Blog

Guía de uso

Fórmulas de prompts de imagen a vídeo para Flux-3-Max: plantillas listas para copiar y pegar para desarrolladores

Estructuras reutilizables de descripción del primer fotograma, formulación de movimiento y cámara, y prompts negativos de estabilidad

Nov 12, 2026
Arte de portada minimalista: puntos planos de color verde menta y verde azulado profundo que gradúan su densidad como un conjunto de datos en semitono sobre un fondo casi negro.
En esta página
Una fórmula completa de imagen a vídeo para flux-3-max, renderizada de principio a fin: acercamiento, descomposición holográfica, arco de 30 grados, generada para esta guía.

Por qué la estructura del prompt importa más que su longitud

Los desarrolladores que se inician en la imagen a vídeo suelen escribir el prompt como un guion: un bloque de texto que describe los antecedentes del personaje, su emoción, la paleta de color y una docena de cosas que deberían ocurrir. Este enfoque fracasa porque el modelo no está leyendo una narración: está realizando una generación corta condicionada por el fotograma de origen. Cuanta más prosa añadas, más difusa será la señal.

Lo que realmente funciona es una estructura ordenada. El prompt de flux-3-max/image-to-video debería leerse como un pequeño archivo de configuración: primero anclar la imagen, luego declarar el movimiento y, por último, restringir la salida. Cada bloque responde a una pregunta.

  • Bloque del primer fotograma: ¿qué ya es visible en la imagen de origen? Sujeto, escena, iluminación.
  • Bloque de movimiento: ¿qué cambia durante el clip? Acción del sujeto y movimiento de cámara.
  • Bloque negativo: ¿qué no debe aparecer nunca? Solo categorías de artefactos.

Este orden importa porque el modelo presta atención primero al fotograma de origen. Si el texto inicial describe una escena que no coincide con la imagen, todo lo posterior se desviará. Si el texto inicial confirma la imagen, el modelo tiene una base estable para aceptar las instrucciones de movimiento que siguen.

La longitud en sí no es el enemigo: la redundancia sí lo es. Diez palabras que cumplen cada una su función superan a cien palabras que se repiten entre sí. Al revisar un prompt, pregúntate por cada frase: ¿esto cambiará lo que el modelo renderiza? Si no, elimínala. Las plantillas del resto de esta guía son breves precisamente por esta razón.

Recuerda una regla más: el prompt no es una lista de deseos. Acumular instrucciones que compiten entre sí («acercarse lentamente mientras orbita y se aleja») enfrenta al modelo a una lógica física contradictoria, y el resultado suele ser temblor en lugar de movimiento suave. La expresión de intención única se mantiene en cada sección a continuación.

El bloque de descripción del primer fotograma

El bloque del primer fotograma es una descripción de lo que ya contiene la imagen de origen, reescrita en el lenguaje del modelo. No estás inventando la escena: le estás diciendo al modelo qué está viendo, para que las instrucciones de movimiento tengan un sujeto sobre el que actuar.

Sujeto

Nombra el sujeto principal con una frase nominal y, si es necesario, añade un adjetivo de material o estado: una taza de cerámica sobre la mesa, una mujer con camisa de lino, una cresta montañosa al atardecer. Evita adjetivos que describan emociones: no pertenecen al prompt porque no pueden mapearse a píxeles.

Escena

Describe el entorno con una cláusula: en un estudio luminoso, contra una pared de hormigón, en un sendero del bosque. Esto ayuda al modelo a decidir qué partes del fondo deben permanecer estables y cuáles pueden cambiar.

Iluminación

La iluminación es la parte peor especificada en la mayoría de los prompts y, sin embargo, la más visible en la salida. Basta una cláusula corta: luz suave de ventana desde la izquierda, luz diurna nublada, iluminación cálida de lámpara. Indicar la dirección de la luz, y no solo su calidad, permite al modelo mantener supuestos coherentes de luces y sombras entre fotogramas.

Qué no incluir

El bloque del primer fotograma no es lugar para antecedentes, emociones ni eventos futuros. Si quieres que el sujeto sonría, eso es una instrucción de movimiento, no una descripción. Mantener este bloque puramente descriptivo evita que el modelo alucine detalles que la imagen no respalda.

Un bloque de primer fotograma completo podría ser: una taza de cerámica sobre una mesa de madera, en un estudio luminoso, luz suave de ventana desde la izquierda. Ese es todo el anclaje. Todo lo que sigue es movimiento.

La formulación del movimiento y del movimiento de cámara

La formulación del movimiento funciona mejor cuando es concreta, breve y de intención única. El modelo responde a verbos de movimiento y a la geometría de cámara, no a abstracciones de director.

Movimiento del sujeto

Usa una cláusula de acción: el vapor se eleva lentamente, ella gira ligeramente la cabeza, la tela se agita con el viento. Mantén el sujeto y el verbo juntos. Evita encadenar dos acciones sobre el mismo sujeto, salvo que estén relacionadas de forma natural: él levanta la taza y bebe un sorbo funciona; él levanta la taza mientras se aleja no.

Movimiento de cámara

El movimiento de cámara se expresa mejor con una frase que indique la operación y la dirección: acercamiento lento, paneo de izquierda a derecha, órbita alrededor del sujeto, ligero tilt hacia arriba. Palabras como lento o ligero suelen ser más útiles que una velocidad numérica, porque establecen la intención sin exigir una tasa precisa que el modelo no puede cumplir de forma fiable.

Elige un solo movimiento de cámara por clip. Acumular movimientos es la causa más común de inestabilidad en la salida: cuando se pide a la vez acercamiento y órbita, el modelo intenta satisfacer ambos y aparecen distorsiones alrededor de los bordes del sujeto. Si de verdad necesitas un movimiento compuesto, divídelo en dos clips o acepta que el segundo movimiento solo será aproximado.

Separar sujeto y cámara

Escribe el movimiento del sujeto y el movimiento de cámara como dos frases independientes. El vapor se eleva lentamente. Acercamiento lento. Así puedes modificar uno sin tocar el otro; como explica la sección de iteración, esta es la forma de depurar un prompt.

Frases que conviene evitar

Evita direcciones abstractas: cinematográfico, épico, dinámico, emotivo. No especifican ningún cambio de píxeles y solo añaden ruido. Si quieres un aspecto concreto, describe la geometría de cámara o la iluminación, no la sensación.

Prompts negativos de estabilidad que realmente sirven

Los prompts negativos se usan a menudo erróneamente como una segunda descripción de estilo, para enumerar todo lo que no te gusta. Esto restringe demasiado al modelo y suele empeorar la salida, porque la generación ahora tiene que evitar muchas cosas a la vez en lugar de hacer bien una.

En flux-3-max/image-to-video, el uso eficaz de los prompts negativos es la supresión de artefactos. Los términos negativos estrechos y técnicos indican al modelo qué modos de fallo debe evitar sin tocar la dirección creativa.

Términos negativos útiles para artefactos

  • distorsión, deformación, parpadeo: problemas de estabilidad temporal.
  • miembros extra, rostros duplicados: errores estructurales en torno a personas.
  • artefactos de texto, marca de agua: detalles no deseados similares a glifos.
  • bordes borrosos, aliasing en contornos: inestabilidad en los límites.

Todos ellos describen cómo falla la generación, no cómo quieres que se vea. Esa es la prueba para decidir si un término negativo debe quedarse.

Términos negativos normalmente perjudiciales

Evita los términos negativos de estilo: no cinematográfico, no caricatura, no colores vivos. Compiten con el prompt positivo y pueden volver la salida plana. Si el prompt positivo está bien especificado, los términos negativos de estilo son innecesarios.

Mantén la lista breve

Dos a cinco términos negativos estrechos suelen bastar. Una lista negativa demasiado larga aumenta la probabilidad de restricciones en conflicto, y el modelo puede suprimir detalles legítimos junto con los artefactos. Empieza por la estabilidad temporal y los términos de borde, y añade otros solo cuando observes el artefacto correspondiente en una ejecución de prueba.

Plantillas de fórmulas listas para copiar

Estos esqueletos siguen el orden de las secciones anteriores: bloque del primer fotograma, luego movimiento y por último términos negativos. Sustituye los huecos entre corchetes y mantén la estructura intacta.

Clip de producto

[frase nominal del producto] sobre [superficie], en [entorno], [dirección y calidad de la luz].
[un movimiento sutil del sujeto, p. ej. el reflejo se desplaza / la luz recorre la superficie].
[un solo movimiento de cámara, p. ej. acercamiento lento / órbita ligera].
Negativo: distorsión, parpadeo, artefactos de texto.

Clip de retrato

[frase nominal de la persona] con [ropa], con [fondo] de fondo, [dirección y calidad de la luz].
[un pequeño movimiento del sujeto, p. ej. ligero giro de cabeza / parpadeo].
[un solo movimiento de cámara, p. ej. acercamiento lento / ligero tilt hacia arriba].
Negativo: distorsión, miembros extra, rostros duplicados.

Clip de entorno

[frase nominal de paisaje o interior], [hora del día y clima], [dirección y calidad de la luz].
[un movimiento ambiental, p. ej. las nubes se desplazan / las hojas se mecen con el viento].
[un solo movimiento de cámara, p. ej. paneo lento de izquierda a derecha / ligero tilt hacia arriba].
Negativo: parpadeo, bordes borrosos, deformación.

Reglas de adaptación

  • Mantén la frase del sujeto en un sustantivo, como máximo con un modificador.
  • Si quieres una acción distinta, cambia solo el verbo de movimiento; mantén la estructura fija.
  • Si el clip parece inestable, elimina primero el movimiento de cámara antes de hacer cualquier otro cambio; conservar solo el movimiento del sujeto suele ser una base más segura.

Estas plantillas son puntos de partida, no prompts finales. La interacción entre el fotograma de origen y la formulación es mayor de lo que la mayoría de los desarrolladores supone, así que trata cada plantilla como una hipótesis y valídala en una ejecución corta antes de usarla en lote.

Iteración y procesamiento por lotes entre clips

La forma más rápida de converger en un buen prompt es cambiar una sola variable a la vez y revisar una ejecución corta. Un ciclo práctico es así:

  1. Escribe un prompt a partir de la plantilla más cercana.
  2. Genera un clip corto.
  3. Compáralo con el fotograma de origen: ¿se conserva el sujeto? ¿El movimiento es de intención única? ¿Hay artefactos?
  4. Identifica el bloque responsable y cambia solo ese bloque.
  5. Vuelve a generar y compara.

Este ciclo es deliberadamente lento en el primer clip y rápido después, porque cada bloque fijado se convierte en un activo reutilizable. La mayoría de las inestabilidades se remontan a movimientos de cámara acumulados (bloque de movimiento) o a frases del sujeto que no coinciden con la imagen (bloque del primer fotograma). Cambiando uno a la vez, sabrás cuál es.

Escalar a lotes

Cuando un prompt es estable en un fotograma, promuévelo a plantilla y aplica la misma estructura en fotogramas de origen similares. La iteración por lotes funciona porque la estructura no cambia y solo varían los huecos:

  • Sincroniza el bloque del primer fotograma con cada nueva imagen; no copies descripciones de fotogramas distintos.
  • Mantén la formulación del movimiento coherente salvo que cambie el tipo de clip.
  • Fija la lista de términos negativos por categoría de clip.

Revisa los resultados del lote agrupados por tipo de clip, no archivo por archivo, para que los problemas sistémicos (por ejemplo, que todos los clips de retrato distorsionen los hombros) aparezcan de inmediato en lugar de quedar enterrados en notas por archivo.

Por último, registra qué variante de prompt produjo qué salida. Un breve registro de cambios de las ediciones de prompts por categoría de clip ahorra más tiempo que cualquier frase ingeniosa aislada. Construye el ciclo, mantén la estructura y deja que las plantillas hagan el trabajo repetitivo.

Artículos relacionados

Ver todos los artículos →

Empieza a crear con artefactos de IA persistentes

Consigue tu API key y llama a modelos de imagen, vídeo y audio a través de una única API basada en tasks.

Leer la documentación de la API