Blog

Guía de uso

Recetas de prompts de imagen a vídeo para wan2.6-flash: prompts eficaces listos para copiar y pegar

Descripción del primer fotograma, formulaciones de cámara y ritmo, indicaciones de audio nativo, el compromiso del modo rápido 1080P y una lista de prompts negativos

Nov 20, 2026
Ilustración de portada plana con fondo de tinta oscura y cintas líquidas entrelazadas en verde celadón y pizarra que se pliegan unas sobre otras; portada del artículo de la guía.
En esta página

Por qué los prompts de imagen a vídeo necesitan recetas y no un párrafo en prosa

La mayoría de la gente, la primera vez que escribe un prompt de imagen a vídeo, escribe un párrafo: describe de forma densa todo lo que aparece en la imagen y todo lo que espera que ocurra. En un modelo de texto a vídeo tiene sentido, porque el modelo no tiene otra referencia. Pero en imagen a vídeo ocurre lo contrario.

La imagen de entrada ya fija la composición: dónde está el sujeto, cómo es la luz, qué objetos hay en el fondo, la paleta de color, las características de la lente. Si vuelves a describir todo eso en prosa, gastas la mayor parte del presupuesto del prompt en lo que el modelo ya puede ver y dejas muy poco espacio para lo que no ve: cómo se mueve el sujeto, cómo se comporta la cámara a lo largo del tiempo, si el momento debe sentirse rápido o lento y cómo debería sonar la escena.

Piensa en el fotograma fijo como el estado inicial y en el prompt como un conjunto de instrucciones superpuestas a él. Cada instrucción responde a una pregunta distinta:

  • ¿Qué debe permanecer exactamente igual?
  • ¿Qué se mueve y en qué dirección?
  • ¿Cómo se mueve la cámara respecto al sujeto?
  • ¿Cuál es el ritmo de todo el vídeo?
  • ¿Qué oímos?
  • ¿Qué no debe aparecer bajo ninguna circunstancia?

Estas seis preguntas se corresponden de forma natural con unos pocos slots de prompt. Una receta no es más que un orden fijo para rellenar esos slots, de modo que cada plano que generes se describa de la misma manera. Esa consistencia es lo que permite comparar las salidas, y la comparación es justo lo que te permite mejorar el prompt en lugar de ir a ciegas.

Un párrafo en prosa hace que el modelo mezcle todo con el mismo peso. Una receta te permite señalar un slot concreto, cambiar una línea y saber qué ha provocado la diferencia. El resto de esta guía son recetas listas para copiar y pegar para esos slots, junto con los compromisos reales que encontrarás en el modo rápido 1080P.

El fotograma fijo ancla la imagen; el prompt debe guiar las corrientes de movimiento, cámara, ritmo y audio que se bifurcan a partir de él.

El esqueleto de prompt de cinco slots

Cada receta de este artículo rellena el mismo esqueleto. Escríbelo siempre en este orden:

[1] FIRST FRAME: qué hay en el plano y qué debe permanecer igual
[2] CAMERA: un movimiento, una dirección, una velocidad
[3] PACING: el ritmo y cómo evoluciona el movimiento a lo largo del vídeo
[4] AUDIO: ambiente de fondo + cualquier efecto sonoro de evento, ligado al compás visual
[5] CONSTRAINTS: una lista breve de lo que hay que suprimir

Por qué importa el orden

El anclaje del primer fotograma va primero porque las primeras decisiones del modelo tienen que ver con preservar la identidad y la disposición. La cámara va en segundo lugar porque en la mayoría de los planos es la mayor fuente única de movimiento: si el movimiento de cámara es incorrecto, nada más puede salvar el vídeo. El ritmo va en tercer lugar para que las instrucciones de ritmo modelen el movimiento que acabas de describir en lugar de oponerse a él. El audio va en cuarto lugar porque debe seguir el compás visual que ya has definido. Las restricciones van al final, como un cierre compacto.

Un ejemplo completo

FIRST FRAME: mantén intactos el rostro del hombre, su chaqueta y los reflejos en la calle mojada.
CAMERA: lento push in, directamente hacia el sujeto, sin rotación.
PACING: constante y pausado; el movimiento se completa al final del vídeo.
AUDIO: suave ambiente de lluvia; pasos ligeros y continuos.
CONSTRAINTS: sin parpadeo, sin deformación facial, sin temblor de cámara.

Mantén el esqueleto breve

Cada slot debería ocupar de una a tres frases cortas. Si un slot se alarga más, el texto sobrante casi siempre son adjetivos estéticos que no guían el movimiento. Elimínalos y coloca lo que de verdad importa como elementos negativos en el slot de restricciones.

Dos reglas para rellenar el esqueleto

  1. Un solo movimiento de cámara por plano. Usar dos movimientos en un mismo vídeo es la causa más habitual de movimiento tembloroso e ilegible.
  2. Usa verbos concretos, no adjetivos. «La bandera se eleva y se ondula» supera a «una atmósfera dramática y cinematográfica».

El esqueleto es el mismo tanto si animas un retrato, un fotograma fijo de producto o un paisaje. Solo cambia el contenido de cada slot, y de eso tratan las recetas que siguen.

El esqueleto de cinco slots: cinco slots apilados que se rellenan de arriba abajo en cualquier plano.

Describe el primer fotograma para que el movimiento tenga un anclaje

El slot del primer fotograma no es una leyenda de la imagen. Su función es decirle al modelo qué píxeles son portantes, para que no los reinvente.

Nombra los anclajes, no describas la escena

En lugar de describir la imagen entera, enumera los elementos que deben mantenerse durante todo el vídeo:

FIRST FRAME: conserva el rostro y el peinado de la mujer, su abrigo gris, el
marco de la ventana detrás de ella y la lámpara cálida a la izquierda
del encuadre.

No le estás diciendo al modelo qué es la imagen. Le estás diciendo qué partes son clave para la identidad: el rostro, la ropa, los logotipos, el texto, los objetos característicos y la dirección de la fuente de luz principal.

Separa lo fijo de lo que se mueve

La frase más útil de este slot es la que divide el mundo en dos:

FIRST FRAME: el frasco del producto y la mesa permanecen fijos; solo cambian
la cortina del fondo y la luz sobre la superficie del frasco.

Este único patrón suprime la mayor parte del movimiento global no deseado, porque ahora el modelo sabe dónde puede ocurrir el movimiento.

Ancla la postura inicial

Para personas y animales, indica la postura del primer fotograma para que el movimiento tenga un punto de partida:

FIRST FRAME: el sujeto está sentado, con las manos sobre la mesa y la cabeza ligeramente
girada a la izquierda; mantén esta postura inicial al comienzo del vídeo.

Ancla la iluminación

La dirección de la luz es lo que más tiende a desviarse. Una frase corta basta para estabilizarla:

FIRST FRAME: la luz principal se mantiene desde arriba a la derecha, las sombras no cambian.

Qué conviene omitir

  • No repitas la gradación de color, el estilo de película ni los detalles de lente que la imagen ya muestra.
  • No describas objetos que no están en el encuadre y que no quieres que aparezcan.
  • No reformules la apariencia del sujeto con lenguaje florido; una lista breve de anclajes es más potente que un párrafo entero de descripción.

Trata el slot del primer fotograma como una valla. Todo lo que nombres dentro queda protegido; todo lo demás puede moverse libremente, y cómo se mueva lo decides tú en el siguiente slot.

Los anclajes fijos son idénticos en ambos paneles; solo la corriente resaltada se mueve entre fotogramas.

Formulaciones de cámara y ritmo que de verdad mueven la cámara

La formulación de la cámara es lo que más cambia el clip de todos los slots, y es justo aquí donde los adjetivos de estilo vagos causan más daño. «Movimiento de cámara cinematográfico» no le dice nada al modelo. «Lento push in, sin rotación» le dice todo.

Usa un vocabulario reducido de movimientos de cámara

Mantén una lista breve y concreta y elige solo uno por plano:

  • push in (acercarse): la cámara se mueve hacia el sujeto
  • pull out (alejarse): la cámara se aleja del sujeto
  • pan left / pan right (paneo a la izquierda / a la derecha): rotación horizontal sobre el propio eje
  • tilt up / tilt down (inclinación hacia arriba / hacia abajo): rotación vertical sobre el propio eje
  • track left / track right (desplazamiento a la izquierda / a la derecha): desplazamiento lateral a lo largo del costado del sujeto
  • orbit (órbita): girar alrededor del sujeto
  • static (estático): sin movimiento de cámara en absoluto; el movimiento proviene solo de la escena

Añade siempre la velocidad: slow, steady o fast. Y añade siempre lo contrario de lo que te importa: «no rotation», «no handheld shake», «no zoom».

CAMERA: lento push in, frontal y directo, sin rotación, sin temblor.

Un movimiento de cámara con una acción del sujeto

Un plano limpio suele tener exactamente una intención de cámara y una acción dentro de la escena:

CAMERA: lento track a la derecha, manteniendo al sujeto en el centro del encuadre.
PACING: el sujeto gira la cabeza siguiendo la cámara durante todo el clip,
alcanzando la postura final en el último tercio.

Escribe el ritmo como una línea temporal, no como un adverbio

«Despacio» es débil porque no tiene punto de referencia. Ancla el movimiento a la duración del clip:

  • «el movimiento empieza al inicio del clip y se completa al final»
  • «mantén la primera postura durante el compás inicial y luego muévete»
  • «la acción se completa en el último tercio»

Esta formulación evita que el modelo precipite el movimiento en el primer segundo y luego se congele, un fallo muy habitual en clips cortos.

Recetas de ritmo según la intención

# Plano de producto tranquilo
PACING: muy lento, continuo, sin aceleración.

# Revelación
PACING: mantén primero, luego un único movimiento suave que se completa cerca del final.

# Compás de acción
PACING: movimiento inmediato desde el primer fotograma, velocidad constante, sin pausas.

Qué evitar

  • Dos movimientos de cámara en un mismo vídeo.
  • Adjetivos apilados («plano épico, arrollador y dramático») sin dirección ni velocidad.
  • Describir el ritmo solo como un estado de ánimo («tenso») sin referencia temporal.

Si tienes dudas, elige el movimiento más simple. Un plano estático con una acción clara del sujeto resulta más útil que un plano ambicioso con múltiples movimientos que acabará temblando.

Añade indicaciones de audio nativo al prompt

Cuando el modelo admite audio nativo, el slot de audio no es decoración: es una segunda línea temporal que debe alinearse con el compás visual que ya has escrito.

Separa el sonido ambiente del sonido de evento

Toda descripción de audio tiene dos capas:

AUDIO:
  ambiente: lluvia continua sobre el pavimento, zumbido lejano del tráfico
  evento: pasos ligeros que empiezan con el primer paso del sujeto
y continúan hasta el final del clip

El fondo ambiente es continuo; el sonido de evento tiene un momento concreto. Escribirlos por separado evita enterrar una indicación temporal dentro de una gran masa de sonido atmosférico.

Vincula el sonido al compás visual

Haz referencia al slot de ritmo para que el audio y el movimiento compartan el mismo reloj:

PACING: el sujeto levanta la taza durante la primera mitad del clip.
AUDIO: murmullo ambiente de cafetería; un tintineo suave de cerámica en la
segunda mitad, cuando la base de la taza se posa sobre el platillo.

Para clips cortos, uno o dos eventos temporizados bastan. Con más, el audio se vuelve ruidoso y difícil de describir con fiabilidad.

Mantén el vocabulario físico

Describe el sonido como describirías un objeto: fuente, material, distancia.

  • Bien: «pasos secos sobre grava, cerca de la cámara»
  • Débil: «diseño sonoro dramático»
  • Bien: «viento grave, muy lejos, sin voces»
  • Débil: «atmósfera cinematográfica»

Qué no poner en el slot de audio

  • Diálogos y letras de canciones. La voz es un problema aparte y más difícil; describir líneas de diálogo en el slot de audio no es fiable. Si necesitas un plano sin voz, indícalo claramente: «solo ambiente, sin voces».
  • Etiquetas de género musical sin descripción de comportamiento. «Beats lo-fi» es menos útil que «pulso grave constante, sin voces».
  • Sonidos sin fuente visible. Si pides un sonido cuya causa no aparece en el encuadre ni en la acción, el modelo no tiene base para decidir cuándo colocarlo.

Un valor por defecto seguro

Si el plano no necesita detalle de audio, una línea de ambiente es mejor que nada:

AUDIO: solo un fondo interior silencioso, sin voces, sin música.

Esta línea evita voces o músicas aleatorias y mantiene el clip utilizable mientras iteras primero los slots visuales.

Modo rápido 1080P: cuándo merece la pena el compromiso de velocidad

El modo rápido 1080P existe para que puedas iterar rápido. Trátalo como un ajuste por plano, no como un ajuste de proyecto.

El compromiso, en palabras llanas

Una resolución de salida más alta ofrece detalles más limpios, texturas finas más estables y mejor conservación de rasgos pequeños: rostros lejanos, texto, estructuras delgadas. Los modos más rápidos cambian parte de esa fidelidad y estabilidad por un tiempo de respuesta más corto. La elección correcta depende de para qué sirve ese plano en ese momento.

Usa el modo rápido cuando

  • Aún estás buscando el enfoque. Las decisiones de composición, movimiento de cámara y ritmo se ven aunque los detalles finos no estén claros. Haz aquí toda la iteración de tus prompts.
  • El sujeto es grande y simple. Un retrato en primer plano o un producto sobre fondo liso apenas tiene detalle fino que perder.
  • El plano es solo un marcador de posición. Los tiempos de montaje, los storyboards animados y las pruebas de edición no necesitan fidelidad final.
  • Necesitas muchas variantes. Cuando comparas diez movimientos candidatos, la velocidad importa más que el refinamiento.

Gasta más cuando

  • Las texturas finas sostienen el plano. La textura de la tela, los mechones de pelo, la vegetación, las salpicaduras de agua y los fondos densos son donde primero se nota la diferencia de fidelidad.
  • Hay texto o logotipos visibles. Las tipografías pequeñas se degradan enseguida.
  • El clip es la entrega final. Cualquier contenido que se publique para una audiencia merece un procesamiento de mayor fidelidad.
  • Ya has fijado el prompt. Cuando la receta es estable, vuelve a ejecutar el prompt ganador con un ajuste superior en lugar de repetirlo todo.

Un flujo de trabajo práctico

  1. Escribe la receta de cinco slots.
  2. Itera en el modo rápido hasta que la cámara, el ritmo y el audio funcionen correctamente.
  3. Cambia una sola variable cada vez.
  4. Vuelve a ejecutar la receta fijada con un ajuste de mayor fidelidad para obtener la versión final.

La disciplina clave es no mezclar las dos cosas. No pulas la fidelidad mientras el movimiento de cámara sigue mal, ni repitas una y otra vez la composición con ajustes caros.

Puedes probar estas recetas directamente en la página del modelo de imagen a vídeo wan2.6-flash y consultar los detalles actuales de los modos en el panel de precios de esa página, ya que la facturación y la disponibilidad de modos están en la vista de precios del propio sitio, no en cifras fijas dentro de esta guía.

La lista negativa

Los prompts negativos son un seguro barato, pero una lista larga de términos negativos se convierte en ruido. Mantén una lista fija breve y añade solo los fallos que realmente veas.

La lista fija

Toda receta empieza su cierre con este bloque:

CONSTRAINTS: sin parpadeo, sin deformación de rostros ni manos, sin distorsión de
bordes rectos, sin deriva de cámara no deseada, sin artefactos de texto ni marcas de agua.

Esto cubre los fallos más habituales:

  • Parpadeo: el brillo o la textura pulsan fotograma a fotograma.
  • Deformación: rostros, manos y objetos pequeños se fusionan o se disuelven.
  • Distorsión de bordes: las líneas rectas (marcos de puertas, bordes de mesas, contornos de productos) se curvan.
  • Deriva de cámara: la cámara se desplaza lentamente cuando pediste que estuviera estática.
  • Artefactos de texto: el texto limpio de la imagen de origen se convierte en galimatías.

Añade términos negativos según la evidencia

No escribas veinte términos negativos por adelantado. Cuando una ejecución falle de una forma concreta, añade solo una línea que lo describa:

CONSTRAINTS: sin parpadeo, sin deformación, sin deriva de cámara no deseada,
sin personas adicionales entrando en el encuadre.

La última línea se añadió porque la ejecución anterior introdujo un viandante. Anota el motivo en tus notas, no en el prompt, para mantener el prompt limpio.

Formula lo que quieres en positivo

Los términos negativos solo suprimen, no crean. «No desenfoques el fondo» no produce un fondo nítido. Si quieres que algo aparezca, dilo con una instrucción positiva en el slot del primer fotograma o en el de cámara, y deja el slot de restricciones para suprimir lo que no debería aparecer.

No más de cinco elementos por categoría real de fallo

Si tu línea de restricciones empieza a parecer un aviso legal, divide el problema: corrige la deriva de cámara con «sin rotación, sin temblor» en el slot de cámara y mantén breve el cierre de restricciones. Un prompt que es en su mayoría prohibiciones deja muy poco presupuesto para las instrucciones de movimiento que de verdad hacen funcionar el clip.

Itera la receta sin perder el rumbo

Las recetas de esta guía son puntos de partida, no prompts terminados. El flujo de trabajo para convertirlas en algo fiable es aburrido pero eficaz: cambia una sola variable en cada ejecución y anota qué ha pasado.

Cambia un solo slot cada vez

Si el clip no es el correcto, no reescribas todo el prompt por impulso. Identifica el slot que más probablemente sea el responsable y cambia solo ese:

  • Dirección de movimiento incorrecta → slot de cámara.
  • Movimiento demasiado rápido o que termina demasiado pronto → slot de ritmo.
  • Deriva de la identidad del sujeto → anclajes del primer fotograma.
  • Sonidos o voces aleatorias → slot de audio.
  • Artefactos recurrentes → cierre de restricciones.

Cambiar una sola cosa por ejecución significa que solo hay una diferencia atribuible. Si lo reescribes todo a la vez, no aprendes nada, aunque el siguiente clip sea mejor.

Lleva un registro de ejecuciones

Un registro breve sin tabla por plano es suficiente:

plano: product_hero_01
receta: v3
cambio: cámara «lento push in» -> «static, sin movimiento»
resultado: movimiento limpio; la acción del sujeto ahora se lee con claridad
siguiente: probar «push in muy lento» para comparar

Tres campos (qué cambió, qué ocurrió y qué hacer después) bastan para que un prompt sea reproducible en equipo. Cuando alguien pregunte por qué un plano se ve así, el registro da la respuesta.

Congela las recetas ganadoras

Cuando una receta se estabilice, deja de editarla. Cópiala a una biblioteca compartida con un nombre corto y el registro de ejecuciones adjunto. Los nuevos planos deberían partir de la receta congelada más cercana, no de un prompt en blanco. Así es como un conjunto de prompts se convierte en un activo y no en un montón de cadenas desechables.

Saber cuándo parar

La iteración tiene rendimientos decrecientes. Si tres cambios de una sola variable seguidos no aportan una mejora significativa, el problema suele estar en la imagen de entrada y no en el prompt: un primer fotograma con una postura ambigua o un fondo recargado te lo estará poniendo difícil todo el tiempo. Cambia el fotograma fijo y vuelve a ejecutar la receta fijada.

El ciclo es simple: ejecuta, compara, cambia una cosa, anótalo. Si mantienes esta disciplina, la receta te resultará más rápida de usar con cada plano que completes. Si quieres un punto de partida, empieza en la página del modelo de imagen a vídeo wan2.6-flash y rellena los cinco slots con el esqueleto anterior.

Artículos relacionados

Ver todos los artículos →

Empieza a crear con artefactos de IA persistentes

Consigue tu API key y llama a modelos de imagen, vídeo y audio a través de una única API basada en tasks.

Leer la documentación de la API