Recetas de prompts de imagen a vídeo para Kandinsky 6.0 Pro: prompts listos para copiar y obtener mejores resultados de movimiento

Por qué la estructura del prompt importa más que su longitud

Un prompt de imagen a vídeo no es una versión alargada de un prompt de texto a imagen. Cuando proporcionas un fotograma de referencia, el modelo ya sabe cómo es la escena. Lo que tu prompt debe describir es qué cambia a lo largo del vídeo, no volver a describir lo que ya es visible.

Este cambio de responsabilidad es la razón por la que un prompt estructurado de 12 palabras suele superar a un párrafo de 120 palabras. Los párrafos largos mezclan la descripción del sujeto, la intención de movimiento, el comportamiento de la cámara y las expectativas de estilo en una amalgama indistinguible. El modelo no puede saber qué cláusula controla la cámara y qué cláusula controla el sujeto, así que llega a un compromiso: la cámara se desplaza un poco, el sujeto se mueve un poco, y el resultado se ve emborronado.

Los prompts estructurados separan las preocupaciones en capas:

• Ancla del sujeto: una referencia breve a lo que hay en la imagen de referencia, confirmando qué contenido debe permanecer estable.
• Pista de movimiento: el cambio físico específico que deseas, con dirección e intensidad.
• Descripción de cámara: una cláusula independiente que describe únicamente la cámara virtual.
• Restricción de estilo: las barandillas de aspecto, textura y consistencia.

Mantén cada capa dentro de una frase o un sintagma. El objetivo no es la concisión por la concisión, sino la analizabilidad: cada capa es una variable que puedes modificar de forma independiente durante la iteración. Un prompt en capas es a la vez una herramienta de generación y una herramienta de depuración.

Otra razón por la que la estructura gana: la reproducibilidad. Cuando un vídeo sale bien, necesitas saber por qué salió bien para poder reutilizarlo. Escrito como párrafo, la razón queda enterrada. Escrito por capas, puedes copiar la capa ganadora en el siguiente experimento y variar solo la capa que estás probando.

Regla práctica

Si una palabra del prompt no describe ni el sujeto de la imagen de referencia, ni el movimiento, ni la cámara, ni una restricción de estilo, entonces probablemente sea ruido. Elimínala, vuelve a generar y compara. En la mayoría de los casos, la versión estructurada más corta conserva mejor la imagen y produce un movimiento más limpio.

Premisa de esta guía

Todo lo siguiente está escrito para llamar a kandinsky-6.0-pro imagen a vídeo a través de la interfaz unificada de HiAPI.ai, donde la llamada de imagen a vídeo requiere una imagen de referencia más un prompt y devuelve un vídeo generado. Estas recetas son texto plano, sin sintaxis especial, por lo que funcionan en cualquier cliente que llame al mismo endpoint.

Anatomía de un prompt de imagen a vídeo

Trata el prompt como una tabla de cuatro ranuras. Rellénalas siempre en el mismo orden y tus experimentos se mantendrán comparables.

Ranura 1: ancla del sujeto

Un sintagma nominal breve que señala qué contenido debe permanecer reconocible. No es una descripción completa: la imagen ya lo aporta. Es una señal de estabilidad.

Ejemplos: the woman, the ceramic vase, the mountain ridge, the abstract shapes.

Evita volver a especificar detalles ya visibles en el encuadre. Volver a describir la ropa, la iluminación o el color tiende a inducir al modelo a "mejorarlos", lo que se manifiesta como parpadeo o deriva de identidad del sujeto.

Ranura 2: pista de movimiento

Un movimiento principal, expresado con un verbo, una dirección y un calificador de intensidad.

Ejemplos: turns her head slowly to the left, gently sways side to side, drifts steadily upward.

Elige un solo movimiento principal por vídeo. Dos movimientos competidores de intensidad similar son la causa más común de una salida turbia.

Ranura 3: descripción de cámara

Una cláusula independiente que empieza por el lenguaje de cámara: camera, the camera o shot. Mantener el sujeto fuera de esta cláusula es la clave para que el comportamiento de la cámara sea predecible.

Ejemplos: camera slowly pushes in, camera holds static, camera pans left at a steady rate.

Ranura 4: restricción de estilo

Barandillas de aspecto y consistencia. Breve está bien.

Ejemplos: photorealistic, consistent lighting, no flicker, flat illustration style, stable linework, cinematic color grade, shallow depth of field.

Ensamblarlo

the woman, turns her head slowly to the left, camera holds static, photorealistic, consistent lighting

Esta es la anatomía completa. Dieciocho palabras, cuatro ranuras, una idea controlable. Todas las recetas siguientes de esta guía tienen la misma forma, solo cambia el contenido de la ranura 2 y la ranura 3.

Disciplina de ranuras

Dos hábitos consolidan esta anatomía:

• Orden fijo. Siempre sujeto, movimiento, cámara, estilo. Cuando releas un prompt antiguo, el orden te dirá de inmediato qué capa cambiaste.
• Una sola idea por cláusula separada por comas. Las comas actúan como separadores suaves; si una cláusula contiene tanto la acción del sujeto como el movimiento de cámara, sepárala.

Recetas de pistas de movimiento para tipos de sujeto habituales

La eficacia de la formulación del movimiento depende de lo que haya en el encuadre. Estos son puntos de partida listos para copiar: sustituye las partes entre corchetes por tu propio sujeto.

Personas y personajes

Los sujetos humanos son los más sensibles a la animación excesiva. Los movimientos pequeños y concretos parecen naturales; los movimientos amplios parecen inquietantes.

• [the person], blinks and turns their head slightly toward [direction], camera holds static, natural skin texture
• [the person], smiles subtly while breathing, shoulders rise and fall gently, camera holds static
• [the person], walks slowly toward the camera, steady gait, camera pulls back at the same pace
• [the person], raises one hand to [gesture], other hand stays still, camera holds static

Usa subtly, slightly y gently con frecuencia en los rostros; son amortiguadores de intensidad.

Objetos y productos

Los objetos necesitan una deformación limpia y nítida. La rotación y el movimiento de la luz son los más seguros.

• [the object], rotates slowly clockwise, camera holds static, product photography lighting, no flicker
• [the object], subtle highlight travels across its surface, object stays still, camera holds static
• [the object], gently floats and bobs in place, soft shadow moves with it, camera holds static
• [the object], lid opens slowly, body remains stationary, camera holds static

Naturaleza y entornos

Las escenas exteriores toleran más movimiento porque el público espera dinamismo ambiental, pero debe estratificarse de lo grande a lo pequeño.

• [the landscape], clouds drift slowly to the right, camera holds static, consistent lighting
• [the landscape], water ripples gently, [foreground element] sways in a light breeze, camera holds static
• [the landscape], fog rolls slowly forward from the background, camera holds static
• [the landscape], sun light shifts from warm to cool across the scene, camera holds static

Entradas abstractas y estilizadas

Las imágenes abstractas no tienen lógica física en la que apoyarse, así que indica explícitamente la geometría del movimiento.

• [the abstract shapes], expand outward from the center at a steady rate, camera holds static
• [the abstract shapes], flow in a continuous horizontal loop, camera holds static, stable palette
• [the abstract shapes], slowly morph into softer forms, camera holds static
• [the abstract shapes], pulse gently in place, rhythm stays even, camera holds static

Lee el patrón

El esqueleto de cada receta anterior es el mismo: verbo + dirección + intensidad. Cuando un vídeo falla, el punto de corrección casi siempre está en una de estas tres partes: el verbo equivocado (¿rotar o trasladar?), la dirección ausente o la amortiguación de intensidad ausente.

Recetas de descripción de cámara

El lenguaje de cámara solo funciona cuando está aislado. Estas formulaciones asumen que la cláusula del sujeto ya existe y no menciona la cámara.

Cámara fija

• camera holds static, locked-off shot
• camera is completely still, no movement

Cuando el contenido de la escena es ajetreado, vale la pena usar la formulación explícita no movement; le da al modelo una restricción dura contra el movimiento ambiental del sujeto.

Paneo

• camera pans slowly left across the scene
• camera pans right at a steady rate
• camera pans horizontally, constant speed

Incluye siempre una dirección y una palabra de velocidad (slowly, steady, constant). De lo contrario, los paneos suelen acelerar o invertirse a mitad del vídeo.

Acercamiento y alejamiento

• camera slowly pushes in toward the subject
• camera pulls back gradually, revealing more of the scene
• camera dolly-in at a slow, even pace

El acercamiento y el alejamiento son el movimiento de cámara individual más potente para dar vida a una imagen de referencia estática. Combínalos con un sujeto que apenas se mueva para obtener el máximo control.

Órbita y arco

• camera orbits slowly around the subject, arc of about 30 degrees
• camera arcs to the right, maintaining distance from the subject

La órbita es el movimiento de cámara que más falla en imagen a vídeo, porque mostrar un lado no visto requiere que el modelo invente geometría de la nada. Mantén el arco corto y dilo explícitamente. Si el vídeo se rompe, reduce la formulación del arco a slight arc o retrocede al acercamiento.

Inclinación y movimiento vertical

• camera tilts upward slowly
• camera rises vertically, keeping the subject centered

Combinar movimiento del sujeto y movimiento de cámara

Cuando tanto el sujeto como la cámara se mueven, mantén sus direcciones compatibles en lugar de opuestas:

the runner, jogs slowly toward the camera, camera pulls back at the same pace, outdoor daylight, consistent lighting

Sujeto avanzando más cámara retrocediendo se lee como un plano de seguimiento estable. Sujeto avanzando más cámara también acercándose se lee como una trayectoria de colisión, que normalmente deforma la imagen.

Un solo movimiento de cámara por vídeo

No superpongas paneo, acercamiento e inclinación. Un movimiento de cámara con nombre produce un vídeo predecible; dos movimientos competidores producen un efecto de compromiso que se lee como deriva. Si un plano concreto realmente necesita un movimiento compuesto, pruébalo primero por separado y luego combínalo con el movimiento del sujeto.

Una plantilla de receta copiable y adaptable

Esta es la plantilla completa. Rellena los corchetes, elimina las líneas opcionales que no necesites y mantén el orden de las cláusulas fijo.

[subject anchor], [motion verb] [direction] [intensity], camera [camera move] [rate], [style constraint], [consistency guardrail]

Ejemplo: vídeo de producto

the ceramic vase, rotates slowly clockwise, camera holds static, studio product lighting, consistent shadows, no flicker

Ejemplo: vídeo de retrato

the woman, turns her head slightly to the right and blinks, camera slowly pushes in, photorealistic, natural skin texture, consistent lighting

Ejemplo: vídeo de paisaje

the mountain ridge, clouds drift slowly to the right, camera pans slowly left, cinematic color grade, consistent lighting

Construye tu propia receta en cuatro pasos

1. Escribe el ancla del sujeto como un sintagma nominal. No describas: solo nombra.
2. Elige un movimiento de las recetas de esta guía y modifica solo las palabras de dirección e intensidad.
3. Elige una frase de cámara y asegúrate de que no contradiga el movimiento del sujeto.
4. Añade una restricción de estilo y una barandilla de consistencia (consistent lighting, no flicker, stable palette).

Guarda la plantilla rellenada como un archivo de texto plano, una línea por receta, con nombres según la intención (portrait-headturn, product-rotate, landscape-clouds). Ese archivo se convierte en tu biblioteca de recetas, y cada nuevo experimento empieza copiando una línea existente en lugar de escribir desde cero.

Versiona la plantilla en sí

Si te descubres añadiendo una quinta ranura repetidamente, por ejemplo una cláusula de iluminación, promuévela deliberadamente a la plantilla y actualiza todas las recetas de una vez. Las adiciones improvisadas son precisamente lo que hace que las plantillas degeneren en párrafos.

Iterar en pasos controlados

La iteración de prompts falla a menudo porque cambias varias cosas a la vez y no puedes atribuir el resultado. La solución es de proceso, no creativa.

Cambia solo una variable por ejecución

Genera primero una línea base y luego, en cada ejecución, cambia solo uno de los siguientes elementos:

• Verbo de movimiento
• Dirección
• Calificador de intensidad
• Movimiento de cámara
• Velocidad de cámara
• Restricción de estilo

Mantén todo lo demás idéntico byte a byte. Es la misma disciplina que un experimento controlado y la única forma fiable de saber a qué responde el modelo.

Lleva un registro de comparación

El registro puede ser un archivo de texto plano o una hoja de cálculo. Anota en cada ejecución:

• Nombre de la receta
• Texto completo del prompt
• Qué variable única se cambió respecto a la ejecución anterior
• Conclusión breve: keep, reject o needs another pass

Como los prompts son texto plano, pegar el prompt completo cuesta muy poco y hace que cada ejecución sea totalmente reconstruible. No resumas el prompt en el registro: cópialo tal cual.

Compara con una línea base fija

El hábito más útil es mantener una receta de referencia para cada tipo de sujeto y regenerarla cada vez que cambies algo más en el pipeline. Si la línea base sigue viéndose correcta, tu pipeline es estable y cualquier diferencia se puede atribuir a los cambios del prompt. Si la línea base ha cambiado, detén el trabajo de prompts e investiga primero el pipeline.

Prueba en lotes pequeños, revisa en grupo

Cuando pruebes una dirección o una palabra de intensidad, ejecuta un lote pequeño de variantes en lugar de un solo vídeo. Revísalas en paralelo, elige la mejor y elimina el resto de la biblioteca. Conservar cada variante convierte la biblioteca de recetas en un archivo ilegible.

Promociona las ganadoras y elimina las perdedoras

Cuando una variante supere claramente a la línea base, sobrescribe la entrada de la línea base en la biblioteca y anota la fecha. La biblioteca de recetas debe contener siempre la mejor receta conocida actualmente para cada intención, no el historial de cada intento.

Modos de fallo habituales y cómo reestructurar el prompt

La mayoría de los problemas de imagen a vídeo son en realidad problemas de prompt disfrazados de problemas de configuración. Antes de tocar cualquier otro parámetro, prueba las siguientes reestructuraciones.

Vídeo excesivamente animado

Síntoma: todo se mueve: el sujeto, el fondo, la iluminación; la imagen se ve ruidosa.

Reestructuración: refuerza la amortiguación de intensidad (slowly, subtly, gently), congela explícitamente la cámara (camera holds static, no movement) y añade una barandilla de consistencia (consistent lighting, no flicker). Si aún persiste, elimina un movimiento secundario de la cláusula del sujeto.

Vídeo casi estático

Síntoma: la salida es básicamente la imagen de referencia, con solo un parpadeo tenue.

Reestructuración: haz el verbo de movimiento más fuerte y más físico (usa rotates en lugar de shifts, usa walks toward the camera en lugar de moves). Si falta dirección, añádela. Si el sujeto debe permanecer inmóvil, añade en su lugar un movimiento de cámara: un acercamiento lento crea movimiento percibido sin tocar el sujeto.

Deriva de identidad del sujeto

Síntoma: los rostros, logotipos o formas de producto se deforman a lo largo del vídeo.

Reestructuración: acorta el ancla del sujeto y deja de volver a describir detalles visibles. Añade subject remains unchanged o stable [feature] a la restricción de estilo. Los movimientos de cámara amplios que revelan nuevos ángulos agravan la deriva: reduce el arco o elimínalo.

La cámara y el sujeto se pelean

Síntoma: la imagen se ve inestable aunque ambas cláusulas parezcan razonables.

Reestructuración: comprueba las direcciones. Los vectores opuestos (el sujeto se mueve a la izquierda, la cámara panea rápido a la derecha) crean un conflicto evidente. Alinéalos o reduce uno de ellos a slowly.

Dos movimientos compiten

Síntoma: ninguno de los dos movimientos se completa; ambos se ven a medias.

Reestructuración: sepáralos en dos recetas, generando un solo movimiento por vídeo. Si realmente necesitas ambos, ordénalos (first [motion A], then [motion B]) y acepta un resultado más laxo.

El estilo deriva hacia lo genérico

Síntoma: el vídeo se ve más suave y más "de IA" que la imagen de referencia.

Reestructuración: reitera explícitamente el medio en la ranura de estilo (flat illustration, 35mm film look, product photography) y añade stable palette, consistent linework donde corresponda.

Regla general

Si tanto cambiar la configuración como cambiar el prompt parecen resolver el problema, prueba primero cambiar el prompt: es más rápido, las pruebas son gratuitas y mantiene tu pipeline comparable entre ejecuciones. Solo toca la configuración cuando un prompt reestructurado siga fallando en la misma dirección.

Una vez que una receta sobrevive a estas reestructuraciones, guárdala. Una biblioteca pequeña de recetas estructuradas probadas vale más que cualquier prompt ingenioso individual, y es lo que hace que la imagen a vídeo de kandinsky-6.0-pro sea reproducible en tu pipeline.