Recetas de prompts de imagen a vídeo para Veo 3.1 Fast que los desarrolladores pueden copiar directamente

Por qué la estructura del prompt importa más que la redacción

La mayoría de los prompts de imagen a vídeo fracasan no porque las palabras sean incorrectas, sino porque cambian demasiadas variables a la vez. Cambias un adjetivo y la forma en que la cámara se desplaza cambia, y no tienes forma de saber qué modificación lo causó. Un esqueleto de prompt fijo resuelve este problema: convierte la generación en un experimento controlado.

Trata cada prompt como cuatro bloques independientes: sujeto, pista de movimiento del primer fotograma, formulación de cámara y pista de audio, más un bloque breve de restricciones. Cuando un vídeo se comporta de forma anómala, cambias un solo bloque y vuelves a ejecutar. Si el sujeto se deforma, solo tocas la pista de movimiento. Si la cámara parece plana, solo tocas la línea de cámara. Esta es la diferencia entre depurar y apostar.

Esta estructura también hace que tus prompts sean portables. Una receta que ajustaste para un primer fotograma se traslada directamente al siguiente material, porque las posiciones de los campos no cambian: solo cambian sus valores.

Anatomía de la receta: los campos de cada prompt

Cada receta de esta guía usa los mismos cinco campos, en el mismo orden. Una vez que entiendas qué controla cada campo, podrás componer variantes tú mismo en lugar de adivinar.

Sujeto

Una descripción breve y concreta de lo que ya es visible en el primer fotograma. Es un ancla, no una reimaginación: nombra el objeto, su material y su rasgo visual más estable. Limítalo a una frase. Si la imagen ya es una taza de cerámica roja sobre una mesa, dilo tal cual; no describas una cocina.

Pista de movimiento del primer fotograma

Este es el campo que la mayoría de la gente equivoca. Declara qué debe moverse desde el fotograma cero: qué elemento, en qué dirección, a qué ritmo. Escríbelo como una única acción vinculada a una parte visible de la imagen, no como una descripción general de la escena.

Formulación de cámara

Especifica el comportamiento de la cámara virtual en una línea propia. Acercamiento, travelling, órbita, deriva a mano alzada. El lenguaje de cámara influye más en la energía percibida que la mayoría de los adjetivos de movimiento, así que dale su propio campo en lugar de enterrarlo en la frase del sujeto.

Pista de audio

Describe el sonido que debería acompañar a la acción visible. Vínculalo a un evento que puedas ver —una puerta que se cierra, pasos, viento sobre tela— en lugar de palabras emocionales como «cinematográfico» o «épico».

Restricciones negativas

Una lista breve de lo que hay que evitar: sin superposición de texto, sin extremidades extra, sin cambios de escena. Mantenla corta; las listas negativas infladas compiten con tus instrucciones positivas.

Recetas copiables para el movimiento del primer fotograma

Estos patrones asumen que proporcionas una imagen estática y quieres que la animación crezca a partir de ella. Pégalos como línea de pista de movimiento y sustituye las partes entre corchetes por tu sujeto.

El sujeto entra en cuadro

[sujeto] entra en el encuadre desde el borde izquierdo, se desplaza lentamente hacia dentro y se detiene cerca del centro. Úsalo cuando el primer fotograma deje espacio vacío que el sujeto pueda ocupar. El movimiento es direccional y fácil de verificar en una primera visualización.

El sujeto sale de cuadro

[sujeto] se desplaza hacia el borde derecho y abandona el encuadre a una velocidad de paso constante. Adecuado para transiciones y remates de plano. Salir de cuadro es más fácil de controlar que entrar, porque el destino es inequívoco.

El sujeto se transforma o cambia de estado

[sujeto] cambia de forma lentamente —[cambio concreto, por ejemplo, la tela ondula y luego se aplana]— mientras permanece en su sitio. Señala la parte exacta que cambia. Las solicitudes de transformación vagas producen artefactos de fusión; señalar la parte mantiene al modelo enfocado.

El sujeto reacciona

[sujeto] gira ligeramente la cabeza hacia la fuente de luz y luego se queda quieto. Las pistas de reacción funcionan bien cuando el primer fotograma ya sugiere atención: un rostro, un animal, un personaje. Mantén la reacción pequeña y única.

Para los cuatro patrones anteriores, mantén la pista en una sola frase y una sola acción principal. Superponer dos acciones en la misma línea es la causa más común de que un vídeo parezca inestable.

Recetas copiables para la formulación de cámara

La formulación de cámara merece su propia línea porque moldea la sensación del vídeo de forma independiente al comportamiento del sujeto. Estos patrones funcionan bien con un primer fotograma estático.

Acercamiento lento

Cámara: acercamiento lento hacia [sujeto], sin desplazamiento lateral. La opción predeterminada más segura. Añade intención sin introducir nueva geometría, por lo que rara vez entra en conflicto con la pista de movimiento.

Travelling hacia atrás

Cámara: travelling hacia atrás desde [sujeto], revelando el espacio circundante. Úsalo cuando el primer fotograma sea cerrado y quieras que aparezca el entorno. Combínalo con un sujeto que permanezca quieto.

Órbita en arco

Cámara: órbita suave en arco alrededor de [sujeto], unos 30 grados, a velocidad constante. La órbita aporta una sensación tridimensional, pero puede revelar detalles ausentes detrás del sujeto. Úsala solo cuando el primer fotograma sugiera un entorno completo.

Deriva a mano alzada

Cámara: deriva a mano alzada con un ligero balanceo vertical, como si se sostuviera a la altura del pecho. Añade energía documental. Mantén el balanceo sutil; los movimientos amplios a mano alzada tienden a emborronar los detalles finos.

Una regla práctica: una sola instrucción de cámara por prompt. Si quieres un acercamiento y una órbita en el mismo vídeo, genera dos planos y córtalos juntos. Los términos de cámara en conflicto son la vía más rápida a una imagen borrosa y a la deriva.

Recetas copiables para audio nativo

Los prompts de audio funcionan mejor cuando describen sonidos causados por una acción visible. El modelo solo puede alinear lo que puede ver, así que vincula cada solicitud de audio a un evento del plano.

Ambiente anclado a la acción

Audio: suave ruido de fondo interior, acompañado del sonido de [acción visible, por ejemplo, pasar una página], sincronizado con el movimiento en pantalla. Este es el patrón más fiable. La acción da al audio un ancla temporal.

Impacto en el tiempo

Audio: un impacto suave cuando [sujeto] se asienta, seguido de silencio. Úsalo cuando la pista de movimiento tenga un punto final claro. Un evento, un sonido.

Lecho ambiental

Audio: ambiente exterior tenue —pájaros lejanos, viento apenas audible— continuo y a bajo volumen en la mezcla. Adecuado para planos de establecimiento con movimiento de cámara lento. Mantén la descripción del lecho lo bastante genérica para que no entre en conflicto con el plano.

Solicitudes de audio que suelen ignorarse

Las palabras emocionales abstractas —«épico», «cinematográfico», «emotivo»— no dan al modelo nada visible con lo que sincronizar. Las solicitudes de diálogo tampoco son fiables en clips cortos: sin boca visible y una frase definida, el resultado suele ser un murmullo indistinguible. Si necesitas habla, planifícala como un paso aparte. Mantén cada línea de audio en una frase y haz referencia a algo que la cámara pueda ver.

Combinar recetas en un flujo de trabajo plano a plano

Una vez que los campos son estables, encadénalos en un flujo de trabajo repetible plano a plano.

Construye un plano a la vez

Una imagen, una pista de movimiento, una línea de cámara, una línea de audio, una línea de restricciones. Ensambla el prompt en este orden cada vez. Esa consistencia es lo que hace posible el trabajo por lotes.

Genera variantes en paralelo

Mantén el sujeto y las restricciones fijos y cambia solo la línea de cámara o de movimiento en lotes pequeños: de tres a cinco ejecuciones por plano suelen bastar para ver un patrón. Como los demás campos están congelados, las diferencias en la salida pueden atribuirse al campo que modificaste.

Guarda las recetas ganadoras

Cuando una combinación funcione, guarda el texto completo del prompt como una receta con nombre. Tras varios proyectos, habrás acumulado una biblioteca personal de líneas de movimiento, cámara y audio verificadas que funcionan bien juntas.

Itera sobre el campo más débil

Después de cada ronda, pregunta qué campo produjo el peor artefacto y cambia solo ese. Un presupuesto realista es de dos a tres rondas de refinamiento por material; esperar el vídeo final en la primera generación no lo es.

El mismo flujo de trabajo se aplica al endpoint de imagen a vídeo veo-3.1-fast, así que un prompt validado una vez sigue siendo válido cuando aumentas la producción.

Modos de fallo comunes y cómo depurarlos

La mayoría de los vídeos malos se remontan a unos pocos problemas de prompt. Cada uno tiene una solución que requiere cambiar una sola cosa.

Prompt sobrecargado

Síntoma: el sujeto se funde o la escena se reordena por sí sola. Causa: demasiadas instrucciones compitiendo en una sola línea. Solución: recorta el prompt a los cinco campos y elimina cada adjetivo que no aporte. Si una frase describe dos acciones, sepárala.

Términos de cámara en conflicto

Síntoma: deriva indefinida, temblor o una cámara que nunca elige dirección. Causa: dos o más instrucciones de cámara en el prompt. Solución: conserva solo una línea de cámara. Deja el segundo movimiento para un plano aparte.

Audio sin anclar

Síntoma: el audio se siente desconectado o genérico. Causa: palabras emocionales en lugar de sonidos vinculados a la acción. Solución: reescribe la línea de audio en torno a un evento visible: un asentamiento, un giro, un paso.

La pista de movimiento describe toda la escena

Síntoma: todo se mueve un poco, pero nada se mueve de forma convincente. Causa: la pista nombra la escena en lugar de un elemento individual. Solución: elige un sujeto y una dirección, y escríbelos de forma explícita.

Negativos inflados

Síntoma: el modelo parece ignorar la mitad de tus instrucciones. Causa: una lista larga de negativos diluye el prompt positivo. Solución: recorta los negativos a dos o tres elementos, dirigidos solo a los artefactos que realmente has visto.

Depura un campo a la vez y anota lo que cambiaste. Las recetas de aquí son solo un punto de partida: es de esperar que necesites dos o tres rondas para ajustarlas a tu primer fotograma concreto antes de que resulten fiables.