siempre: en nuestra prueba de paneo, el «wide pan» por sí solo se interpretó correctamente incluso sin la palabra «camera». Aun así, escribir explícitamente «camera pans», «camera pushes in», etc., sigue siendo más seguro, sobre todo en prompts largos donde la instrucción puede quedar ahogada entre detalles de sujeto e iluminación.

¿Puedo combinar dos movimientos de cámara en un solo prompt, por ejemplo un dolly in que se convierte en órbita? Puedes intentarlo, pero en nuestras pruebas un movimiento único y claramente nombrado dio resultados más fiables que un movimiento compuesto. Si necesitas un plano de varios tramos de movimiento, suele ser más fiable generar dos clips (uno por movimiento) y montarlos entre sí, en lugar de pedirle a una sola generación que haga ambos.

¿Qué modelo es mejor para un principiante que prueba prompts de movimiento de cámara? Grok Imagine 1.5, sobre todo por el coste: $0.015–$0.0282/s es lo bastante barato como para ajustar la formulación repetidamente sin preocuparse por el gasto, y en nuestras pruebas resolvió de forma fiable el dolly in y la órbita.

Para prompts de movimiento de cámara, ¿funciona mejor imagen a video o texto a video? Ambos funcionan, pero imagen a video (partiendo de un fotograma fijo) te da más control sobre la composición antes de que la cámara empiece a moverse, porque el fotograma inicial ya está bloqueado. Cuando todavía estás experimentando con el movimiento de cámara en sí y no con una composición precisa, texto a video itera más rápido.

Si quieres ejecutar estos prompts tú mismo, todos los modelos mencionados están disponibles en la lista de modelos de video de hiapi, y la forma de la API es consistente entre modelos: solo hay que cambiar el campo model y los campos de medios de referencia, manteniendo el mismo flujo de envío de tareas y sondeo.