Guía de uso
Recetas de prompts de imagen a vídeo para MiniMax H3 Max orientadas a desarrolladores
Estructuras de prompt, redacción de movimiento de cámara y listas de negativos listas para copiar y pegar, para que las pruebes con tus propios primeros fotogramas
En esta página
Por qué la estructura del prompt importa más que su longitud
La mayoría de los resultados decepcionantes de imagen a vídeo no provienen de prompts demasiado cortos, sino de prompts extensos, vagos y contradictorios: un muro entero de adjetivos cinematográficos que nunca le dice al modelo qué contenido debe conservarse y qué contenido debe moverse.
En imagen a vídeo, el primer fotograma ya contiene la mayor parte de la información visual: identidad, composición, iluminación, tono de color y textura. La responsabilidad de tu prompt es más acotada de lo que crees. Debe (1) confirmar lo que debe permanecer sin cambios, (2) especificar lo que debe cambiar y (3) describir cómo se mueve la cámara mientras ocurren esos cambios. Adjetivos como "épico" o "sobrecogedor" no corresponden a ninguna de estas tres responsabilidades.
El esqueleto de la receta
Cada receta de este artículo usa los mismos seis bloques, en el mismo orden:
- Sujeto: quién o qué aparece en la imagen, con los detalles identificativos que deben conservarse.
- Estado del primer fotograma: qué muestra la imagen fija: pose, composición, dirección de la luz, planos del fondo.
- Movimiento: el único movimiento principal de la escena, más cualquier movimiento secundario.
- Cámara: un tipo de movimiento, una dirección y una magnitud aproximada.
- Ritmo: la duración del plano y si el movimiento se completa o continúa.
- Negativos: los artefactos que quieres suprimir.
Escribir en este orden no es cosmético. Refleja cómo funciona realmente la información de condicionamiento: primero se ancla la imagen fija y luego se describe la cantidad de cambio. Cuando una receta falla, el esqueleto fijo te permite señalar un bloque concreto para modificarlo, en lugar de reescribir todo el texto y adivinar qué frase causó el problema.
Por qué el esqueleto hace comparables las recetas
Si cada prompt es prosa de forma libre, nunca podrás determinar si una salida mejor se debe a la nueva redacción de la cámara o a que también reescribiste la descripción del sujeto por casualidad. El esqueleto convierte el ajuste de prompts de una artesanía manual en un experimento controlado: mismo sujeto, mismo estado del primer fotograma y solo un bloque modificado.
Mantén cada bloque breve: una cláusula, no un párrafo. El objetivo es obtener un prompt que pueda compararse línea por línea en una revisión de código.
El bloque de descripción del primer fotograma
El bloque del primer fotograma existe para combatir la deriva. Los modelos de imagen a vídeo se condicionan con la imagen fija de entrada, pero un prompt que ignora la imagen fija —o peor aún, que la contradice— induce al modelo a redibujar tu sujeto como algo genérico. Tu descripción debe leerse como una anotación del fotograma que realmente subiste, no como una lista de deseos para otro fotograma.
Anota, no reimagines
Cubre brevemente cuatro aspectos:
- Identidad del sujeto: los detalles que no pueden cambiar: largo y color del cabello, corte de la chaqueta, posición de la etiqueta del producto, ritmo de las ventanas del edificio.
- Composición: primer plano, plano medio, plano general; la posición del sujeto en el encuadre ("centrado", "tercio izquierdo"); cuánto espacio libre hay sobre la cabeza o cuánto suelo se ve.
- Dirección y textura de la luz: "luz principal suave desde la izquierda de la cámara", "contraluz dura con luz de contorno en los hombros", "cielo nublado, sin sombras marcadas".
- Planos del fondo: qué hay detrás del sujeto y qué tan lejos parece estar: "calle urbana desenfocada", "fondo de tela liso sin costuras", "línea de árboles a unos diez metros".
Patrones de redacción que funcionan
Sujeto: una mujer de unos treinta y tantos años, cabello oscuro a la altura de los hombros, chaqueta de campaña verde oliva, sin gafas.
Primer fotograma: plano medio corto, centrado, barbilla a la altura del centro del encuadre, luz principal suave desde la izquierda de la cámara, luz fría de relleno en la mejilla derecha, escaparate desenfocado a distancia de calle detrás.
Fíjate en lo que falta: sin adjetivos emocionales, sin historia de fondo, sin instrucciones de color que contradigan la gradación existente de la imagen fija. Estás describiendo, no dirigiendo un rodaje nuevo.
Fallo habitual: la sobredescripción
Si tu bloque del primer fotograma es más largo que el bloque de movimiento, has invertido las prioridades. Las descripciones extensas invitan a las contradicciones: mencionas "luz diurna brillante" cuando la imagen fija es de atardecer, y el modelo tiene que elegir. Cuando la imagen fija y el texto no coinciden, la deriva suele ser el resultado. Escribe este bloque mirando la imagen y luego elimina lo que ya es obvio en ella.
Un hábito práctico: guarda el fotograma de referencia y el bloque del primer fotograma en el mismo archivo, uno junto al otro. Si editas uno, vuelve a leer el otro.
Movimiento de cámara y redacción temporal
El lenguaje cinematográfico vago es la fuente más común de movimiento "aleatorio". "Movimiento de cámara dinámico" no le dice al modelo nada ejecutable. Nombra el movimiento, indica la dirección, indica la magnitud y especifica cuánto dura.
Patrones de redacción para los cuatro movimientos principales
Acercamiento / travelling de avance
Cámara: acercamiento lento al rostro del sujeto, aproximadamente un 15% durante todo el plano, sin rotación.
Barrido
Cámara: barrido horizontal estable, de izquierda a derecha, velocidad media, horizonte nivelado.
Órbita
Cámara: órbita lenta alrededor del sujeto, unos 30 grados hacia la derecha de la cámara, sujeto centrado, paralaje del fondo visible.
Cámara fija + movimiento del sujeto
Cámara: bloqueada, sin movimiento. Solo se mueve el sujeto.
Cada uno de estos patrones hace tres cosas: un tipo de movimiento, una dirección y una magnitud aproximada. Añadir un segundo movimiento ("acercarse mientras se orbita") está permitido, pero debe ser intencionado: duplica la probabilidad de obtener resultados no deseados.
Tiempo y ritmo
Indica si el movimiento se completa o continúa, y vincúlalo a la duración del plano con palabras sencillas:
- "el acercamiento se completa en el último fotograma"
- "el barrido continúa después de que termine el plano"
- "permanece estático durante la primera mitad y luego comienza a orbitar"
- "toma continua única, sin cortes"
Evita escribir segundos concretos a menos que tu canal de producción fije la duración del clip; si la fija, hacer que la redacción coincida con esa duración elimina toda una clase de fallos. Vale la pena escribir "sin cortes" de forma explícita, porque algunos prompts, de lo contrario, invitan a cortes implícitos.
Palabras de velocidad que realmente significan algo
Sustituye los términos vagos por palabras relativas que el modelo pueda calibrar: "lento", "medio", "rápido", "casi imperceptible". Son mucho más útiles que "cinematográfico", "arrollador" o "dramático", que no tienen ni dirección ni magnitud. Una buena prueba: ¿un fotógrafo que lea tu descripción sabría hacia dónde mover la cámara? Si no, reescríbela.
Listas de negativos según el tipo de contenido
Los negativos son un seguro barato, pero no son universales. Una lista de negativos ajustada para material de talking head puede perjudicar un vídeo de producto en giro. Mantén listas separadas por tipo de contenido y amplía una lista solo cuando veas un artefacto reproducible.
Personas
Negativos: dedos extra, manos deformes, rasgos faciales distorsionados, deriva de identidad entre fotogramas, parpadeo de ojos, dientes extraños, extremidades duplicadas, parpadeo de textura de la ropa
La deriva de identidad y los artefactos en las manos son los dos problemas persistentes. Si el sujeto gira la cabeza o gesticula, añade "la estructura facial no debe deformarse al girar la cabeza".
Productos
Negativos: texto de la etiqueta distorsionado, forma del logotipo alterada, parpadeo de reflejos en la superficie, vibración de geometría de bordes rectos, desviación de color entre fotogramas, aparición de objetos de fondo
Los planos de producto fallan en la consistencia, no en el dramatismo. Los bordes rectos y el texto impreso son los canarios: si la etiqueta "respira", el plano no sirve.
Entornos
Negativos: aparición o desaparición repentina de objetos, temblor de follaje, líneas arquitectónicas curvadas, pulsación del agua, cambios bruscos de iluminación, horizonte inclinado durante el barrido
Especialmente en los barridos, vale la pena incluir "horizonte inclinado" y "distorsión de líneas rectas de edificios".
Ampliar o reducir
Añade un negativo solo cuando puedas reproducir un artefacto en al menos dos ejecuciones con los mismos fotogramas y el mismo prompt. Elimina los negativos que nunca hayas visto activarse, sobre todo si entran en conflicto con tu intención: poner un negativo de "sin movimiento de cámara" en una receta de acercamiento es una contradicción que perjudica la estabilidad. Mantén cada lista en torno a una docena de entradas; las listas de negativos demasiado largas diluyen la guía, igual que los prompts positivos demasiado largos.
Guarda las listas como cadenas con nombre en tu configuración, en lugar de pegarlas en línea en cada prompt, para que todas las recetas del mismo tipo de contenido se mantengan coherentes.
Recorrido por las recetas con resultados reales
Las siguientes recetas están completas y listas para copiar y pegar. Las descripciones de resultados provienen de pruebas realizadas con nuestros propios primeros fotogramas; trátalas como expectativas a verificar, no como garantías, porque tus fotogramas son distintos.
Receta 1: acercamiento en retrato
Sujeto: un hombre de unos cuarenta y tantos años, cabello corto entrecano, jersey de cuello redondo azul marino.
Primer fotograma: plano medio corto, centrado, luz principal suave desde la izquierda de la cámara, fondo desenfocado con luces prácticas cálidas a distancia de habitación.
Movimiento: giro leve de la cabeza hacia la cámara, hombros ligeramente descendidos; sin caminar.
Cámara: acercamiento lento al rostro, aproximadamente un 15% durante todo el plano, sin rotación.
Ritmo: toma continua única, el acercamiento se completa en el último fotograma.
Negativos: dedos extra, rasgos faciales distorsionados, deriva de identidad entre fotogramas, parpadeo de ojos, cambios bruscos de iluminación.
Resultado: la identidad se mantuvo y el acercamiento pareció intencionado, no un recorte con zoom. Una versión anterior carecía de "sin rotación" y produjo un ligero balanceo que hacía que la imagen pareciera tomada a mano.
Receta 2: giro de producto
Sujeto: una taza de cerámica mate con una etiqueta impresa en un lado.
Primer fotograma: producto centrado sobre un fondo de tela liso gris claro, luz cenital suave, sombra de contacto tenue.
Movimiento: el producto no se mueve por sí mismo; la etiqueta se vuelve legible a medida que cambia el ángulo de visión.
Cámara: órbita lenta hacia la derecha de la cámara, unos 30 grados, sujeto centrado.
Ritmo: continuo, la órbita continúa después de que termine el plano.
Negativos: texto de la etiqueta distorsionado, forma del logotipo alterada, vibración de geometría de bordes rectos, desviación de color entre fotogramas.
Resultado: la etiqueta siguió siendo legible durante la mayor parte del arco; el último tercio mostró una ligera blandura en los bordes, que resolvimos reduciendo el ángulo de órbita a unos 25 grados en lugar de añadir más negativos.
Receta 3: barrido de entorno
Sujeto: una carretera costera vacía a mediodía con cielo nublado, con una barandilla baja en el lado del mar.
Primer fotograma: plano general, la carretera se extiende hacia la derecha, luz difusa plana, sol no visible.
Movimiento: viento suave en la hierba junto a la carretera; el resto está inmóvil.
Cámara: barrido horizontal estable, de izquierda a derecha, velocidad media, horizonte nivelado.
Ritmo: barrido continuo, sin cortes.
Negativos: horizonte inclinado durante el barrido, líneas arquitectónicas curvadas, aparición repentina de objetos, pulsación del agua.
Resultado: el horizonte se mantuvo nivelado porque lo especificamos explícitamente. Sin esa indicación, ejecuciones anteriores derivaron unos pocos grados durante todo el plano: sutil, pero suficiente para que un paisaje amplio se sintiera incorrecto.
Iteración y pruebas de regresión de prompts
Un prompt no es un mensaje de un solo uso, sino un valor de configuración. Trátalo como cualquier configuración que afecte a los resultados: versiona, registra qué produjo y cambia una sola variable a la vez.
El ciclo de una sola variable
- Elige un comportamiento fallido en el resultado (deriva, artefactos en las manos, balanceo de cámara no deseado).
- Determina a qué bloque pertenece: normalmente movimiento, cámara o negativos.
- Cambia solo una cláusula en ese bloque.
- Vuelve a ejecutar con el mismo primer fotograma.
- Conserva o revierte según lo que veas y luego documenta.
Cambiar dos bloques a la vez es exactamente la razón por la que los equipos acaban, seis semanas después, con prompts que nadie puede razonar.
Registra el fotograma, el prompt y el resultado juntos
Cada registro de ejecución debe incluir:
- El hash o ID del fotograma de entrada
- La cadena completa del prompt, incluidos los negativos
- La versión de la receta
- La referencia del resultado y una breve nota sobre si pasó o falló
Esta tríada —fotograma, prompt y resultado— es la clave para que las regresiones sean detectables. Cuando se actualice el modelo subyacente, o cuando ajustes una lista de negativos compartida, puedes volver a ejecutar los fotogramas almacenados y comparar los resultados con los que sabías que eran buenos.
Crea un pequeño conjunto dorado
Conserva de cinco a diez fotogramas por tipo de contenido que representen tu carga de trabajo real: un retrato con giro de cabeza, un producto con texto impreso y un entorno amplio con horizonte. Ejecútalos antes de que cada cambio de receta llegue a producción. Solo lleva unos minutos y detecta la mayoría de las regresiones inesperadas.
Sigue las expectativas, no solo las puntuaciones
Un simple aprobado/suspendido por caso de uso —como "manos limpias", "etiqueta legible" o "horizonte nivelado"— es más útil que una única puntuación subjetiva de calidad, porque te dice qué bloque revisar. Cuando un caso de uso pasa de aprobado a suspendido, sabes exactamente a qué versión de receta y a qué cláusula culpar.
Integra las recetas en tu canal de producción
Una vez que las recetas se estabilicen, no deberían quedarse en una aplicación de notas: deberían pasar al código.
Guarda las recetas como configuración versionada
Guarda cada receta como un objeto estructurado —un campo por bloque— en lugar de una cadena preensamblada. Ensamblar los bloques en el momento de la solicitud te permite compartir los bloques de sujeto y primer fotograma entre recetas y sustituir las listas de negativos según el tipo de contenido. Pon la configuración bajo control de versiones, etiquétala e incluye la versión en cada registro de log.
{
"id": "portrait_pushin",
"version": "3",
"subject": "...",
"first_frame": "...",
"motion": "...",
"camera": "acercamiento lento al rostro, aproximadamente un 15%, sin rotación",
"pacing": "toma continua única, el acercamiento se completa en el último fotograma",
"negatives": "portrait_default"
}
Pruebas por lotes antes de publicar
Ejecuta los prompts ensamblados contra tus fotogramas dorados en un bucle, guarda los resultados junto con el registro de ejecución y revisa los casos marcados antes de promover la versión de la receta. Como cada receta accede al mismo endpoint a través de la misma interfaz, el marco de pruebas por lotes es solo una capa fina sobre tus llamadas normales: no hay casos especiales por modelo que mantener.
Llama al endpoint a escala
En producción, ensambla el prompt a partir de la configuración, pasa tu primer fotograma y envíalo a través de la API. Trata los límites de velocidad y los reintentos como cualquier otra carga de trabajo asíncrona: encola las tareas, adjunta la versión de la receta y el ID del fotograma a cada tarea y escribe la referencia del resultado devuelto en el log. Si una receta se comporta mal en producción, puedes recuperar el fotograma y el prompt exactos que lo produjeron.
Para los parámetros del endpoint, las relaciones de aspecto compatibles y los detalles de solicitud/respuesta, consulta la página del modelo de imagen a vídeo MiniMax H3 Max: las recetas anteriores están diseñadas para aplicarse directamente.
Escribe prompts como escribes código y observa los resultados como observas los resultados de las pruebas; entonces, la imagen a vídeo deja de ser una máquina tragamonedas.
Artículos relacionados
Ver todos los artículos →-
Guía de uso
Guía de inicio con gpt-6.2-sol: límites de capacidad, integración vía API y consideraciones sobre el precio por token
Puntos clave de decisión e implementación de la integración para equipos de ingeniería
-
Guía de uso
Guía de inicio de gpt-6.2-astra: límites de capacidad del modelo de texto, puntos clave de integración y control de costes
-
Guía de uso
Guía de inicio de Tripo H3.1: cómo elegir entre tres modos de entrada, parámetros y precios
Guía práctica de decisiones de integración y control de costes de la generación 3D para desarrolladores