Guía de uso
Fórmulas de prompts de texto a vídeo para Seedance 2.5, listas para copiar y pegar
Estructura de guion gráfico de 30 segundos en una sola toma, formulaciones de movimiento de cámara y ritmo, indicaciones de audio nativo y prompts negativos; además, notas de rendimiento basadas en resultados reales
En esta página
Qué hace que un prompt de texto a vídeo sea estable
En Seedance 2.5, la mayoría de los prompts no fallan por falta de creatividad, sino por instrucciones ambiguas que el modelo interpreta de forma distinta en cada ejecución. Un prompt que dice «una escena de persecución cinematográfica» deja en manos del modelo la invención del sujeto, la cámara, el número de cortes y el ritmo. Cada generación se convierte en un lanzamiento de moneda.
Los prompts estables comparten una característica: cada componente es explícito y está ordenado. Imagina el prompt como una pila de seis capas que describen conjuntamente una toma continua:
- Sujeto: quién o qué aparece en pantalla, con suficientes detalles visuales para fijar su identidad (edad, vestimenta, materiales, paleta de colores).
- Compases de acción: qué ocurre, en el orden en que ocurre, como una serie de eventos visibles.
- Cámara: una trayectoria continua y un vocabulario de movimiento, no una lista de tomas.
- Ritmo: la velocidad relativa con la que se despliegan los compases entre sí.
- Audio: sonido diegético vinculado a la acción visible.
- Negativos: lo que nunca debe aparecer.
La restricción clave es esta: Seedance 2.5 de texto a vídeo funciona mejor cuando el prompt describe un único movimiento de cámara ininterrumpido. En cuanto el prompt sugiere varios lugares o cortes, el modelo debe inventar transiciones por su cuenta, y las transiciones son precisamente donde primero se manifiestan la deriva, la deformación del movimiento y la ruptura estilística. Por eso el esqueleto de fórmula que sigue coloca todo en una misma línea de tiempo, en lugar de escribir instrucciones escena por escena.
Segunda regla: describe, no etiquetes. «Dolly in lento» es una etiqueta. «La cámara avanza a velocidad de caminata y, en el último compás, se cierra de un plano general a un plano medio corto» es una descripción. Las etiquetas se reinterpretan; las descripciones se siguen.
Plantilla de fórmula de 30 segundos en una sola toma
Esta es la estructura base. Rellena el contenido entre corchetes y mantén el orden: ese orden es lo que mantiene la toma continua.
Toma única continua, 30 segundos, sin cortes.
Sujeto: [una persona / un objeto / una criatura], [edad o tamaño], [vestimenta o material], [detalle que lo identifique].
Escena: [lugar], [hora del día], [cualidad de la luz], [clima o atmósfera].
Compases (en orden, una sola toma continua):
1. 0-8 s: [acción inicial que establece al sujeto y el espacio]
2. 8-15 s: [el sujeto inicia la acción principal; la cámara empieza a moverse]
3. 15-23 s: [momento culminante: la acción más clara y legible]
4. 23-30 s: [acción de cierre; la cámara se detiene o se mantiene]
Cámara: [una trayectoria de movimiento], que empieza en [composición] y termina en [composición].
Ritmo: [cadencia general], con el movimiento más rápido cerca del tercer compás.
Audio: [fondo ambiental], más [sonido vinculado al segundo compás] y [sonido vinculado al tercer compás].
Evitar: [lista breve de negativos].
Por qué cuatro compases
Cuatro compases se corresponden limpiamente con 30 segundos y le dan al modelo una cadencia legible. Con menos compases, el modelo rellena con contenido inventado; con más, se apresura y se lee como aceleración o corte. Cada compás debe describir algún cambio visible (una mano en movimiento, una puerta que se abre, el polvo que se posa), no un estado interno.
Mantén la frase de cámara en singular
Escribe una sola trayectoria de cámara y remítete a ella en todos los compases. «La cámara empieza en plano general, se desplaza lentamente en arco hacia la izquierda alrededor del sujeto y termina detrás de su hombro» es una trayectoria. Si escribes una segunda frase de cámara, trátala como una segunda toma y espera un corte.
El tercer compás es tu ancla
Si solo puedes acertar un compás, acierta el tercero. Coloca ahí la acción visualmente más legible: algo que un espectador podría describir viendo un solo fotograma fijo. Los demás compases existen para conducir a él y cerrarlo.
Formulaciones de movimiento de cámara y ritmo que de verdad funcionan
El lenguaje de cámara vago es la primera causa de cortes accidentales. Compara estos pares:
- Vago: «movimiento de cámara dinámico» → Concreto: «la cámara sigue hacia la derecha a una velocidad de caminata constante, manteniendo al sujeto en el centro del encuadre».
- Vago: «ángulo cinematográfico» → Concreto: «empieza en un plano general desde un ángulo bajo y asciende lentamente hasta la altura de los ojos en el último compás».
- Vago: «montaje rápido» → Concreto: «la acción dentro del encuadre se acelera; la cámara en sí se mantiene continua».
Un pequeño vocabulario que rinde bien
Estas descripciones de movimiento se corresponden con trayectorias de cámara físicamente plausibles y suelen mantenerse durante los 30 segundos completos:
- Acercamiento / avance: indica la composición inicial y final (plano general → plano medio corto).
- Alejamiento: indica qué se revela a medida que el encuadre se abre.
- Arco / órbita: indica la dirección y el ángulo, por ejemplo «un cuarto de arco lento hacia la izquierda».
- Seguimiento: indica la dirección y especifica que el sujeto se mantiene dentro del encuadre.
- Grúa ascendente / descendente: indica el cambio de altura en lenguaje llano.
- Cámara fija, movimiento interno: la cámara no se mueve y el sujeto sí; ideal para tomas de producto y retrato.
Escribe el ritmo como velocidades relativas, no como adjetivos
En lugar de «ritmo rápido», describe la relación entre los tiempos de los compases:
Ritmo: los dos primeros compases se despliegan despacio y sin prisa;
el movimiento se acumula en el tercer compás; el último compás se serena y se mantiene inmóvil.
Esto le da al modelo una curva, no una constante. Una curva se lee como algo intencionado; una constante se lee como algo torpe o frenético.
Escribe un solo movimiento por toma
No combines movimientos: «acercarse mientras se orbita y se inclina hacia arriba» exige una trayectoria de cámara que la mayoría de las cámaras reales no puede ejecutar, y el modelo resolverá esa contradicción mediante un corte. Elige un movimiento principal y, si hace falta, uno secundario pequeño, como una ligera elevación.
Escribir indicaciones de audio nativo dentro del prompt
Seedance 2.5 genera el audio junto con el vídeo, pero el audio solo se mantiene coherente cuando se escribe como consecuencia de la acción visible. Las descripciones de sonido desvinculadas de la imagen («música épica, diseño sonoro cinematográfico») suelen producir un fondo genérico que no está sincronizado con nada.
Divide la línea de audio en tres partes
Audio: [fondo ambiental continuo] + [sonido provocado por la acción del segundo compás] + [sonido provocado por la acción del tercer compás]. Sin música.
El fondo ambiental establece el espacio (ruido de interior, viento, tráfico lejano). Los sonidos de acción anclan la sincronía. Especificar si quieres música (y excluirla de forma explícita cuando no la quieras) evita que el modelo añada una banda sonora que luego compita con tu diálogo o tu voz en off.
Vincula cada sonido a algo que esté en pantalla
- Débil: «pasos y una puerta». → Fuerte: «el sonido de botas sobre hormigón mojado cuando el sujeto cruza el encuadre en el segundo compás, seguido del pesado chasquido de un pestillo cuando empuja la puerta en el tercer compás».
- Débil: «ruido de multitud». → Fuerte: «un murmullo grave y difuso de multitud detrás del sujeto, que se eleva ligeramente a medida que la cámara se acerca».
Formulaciones de audio útiles
- «Solo ambiente de interior, sin música»
- «El sonido ambiental continúa sin interrupción durante toda la toma»
- «El sonido sube y baja con el movimiento visible»
- «Sin voz en off, sin diálogo»
Si piensas añadir una voz en off en posproducción, indícalo en el prompt («sin diálogo») para que el modelo no genere voces que compitan con ella. La deriva de audio suele significar que la línea de audio descrita no coincide con lo que muestra la imagen.
Lista de verificación de prompts negativos
Los negativos funcionan mejor como listas breves y concretas dirigidas a los modos de fallo que realmente estás viendo. Las listas genéricas y largas diluyen la atención y pueden suprimir elementos legítimos.
Lista base reutilizable
Evitar: cortes, cambios de escena, múltiples tomas, deriva estilística,
deformación de manos o rostros, extremidades extra, superposición de texto, marcas de agua,
logotipos, subtítulos, parpadeo, zooms repentinos, rampas de velocidad.
Qué previene cada grupo
- Cortes, cambios de escena, múltiples tomas: el estabilizador más importante para prompts largos.
- Deriva estilística: mantiene la iluminación y la gradación de color coherentes del primer al cuarto compás. Añade también anclas estilísticas positivas («iluminación interior cálida y constante»).
- Deformación de manos o rostros, extremidades extra: estabilidad anatómica, especialmente durante el movimiento rápido del tercer compás.
- Superposición de texto, marcas de agua, logotipos, subtítulos: a veces el modelo inventa carteles o subtítulos; excluirlos explícitamente te ahorra trabajo de limpieza.
- Parpadeo, zooms repentinos, rampas de velocidad: defectos de ritmo.
Mantén la lista en torno a una docena de elementos
Si tus negativos superan los doce aproximadamente, lo más probable es que estés compensando un prompt positivo vago. Corrige primero la descripción y luego reduce la lista. Elimina los negativos que no hayan aparecido en tus resultados recientes: los negativos obsoletos pueden bloquear detalles que sí quieres.
Haz que los negativos encajen con la toma
Las tomas de producto necesitan «sin manos en el encuadre» y «sin reflejos del equipo de cámara». Las tomas de retrato necesitan «sin extras en el fondo». Añade negativos específicos de la toma, conserva la lista base y vuelve a probar.
Biblioteca de fórmulas listas para copiar y pegar
Estas son bases funcionales. Ajusta los detalles entre corchetes y mantén la estructura intacta.
Fórmula 1: primer plano de producto, cámara fija
Toma única continua, 30 segundos, sin cortes.
Sujeto: una cafetera de filtro de cerámica mate, [color], sobre una encimera de roble claro.
Escena: cocina minimalista, luz suave de mañana por la ventana a la izquierda, atmósfera tranquila.
Compases:
1. 0-8 s: la cafetera está quieta; del vaso de cristal que hay debajo se eleva vapor lentamente.
2. 8-15 s: una mano entra desde la derecha y levanta la cafetera despacio.
3. 15-23 s: el café se vierte en el vaso en un chorro constante, a contraluz.
4. 23-30 s: termina el vertido; la mano deja la cafetera y sale del encuadre.
Cámara: cámara fija, bloqueada, ligera elevación desde la altura de la encimera hasta un suave ángulo de tres cuartos.
Ritmo: lento y pausado de principio a fin; el movimiento alcanza su punto máximo en el tercer compás.
Audio: ambiente interior silencioso, suave sonido de vertido en el tercer compás, tintineo de cerámica en el cuarto compás. Sin música, sin diálogo.
Evitar: cortes, superposición de texto, logotipos, deformación de manos, parpadeo.
Fórmula 2: persona caminando, toma de seguimiento
Toma única continua, 30 segundos, sin cortes.
Sujeto: una persona de [edad], con un impermeable de [color], capucha bajada, con un bolso de lona al hombro.
Escena: calle urbana estrecha tras la lluvia, atardecer nublado, reflejos en el pavimento mojado.
Compases:
1. 0-8 s: el sujeto camina hacia la cámara con paso relajado.
2. 8-15 s: el sujeto gira y empieza a caminar en paralelo a la cámara.
3. 15-23 s: cruza un charco, el bolso se balancea, el abrigo se hincha con el viento.
4. 23-30 s: afloja el paso y se detiene, mirando fuera del encuadre.
Cámara: seguimiento hacia la derecha a la velocidad del sujeto, manteniéndolo a distancia de plano medio.
Ritmo: cadencia constante, algo más rápida en el tercer compás, que se serena en el cuarto.
Audio: ambiente leve de lluvia, pasos sobre hormigón mojado en los compases 1-3, tráfico lejano. Sin música.
Evitar: cortes, deriva estilística, deformación facial, extremidades extra, subtítulos, rampas de velocidad.
Fórmula 3: revelación de paisaje, toma de alejamiento
Toma única continua, 30 segundos, sin cortes.
Sujeto: una cabaña de madera solitaria en una cresta nevada.
Escena: amanecer alpino, luz dorada de ángulo bajo, niebla tenue en el valle.
Compases:
1. 0-8 s: primer plano de la escarcha en la ventana de la cabaña; desde el interior se filtra una luz cálida tenue.
2. 8-15 s: la cámara empieza a alejarse y revela la puerta y el porche.
3. 15-23 s: el alejamiento continúa y revela la cresta y el valle cubierto de niebla.
4. 23-30 s: la cámara se detiene en el amplio paisaje; sale humo de la chimenea.
Cámara: alejamiento lento y continuo, de primer plano a plano general extremo.
Ritmo: sin prisa, revelación constante, sin aceleración.
Audio: viento y leves pasos sobre la nieve, canto de pájaros lejano. Sin música, sin diálogo.
Evitar: cortes, zoom, superposición de texto, parpadeo, deriva estilística.
Para consultar la lista completa de parámetros admitidos y las capacidades actuales del modelo, visita la página del modelo Seedance 2.5 de texto a vídeo.
Prueba los resultados e itera una sola variable cada vez
La ingeniería de prompts es empírica. El ciclo siguiente convierte los relanzamientos aleatorios en un proceso reproducible.
1. Fija la semilla siempre que sea posible
Si la API ofrece una semilla, mantenla fija mientras cambias el texto del prompt. Lo que estás probando es si un cambio de redacción produce un cambio de comportamiento, no si el modelo tuvo suerte.
2. Cambia una sola variable por ejecución
La ejecución A es tu línea base. La ejecución B cambia solo la frase de cámara. La ejecución C cambia solo la línea de audio. Si cambias tres cosas y la salida mejora, no has aprendido nada reproducible.
3. Vigila las mismas tres señales
- Continuidad de cámara: ¿la cámara se mantiene ininterrumpida?
- Tiempo de los compases: ¿las acciones caen más o menos donde indican las marcas de tiempo?
- Sincronía de audio: ¿los sonidos coinciden con los eventos visibles?
Registra aprobado/fallido para cada ejecución en un diario; los patrones emergen rápido.
4. Lleva un registro de prompts
Anota en cada ejecución: el texto completo del prompt, la semilla, los valores de los parámetros y una línea de nota sobre el resultado. Cuando una generación salga bien, querrás reproducirla exactamente, no aproximarla de memoria.
5. Ejecuta en lote pruebas comparables
Al ajustar la frase de cámara, genera varias variantes del mismo prompt de forma consecutiva y compáralas. La comparación lado a lado supera a la memoria secuencial.
Regla empírica
Si el mismo prompt produce resultados muy distintos en dos ejecuciones consecutivas, es que el prompt está poco especificado: vuelve a añadir detalle a la capa de sujeto y a la de cámara, y luego ajusta cualquier otra cosa.
Modos de fallo comunes y cómo corregirlos
Síntoma: la cámara corta o cambia de lugar a mitad de la toma
Causa: varias frases de cámara o una sugerencia de cambio de escena. Corrección: reduce a una sola trayectoria de cámara, añade al principio «toma única continua, sin cortes» e incluye «cortes, cambios de escena, múltiples tomas» en los negativos.
Síntoma: deriva estilística: la luz o el color cambian a lo largo de los 30 segundos
Causa: falta de anclas estilísticas positivas. Corrección: añade una cláusula de consistencia («iluminación interior cálida y constante») y mantén «deriva estilística» en los negativos.
Síntoma: el modelo se apresura o rellena en la parte central
Causa: tiempos de compás ambiguos, o demasiados o demasiado pocos compases. Corrección: usa cuatro compases con marcas de tiempo y añade una frase de curva de ritmo («el movimiento se acumula en el tercer compás y se serena en el cuarto»).
Síntoma: audio genérico o desincronizado
Causa: los sonidos descritos no tienen una causa visible. Corrección: vincula cada sonido no ambiental a la acción de un compás concreto; si no quieres banda sonora, di explícitamente «sin música».
Síntoma: deformación de manos o rostros durante el movimiento rápido
Causa: demasiado movimiento simultáneo dentro de un compás. Corrección: ralentiza un poco el tercer compás, reduce las acciones simultáneas y añade negativos anatómicos («deformación de manos o rostros, extremidades extra»).
Síntoma: aparecen textos, carteles o subtítulos inesperados
Causa: el modelo inventa rótulos en escenas recargadas. Corrección: añade «superposición de texto, marcas de agua, logotipos, subtítulos» a los negativos y simplifica el detalle del fondo.
Síntoma: el movimiento parece una rampa de velocidad
Causa: el ritmo se describe como «rápido» sin una curva, o hay indicios de velocidad contradictorios. Corrección: describe la velocidad relativa por compases y añade «sin rampas de velocidad» a los negativos.
Empieza con una fórmula que ya sepas que funciona, cambia una sola cosa cada vez y registra los resultados: es el camino más rápido para pasar de prompts ingeniosos a un flujo de trabajo fiable.
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