Prompts de texto a vídeo de Ray 3.2: 5 recetas y clips reales

TL;DR

• El texto a vídeo de Ray 3.2 no tiene fotograma de entrada, así que el prompt debe construir todo el plano: sujeto, composición del primer fotograma, movimiento de cámara, ritmo, iluminación y una breve lista de negativos. Esa es la habilidad central que entrena esta página.
• Abajo hay cinco prompts listos para copiar y pegar que escribimos y ejecutamos nosotros mismos en ray-3.2/text-to-video, cada uno con el clip que realmente genera incrustado. Cada clip es una generación de 5 segundos; cuatro en 540p y uno en 720p.
• Un prompt fiable de Ray 3.2 sigue siempre el mismo orden: movimiento de cámara → sujeto → entorno → luz y color → negativos. Empieza por la cámara, no por el sujeto.
• Verificado con pruebas antes de publicar: duration acepta 5 o 10, resolution acepta 540p / 720p / 1080p, aspect_ratio acepta seis valores: 16:9, 9:16, 1:1, 4:3, 3:4, 21:9.
• El precio se cobra por clip, no por segundo: un clip de 5 s/540p cuesta $0.2145; 5 s/720p cuesta $0.429 (precios a fecha de 2026-10; consulta la página de precios para la tarifa actual).

Por qué los prompts de texto a vídeo son una habilidad aparte

Si has usado imagen a vídeo, la memoria muscular aquí te engañará. En imagen a vídeo, el primer fotograma ya se le da al modelo, así que tu prompt solo tiene que describir el movimiento. El texto a vídeo empieza desde cero: el modelo inventa a la vez el primer fotograma y el movimiento solo a partir de tu texto. Un prompt que solo dice «la cámara avanza lentamente» no tiene nada hacia lo que avanzar.

Por eso, en ray-3.2/text-to-video, el prompt lleva doble carga: debe componer un fotograma inicial creíble y coreografiar cómo se mueve ese fotograma. Las recetas de abajo se construyen en torno a una estructura que hace explícitas ambas tareas. Si ya tienes una imagen fija que quieres animar, no fuerces el texto a vídeo: usa el endpoint de imagen a vídeo de Ray 3.2, que ancla tu fotograma y solo necesita la mitad de movimiento del prompt.

El esqueleto de prompt que funciona en Ray 3.2

En todas las pruebas, los clips que mantuvieron la coherencia visual siguieron el mismo orden de cláusulas:

1. El movimiento de cámara va primero. «lento travelling cinematográfico», «plano aéreo con deriva lateral», «avance en mano». Ray 3.2 trata la primera cláusula como la instrucción dominante, así que pon ahí el movimiento.
2. El sujeto + su acción. Un sujeto claro haciendo una cosa clara. Dos sujetos en competencia son justo donde el movimiento empieza a dejar estelas.
3. El entorno. Un escenario lo bastante rico para llenar el encuadre, pero sin saturar: las escenas densas sacrifican estabilidad de movimiento.
4. Luz y etalonaje. Aquí es donde Ray 3.2 brilla; responde con fuerza al lenguaje de la luz («hora dorada», «neón cian y magenta», «contraluz»). Di explícitamente el estilo de color.
5. Una breve lista de negativos. Termina con Negative: ... para suprimir los fallos habituales: texto, logos, extremidades deformadas, parpadeo, cortes bruscos.

Basta con mantener el prompt completo en unas pocas frases. Más largo no es mejor; las cláusulas sobrantes diluyen la instrucción de cámara.

Receta 1: empezar por la cámara, un travelling lento

Lección: pon el movimiento de cámara en la primera cláusula y usa 21:9 para una sensación cinematográfica de pantalla ancha.

Plano de travelling cinematográfico lento hacia un farero que está solo en un balcón de hierro desgastado,
con niebla salina a la deriva por el encuadre. Luz de amanecer nublado, azules y grises fríos, sombras suaves y difusas.
La cámara se desliza hacia delante con un ritmo estable y pausado, comprimiendo gradualmente la distancia, con gaviotas cruzando al fondo. Aspecto de lente
anamorphic de pantalla ancha, poca profundidad de campo, grano de película suave. Negativo: sin texto, sin
logo, sin manos deformadas, sin cortes bruscos.

Ajustes: duration 5, resolution 540p, aspect_ratio 21:9. El «travelling cinematográfico lento» inicial hace el trabajo pesado: Ray 3.2 lo lee como la instrucción principal y mantiene el deslizamiento hacia delante estable, sin deriva. «Ritmo pausado» es una frase útil que frena el movimiento rápido y demasiado impaciente que los modelos de texto a vídeo producen por defecto.

Receta 2: plano de establecimiento y ritmo

Lección: un movimiento aéreo de establecimiento con una «revelación» deliberada, y cómo el lenguaje de la luz sostiene el estado de ánimo.

Plano aéreo de establecimiento, deriva lenta al amanecer sobre un valle de arrozales en terrazas, con el sol bajo barriendo en diagonal
los arrozales inundados que reflejan un cielo ámbar. La neblina se acumula en las terrazas inferiores. La cámara se mueve lateralmente
con un ritmo lento y pausado, revelando gradualmente a un agricultor que camina por un estrecho sendero de tierra. Luz cálida de alto rango
dinámico, verdes y dorados intensos, neblina cinematográfica. Negativo: sin texto, sin marca de agua,
sin parpadeo, sin geometría distorsionada.

Ajustes: duration 5, resolution 720p, aspect_ratio 16:9. Dos cosas hacen que este clip funcione. Primera, «revelando gradualmente a un agricultor» da al movimiento lateral un propósito: la cámara tiene adónde ir. Segunda, el tramo de luz («hora dorada», «el sol bajo barriendo en diagonal», «cálido de alto rango dinámico») es de donde sale el aspecto cinematográfico de Ray 3.2; quítalo y te queda un plano de dron plano. También es el clip del que extrajimos el fotograma de portada.

Receta 3: ambiente impulsado por la luz y movimiento en mano

Lección: usa el lenguaje de etalonaje para crear ambiente, y «avance en mano» para obtener energía sin caos.

Callejón nocturno mojado por la lluvia, letreros de neón reflejados en los charcos, vapor que sube de los puestos de comida callejera.
La cámara en mano avanza suavemente por el callejón, los reflejos húmedos parpadean ligeramente con cada paso. Luz de neón
cian y magenta con ambiente, sombras profundas, niebla de luz volumétrica, bokeh cinematográfico de los letreros del fondo.
Negativo: sin texto legible, sin logos, sin personas deformadas, sin parpadeo.

Ajustes: duration 5, resolution 540p, aspect_ratio 16:9. «La cámara en mano avanza suavemente» te da un poco de balanceo orgánico, y «suavemente» impide que se convierta en un plano tembloroso. El negativo sin texto legible es deliberado: las escenas de neón tienden a tentar al modelo a generar letreros ilegibles, y pedir sin texto legible es más fiable que esperar que escriba bien las palabras.

Receta 4: seguir a un sujeto en movimiento

Lección: un plano de seguimiento que mantiene a un único sujeto centrado, y negativos para fallos anatómicos.

Un zorro rojo salta sobre nieve polvo recién caída en un bosque de abedules iluminado por el sol, la nieve se levanta lentamente a contraluz.
La cámara sigue al zorro a su lado con un ritmo estable, manteniéndolo en el centro del encuadre mientras los árboles pasan rápidamente.
Luz clara de mañana de invierno, blancos fríos con una cálida luz de contorno del sol, cristales de nieve brillantes. Negativo:
sin extremidades extra, sin temblor, sin texto, sin cambios de velocidad antinaturales.

Ajustes: duration 5, resolution 540p, aspect_ratio 16:9. «Manteniéndolo en el centro del encuadre mientras los árboles pasan rápidamente» es la frase clave: le dice a Ray 3.2 que el sujeto es el ancla y que el fondo es lo que se mueve, que es exactamente cómo se lee un plano de seguimiento real. El movimiento de animales es lo que más expone los defectos de extremidades, así que sin extremidades extra y sin cambios de velocidad antinaturales se ganan su sitio en la lista de negativos.

Receta 5: formato vertical y inclinación macro

Lección: cambiar a 9:16 para redes sociales, y una inclinación lenta sobre un sujeto macro compacto.

Plano macro vertical, un espresso extrayéndose, la crema oscura girando en una taza de cristal cálida
sobre una encimera de mármol con luz suave de ventana por la mañana. La cámara sube lentamente desde el cabezal de extracción que gotea
hasta la taza terminada. Poca profundidad de campo, tonos cálidos de caramelo, vapor que sube suavemente, acabado comercial de gama alta.
Negativo: sin manos temblorosas, sin derrames, sin superposición de texto, sin bandas de color.

Ajustes: duration 5, resolution 540p, aspect_ratio 9:16. Cambiar a 9:16 no cuesta más: Ray 3.2 cobra por duración y resolución, no por relación de aspecto, así que puedes producir clips verticales para redes al mismo precio que los de pantalla ancha. La inclinación lenta («sube lentamente desde... hasta...») da movimiento a un sujeto macro compacto sin que toda la escena tenga que moverse.

Tabla rápida de ajustes y costes

Parámetro	Valores aceptados
duration	5, 10 (enteros)
resolution	540p, 720p, 1080p
aspect_ratio	16:9, 9:16, 1:1, 4:3, 3:4, 21:9

El precio es una cantidad fija por clip (a fecha de 2026-10):

Clip	Precio
5 s · 540p	$0.2145
5 s · 720p	$0.429
5 s · 1080p	$1.7145
10 s · 540p	$0.643
10 s · 720p	$1.286
10 s · 1080p	$5.143

Un flujo de trabajo sensato es iterar el prompt en 5 s/540p (unos 21 céntimos por intento) y, cuando la composición y el movimiento ya se vean bien, volver a ejecutar a mayor resolución el que conserves. La tabla completa y actualizada está en la página de precios de HiAPI.

Señales de fallo habituales y cómo corregirlas con la redacción

• Movimiento demasiado rápido. Añade «ritmo lento y pausado» en la cláusula de cámara.
• Letreros o subtítulos ilegibles. Pon sin texto legible / sin superposición de texto en los negativos, en lugar de intentar deletrear palabras.
• Estelas o doble imagen en el sujeto. Reduce a un único sujeto y nómbralo como ancla («manteniéndolo en el centro del encuadre»).
• Parpadeo y flicker en escenas de neón o de alto contraste. Añade sin parpadeo, sin flicker.
• Defectos en extremidades de personas y animales. Añade sin extremidades extra, sin manos deformadas.

FAQ

¿Cuánto puede durar un clip de texto a vídeo de Ray 3.2? Dos duraciones: 5 o 10 segundos. El campo duration solo acepta los enteros 5 y 10.

¿Qué resoluciones y relaciones de aspecto se admiten? Las resoluciones son 540p, 720p y 1080p. Las relaciones de aspecto son 16:9, 9:16, 1:1, 4:3, 3:4 y 21:9: seis en total, que cubren pantalla ancha, vertical, cuadrada y anamorphic de pantalla ancha.

¿Cuesta más renderizar clips verticales (9:16)? No. El precio depende solo de la duración y la resolución, así que con la misma duración y resolución, un clip vertical 9:16 cuesta lo mismo que uno 16:9.

¿Puedo dar a Ray 3.2 una imagen inicial en lugar de un prompt de texto? Sí, pero ese es otro endpoint: imagen a vídeo de Ray 3.2 acepta un primer fotograma (y opcionalmente uno final). El texto a vídeo sirve para cuando empiezas desde una descripción y no desde una imagen.

¿Estos prompts exactos reproducirán exactamente estos clips? Los modelos de vídeo no son deterministas, así que obtendrás el mismo estilo y composición, pero no un clip idéntico píxel a píxel. Toma estos prompts como puntos de partida fiables y ajusta las cláusulas de cámara y luz a tu gusto.

¿Quieres probar estos prompts?

Copia cualquiera de las recetas de arriba y ejecútala en la página del modelo de texto a vídeo Ray 3.2: el mismo endpoint /v1/tasks, una sola API key para todos los modelos. Si estás comparando modelos de vídeo, el mismo tratamiento de «copiar y pegar + clips reales» está también en nuestras recetas de prompts de Seedance 2.5 y en los prompts de texto a vídeo de Veo 3.1 Lite, para que veas la misma estructura de prompt funcionando en otro motor antes de decidirte.