Generar vídeo con IA: el manual completo (Sora 2, Synthesia y Runway dentro del chat)

Pedirle un vídeo a una IA es fácil. Pedirle el vídeo que tenías en la cabeza es otra cosa. Este artículo es el manual largo: cómo funciona la generación de vídeo en GarBotGPT por dentro, qué proveedor elegir según lo que necesites, cómo escribir prompts que no salgan a la primera por casualidad, qué se le da mal a esta tecnología hoy y qué hacer cuando algo falla.

Es largo a propósito. Está pensado para volver a él, no para leerlo de una sentada. Si tienes prisa, salta al recetario por caso de uso y copia el prompt que más se parezca a lo tuyo.

Lo primero: qué es realmente "generar vídeo con IA"

Hay tres cosas muy distintas que la gente llama "vídeo con IA", y confundirlas es la principal causa de decepción:

1. Texto a vídeo generativo. Describes una escena y un modelo la inventa fotograma a fotograma. No hay cámara, no hay actor, no hay decorado. Todo es síntesis. Es lo más espectacular y lo más impredecible.
2. Avatar sintético leyendo un guion. Hay una persona (digital) que mira a cámara y habla. El encuadre es fijo, el resultado es previsible, y sirve para comunicar información, no para emocionar visualmente.
3. Vídeo cinemático sin voz. Planos bonitos, atmósfera, movimiento de cámara. Sirve de fondo, de recurso, de transición. No cuenta una historia por sí solo.

GarBotGPT tiene las tres. Y cada una está detrás de un proveedor distinto. La mitad de este artículo va de saber cuál pedir.

Los tres proveedores

La generación de vídeo se configura desde el panel de admin, en app_settings.video_config. Ahí se elige el proveedor, la duración por defecto y el formato por defecto. No es una decisión que tome cada usuario en cada mensaje: es una decisión de instalación.

Sora 2 (OpenAI) — vídeo real, y con audio

Es el único de los tres que genera vídeo real a partir de texto y además con sonido. Escribes una escena, y sale una escena, con su ambiente sonoro.

Detalles que importan:

• Tamaños. 1280x720 para horizontal (16:9) y 720x1280 para vertical (9:16). No hay cuadrado: si se pide 1:1, cae a vertical.
• Duraciones permitidas. 4, 8 o 12 segundos. Nada más. Lo que se pide se mapea al valor permitido más cercano por abajo: si el sistema pide 10, salen 8.
• Tiempo de render. Entre unos 30 segundos y un par de minutos, según carga y duración.
• Cómo llega el archivo. Aquí hay una diferencia técnica que se nota en el uso: el MP4 de Sora no es una URL pública. Se descarga autenticado desde la API de OpenAI y se guarda en nuestro propio Storage. Es decir: el vídeo que ves en el chat vive en nuestra infraestructura, con una URL permanente que no caduca.
• Hay que elegirlo a propósito. Y esto es deliberado. La clave de OpenAI ya está configurada en el servidor porque la usa medio producto (chat, transcripción, visión). Si Sora se auto-encendiera por el simple hecho de que existe esa clave, cualquier instalación empezaría a gastar en vídeo de pago sin que nadie lo hubiera decidido. Así que Sora solo se activa si un administrador lo selecciona expresamente en el panel.

Esa última decisión es de diseño, no un olvido. Un sistema que gasta dinero por defecto es un sistema mal hecho.

Synthesia — un avatar que lee tu guion

Aquí no describes una escena: escribes lo que quieres que alguien diga. Synthesia devuelve un vídeo de un avatar mirando a cámara, pronunciando ese texto.

Detalles:

• Con plantilla o sin ella. Si en la instalación hay una plantilla configurada (con su variable de guion), se usa esa: así el vídeo sale con tu marca, tu fondo, tus colores. Si no hay plantilla, o si la plantilla falla porque no existe en la cuenta, el sistema no se rinde: cae a un avatar de catálogo sobre fondo blanco roto. Siempre sale vídeo.
• Límite de guion: 4.000 caracteres. Eso son, a ritmo normal de locución, entre dos y tres minutos de habla. Si escribes más, se recorta.
• Tiempo de render: de uno a cinco minutos. Es el más lento de los tres, y tiene sentido: está sintetizando voz, labios y gesto.

Synthesia es previsible. Eso es exactamente su virtud. Si necesitas que un mensaje llegue igual a mil personas, no quieres creatividad: quieres consistencia.

Runway Gen-3 — plano cinemático, sin voz

El modelo concreto es gen3a_turbo. Genera clips con estética de cine: profundidad, movimiento de cámara, luz trabajada. No lleva audio.

Detalles:

• Proporciones. 1280:768 (horizontal), 768:1280 (vertical) y 960:960 (cuadrado). Es el único de los tres que hace cuadrado de verdad.
• Duración. 5 o 10 segundos.
• Entrega. Devuelve una URL pública del clip, así que el resultado está disponible en cuanto el render termina.

Runway es el recurso: el plano de apoyo, la cabecera, el fondo del texto, la transición. Rara vez es la pieza entera.

Modo automático y modo apagado

Además de elegir un proveedor concreto, hay dos modos:

• Modo auto. Intenta Synthesia primero y, si no está disponible, Runway después. Es el comportamiento histórico y el más conservador: prioriza el caso de uso más común (alguien hablando a cámara) y deja el cinemático como alternativa. Fíjate en un detalle importante: auto nunca elige Sora. Por lo dicho antes, Sora requiere decisión explícita.
• Modo apagado. La generación de vídeo se desactiva por completo. Y no falla en silencio: si pides un vídeo, el chat te responde en lenguaje normal que la función está apagada en el panel de administración. Sabes por qué no ha pasado nada.

Esa última frase resume la filosofía de todo el sistema de vídeo: nunca fallar callando.

Tabla comparativa rápida

	Sora 2	Synthesia	Runway Gen-3
Qué genera	Escena inventada	Avatar hablando	Plano cinemático
Audio	Sí	Sí (la voz del avatar)	No
Duraciones	4, 8 o 12 s	Según guion (hasta 4.000 caracteres)	5 o 10 s
Horizontal	1280x720	Sí	1280:768
Vertical	720x1280	Sí	768:1280
Cuadrado	No (cae a vertical)	No	960:960
Tiempo de render	30 s - 2 min	1 - 5 min	Variable
Entrega del archivo	Descarga autenticada, guardado en nuestro Storage	Descarga y guardado en Storage	URL pública
Se elige en auto	No, hay que activarlo	Sí, primera opción	Sí, segunda opción
Fuerte en	Escenas, ambiente, sonido	Mensaje hablado, consistencia	Estética, atmósfera
Flojo en	Duraciones largas	Todo lo que no sea hablar a cámara	Cualquier cosa con voz

El árbol de decisión, en tres preguntas

No hace falta memorizar la tabla. Con estas tres preguntas aciertas casi siempre:

1. ¿Necesitas que alguien hable a cámara y se le entienda? Sí -> Synthesia. Formación, comunicados, onboarding, explicaciones de producto, mensajes internos.

2. ¿Necesitas que el vídeo tenga sonido ambiente o que la escena sea inventada? Sí -> Sora 2. Escenas, situaciones, atmósferas con audio, anuncios cortos.

3. ¿Necesitas un plano bonito que acompañe a otra cosa (texto, música, voz en off que pondrás tú)? Sí -> Runway. Cabeceras, fondos, transiciones, recursos de stock a medida.

Si respondes que sí a varias, la pregunta real es cuál es la pieza principal y cuál el adorno. La pieza principal manda.

Cómo se pide un vídeo

En el chat, sin más ceremonia. La herramienta de vídeo se activa cuando pides explícitamente un vídeo. Ejemplos que funcionan:

• "Hazme un vídeo de una taza de café humeante sobre una mesa de madera, luz de mañana entrando por la ventana."
• "Genera un vídeo de un avatar explicando esto: [tu guion]."
• "Necesito un clip vertical de olas rompiendo en una playa al atardecer."

Y una cosa que conviene saber: la duración y el formato salen de la configuración del sistema, no de lo que escribas en el prompt. Si pides "un vídeo de 8 segundos en vertical" y el panel está en horizontal a 5 segundos, saldrá horizontal. No es que la IA te ignore: es que esos dos parámetros son ajustes de instalación. Si necesitas otro formato, se cambia en el panel de admin.

Lo que sí controlas por completo desde el prompt es todo lo demás: la escena, el estilo, la luz, la cámara, el ritmo, el tono. Que es, con diferencia, lo que más determina si el vídeo sale bien.

La tarjeta aparece al instante

Esto parece un detalle de interfaz y es en realidad lo que hace la función usable.

Generar vídeo tarda. Entre medio minuto y cinco. Durante ese rato, un chat que se queda bloqueado esperando es un chat inservible. Así que el flujo es asíncrono de verdad:

• La tarjeta del vídeo aparece inmediatamente, en cuanto se acepta el trabajo. No hay espera muda.
• Lleva una barra de progreso real cuando el proveedor lo reporta. Sora, por ejemplo, devuelve un progreso de 0 a 100 y la barra lo pinta. No es una animación decorativa que va a su aire: es el estado del render.
• Se actualiza sola al terminar. No hay que refrescar ni preguntar.
• No bloquea el chat. Puedes seguir escribiendo, hacer otras preguntas, pedir otra cosa. El vídeo sigue cociéndose por su cuenta.
• Cuando está listo, el MP4 se guarda en nuestro Storage con URL permanente, así que el vídeo sobrevive a refrescos, a cerrar la pestaña y a volver mañana.

Esto se arregló en la versión 9.7.418. Antes, el sistema esperaba unos 20 segundos dentro de la propia petición antes de devolver nada, y la tarjeta tardaba ese rato en aparecer. Funcionaba, pero parecía roto: veinte segundos de nada es una eternidad cuando estás mirando la pantalla. Ahora sale al momento y el progreso lo sirve el sondeo de estado.

Lo que cuesta y los límites

Sin rodeos, porque los números importan antes de empezar:

Acción	Coste	Free	Pro	Max
Generar un vídeo	1.200 créditos	Bloqueado	1 al día	1 al día
Analizar un vídeo existente	120 créditos	Según plan	Según plan	Según plan

Tres lecturas de esa tabla:

Generar vídeo es la operación más cara del producto. 1.200 créditos es diez veces lo que cuesta analizar un vídeo. No es arbitrario: el cómputo detrás de sintetizar fotogramas es de otro orden de magnitud.

En Free está bloqueado. No es un límite bajo: es que no está disponible. Tiene sentido para todos: una función tan cara en un plan gratuito la convierte en insostenible o en inutilizable por el abuso.

En Pro y Max: un vídeo al día. Sí, también en Max. Es un límite de cordura, no de plan. Y tiene una consecuencia práctica enorme, que es probablemente el consejo más útil de todo el artículo:

Tienes un intento al día. Trata el prompt como si fuera un rodaje: se prepara antes. La mitad de este manual existe para que ese único intento cuente.

Por eso la sección de escritura de prompts es tan larga. No es teoría: es lo que separa gastar bien tu vídeo del día de tirarlo.

Cuando algo falla, te lo dice

El sistema está construido para explicarse. Hay tres situaciones que se detectan y se comunican en lenguaje normal, en vez de dejar un error técnico o, peor, un silencio:

• El proveedor falla. El chat te lo dice y te sugiere reintentar en unos minutos. Los servicios de generación tienen picos de carga y a veces rechazan trabajos.
• El prompt es demasiado corto. Si escribes menos de cuatro caracteres, no se lanza nada. En su lugar, el chat te pide una descripción más detallada: qué escena, qué estilo, qué movimiento. Es un ahorro directo de 1.200 créditos.
• No hay clave configurada. Si el proveedor elegido no tiene su clave en el servidor, el chat te explica que la generación de vídeo no está disponible ahora mismo. El administrador sabrá qué mirar; tú al menos sabes que no es culpa de tu prompt.

En los tres casos el patrón es el mismo: un humano entiende qué ha pasado y qué puede hacer. Un error técnico volcado en pantalla no cumple ninguna de las dos cosas.

Anatomía de un prompt de vídeo

Aquí empieza la parte práctica larga. Si solo te llevas una idea de este artículo, que sea esta: un prompt de vídeo no es una descripción, es una ficha de rodaje.

Cuando le pides algo a un director de fotografía, no dices "una escena bonita en la playa". Dices qué plano, con qué luz, con qué lente, cómo se mueve la cámara y cuánto dura. El modelo funciona igual: cuanto más se parezca tu texto a una ficha técnica, menos tiene que adivinar.

Un prompt completo tiene siete capas. No siempre hace falta usar las siete, pero cuantas más rellenes, menos margen de invención le dejas al modelo.

Capa 1: el sujeto

Qué o quién sale. Concreto, no genérico.

• Flojo: "una persona"
• Mejor: "un hombre de unos sesenta años, barba blanca corta, jersey de lana gris"
• Flojo: "comida"
• Mejor: "un plato de arroz negro con un langostino encima, en cazuela de barro"

El sujeto es lo primero que el modelo fija. Si es vago, todo lo demás flota.

Capa 2: la acción

Qué pasa. Un vídeo de cuatro segundos aguanta una acción, no tres.

• Flojo: "cocina, sirve el plato, sonríe y sale de la cocina"
• Mejor: "espolvorea perejil sobre el plato con un gesto lento"

Este es el error número uno de quien viene de escribir prompts de imagen: meter una secuencia entera en un clip que dura lo que un parpadeo largo. Cuatro segundos son un gesto. Ocho segundos son un gesto y su consecuencia. Doce segundos son una acción pequeña completa.

Capa 3: el entorno

Dónde. Con dos o tres detalles físicos, no con adjetivos.

• Flojo: "en un sitio acogedor"
• Mejor: "en una cocina de azulejo blanco, con una ventana grande a la izquierda y cacharros de cobre colgados"

"Acogedor" es una valoración. "Azulejo blanco y cobre colgado" es información. El modelo solo puede dibujar lo segundo.

Capa 4: la cámara

Encuadre y movimiento. Esta es la capa que más separa un vídeo amateur de uno que parece intencionado, y la que más gente se deja.

• Encuadre: primer plano, plano medio, plano general, cenital, contrapicado.

• Movimiento: fijo, travelling lateral, avance lento, retroceso, panorámica, seguimiento.

• Flojo: (nada, no se menciona la cámara)

• Mejor: "plano medio, cámara fija sobre trípode"

• Mejor aún: "plano medio que retrocede lentamente hasta convertirse en plano general"

Capa 5: la luz

De dónde viene, de qué color, qué dureza tiene.

• Flojo: "buena iluminación"
• Mejor: "luz lateral de ventana, suave, hora dorada, sombras largas"
• Mejor: "luz dura cenital de fluorescente, ambiente clínico"

La luz es el 80% del aspecto de un vídeo. Un plano corriente con luz buena parece caro. Un plano ambicioso con luz plana parece un vídeo de aficionado.

Capa 6: la óptica

Lente, profundidad de campo, textura.

• "gran angular, mucha profundidad de campo, todo enfocado"
• "teleobjetivo, fondo desenfocado, compresión de planos"
• "macro, foco muy corto, solo la gota está nítida"
• "grano de película de 35 mm"

Capa 7: el estilo

El registro general de la pieza.

• "documental, cámara en mano, naturalista"
• "anuncio de producto, limpio, fondo neutro, muy pulido"
• "cine de los años setenta, colores desaturados, grano"
• "animación 3D estilizada, colores planos"

La plantilla maestra

Junta las siete capas en este orden y tendrás un prompt sólido casi siempre:

[Encuadre y movimiento de cámara] de [sujeto concreto] [acción única] en [entorno con dos o tres detalles físicos]. [Descripción de la luz]. [Lente y profundidad de campo]. [Estilo general]. [Ambiente sonoro, solo si usas Sora].

Ejemplo montado con la plantilla:

Plano medio con avance lento de cámara de una mujer de unos treinta años con delantal de cuero puliendo una pieza de cerámica en un taller de paredes de ladrillo con estanterías llenas de piezas sin esmaltar. Luz lateral de ventana grande, suave, tarde. Teleobjetivo, fondo desenfocado. Estilo documental artesano, colores cálidos. Sonido: el roce del papel de lija y una radio lejana.

Compara eso con "una mujer haciendo cerámica". Es el mismo vídeo en la cabeza de quien lo pide, y dos vídeos completamente distintos en la pantalla.

Catálogo de encuadres

Usa el nombre del plano en el prompt. Son términos que el modelo entiende bien porque están masivamente presentes en cómo se describe el cine.

Encuadre	Qué muestra	Cuándo usarlo
Plano detalle	Un objeto o una parte muy pequeña	Textura, producto, un gesto de manos
Primerísimo primer plano	Solo ojos y boca	Emoción intensa, tensión
Primer plano	La cara completa	Reacción, testimonio, intimidad
Plano medio corto	De pecho hacia arriba	Alguien hablando, entrevista
Plano medio	De cintura hacia arriba	El estándar de la comunicación
Plano americano	De las rodillas hacia arriba	Postura, gesto amplio
Plano general	Cuerpo entero y entorno	Situar al personaje en su sitio
Gran plano general	El paisaje, la persona es pequeña	Escala, apertura, cierre de pieza
Cenital	Desde arriba, mirando abajo	Mesas, comida, procesos, mapas
Contrapicado	Desde abajo, mirando arriba	Grandeza, poder, edificios
Picado	Desde arriba, en ángulo	Vulnerabilidad, visión de conjunto
Plano holandés	Cámara inclinada	Inquietud, desequilibrio

Consejo práctico: para vídeo corporativo, el 90% de lo que necesitas es plano medio y plano detalle. Lo demás es decoración.

Catálogo de movimientos de cámara

Este es el catálogo que más rendimiento da, porque un movimiento bien pedido convierte un plano estático en algo que parece rodado.

Movimiento	Descripción	Efecto
Cámara fija	No se mueve nada	Calma, atención al sujeto. El más seguro
Travelling lateral	Se desplaza en paralelo	Elegancia, revelar el entorno
Avance lento	Se acerca al sujeto	Atracción, intriga, entrar en la escena
Retroceso	Se aleja del sujeto	Revelación, cierre, contexto
Panorámica	Gira sobre su eje horizontal	Recorrer un espacio
Inclinación	Gira sobre su eje vertical	Descubrir altura, de suelo a techo
Seguimiento	Acompaña al sujeto en movimiento	Dinamismo, acción
Orbital	Gira alrededor del sujeto	Producto, presentación, épica
Grúa	Sube o baja abriendo el plano	Apertura o cierre de pieza
Cámara en mano	Ligera inestabilidad	Realismo, urgencia, documental

Un aviso importante: cuanto más complejo el movimiento, más papeletas para que salga raro. La cámara fija y el avance lento son casi infalibles. El orbital funciona bien con objetos y regular con personas. El seguimiento en escenas con mucha gente es lo más difícil de todo.

Si es tu único vídeo del día, no experimentes con el movimiento más ambicioso. Pide avance lento y acierta.

Catálogo de iluminación

Luz	Cómo pedirla	Qué transmite
Hora dorada	"luz cálida de atardecer, sombras largas"	Nostalgia, calidez, aspiracional
Hora azul	"luz azulada de después del ocaso"	Melancolía, calma, tecnología
Luz de ventana	"luz lateral suave de ventana grande"	Natural, honesto, cercano
Contraluz	"el sujeto a contraluz, silueta recortada"	Misterio, dramatismo
Luz dura	"luz directa, sombras marcadas, alto contraste"	Tensión, energía, verano
Luz difusa	"día nublado, luz plana y uniforme"	Neutro, informativo, sin drama
Luz de estudio	"tres puntos de luz, fondo neutro"	Profesional, producto, entrevista
Neón	"luces de neón rojas y azules reflejadas en el suelo mojado"	Nocturno, urbano, moderno
Vela o fuego	"iluminado solo por el fuego de una chimenea"	Intimidad, calidez, hogar
Fluorescente	"luz cenital de fluorescente, verdosa"	Frío, institucional, clínico
Práctica	"iluminado por las lámparas que se ven en el plano"	Realismo, naturalidad

Regla: si no sabes qué luz pedir, pide luz lateral suave de ventana. Es la que mejor sienta a casi todo y la que menos artefactos genera.

Óptica y textura

Estas son las palabras que hacen que un vídeo parezca rodado con equipo en vez de generado:

• Gran angular. Todo entra, las líneas se curvan un poco, el espacio parece amplio. Bueno para interiores y para dar sensación de estar dentro.
• Teleobjetivo. Comprime los planos, aísla al sujeto, desenfoca el fondo. Bueno para retratos y para producto.
• Macro. Detalle extremo. Bueno para textura: tela, comida, materiales.
• Poca profundidad de campo. Solo el sujeto está nítido. El aspecto "cine" por excelencia.
• Mucha profundidad de campo. Todo enfocado. Aspecto documental, informativo.
• Grano de película. Añade textura orgánica. Contrarresta el aspecto "demasiado limpio" que delata a la IA.
• Destello de lente. Un haz de luz cruzando el plano. Con moderación, da realismo. En exceso, parece un anuncio de los noventa.
• Viñeteado. Bordes ligeramente oscurecidos. Concentra la mirada.

Truco muy útil: si tu vídeo generado "parece de IA", casi siempre es porque está demasiado limpio y demasiado centrado. Añadir "grano de película de 35 mm, ligera imperfección, encuadre ligeramente descentrado" lo humaniza más que cualquier otra cosa.

Ritmo: qué cabe en cada duración

Esta tabla debería estar pegada en la pared de quien escriba prompts de vídeo:

Duración	Qué cabe de verdad	Qué NO cabe
4 segundos	Un gesto. Un plano. Una idea visual	Cualquier cosa con antes y después
5 segundos	Un gesto con un poco de aire	Dos acciones seguidas
8 segundos	Una acción y su reacción	Un cambio de localización
10 segundos	Una micro escena con principio y final	Una narrativa con giro
12 segundos	Una acción completa con contexto	Diálogo, montaje, varias escenas

El error clásico: escribir un guion de treinta segundos y pedirlo en un clip de cinco. El modelo no lo comprime: lo acelera hasta que no se entiende nada o simplemente se queda con el principio.

La solución correcta cuando necesitas más: no pidas un vídeo más largo, pide varios vídeos. Un clip por idea, y luego se montan. Aunque con un vídeo al día, esto significa planificar a lo largo de varios días. Merece la pena saberlo antes de empezar.

Estilo: el registro de la pieza

El estilo es la capa que define si el resultado parece un anuncio, un documental o un dibujo animado. Algunas familias que funcionan bien:

• Naturalista. "Estilo documental, luz natural, sin filtros, cámara en mano suave."
• Publicitario limpio. "Estilo anuncio de producto, fondo neutro, luz de estudio, muy pulido, sin distracciones."
• Cinematográfico. "Estilo cine, poca profundidad de campo, colores desaturados, grano suave, formato panorámico."
• Editorial. "Estilo revista de diseño, composición geométrica, paleta reducida, luz dura."
• Retro. "Estilo grabación doméstica de los años ochenta, colores lavados, ligera distorsión."
• Animación. "Animación 3D estilizada, colores planos, sin texturas realistas, iluminación suave."
• Técnico. "Estilo vídeo industrial, luz uniforme, encuadre frontal, sin efectos."

Un aviso: pedir varios estilos a la vez ("cinematográfico pero también animado y retro") produce un batiburrillo. Un estilo por vídeo.

Color

La paleta es una palanca muy potente y muy poco usada. Nombrar dos o tres colores dominantes cambia el vídeo por completo:

• "Paleta cálida: terracota, ocre y madera."
• "Paleta fría: azul acero, gris y blanco."
• "Paleta reducida: solo blanco, negro y un rojo puntual."
• "Colores desaturados, casi monocromo, con un único acento verde."
• "Colores saturados y contrastados, estilo anuncio de refresco."

Si trabajas para una marca con colores propios, nómbralos en el prompt. No garantiza el tono exacto, pero acerca mucho el resultado.

Sonido (solo Sora)

Sora genera audio, y el audio se puede pedir. Es una de las cosas que más se olvida y más diferencia marca.

Se pide describiendo el ambiente sonoro, no pidiendo música concreta:

• "Sonido: lluvia sobre el tejado y un trueno lejano."
• "Sonido: el murmullo de una cafetería, tazas, una máquina de café."
• "Sonido: viento en un campo abierto, sin nada más."
• "Sonido: pasos sobre grava, respiración."
• "Sonido: el zumbido de un taller, una radio de fondo apagada."

Lo que no funciona bien: pedir canciones concretas, artistas, o diálogo con palabras exactas. Para diálogo exacto, el proveedor correcto es Synthesia, que lee literalmente lo que escribas.

Diez pares malo contra bueno

Aquí está el corazón práctico del artículo. Cada ejemplo tiene un prompt flojo, su versión trabajada y la explicación de qué se ha arreglado. Léelos aunque no sean de tu sector: el patrón se repite.

1. Café

Flojo:

Un café.

Trabajado:

Plano detalle cenital de una taza de café solo humeante sobre una mesa de roble rayada, junto a una cucharilla y un cuaderno abierto. Luz de mañana entrando por la izquierda, suave, con motas de polvo en el haz. Macro, poca profundidad de campo, solo el vapor está nítido. Estilo editorial cálido, paleta de marrones y crema. Sonido: una cucharilla contra la porcelana y una calle lejana.

Qué se ha arreglado: el prompt flojo no dice ni el encuadre, ni la luz, ni el contexto. El modelo tiene que inventarlo todo, y lo que inventa es la media estadística de "café": una foto de banco de imágenes sin alma. El trabajado fija las siete capas.

2. Presentación de producto

Flojo:

Un vídeo enseñando nuestro producto.

Trabajado:

Plano orbital lento alrededor de un reloj de acero cepillado apoyado sobre un bloque de piedra gris, fondo negro liso. Luz de estudio con dos focos suaves que resbalan por el metal y un reflejo controlado en el cristal. Teleobjetivo, poca profundidad de campo. Estilo anuncio de producto, muy pulido, sin distracciones. Paleta de acero, negro y un acento cálido.

Qué se ha arreglado: "nuestro producto" no significa nada para el modelo. Un producto es un objeto concreto, con material, color y tamaño. Y el movimiento orbital sobre fondo negro es el lenguaje visual que el público ya asocia a "esto es un producto premium".

3. Equipo de trabajo

Flojo:

Gente trabajando en una oficina.

Trabajado:

Plano medio con travelling lateral suave de dos personas de pie frente a una pizarra llena de notas adhesivas de colores, en una oficina diáfana con ventanales. Una señala un punto de la pizarra mientras la otra asiente. Luz natural difusa de día nublado. Gran angular moderado, mucha profundidad de campo. Estilo documental corporativo, colores naturales, sin exageraciones.

Qué se ha arreglado: "gente trabajando" da como resultado el cliché de banco de imágenes: cinco personas sonriendo a un portátil. Al bajar a dos personas, una acción concreta (señalar y asentir) y un elemento físico (la pizarra con notas), la escena tiene algo que mirar.

4. Naturaleza

Flojo:

Un bosque bonito.

Trabajado:

Gran plano general con avance lento entre troncos de un hayedo en otoño, el suelo cubierto de hojas rojizas, niebla baja entre los árboles. Luz de primera hora atravesando la niebla en haces marcados. Teleobjetivo con compresión de planos, poca profundidad de campo. Estilo naturalista, grano de película, paleta ocre y verde apagado. Sonido: pájaros lejanos y hojas bajo los pies.

Qué se ha arreglado: "bonito" es una opinión, no una instrucción. El trabajado sustituye la valoración por hechos: qué árbol, qué estación, qué niebla, qué luz.

5. Comida

Flojo:

Un plato de pasta apetitoso.

Trabajado:

Plano detalle cenital de un plato hondo de pasta con salsa de tomate, sobre mármol blanco. Una mano ralla parmesano lentamente desde arriba y las virutas caen sobre la pasta. Luz lateral suave que hace brillar el aceite. Macro, poca profundidad de campo. Estilo gastronómico editorial, paleta roja, blanca y verde. Sonido: el rallador y un leve chisporroteo de fondo.

Qué se ha arreglado: "apetitoso" no es una instrucción visual. Lo que hace apetitosa una imagen de comida es el brillo del aceite, el vapor, y sobre todo el movimiento: algo que cae, algo que se sirve, algo que se corta. El prompt trabajado incluye una acción.

6. Inmobiliaria

Flojo:

Un vídeo de un piso en venta.

Trabajado:

Plano general con avance lento cruzando el umbral de un salón vacío de techos altos con suelo de espiga y molduras, hacia un balcón con las puertas abiertas. Luz de tarde entrando por el balcón, cálida, dibujando rectángulos en el suelo. Gran angular, mucha profundidad de campo, todo nítido. Estilo inmobiliario premium, limpio, sin muebles, paleta blanca y madera.

Qué se ha arreglado: el movimiento de entrada (avanzar cruzando el umbral) es el lenguaje del vídeo inmobiliario, porque simula lo que hace el visitante. Y "vacío" es una decisión deliberada: los muebles generados por IA suelen tener geometría dudosa.

7. Formación interna

Flojo:

Explica el nuevo proceso de compras.

Trabajado (para Synthesia, es decir, un guion, no una escena):

Hola. En dos minutos te cuento cómo cambia el proceso de compras a partir del lunes. Hay tres cosas nuevas. Primera: todas las solicitudes pasan por el formulario del portal, ya no valen los correos. Segunda: cualquier importe por encima de mil euros necesita el visto bueno de tu responsable, y lo pide el propio sistema. Tercera: el plazo de aprobación baja de cinco días a dos. Si tienes dudas, escribe al buzón de compras. Gracias.

Qué se ha arreglado: el prompt flojo describe un tema; el trabajado es el texto que se va a oír. Esa es la diferencia clave con Synthesia: no le pides que explique algo, le das lo que tiene que decir. Y el guion está escrito para el oído: frases cortas, enumeración explícita, cierre claro.

8. Redes sociales vertical

Flojo:

Algo llamativo para Instagram.

Trabajado:

Plano detalle vertical de unas manos abriendo una caja de cartón kraft sobre una mesa clara y sacando un frasco de cristal ámbar. Movimiento de cámara fijo, muy cerca. Luz suave frontal, fondo ligeramente desenfocado. Macro, poca profundidad de campo. Estilo apertura de producto, limpio, paleta neutra con acento ámbar. Sonido: el cartón al rasgarse y el cristal al apoyarse.

Qué se ha arreglado: "llamativo" no es una descripción. Lo que funciona en vertical es lo que se lee en una pantalla pequeña en medio segundo: manos, primeros planos y una acción que se entiende sin sonido. El trabajado cumple las tres.

9. Educación

Flojo:

Un vídeo sobre el ciclo del agua.

Trabajado:

Plano general estático de un valle con un río, montañas al fondo y nubes densas acumulándose sobre las cumbres. La niebla asciende visiblemente desde el río hacia las nubes. Luz de media mañana, cielo parcialmente cubierto. Gran angular, mucha profundidad de campo. Estilo documental de naturaleza, colores naturales. Sonido: agua corriendo y viento.

Qué se ha arreglado: un concepto abstracto (un ciclo) no se genera; se genera una escena que lo ilustra. El truco pedagógico es elegir el momento visible del proceso —aquí la evaporación— y pedir ese momento, no el concepto entero.

10. Restauración

Flojo:

El ambiente de nuestro restaurante.

Trabajado:

Plano medio con travelling lateral lento a través de un comedor de mesas de madera con manteles de papel, luces colgantes bajas y una pared de botellas al fondo. Un camarero cruza el plano en primer término, desenfocado. Luz cálida de las lámparas, ambiente en penumbra. Teleobjetivo, poca profundidad de campo, mucho fondo desenfocado. Estilo cálido y acogedor, paleta ámbar y madera. Sonido: conversaciones, cubiertos y una música de fondo apagada.

Qué se ha arreglado: "ambiente" es lo que quieres transmitir; lo que hay que pedir son los elementos que producen ese ambiente: la altura de las lámparas, la penumbra, el desenfoque, el murmullo. Y el camarero cruzando el primer término es un recurso clásico para dar sensación de vida sin tener que generar caras nítidas.

Composición: dónde va cada cosa dentro del plano

La composición es la capa que casi nadie pide y que más distingue un plano que "está bien" de uno que parece pensado. Son cuatro conceptos y se piden con una frase.

Regla de tercios

Divide el plano en tres franjas horizontales y tres verticales. Lo importante va sobre las líneas o en sus cruces, no en el centro exacto.

Cómo pedirlo: "el sujeto situado en el tercio izquierdo del encuadre".

Por qué funciona: el centro exacto es estático y aburrido. Descentrar da tensión y aire.

Espacio negativo

La zona vacía alrededor del sujeto. Cuanto más vacío, más protagonismo tiene lo poco que hay.

Cómo pedirlo: "mucho espacio vacío alrededor del objeto, composición minimalista".

Cuándo: producto, cabeceras donde va a ir texto encima, cualquier pieza elegante. Y tiene una ventaja práctica: menos elementos, menos cosas que el modelo pueda hacer mal.

Líneas guía

Elementos del entorno que conducen la mirada hacia el sujeto: un pasillo, una carretera, una mesa larga, una hilera de columnas.

Cómo pedirlo: "una mesa larga que se aleja en diagonal hacia el fondo, conduciendo la mirada".

Punto de fuga

Hacia dónde se va el espacio. Un plano con punto de fuga claro tiene profundidad; uno sin él parece un decorado plano.

Cómo pedirlo: "hacia un ventanal al fondo que actúa como punto de fuga".

Composición en vertical

En vertical las reglas cambian, y esto se ignora demasiado:

• El sujeto va más cerca, ocupando gran parte del alto.
• El espacio negativo se reparte arriba y abajo, no a los lados.
• Las líneas guía útiles son verticales, no diagonales.
• El tercio inferior conviene dejarlo despejado: es donde las plataformas ponen textos e iconos.

Cómo pedirlo: "encuadre vertical, el sujeto ocupa los dos tercios superiores, parte inferior despejada".

Espacio para el texto

Si sabes que vas a poner un rótulo encima, pídelo en el prompt:

"con una zona lisa y oscura en el tercio superior, sin elementos, para superponer texto".

Sale infinitamente mejor que generar un plano lleno y luego pelearse para encajar el titular.

El ritmo dentro del plano

Un clip es un solo plano, pero eso no significa que sea estático. Dentro de esos cuatro u ocho segundos puede haber una progresión, y pedirla mejora mucho el resultado.

Tres formas de dar ritmo a un plano único:

1. Movimiento de cámara con una revelación. El plano empieza mostrando una cosa y acaba mostrando otra.

"Empieza en plano detalle de la taza y retrocede lentamente hasta revelar la cocina entera."

2. Una acción con principio y final. Algo que se completa dentro del clip.

"La mano vierte la salsa hasta cubrir el plato."

3. Un cambio de luz. Sutil pero muy efectivo.

"Una nube pasa y la luz cambia de dura a suave durante el plano."

Lo que no funciona es encadenar dos cosas distintas ("primero esto, luego aquello"). Eso es montaje, y el montaje lo haces tú después.

Palabras que ayudan y palabras que estorban

Después de escribir muchos prompts, aparecen patrones. Estas listas ahorran tiempo.

Palabras que casi siempre mejoran el resultado

Palabra	Por qué funciona
lentamente	Reduce el caos y la deriva
suave	Aplica a luz, movimiento y textura
detalle	Acerca el encuadre, evita fondos problemáticos
desenfocado	Esconde lo que el modelo hace peor
natural	Contrarresta el exceso de perfección
rasante	Hace que la luz revele texturas
liso	Simplifica fondos
continuo	Evita saltos raros en el movimiento
grano	Humaniza la imagen
único, solo	Reduce el número de elementos

Palabras que suelen estorbar

Palabra	Problema
impactante	No es una instrucción, es una expectativa
moderno	Significa cosas distintas cada año
profesional	El modelo no sabe qué es profesional para ti
dinámico	Suele traducirse en movimiento caótico
épico	Genera clichés y exageración
perfecto	Empuja hacia el aspecto artificial
futurista	Produce siempre el mismo cliché azul
creativo	No dice nada
viral	Menos aún
varios, muchos	Multiplica los elementos que pueden fallar

Norma general: si la palabra describe cómo quieres que se sienta el espectador, sobra. Si describe lo que hay delante de la cámara, sirve.

Cómo traducir un encargo real a un prompt

Tres casos completos, del correo del cliente al prompt final. Es el ejercicio que más rápido enseña.

Caso 1: el correo vago

Lo que llega:

"Necesitamos un vídeo corto para la home, que transmita innovación y cercanía."

Preguntas que hay que hacer antes de escribir nada:

• ¿Va con sonido o en silencio en bucle?
• ¿Lleva texto encima?
• ¿Horizontal o vertical?
• ¿Innovación de qué tipo: técnica, de proceso, de diseño?
• ¿Hay colores de marca?

Respuestas supuestas: bucle sin sonido, con titular encima, horizontal, innovación técnica, azul y gris.

Prompt resultante:

Plano detalle con avance muy lento sobre una superficie de metal cepillado con una junta de precisión visible, fondo negro. Una luz azul barre lentamente la superficie de izquierda a derecha. Macro, profundidad de campo mínima. Estilo técnico y limpio, paleta azul acero, gris y negro. Zona lisa y oscura en el tercio superior, sin elementos, para superponer texto. Movimiento continuo y suave.

Qué ha pasado: dos conceptos abstractos ("innovación", "cercanía") se han convertido en decisiones concretas. La cercanía, sinceramente, se ha caído: no cabía en el mismo plano que la innovación técnica, y forzar las dos habría dado un resultado confuso. Elegir es parte del trabajo.

Caso 2: el encargo con demasiado dentro

Lo que llega:

"Un vídeo donde se vea nuestro equipo, la fábrica, el producto terminado y un cliente contento usándolo."

El problema: son cuatro escenas. En cuatro segundos no caben, y aunque cupieran, no habría continuidad entre ellas.

Cómo se resuelve: no es un vídeo, son cuatro. O, si solo hay presupuesto para uno, se elige el que más peso tiene y se descarta el resto.

Conversación con el cliente: "De esas cuatro, ¿cuál convence a alguien que no os conoce?" Casi siempre la respuesta es el producto o la fábrica.

Prompt resultante (fábrica):

Plano detalle con seguimiento lento de un brazo robótico colocando piezas metálicas en una cinta transportadora, en una nave de suelo pintado de gris. Luz cenital de fluorescente, uniforme, con reflejos en el metal. Teleobjetivo, poca profundidad de campo. Estilo industrial limpio, paleta gris y acero. Sonido: zumbido de motor y golpe rítmico de las piezas.

Caso 3: el encargo imposible

Lo que llega:

"Nuestro director general dando la bienvenida, con el logo detrás y el nombre de la empresa en la pared."

Por qué es imposible tal cual: replicar a una persona real concreta no se debe hacer, y el texto y el logotipo generados salen mal siempre.

Cómo se resuelve:

• La persona: o se le graba de verdad, o se usa un avatar de Synthesia genérico con su consentimiento y con aviso de que es generado.
• El logotipo y el nombre: se añaden en postproducción, sobre una pared lisa.

Guion resultante (Synthesia), con la pared lisa preparada para el logo:

Bienvenido a [empresa]. Me alegra que estés aquí. En esta primera semana vas a conocer a tu equipo, recibir tus accesos y hacer la sesión de seguridad. Todo lo que necesitas está en el portal, en la sección de nuevas incorporaciones. Si te falta algo, tu responsable es tu primer contacto. Gracias por unirte.

Qué ha pasado: el encargo se ha reformulado para que la parte problemática salga del vídeo generado y entre en postproducción, que es donde sale perfecta. Esa reformulación es el 90% del trabajo de quien sabe usar estas herramientas.

11. Industria

Flojo:

Nuestra fábrica.

Trabajado:

Plano detalle con seguimiento lento de un brazo robótico articulado colocando piezas metálicas en una cinta transportadora, en una nave industrial de suelo pintado de gris. Luz cenital de fluorescente, uniforme y algo fría, con reflejos en el metal. Teleobjetivo, poca profundidad de campo, fondo desenfocado. Estilo industrial limpio, paleta gris, azul y acero. Sonido: el zumbido del motor y el golpe rítmico de las piezas.

Qué se ha arreglado: "nuestra fábrica" es un plano general de nave, que es lo más aburrido que existe. La industria se vende en detalle: el gesto de la máquina, el ritmo, la precisión. Un brazo robótico en primer plano dice más de la capacidad técnica que mil metros cuadrados de nave.

12. Turismo

Flojo:

Un pueblo bonito de la costa.

Trabajado:

Gran plano general con panorámica lenta de izquierda a derecha sobre un pueblo blanco encalado en ladera, con tejados de teja, callejones estrechos y el mar al fondo. Luz de última hora de la tarde, dorada, con las fachadas encendidas y sombras largas. Gran angular, mucha profundidad de campo. Estilo documental de viajes, colores cálidos y saturados. Sonido: gaviotas y viento suave.

Qué se ha arreglado: el turismo se vende con escala y luz, no con detalles. El gran plano general y la hora dorada son la combinación que funciona. Y la panorámica lenta hace que el espectador sienta que está mirando desde un mirador.

13. ONG

Flojo:

Un vídeo para nuestra campaña solidaria.

Trabajado:

Plano detalle de dos manos, una adulta y una infantil, plantando un pequeño árbol en tierra oscura recién removida. Cámara fija, muy cerca del suelo. Luz de mañana lateral, suave, con polvo suspendido. Macro, poca profundidad de campo. Estilo documental honesto, sin filtros, paleta tierra y verde. Sonido: tierra removiéndose y pájaros.

Qué se ha arreglado: dos decisiones importantes. Primero, sustituir un concepto ("campaña solidaria") por una acción concreta. Segundo, encuadrar solo las manos: en el terreno social, mostrar caras identificables de personas vulnerables es problemático incluso cuando son sintéticas. El plano detalle resuelve la ética y la técnica a la vez.

14. Tecnología

Flojo:

Algo futurista de tecnología.

Trabajado:

Plano detalle con avance lento sobre una placa de circuito verde oscuro, con componentes de superficie y pistas de cobre, iluminada por una luz azul que barre de izquierda a derecha. Fondo negro. Macro extremo, profundidad de campo mínima, el foco recorre la placa. Estilo técnico y limpio, paleta azul, negro y cobre. Sonido: un zumbido electrónico grave.

Qué se ha arreglado: "futurista" es la palabra que más clichés genera: siempre acaba en hologramas azules flotando. Bajar a un objeto real y concreto (una placa de circuito) con un tratamiento óptico cuidado da mucha más sensación de tecnología seria.

15. Retail y moda

Flojo:

Un vídeo de nuestra nueva colección.

Trabajado:

Plano detalle con travelling lateral lento a lo largo de una hilera de abrigos de lana colgados en una barra de latón, en una tienda de paredes de hormigón visto. La tela se mueve ligeramente al paso de la cámara. Luz cenital dirigida sobre las prendas, el resto en penumbra. Teleobjetivo, poca profundidad de campo. Estilo editorial de moda, paleta camel, gris y latón. Sonido: silencio con una leve reverberación de sala.

Qué se ha arreglado: la moda generada por IA sufre mucho con las caras y las manos, pero se le da bien la tela. Un plano de producto sin personas evita el punto débil y aprovecha el fuerte. El travelling lateral a lo largo de la percha es un recurso de escaparate de toda la vida.

Escribir para Synthesia: es un guion, no un prompt

Synthesia merece su propia sección porque se usa de una forma completamente distinta. Aquí no describes una escena. Escribes lo que se va a oír, palabra por palabra. El avatar lo lee literalmente.

Eso cambia todo. Las reglas ya no son de fotografía, son de locución.

Regla 1: escribe para el oído, no para el ojo

Un texto que se lee bien en pantalla no siempre suena bien en voz alta. Las diferencias:

• Frases cortas. Si una frase no se puede decir de una respiración, es demasiado larga.
• Sin subordinadas encadenadas. El oyente no puede volver atrás.
• Sin paréntesis. Se pierden al hablar.
• Sin siglas sin explicar. La primera vez, di lo que significan.
• Números redondos. "Casi tres mil" se entiende mejor que "2.847".

Prueba infalible: léelo en voz alta. Si te trabas, el avatar también sonará mal.

Regla 2: anuncia la estructura

Como el oyente no puede ojear el texto, hay que darle el mapa:

"Hay tres cambios. El primero..."

Ese "hay tres cambios" vale oro. El cerebro abre tres cajones y va llenándolos. Sin él, todo es una masa de información.

Regla 3: una idea por párrafo

Separa el guion en bloques cortos. Ayuda al ritmo de la locución y te obliga a ordenar.

Regla 4: empieza por lo que le importa a quien escucha

No empieces por el contexto histórico. Empieza por la consecuencia:

• Flojo: "Como sabéis, desde hace meses estamos revisando los procedimientos internos con el objetivo de..."
• Bueno: "A partir del lunes, las vacaciones se piden desde el portal. El correo ya no vale."

Regla 5: respeta los 4.000 caracteres

Es el límite duro del guion. Aproximadamente:

Caracteres	Duración hablada aproximada
500	20 segundos
1.000	40 segundos
2.000	1 minuto y 20 segundos
3.000	2 minutos
4.000	2 minutos y 40 segundos

Si necesitas más, divídelo en varios vídeos. Y de hecho es mejor idea aunque quepa: un vídeo de dos minutos se ve entero; uno de seis, no.

Regla 6: escribe los cierres

Un vídeo que termina sin cerrar deja una sensación rara. Cierra siempre con una de estas tres cosas:

• Una acción: "Entra hoy y actualiza tus datos."
• Un contacto: "Si tienes dudas, escribe a este buzón."
• Un resumen: "En resumen: portal, dos días, y aviso automático."

Plantilla de guion para Synthesia

Gancho (una frase): qué cambia y desde cuándo. Contexto (dos frases): por qué se hace. Cuerpo (tres bloques): los puntos, anunciados y numerados. Excepciones (una frase): lo que no aplica, si lo hay. Cierre (una frase): qué tiene que hacer quien escucha.

Con esa estructura, un guion de 900 caracteres cubre casi cualquier comunicado interno en unos 35 segundos. Y se ve entero, que es lo difícil.

Recetario por caso de uso

Esta es la sección para copiar y pegar. Cada receta indica el proveedor recomendado, el formato y un prompt o guion listo para adaptar.

Marketing: anuncio corto de producto

Proveedor: Sora (si quieres sonido) o Runway (si vas a poner música encima). Formato: horizontal o vertical según la plataforma.

Plano orbital lento alrededor de [tu producto, con material y color] apoyado sobre [superficie], fondo [color liso]. Luz de estudio suave con un reflejo controlado. Teleobjetivo, poca profundidad de campo. Estilo anuncio de producto, muy pulido. Paleta [dos colores de marca]. Sonido: un tono ambiental grave y limpio.

Consejo: el fondo liso no es pobreza, es intención. Un fondo complejo compite con el producto y multiplica los artefactos.

Marketing: cabecera para landing

Proveedor: Runway. Formato: horizontal, para reproducir en bucle sin sonido.

Plano detalle con travelling lateral muy lento sobre [textura relacionada con tu sector: tela, metal, agua, papel]. Luz rasante que revela el relieve. Macro, poca profundidad de campo. Estilo abstracto y elegante, paleta [colores de marca]. Movimiento continuo y suave, sin cortes.

Consejo: para cabeceras, prioriza el movimiento continuo y lento. Un vídeo de fondo que "pasa cosas" impide leer el texto que va encima.

Marketing: testimonio o mensaje de marca

Proveedor: Synthesia. Formato: horizontal si va en web, vertical si va en redes.

Hola. Soy [nombre] y llevo [tiempo] en [empresa]. Te cuento en treinta segundos qué hacemos. [Una frase con el problema que resolvéis]. [Una frase con cómo lo resolvéis]. [Una frase con un dato concreto]. Si quieres verlo por dentro, entra en [sitio]. Nos vemos.

Aviso importante: si usas Synthesia para representar a una persona real de tu empresa, esa persona tiene que haberlo autorizado. Y conviene indicar que el vídeo está generado. Más sobre esto en la sección de ética.

Formación interna: procedimiento nuevo

Proveedor: Synthesia. Formato: horizontal.

A partir de [fecha] cambia [proceso]. Hay [número] cosas que tienes que saber. La primera: [cambio uno, en una frase]. La segunda: [cambio dos]. La tercera: [cambio tres]. Lo que no cambia es [excepción]. Si tienes dudas, escribe a [contacto]. Gracias.

Consejo: haz uno por procedimiento, no uno con todos los procedimientos. La gente busca el vídeo del tema concreto que necesita.

Formación interna: bienvenida a nuevas incorporaciones

Proveedor: Synthesia. Formato: horizontal.

Bienvenido a [empresa]. En este vídeo te cuento lo básico de tu primera semana. El lunes te llegarán las claves por correo. El martes tienes la sesión de seguridad, es obligatoria y dura una hora. El resto de la semana lo dedicas a tu equipo. Tienes toda la documentación en el portal, en la sección de nuevas incorporaciones. Cualquier cosa, tu responsable es tu primer contacto. Suerte.

Consejo: el vídeo de bienvenida es el que más se rentabiliza, porque se ve una vez por persona contratada y sirve durante años. Es el mejor primer proyecto para probar Synthesia.

Redes sociales: vertical para captar atención

Proveedor: Sora. Formato: vertical (720x1280).

Plano detalle vertical de [manos haciendo una acción concreta] sobre [superficie]. Cámara fija, muy cerca. Luz frontal suave. Macro, poca profundidad de campo. Estilo limpio y directo, paleta neutra. Sonido: [el sonido físico de la acción].

Consejo: en vertical, la regla es manos y cerca. Los planos generales se pierden en una pantalla de móvil. Y el primer segundo lo es todo: pide que la acción empiece ya, no que haya introducción.

Redes sociales: bucle estético

Proveedor: Runway. Formato: cuadrado (960:960) o vertical.

Plano detalle de [líquido, humo, tela o partículas] moviéndose lentamente sobre fondo [color]. Cámara fija. Luz lateral que crea contraste. Macro, poca profundidad de campo. Estilo abstracto hipnótico, paleta reducida. Movimiento continuo sin principio ni final marcados.

Consejo: el cuadrado (960:960) solo lo hace Runway. Si necesitas cuadrado, es tu única opción de las tres.

Presentación de producto: el detalle que lo vende

Proveedor: Sora o Runway. Formato: horizontal.

Plano macro con avance muy lento sobre [la parte concreta de tu producto que lo diferencia: una costura, un acabado, un mecanismo]. Luz rasante que revela la textura. Profundidad de campo mínima, el foco viaja sobre la superficie. Estilo producto premium, fondo negro. Paleta [material] y negro.

Consejo: no intentes enseñar el producto entero en cinco segundos. Enseña lo que lo hace distinto. El resto ya está en las fotos.

Inmobiliaria: recorrido de entrada

Proveedor: Runway o Sora. Formato: horizontal para portales, vertical para redes.

Plano general con avance lento cruzando el umbral de [estancia] de [características: techos, suelo, molduras] hacia [punto de fuga: ventanal, balcón, pasillo]. Luz de [momento del día] entrando por [dirección]. Gran angular, mucha profundidad de campo. Estilo inmobiliario limpio, sin muebles, paleta clara.

Aviso legal importante: un vídeo generado no puede presentarse como el inmueble real. Sirve para ilustrar un estilo, una reforma propuesta o un concepto, siempre indicándolo. Enseñar un piso generado como si fuera el que se vende es publicidad engañosa.

Restauración: el plato en movimiento

Proveedor: Sora. Formato: vertical para redes, horizontal para web.

Plano detalle cenital de [plato concreto] en [recipiente], sobre [superficie]. [Una acción: se vierte una salsa, se ralla queso, se parte el pan, sale vapor]. Luz lateral suave que hace brillar la superficie. Macro, poca profundidad de campo. Estilo gastronómico editorial. Sonido: [el sonido de la acción].

Consejo: la comida sin movimiento es una foto. Lo que convierte un plano de comida en vídeo es siempre lo mismo: algo que cae, se vierte, se corta o humea.

Educación: ilustrar un concepto

Proveedor: Sora o Runway para la escena, Synthesia para la explicación. Formato: horizontal.

[Escena concreta que ilustra el concepto, con los siete elementos de la plantilla maestra.]

Consejo: este es el caso donde más rinde combinar proveedores: un clip de Runway que ilustra el fenómeno más un vídeo de Synthesia que lo explica. Dos días de cuota, una unidad didáctica que dura años.

ONG: campaña con dignidad

Proveedor: Sora o Runway. Formato: vertical para redes.

Plano detalle de [una acción simbólica: manos, herramientas, tierra, agua, libros] sin caras identificables. Cámara fija o avance muy lento. Luz natural, sin filtros. Macro, poca profundidad de campo. Estilo documental honesto, paleta natural. Sonido: [ambiente real del contexto].

Consejo ético: en el sector social, el plano detalle no es solo una decisión estética. Evita representar a personas vulnerables con caras sintéticas, que es un terreno resbaladizo en el mejor de los casos.

Sanidad y bienestar

Proveedor: Synthesia para la información, Runway para el ambiente. Formato: horizontal.

[Guion para Synthesia con información sanitaria clara, revisada por alguien con criterio profesional.]

Aviso: la información sanitaria generada por IA tiene que revisarla una persona cualificada antes de publicarse. Sin excepciones. El vídeo hace que la información parezca más autorizada de lo que es, y ese es precisamente el riesgo.

Industria y manufactura

Proveedor: Runway o Sora. Formato: horizontal.

Plano detalle con seguimiento lento de [máquina o proceso concreto] en [entorno industrial]. Luz [cenital industrial o rasante]. Teleobjetivo, poca profundidad de campo. Estilo industrial limpio, paleta gris y acero. Sonido: [el sonido de la maquinaria].

Consejo: la industria se comunica con ritmo. Pide movimientos repetitivos y regulares: eso transmite precisión y control mejor que cualquier adjetivo.

Recursos humanos: oferta de empleo

Proveedor: Synthesia. Formato: vertical para redes profesionales, horizontal para la web.

Buscamos [puesto] para [equipo]. Te cuento en treinta segundos qué harías. [Una frase con la tarea principal]. [Una frase con el equipo]. [Una frase con lo que ofrecéis: modalidad, horario, algo concreto]. Si te encaja, tienes el enlace debajo. Nos vemos.

Consejo: las ofertas en vídeo funcionan porque son cortas por obligación. Un anuncio de texto se va a mil palabras; treinta segundos te obligan a decir solo lo que importa.

Eventos: anuncio y recordatorio

Proveedor: Synthesia para el anuncio, Runway para el ambiente. Formato: vertical.

[Evento] es el [fecha] en [lugar]. Habrá [tres cosas concretas]. Las plazas son limitadas y se cierran el [fecha límite]. Te apuntas en el enlace. Te esperamos.

Comercio electrónico: apertura de paquete

Proveedor: Sora. Formato: vertical.

Plano detalle vertical de unas manos abriendo [tipo de embalaje] sobre [superficie] y sacando [producto]. Cámara fija, muy cerca. Luz frontal suave. Macro, poca profundidad de campo. Estilo limpio, paleta neutra con acento [color de producto]. Sonido: [cartón, papel, cristal, según el material].

Consejo: este es el formato con mejor relación entre esfuerzo y resultado en vídeo generado. Todo son manos y objetos, que es lo que mejor se le da; no hay caras, que es lo que peor.

Formatos: qué proporción para cada sitio

El formato no es una preferencia estética. Es una decisión de dónde se va a ver el vídeo, y equivocarse cuesta el vídeo entero.

Destino	Proporción	Quién la hace
Web y landing	16:9 horizontal	Sora (1280x720), Synthesia, Runway (1280:768)
Presentaciones	16:9 horizontal	Los tres
Historias y vídeos cortos verticales	9:16 vertical	Sora (720x1280), Synthesia, Runway (768:1280)
Feed cuadrado	1:1	Solo Runway (960:960)
Correo electrónico	16:9, y siempre con miniatura	Los tres
Pantallas en tienda o recepción	16:9 o 9:16 según la pantalla	Los tres

Tres avisos prácticos sobre formato:

Sora no hace cuadrado. Si pides 1:1, cae a vertical (720x1280). No es un fallo: es que el modelo solo tiene esos dos tamaños. Si necesitas cuadrado de verdad, tu proveedor es Runway.

El vertical no es el horizontal recortado. Un plano general pensado para 16:9 y luego recortado a 9:16 pierde los lados, que es donde suele estar la información. Si el vídeo va a ser vertical, pídelo vertical desde el principio y compón para vertical: sujeto centrado, más cerca, menos entorno.

El formato lo fija el panel de admin. Como ya se ha dicho, el aspecto por defecto es una configuración del sistema. Si toda tu producción va a ser vertical, ese es el valor que hay que dejar puesto.

Limitaciones honestas: qué se le da mal hoy

Esta sección es la más importante para no llevarse disgustos. La generación de vídeo ha avanzado muchísimo, pero sigue teniendo puntos ciegos muy concretos y muy reconocibles. Conocerlos te permite rodear el problema en vez de estrellarte contra él.

Las manos

El clásico. Las manos tienen muchos huesos, muchas articulaciones y aparecen en posturas infinitas. Los modelos las hacen mucho mejor que hace dos años, pero siguen fallando: dedos de más, dedos que se funden, agarres imposibles.

Cómo trabajar con eso:

• Las manos en plano detalle y con una acción simple salen bien: sujetar una taza, verter, señalar.
• Las manos en segundo plano y desenfocadas no dan problemas.
• Las manos haciendo algo complicado (tocar un instrumento, escribir, manipular herramientas pequeñas) fallan a menudo.
• Si la mano no aporta nada, encuádrala fuera.

El texto en pantalla

Los modelos generativos escriben mal. Producen letras que parecen letras pero no lo son, palabras casi correctas, carteles con ortografía imposible. Y en vídeo es peor que en imagen, porque el texto cambia entre fotogramas: una palabra puede transformarse en otra a mitad de clip.

Cómo trabajar con eso:

• No pidas texto legible en el vídeo generado. Nunca. Ni logotipos, ni carteles, ni rótulos.
• Si necesitas texto, añádelo después con cualquier editor. Sale perfecto, controlas la tipografía y es más rápido.
• Si en la escena tiene que haber algo escrito, pide que esté desenfocado o fuera de foco.

Esta es probablemente la regla que más frustración ahorra.

La continuidad entre planos

Cada generación es independiente. Si pides dos clips de "la misma persona en la misma cocina", saldrán dos personas distintas en dos cocinas distintas. El modelo no tiene memoria entre trabajos.

Cómo trabajar con eso:

• Diseña las piezas para que no necesiten continuidad: planos detalle, objetos, texturas, paisajes.
• Si necesitas una figura recurrente que hable, ese es exactamente el caso de Synthesia, cuyo avatar sí es el mismo siempre. Es su gran ventaja y suele pasarse por alto.
• Alterna: el avatar da la continuidad, los clips generativos dan el apoyo visual.

Las caras concretas

No se puede pedir "una cara igual a esta". Y aunque se pudiera, no se debería: replicar el rostro de una persona real sin su consentimiento es un problema legal y ético serio, no un truco avanzado.

Cómo trabajar con eso:

• Personas genéricas descritas por rasgos generales, sí.
• Personas concretas y reconocibles, no.
• Si necesitas una cara consistente en varios vídeos, Synthesia con su avatar.

La física complicada

Líquidos que se mezclan, telas que se pliegan de forma compleja, cristales que se rompen, multitudes que se mueven de forma coherente, animales corriendo. El modelo aproxima el aspecto pero no simula la física, así que a veces produce movimientos imposibles: un líquido que sube, un objeto que atraviesa otro, una pierna que hace algo que ninguna pierna hace.

Cómo trabajar con eso:

• Prefiere movimientos lentos y simples.
• Un solo elemento en movimiento, no cinco.
• Vapor, humo y agua en calma salen bien. Salpicaduras violentas y cristales rotos, mal.

El tiempo

Todo lo que dure más de unos segundos se degrada. Los modelos mantienen la coherencia un rato corto y luego empiezan a derivar: las proporciones cambian, los objetos se transforman, la escena se desordena.

Cómo trabajar con eso:

• Acepta la duración corta como una restricción creativa, no como un defecto.
• Un plano de cuatro segundos bien pensado vale más que doce segundos de deriva.
• Para piezas largas: varios clips cortos montados.

Los detalles de fondo

El modelo dedica su atención al sujeto principal. El fondo suele tener menos rigor: objetos que no acaban de tener sentido, geometrías dudosas, personas de relleno con anatomía rara.

Cómo trabajar con eso:

• Fondos simples. Una pared, un color liso, un desenfoque.
• Poca profundidad de campo para que el fondo no se lea con detalle. Es la solución más elegante: además queda bien.

El contar historias

Un clip no cuenta una historia. No hay montaje, no hay elipsis, no hay giro. Es un plano.

Cómo trabajar con eso:

• Piensa en planos, no en guiones.
• La narrativa la pones tú al montar, o con la voz del avatar, o con el texto que añadas encima.

Resumen de limitaciones

Se le da bien	Se le da mal
Texturas y materiales	Texto legible
Objetos y producto	Manos en acciones complejas
Paisajes y ambientes	Continuidad entre clips
Movimientos lentos y simples	Física compleja
Luz y atmósfera	Caras concretas
Detalle macro	Multitudes coherentes
Vapor, humo, agua en calma	Duraciones largas
Fondos desenfocados	Fondos detallados

Si diseñas tus vídeos usando solo la columna de la izquierda, la tasa de acierto sube muchísimo. Y con un vídeo al día, esa tasa es tu recurso más valioso.

Resolución de problemas

Síntoma, causa probable, qué hacer. Ordenado por frecuencia real.

El vídeo no se genera y el chat me dice que no está disponible

Causa: o la generación está apagada en el panel de admin, o el proveedor elegido no tiene su clave configurada en el servidor. Qué hacer: el mensaje del chat distingue los dos casos. Si dice que está apagada, hay que activarla en el panel (Vídeo, proveedor). Si dice que falta la clave, el administrador tiene que ponerla: Sora usa la de OpenAI, Synthesia y Runway tienen la suya. No es algo que se arregle cambiando el prompt.

El chat me pide una descripción más detallada

Causa: el prompt tenía menos de cuatro caracteres. Qué hacer: escribir un prompt de verdad. Es una salvaguarda deliberada: evita gastar 1.200 créditos en un trabajo que iba a salir mal seguro.

La tarjeta se queda en "procesando" mucho rato

Causa: es normal según el proveedor. Sora tarda entre 30 segundos y 2 minutos. Synthesia, entre 1 y 5 minutos. Qué hacer: nada. La tarjeta se actualiza sola. Puedes seguir usando el chat mientras tanto; no bloquea nada. Si la barra de progreso avanza, el trabajo está vivo.

El vídeo no se parece a lo que pedí

Causa: casi siempre, un prompt de una sola capa. Qué hacer: revisa las siete capas. Lo que más impacto tiene, por orden: encuadre, luz, sujeto concreto. Si tu prompt no menciona encuadre ni luz, ahí está el problema.

El vídeo "parece de IA"

Causa: demasiado limpio, demasiado centrado, demasiado perfecto. Qué hacer: añade imperfección deliberada. "Grano de película de 35 mm", "encuadre ligeramente descentrado", "luz natural imperfecta", "leve movimiento de cámara en mano". La perfección es lo que delata.

Los dedos o las manos salen mal

Causa: limitación conocida del modelo. Qué hacer: reencuadra para que las manos no salgan, o pide un plano detalle de la mano haciendo una acción simple, o pide que estén desenfocadas.

El texto del cartel es ilegible

Causa: limitación conocida. Los modelos no escriben. Qué hacer: no pidas texto. Añádelo en postproducción.

El movimiento es demasiado rápido o caótico

Causa: has pedido demasiadas acciones para la duración disponible. Qué hacer: quédate con una sola acción y pídela "lentamente". La palabra "lento" en un prompt de vídeo casi siempre mejora el resultado.

El resultado sale vertical cuando pedí horizontal

Causa: dos posibles. O el sistema está configurado en vertical en el panel de admin, o estás usando Sora y pediste cuadrado (que cae a vertical). Qué hacer: el aspecto se configura en el panel, no en el prompt. Si necesitas cuadrado, usa Runway.

La duración no es la que pedí

Causa: las duraciones son valores fijos. Sora solo hace 4, 8 o 12 segundos y mapea lo pedido al valor permitido más cercano por abajo. Runway solo hace 5 o 10. Qué hacer: asumir la rejilla. Piensa en "un plano corto" o "un plano un poco más largo", no en segundos exactos.

El vídeo salió pero sin sonido

Causa: el proveedor era Runway, que no genera audio. O era Synthesia, que solo produce la voz del avatar. Qué hacer: si necesitas sonido ambiente, el proveedor es Sora, y tiene que estar seleccionado a propósito en el panel.

Me ha dicho que ya he gastado mi vídeo de hoy

Causa: el límite es de un vídeo al día en Pro y en Max. Qué hacer: planificar. Escribe el prompt hoy, revísalo, y lánzalo cuando esté afinado. Este límite es la razón de ser de la sección de prompts.

El proveedor devolvió un error

Causa: picos de carga, moderación de contenido, o un fallo temporal del servicio. Qué hacer: el chat te lo dice en lenguaje normal y sugiere reintentar en unos minutos. Si se repite con el mismo prompt, sospecha de la moderación: reformula evitando marcas registradas, personas públicas y contenido sensible.

El vídeo desapareció al refrescar

Causa: no debería pasar. Cuando el render termina, el MP4 se guarda en nuestro Storage con URL permanente. Qué hacer: si el vídeo aún estaba en proceso al cerrar, vuelve a abrir la conversación: el sondeo retoma. Si estaba listo y no aparece, es un caso para reportar.

De la idea al vídeo publicado: flujo completo

Aquí es donde la generación de vídeo deja de ser un juguete y se convierte en trabajo. El truco no es la herramienta de vídeo: es encadenarla con el resto de GarBotGPT.

Paso 1: define el encargo (chat normal)

Antes de tocar la herramienta de vídeo, usa el chat para pensar. Un mensaje como este:

"Necesito un vídeo de 8 segundos para el feed vertical de una marca de aceite de oliva. Público: gente de 30 a 50 años que compra producto gourmet. Objetivo: que parezca artesanal y caro. Dame tres conceptos visuales distintos, cada uno en una frase."

Salen tres ideas. Eliges una. Coste: nada comparado con los 1.200 créditos del vídeo.

Paso 2: escribe el prompt con ayuda (chat normal)

Coge la idea elegida y pide que se convierta en un prompt con las siete capas:

"Convierte esta idea en un prompt de vídeo completo, con encuadre, movimiento de cámara, sujeto concreto, entorno con detalles físicos, luz, lente y estilo. Formato vertical. Incluye ambiente sonoro."

Ahora tienes un prompt trabajado sin haber gastado el vídeo del día.

Paso 3: critica el prompt antes de lanzarlo

Este paso es el que más gente se salta y el que más créditos ahorra:

"Revisa este prompt de vídeo. Dime qué es ambiguo, qué le falta y qué puede salir mal según las limitaciones de los modelos de vídeo actuales."

Suele detectar que has pedido texto legible, que has metido tres acciones, o que las manos van a dar problemas.

Paso 4: genera el vídeo

Ahora sí. Un solo intento, bien preparado. La tarjeta sale al momento y puedes seguir trabajando mientras se cuece.

Paso 5: analiza el resultado

GarBotGPT también analiza vídeos. Sube el vídeo generado y pide una crítica:

"Analiza este vídeo y dime qué se ve, qué transmite y qué le falta para funcionar como anuncio."

El análisis extrae fotogramas, describe cada uno, transcribe el audio si lo hay y produce un resumen con momentos clave. Sirve para dos cosas: comprobar de forma objetiva qué se ve realmente (que no siempre es lo que tú crees ver) y afinar el prompt para el vídeo de mañana.

Paso 6: monta y publica

Los últimos pasos son fuera de GarBotGPT: añadir el texto en pantalla, la música, el logotipo, los subtítulos. Y recuerda: el texto siempre en postproducción, nunca generado.

El ciclo, resumido

Paso	Herramienta	Coste
1. Conceptos	Chat normal	Bajo
2. Redactar prompt	Chat normal	Bajo
3. Criticar prompt	Chat normal	Bajo
4. Generar	Herramienta de vídeo	1.200 créditos, 1 al día
5. Analizar	Análisis de vídeo	120 créditos
6. Montar y publicar	Fuera	Tu tiempo

Cinco de los seis pasos son baratos. El caro es uno. Ese es el argumento entero a favor de preparar antes.

Análisis de vídeo: la herramienta hermana

Merece su propia sección porque mucha gente no sabe que existe.

Puedes subir un vídeo y pedir que lo analice. No es una transcripción: es un análisis multimodal, es decir, mira y escucha a la vez.

Qué hace por dentro:

1. Extrae el audio del vídeo.
2. Extrae seis fotogramas repartidos a lo largo de la duración, evitando los extremos.
3. Transcribe el audio con marcas de tiempo, segmento a segmento.
4. Describe cada fotograma con visión, usando la transcripción como contexto. Esto importa: un fotograma descrito sabiendo lo que se dice en ese momento se entiende mucho mejor que uno descrito a ciegas.
5. Compone un resumen del vídeo y extrae de tres a cinco momentos clave con su marca de tiempo.

Límites técnicos:

Límite	Valor
Tamaño máximo	30 MB
Duración máxima	5 minutos
Fotogramas analizados	6
Coste	120 créditos

Para qué sirve en la práctica:

• Resumir una reunión grabada sin verla entera, con los momentos clave marcados.
• Sacar el guion de un vídeo que te ha gustado, para entender su estructura.
• Auditar tu propio vídeo generado: qué se ve de verdad, no lo que crees que se ve.
• Revisar formación: comprobar que un vídeo dice lo que tiene que decir.
• Analizar la competencia: qué hacen, cómo lo montan, qué mensajes repiten.
• Encontrar un momento concreto en un vídeo largo sin ir arrastrando la barra.

Y cuesta diez veces menos que generar. Es la herramienta de vídeo que más se infrautiliza del producto.

Accesibilidad: que el vídeo lo entienda todo el mundo

Un vídeo que solo funciona con sonido y con buena vista deja fuera a mucha gente. Y en redes, la mayoría lo ve en silencio, así que la accesibilidad y la eficacia apuntan en la misma dirección.

Subtítulos siempre

Todos los vídeos con voz llevan subtítulos. Sin excepción.

Con Synthesia tienes una ventaja enorme: el guion ya es el subtítulo. Lo escribiste tú, palabra por palabra, así que la transcripción es exacta y no hay que corregir nada. Es uno de los argumentos menos comentados a favor de este flujo.

Con un vídeo grabado, o con audio de Sora, hay que transcribir. Y ahí puedes usar el propio análisis de vídeo: devuelve la transcripción con marcas de tiempo por segmento, que es justo lo que hace falta para subtitular.

Que se entienda sin sonido

El vídeo tiene que funcionar en silencio. Esto se decide en el prompt:

• Pide acciones visualmente legibles: algo que se vierte, se abre, se corta.
• Evita depender de que se oiga un sonido para entender la escena.
• Deja espacio para el texto en la composición.

Contraste suficiente

Si vas a poner texto encima, pide que la zona donde irá sea lisa y de un tono uniforme. Texto blanco sobre un fondo con manchas claras y oscuras es ilegible para cualquiera, y más para quien tenga poca visión.

Cómo pedirlo: "zona lisa y oscura en el tercio inferior, sin elementos".

Cuidado con el parpadeo

Los cambios de luz muy rápidos o los destellos repetidos pueden ser un problema serio para personas con fotosensibilidad. No pidas estroboscopios, luces parpadeantes ni cortes bruscos de luz. Además, casi nunca quedan bien.

Descripción alternativa

Cuando publiques el vídeo, escribe una descripción de lo que se ve. Y esa la puedes generar del propio análisis: sube el vídeo, pide el resumen, y ya tienes la base.

Organizar lo que produces

Con un vídeo al día, en tres meses tienes noventa clips. Sin orden, es un cajón inservible.

Nombra por contenido, no por fecha

Un archivo llamado "video_final_2.mp4" no le sirve a nadie dentro de seis meses. Un esquema que funciona:

[sector o campaña]-[tipo de plano]-[sujeto]-[formato]

Ejemplos: "aceite-detalle-vertido-vertical", "marca-textura-lino-horizontal", "rrhh-avatar-bienvenida-horizontal".

Guarda el prompt junto al vídeo

Esto es lo más importante y lo que menos gente hace. El prompt es tan valioso como el vídeo. Si el clip funcionó, ese texto es una plantilla que vas a reutilizar veinte veces cambiando el sujeto.

Un documento sencillo con dos columnas (prompt y qué tal salió) se convierte en el activo más útil de tu producción de vídeo al cabo de unas semanas.

Marca lo que es generado

En tus propios archivos, indica cuáles son generados. No por burocracia: porque dentro de un año no te vas a acordar, y necesitarás saberlo si alguien pregunta o si hay que revisar qué se publicó con qué.

Reutiliza sin miedo

Un plano de textura, un bucle abstracto o un plano de producto sobre fondo negro no caducan. El mismo clip puede ser cabecera de la web en marzo, fondo de una presentación en junio y recurso de un vídeo de redes en octubre. Los clips genéricos son los que más se rentabilizan, y son también los que mejor se le dan a la tecnología. No es casualidad.

Combinar los tres proveedores en una sola pieza

El uso más avanzado, y el que da mejores resultados, es no elegir un proveedor sino usar varios en la misma pieza. Como cada uno cubre un hueco distinto, se complementan bien.

Estructura tipo para un vídeo corporativo de un minuto

Segmento	Duración	Proveedor	Contenido
Apertura	4-5 s	Runway o Sora	Plano cinemático de contexto
Cuerpo	40 s	Synthesia	El avatar explica el mensaje
Apoyos	3 x 5 s	Runway o Sora	Planos de recurso sobre la voz
Cierre	5 s	Runway	Plano abstracto con texto encima

El montaje se hace fuera, pero las piezas salen todas de aquí. Y como el avatar da continuidad, los planos de recurso no necesitan parecerse entre sí: se apoyan sobre la voz.

Por qué funciona esta combinación

El punto débil de los clips generativos es que no cuentan historias. El punto débil del avatar es que visualmente es plano. Juntos, cada uno cubre la debilidad del otro: la voz da la narrativa, los clips dan el interés visual.

Es exactamente cómo se monta un reportaje de televisión desde hace cincuenta años: una voz que conduce y unas imágenes de recurso encima. Que la técnica más eficaz sea también la más clásica no debería sorprender.

El calendario que exige

Con un vídeo al día, esa pieza de un minuto son cinco días de cuota. Por eso la planificación por lotes de la que se hablaba antes no es un consejo bonito: es la única forma de que salga.

Banco de fragmentos reutilizables

Estos son trozos de prompt que puedes pegar tal cual en cualquier descripción. Están redactados para que encajen en medio de una frase. Piénsalo como una caja de piezas.

Fragmentos de cámara

• "cámara fija sobre trípode, sin movimiento"
• "avance lento y continuo hacia el sujeto"
• "retroceso lento que revela el entorno"
• "travelling lateral suave de izquierda a derecha"
• "panorámica lenta que recorre el espacio"
• "movimiento orbital lento alrededor del objeto"
• "ligera cámara en mano, movimiento orgánico"
• "inclinación ascendente desde el suelo hasta el techo"
• "la cámara sigue al sujeto manteniendo la distancia"
• "grúa ascendente que abre el plano"

Fragmentos de luz

• "luz lateral suave de ventana grande"
• "luz cálida de última hora de la tarde, sombras largas"
• "luz dura cenital, sombras marcadas, alto contraste"
• "día nublado, luz plana y uniforme"
• "contraluz fuerte, el sujeto recortado en silueta"
• "iluminación de estudio de tres puntos, fondo neutro"
• "solo iluminado por las lámparas visibles en el plano"
• "luz azulada de después del ocaso"
• "haces de luz visibles atravesando el polvo en suspensión"
• "reflejos controlados sobre la superficie metálica"

Fragmentos de óptica

• "teleobjetivo, fondo muy desenfocado"
• "gran angular, mucha profundidad de campo, todo nítido"
• "macro extremo, profundidad de campo mínima"
• "el foco viaja lentamente del primer término al fondo"
• "grano de película de 35 mm"
• "ligero viñeteado en los bordes"
• "aberración cromática sutil en las zonas de mucho contraste"
• "destello de lente discreto en el borde superior"

Fragmentos de estilo

• "estilo documental naturalista, sin filtros"
• "estilo anuncio de producto, muy pulido y limpio"
• "estilo cinematográfico, colores desaturados"
• "estilo editorial de revista, composición geométrica"
• "estilo grabación doméstica antigua, colores lavados"
• "estilo industrial técnico, luz uniforme"
• "estilo publicitario de gastronomía, colores saturados"

Fragmentos de sonido (solo Sora)

• "sonido: ambiente de calle con tráfico lejano"
• "sonido: lluvia constante sobre una superficie metálica"
• "sonido: viento en campo abierto, nada más"
• "sonido: murmullo de gente y cubiertos en un comedor"
• "sonido: el zumbido grave de una máquina"
• "sonido: pasos sobre madera y una puerta que se cierra"
• "sonido: silencio con una leve reverberación de sala grande"
• "sonido: agua corriendo y pájaros"

Fragmentos que arreglan el aspecto "de IA"

• "ligera imperfección, no perfectamente simétrico"
• "encuadre ligeramente descentrado"
• "polvo y marcas de uso visibles en las superficies"
• "iluminación natural imperfecta, con zonas quemadas"
• "movimiento de cámara con una leve inestabilidad humana"

Checklist antes de gastar tu vídeo del día

Imprímela mentalmente. Ocho comprobaciones, treinta segundos, 1.200 créditos en juego.

1. ¿He nombrado el encuadre? Si no aparece la palabra plano, detalle, general o similar, falta.
2. ¿He descrito la luz? De dónde viene, de qué color, qué dureza.
3. ¿Mi sujeto es concreto? Material, color, tamaño, edad. Nada de "un producto", "una persona", "un sitio".
4. ¿Hay UNA sola acción? Cuenta los verbos. Si hay más de uno, sobra al menos uno.
5. ¿He pedido texto legible? Si sí, quítalo. Va en postproducción.
6. ¿Dependo de manos en una acción complicada? Si sí, reencuadra o simplifica.
7. ¿El formato del sistema coincide con donde voy a publicar? Vertical para redes, horizontal para web.
8. ¿He pedido movimiento lento? Casi siempre mejora el resultado.

Si las ocho están, lanza. Si falla alguna, arréglala primero: te va a costar treinta segundos y te ahorra un día de espera.

Los diez errores de principiante

Todos los cometemos al empezar. Reconocerlos acorta la curva.

1. Escribir un guion en vez de un plano

"Entra en la tienda, mira los productos, coge uno, va a la caja y paga." Eso son cinco planos y treinta segundos. En cuatro segundos sale un borrón.

Arreglo: elige el plano más potente de esa secuencia y pide solo ese.

2. Usar adjetivos de valoración

"Bonito", "impactante", "profesional", "moderno", "acogedor". No son instrucciones: son opiniones. El modelo no sabe qué te parece bonito a ti.

Arreglo: sustituye cada adjetivo por el hecho físico que lo produce.

3. Pedir texto

Logotipos, carteles, rótulos, nombres de marca. Salen mal siempre.

Arreglo: postproducción.

4. Olvidar la cámara

Es la capa que más impacto tiene y la que más gente omite.

Arreglo: ninguna descripción sin encuadre y movimiento.

5. Mezclar estilos

"Cinematográfico pero animado y también retro." El resultado no es una fusión: es un desastre.

Arreglo: un estilo por vídeo.

6. Pedir demasiada gente

Las multitudes coherentes son de lo más difícil que existe. Cinco personas en un plano son cinco anatomías que pueden fallar.

Arreglo: una o dos personas. O ninguna, y objetos.

7. Esperar continuidad entre clips

"Ahora el mismo personaje pero desde otro ángulo." No existe ese "mismo personaje".

Arreglo: o Synthesia (avatar consistente) o diseño sin continuidad.

8. Fondos complicados

Cuanto más pasa en el fondo, más cosas raras aparecen.

Arreglo: fondo simple y poca profundidad de campo.

9. Pedir el vídeo antes de pensar el vídeo

Con un intento al día, improvisar sale caro.

Arreglo: los pasos 1 a 3 del flujo de trabajo, que son baratos.

10. No mirar lo que ha salido

Se genera, se guarda y no se analiza. Y entonces mañana se repite el mismo error.

Arreglo: analiza tu propio vídeo (120 créditos) y aprende del resultado.

Cinco ejercicios para aprender rápido

Si tienes cinco días y un vídeo al día, este es el mejor plan de aprendizaje posible. Cada ejercicio aísla una variable.

Día 1: la luz

Prompt fijo, cambia solo la luz. Genera:

Plano detalle de una manzana roja sobre una mesa de madera oscura, cámara fija. Luz lateral suave de ventana. Teleobjetivo, poca profundidad de campo. Estilo naturalista.

Al día siguiente el mismo prompt con "luz dura cenital, sombras marcadas". Compara. Vas a entender de golpe por qué la luz es el 80% del resultado.

Día 2: el movimiento

Prompt fijo, cambia solo el movimiento de cámara. Fija contra avance lento contra orbital. Aprende cuál se rompe antes.

Día 3: la especificidad

Genera "una persona en una oficina" un día y la versión con siete capas al siguiente. Es el experimento que más convence a quien duda de que los prompts importen.

Día 4: la imperfección

El mismo prompt con y sin "grano de película, ligera imperfección, encuadre descentrado". Es el ejercicio que enseña a que no parezca de IA.

Día 5: el sujeto imposible

Pide a propósito algo de la columna difícil: manos tocando el piano, un cartel con un texto, tres personas caminando juntas. Que salga mal es el objetivo: así aprendes a reconocer los límites de un vistazo, y no vuelves a diseñar una pieza que dependa de eso.

Cómo pedirle a GarBotGPT que te escriba el prompt

El chat es bueno escribiendo prompts de vídeo si le das el marco. Este mensaje funciona muy bien tal cual:

"Actúa como director de fotografía. Convierte esta idea en un prompt de vídeo para un modelo generativo, en español, en un solo párrafo, incluyendo obligatoriamente: encuadre, movimiento de cámara, sujeto concreto con materiales y colores, entorno con dos o tres detalles físicos, descripción de la luz, lente y profundidad de campo, estilo general y ambiente sonoro. Una sola acción. Sin texto legible en la escena. Idea: [tu idea]."

Y luego, el mensaje de crítica:

"Ahora critica ese prompt. ¿Qué es ambiguo? ¿Hay más de una acción? ¿Depende de manos, texto o multitudes? ¿Qué quitarías?"

Con esos dos mensajes, y sin gastar créditos de vídeo, tienes un prompt mejor que el 90% de lo que se escribe a mano.

Variantes: cómo iterar cuando algo casi funciona

Si el vídeo de ayer salió casi bien, no reescribas el prompt entero. Cambia una sola variable. Es la diferencia entre aprender y dar palos de ciego.

Lo que falló	La única variable a tocar
Demasiado oscuro o plano	La luz
El sujeto no se lee bien	El encuadre (acércate)
Movimiento caótico	Reducir a una acción y añadir "lentamente"
Parece un banco de imágenes	Añadir detalles físicos concretos al entorno
Parece de IA	Añadir imperfección y grano
El fondo distrae	Poca profundidad de campo, fondo simple
Falta emoción	La luz (hora dorada, contraluz, penumbra)
Falta sensación de calidad	Teleobjetivo y fondo desenfocado

Un cambio por intento. Con un vídeo al día, la disciplina no es opcional: es la única manera de aprender algo.

Preguntas frecuentes

Sobre el funcionamiento

¿Cuánto tarda en generarse un vídeo? Depende del proveedor. Sora, entre 30 segundos y 2 minutos. Synthesia, entre 1 y 5 minutos. Runway, variable.

¿Tengo que esperar mirando la pantalla? No. La tarjeta aparece al instante y se actualiza sola. Puedes seguir escribiendo en el chat, hacer otras preguntas y hasta irte. El vídeo se sigue generando.

¿Y si cierro la pestaña? El trabajo sigue en el proveedor. Al volver a la conversación, el sondeo retoma y el vídeo aparece cuando esté.

¿La barra de progreso es real o es decorativa? Real cuando el proveedor da progreso. Sora devuelve un valor de 0 a 100 y eso es lo que pinta la barra. No es una animación que va a su aire.

¿Dónde se guarda el vídeo? En nuestro Storage, con URL permanente. En el caso de Sora, el MP4 se descarga autenticado desde la API de OpenAI y se guarda en nuestra infraestructura: no depende de una URL externa que pueda caducar.

¿El vídeo sobrevive a un refresco? Sí. Una vez guardado, la conversación mantiene el vídeo.

¿Puedo pedir dos vídeos a la vez? El límite es de uno al día en Pro y Max, así que no en la práctica.

Sobre proveedores

¿Cuál es el mejor de los tres? Ninguno. Hacen cosas distintas. Si alguien te dice cuál es "el mejor" sin preguntarte qué necesitas, no te está ayudando.

¿Por qué Sora no se enciende solo? Porque la clave de OpenAI ya está configurada para el resto del producto. Si Sora se activara automáticamente por eso, cualquier instalación empezaría a generar vídeo de pago sin que nadie lo hubiera decidido. Requiere una elección explícita en el panel de admin.

¿Qué hace exactamente el modo auto? Prueba Synthesia y, si no está disponible, Runway. Nunca elige Sora.

¿Puedo elegir el proveedor desde el chat? No. Es una configuración del sistema, en el panel de admin.

¿Puedo elegir el avatar de Synthesia? El sistema usa la plantilla configurada si la hay. Si no, un avatar de catálogo sobre fondo blanco roto. La plantilla es la vía para personalizar el aspecto.

¿Qué pasa si la plantilla de Synthesia falla? No se rompe nada: cae automáticamente al avatar de catálogo. Siempre sale vídeo.

¿Runway tiene sonido? No. Ninguno. Si necesitas audio, es Sora.

¿Puedo pedir una canción concreta? No. Sora genera ambiente sonoro, no música con derechos. Pide texturas sonoras: lluvia, viento, murmullo, maquinaria.

¿Puedo hacer que el avatar diga algo palabra por palabra? Sí, y es justo lo que hace Synthesia: lee literalmente el guion que escribas, hasta 4.000 caracteres.

Sobre formatos y duraciones

¿Puedo pedir un vídeo de 30 segundos? No. Sora hace 4, 8 o 12 segundos. Runway, 5 o 10. Synthesia depende del guion, hasta 4.000 caracteres. Para piezas más largas, hay que montar varios clips o usar Synthesia.

¿Por qué me sale una duración distinta a la que pedí? Porque las duraciones son valores fijos y se mapea al permitido más cercano por abajo. Si el sistema pide 10 segundos a Sora, salen 8.

¿Puedo hacer vídeo cuadrado? Solo con Runway (960:960). Sora no hace cuadrado: si se pide 1:1, cae a vertical.

¿Cómo cambio el formato a vertical? En el panel de admin, en la configuración de vídeo. No se cambia desde el prompt.

¿Por qué el formato no se controla desde el chat? Porque el aspecto y la duración son ajustes de instalación en la versión actual. Lo que sí controlas al cien por cien desde el prompt es la escena: sujeto, acción, luz, cámara, estilo. Que es lo que realmente determina si el vídeo sirve.

¿El vertical es un horizontal recortado? No, y no deberías tratarlo así. Un plano compuesto para horizontal pierde información al recortarlo. Si va a ser vertical, píensalo vertical: más cerca, sujeto centrado, menos entorno.

Sobre costes y límites

¿Cuánto cuesta generar un vídeo? 1.200 créditos.

¿Y analizarlo? 120 créditos. Diez veces menos.

¿Puedo generar vídeo en el plan Free? No. Está bloqueado.

¿Cuántos vídeos al día tengo en Pro? Uno.

¿Y en Max? También uno. El límite no depende del plan: es un límite de cordura sobre una operación cara.

¿Se acumulan los vídeos no usados? No. Es un límite diario.

¿Se me cobra si el vídeo falla? Las salvaguardas están precisamente para evitar gastar en trabajos condenados: un prompt de menos de cuatro caracteres no llega a lanzarse, y si no hay clave configurada tampoco.

¿Por qué es tan caro? Porque sintetizar fotogramas coherentes es, con diferencia, el cómputo más pesado del producto. Un vídeo de ocho segundos son cientos de imágenes que además tienen que encajar entre sí.

Sobre resultados

¿Por qué mi vídeo no se parece a lo que imaginé? Casi siempre porque el prompt tenía una capa de las siete. Revisa encuadre, luz y concreción del sujeto: son las tres que más impacto tienen.

¿Por qué las manos salen raras? Limitación conocida de los modelos actuales. Reencuadra, simplifica la acción o desenfoca.

¿Por qué el texto sale ilegible? Los modelos generativos no escriben. Y en vídeo es peor, porque el texto cambia entre fotogramas. Añade el texto en postproducción.

¿Puedo pedir mi logotipo? No saldrá bien. Ponlo después, con un editor.

¿Puedo repetir el mismo personaje en dos vídeos? Con clips generativos, no. Con el avatar de Synthesia, sí: es siempre el mismo.

¿Cómo hago que no parezca de IA? Pide imperfección: grano de película, encuadre ligeramente descentrado, luz natural imperfecta, leve inestabilidad de cámara. Lo que delata a un vídeo generado suele ser el exceso de perfección.

¿Se puede pedir la cara de una persona concreta? No, y tampoco se debe. Ni la de una persona pública ni la de un compañero de trabajo.

¿Puedo generar el vídeo de un inmueble concreto para venderlo? Puedes generar un vídeo que ilustre un estilo o una reforma propuesta, indicándolo. Presentar un vídeo generado como si fuera el inmueble real es publicidad engañosa.

Sobre el análisis de vídeo

¿Qué tamaño de vídeo puedo analizar? Hasta 30 MB y hasta 5 minutos.

¿Cuántos fotogramas mira? Seis, repartidos a lo largo del vídeo evitando los extremos.

¿Transcribe el audio? Sí, con marcas de tiempo por segmento.

¿Entiende lo que se ve además de lo que se dice? Sí, y esa es la gracia: describe cada fotograma usando la transcripción como contexto, así que interpreta la imagen sabiendo qué se está diciendo en ese momento.

¿Me da los momentos clave? Sí, entre tres y cinco, con su marca de tiempo.

¿Para qué lo usaría? Resumir reuniones grabadas, auditar tus propios vídeos, estudiar la estructura de vídeos ajenos, revisar formación, localizar un momento concreto sin buscar a mano.

Sobre administración

¿Dónde se configura todo esto? En el panel de admin, en la sección de vídeo. Se guarda en app_settings.video_config: proveedor, duración por defecto y formato por defecto.

¿Se puede apagar la generación de vídeo? Sí, con el modo apagado. Y el chat se lo explica al usuario en lenguaje normal si alguien pide un vídeo.

¿Qué claves hacen falta? Sora usa la clave de OpenAI que ya existe. Synthesia y Runway tienen la suya propia. Sin la clave del proveedor elegido, el chat avisa de que no está disponible.

¿Puedo tener varios proveedores activos a la vez? Se elige uno, o el modo auto, que prueba Synthesia y luego Runway.

Glosario

Términos que aparecen en este artículo y en cualquier conversación sobre vídeo generado.

Aspecto o proporción. La relación entre ancho y alto. 16:9 es horizontal, 9:16 vertical, 1:1 cuadrado.

Avance. Movimiento de cámara que se acerca al sujeto. Uno de los más fiables en vídeo generado.

Avatar. Persona sintética que aparece en pantalla. En Synthesia, el que lee tu guion.

Cámara en mano. Estilo con ligera inestabilidad que imita a un operador humano. Da realismo.

Cenital. Plano desde arriba, mirando hacia abajo en vertical.

Clip. Una unidad de vídeo generada de una sola vez. En este contexto, entre 4 y 12 segundos.

Contrapicado. Plano desde abajo mirando hacia arriba. Agranda al sujeto.

Contraluz. La fuente de luz está detrás del sujeto, que queda recortado.

Continuidad. Que dos planos parezcan de la misma escena. Es lo que los modelos generativos no tienen entre trabajos.

Créditos. La unidad de consumo del producto. Generar vídeo cuesta 1.200; analizarlo, 120.

Deriva. La tendencia de un vídeo generado a desordenarse según avanza. La razón de que los clips sean cortos.

Destello de lente. El haz de luz que aparece cuando una fuente potente entra en el objetivo.

Encuadre. Qué parte de la escena entra en el plano. Primer plano, plano medio, plano general.

Fotograma o frame. Cada una de las imágenes fijas que componen el vídeo.

Gran angular. Lente que abarca mucho campo. Espacios amplios, líneas ligeramente curvadas.

Grano. Textura de la película fotoquímica. Añadirlo digitalmente humaniza la imagen.

Hora azul. Los minutos posteriores al ocaso, con luz fría y suave.

Hora dorada. La última hora antes del ocaso. Luz cálida y sombras largas.

Keyframe o fotograma clave. En el análisis de vídeo, uno de los seis fotogramas que se extraen para describir.

Macro. Fotografía de muy cerca. Ideal para texturas y detalle de producto.

Marca de tiempo. La posición temporal de algo dentro del vídeo. El análisis las devuelve para transcripción y momentos clave.

Modelo generativo. El sistema que sintetiza el vídeo. Sora 2 y gen3a_turbo son dos de ellos.

Momento clave. En el análisis, uno de los instantes destacados que devuelve el resumen.

Moderación. El filtro del proveedor que rechaza contenidos no permitidos. Una causa habitual de fallos repetidos con el mismo prompt.

Multimodal. Que procesa varios tipos de información a la vez. El análisis de vídeo lo es: mira y escucha.

Orbital. Movimiento que gira alrededor del sujeto. Muy usado en producto.

Panorámica. Giro de la cámara sobre su eje, sin desplazarse.

Plano. Una toma continua sin corte. Lo que genera un modelo de vídeo es siempre un plano.

Plano detalle. Encuadre muy cerrado sobre un objeto o parte pequeña.

Plano general. Encuadre amplio que muestra al sujeto entero y su entorno.

Plano medio. De cintura para arriba. El encuadre estándar de la comunicación.

Poca profundidad de campo. Solo el sujeto está nítido, el fondo desenfocado. Da aspecto cinematográfico y esconde fondos problemáticos.

Postproducción. Todo lo que se hace después de generar: texto, música, subtítulos, montaje.

Profundidad de campo. La franja de distancia que aparece enfocada.

Prompt. La descripción de texto que se le da al modelo. En vídeo, es una ficha de rodaje.

Proveedor. El servicio que genera el vídeo. Aquí: Sora, Synthesia o Runway.

Render. El proceso de generar el vídeo. Lo que ocurre mientras la tarjeta dice que está procesando.

Seguimiento. Movimiento en el que la cámara acompaña a un sujeto que se desplaza.

Sondeo. La consulta periódica del estado de un trabajo en curso. Es lo que hace que la tarjeta se actualice sola.

Storage. Nuestro almacenamiento, donde se guarda el MP4 final con URL permanente.

Texto a vídeo. La técnica de generar vídeo a partir de una descripción escrita.

Transcripción. El texto del audio de un vídeo. El análisis la produce con marcas de tiempo.

Travelling. Desplazamiento físico de la cámara, normalmente lateral.

Viñeteado. Oscurecimiento de los bordes de la imagen. Concentra la mirada.

Visión. La capacidad de un modelo de interpretar imágenes. Es lo que describe los fotogramas en el análisis.

Ética y avisos legales

Esta sección no es un formalismo. La generación de vídeo cruza líneas que la generación de texto no cruza, porque un vídeo se cree. Un texto se discute; una imagen en movimiento con sonido se acepta como prueba. Esa es exactamente la razón por la que hay que tener cuidado.

No suplantes a personas reales

La regla más importante y la menos negociable. No generes vídeos que representen a personas reales identificables diciendo o haciendo cosas que no dijeron ni hicieron. Ni personas públicas, ni tu jefe, ni un competidor, ni un famoso "de broma".

Esto incluye casos que a mucha gente le parecen inocentes:

• Usar la imagen de un directivo para un comunicado que él no grabó.
• Poner voz o cara a un cliente en un testimonio inventado.
• Recrear a alguien fallecido.
• Hacer que una figura pública recomiende tu producto.

Si necesitas que alguien concreto aparezca, grábale. Y si necesitas un avatar para comunicación interna, usa el de Synthesia con el consentimiento por escrito de quien represente, o uno de catálogo que no se parezca a nadie de la casa.

Avisa de que es contenido generado

Cuando un vídeo generado se publica de cara al público, indícalo. No hace falta una advertencia enorme: basta una línea en la descripción o un rótulo discreto.

Las razones son tres, y ninguna es burocrática:

1. Es lo correcto. Quien lo ve tiene derecho a saber qué está viendo.
2. Es cada vez más exigible. La normativa europea sobre inteligencia artificial va en la dirección de exigir el etiquetado del contenido sintético.
3. Te protege. Si alguien descubre después que un vídeo era generado y no se dijo, el daño de reputación es mucho mayor que el de haberlo dicho desde el principio.

No lo presentes como documento

Un vídeo generado no es una prueba de nada. No sirve para:

• Enseñar un inmueble que se vende, como si fuera ese inmueble.
• Mostrar un producto con características que no tiene.
• Ilustrar un suceso real.
• Documentar un resultado, un antes y un después, o un proceso que no se ha grabado.

En publicidad, esto tiene un nombre: engañosa. Y las consecuencias no son teóricas.

Cuidado con las marcas y los derechos

Los modelos han visto millones de imágenes, y algunas tenían logotipos, personajes con derechos y diseños protegidos. Pedir explícitamente una marca, un personaje conocido o el estilo inconfundible de un creador vivo puede meterte en un terreno complicado, aparte de que el proveedor probablemente lo rechace por moderación.

Norma práctica: describe, no cites. En vez de nombrar una marca de zapatillas, describe unas zapatillas. En vez de pedir el estilo de un director concreto, describe los rasgos de ese estilo: luz, color, encuadre, ritmo.

Sectores con responsabilidad reforzada

Hay ámbitos donde un vídeo mal planteado no es un error de marketing, sino un daño real:

• Salud. Cualquier información sanitaria debe revisarla una persona cualificada antes de publicarse. El vídeo da autoridad, y esa autoridad prestada es el riesgo.
• Finanzas. No generes vídeos que sugieran rentabilidades, resultados o recomendaciones de inversión.
• Legal. Igual: informar en vídeo sobre derechos y plazos exige que alguien con criterio lo valide.
• Educación infantil. Un error factual en un vídeo se recuerda mejor que en un texto. Revísalo.
• Social y cooperación. Evita representar a personas vulnerables con caras sintéticas. Los planos detalle resuelven la mayoría de necesidades sin cruzar esa línea.

Un principio que resume todo

Si te incomodaría explicar en público cómo hiciste el vídeo, no lo hagas.

Es una prueba sencilla y funciona sorprendentemente bien. La transparencia sobre el proceso es la mejor vacuna contra los usos que no deberías estar dando.

Veinte prompts listos para copiar

Cada uno está completo, con las siete capas. Cambia lo que esté entre corchetes y lánzalo. Están pensados para ser útiles tal cual, no como ejemplos de manual.

1. Producto sobre fondo oscuro

Plano orbital lento alrededor de [objeto] apoyado sobre un bloque de piedra gris, fondo negro liso. Luz de estudio con dos focos suaves que resbalan por la superficie. Teleobjetivo, poca profundidad de campo. Estilo anuncio de producto, muy pulido. Sonido: un tono ambiental grave.

2. Textura para cabecera web

Plano macro con travelling lateral muy lento sobre [tela de lino crudo], con luz rasante que revela el tejido. Cámara constante, sin cortes. Macro, profundidad de campo mínima. Estilo abstracto y elegante, paleta neutra.

3. Café de mañana

Plano detalle cenital de una taza de café solo humeante sobre una mesa de roble rayada. Luz de mañana entrando por la izquierda, con motas de polvo en el haz. Macro, poca profundidad de campo. Estilo editorial cálido. Sonido: cucharilla contra porcelana y calle lejana.

4. Manos que trabajan

Plano detalle de unas manos [amasando pan / lijando madera / sirviendo té] sobre una superficie de trabajo desgastada. Cámara fija, cerca. Luz lateral suave de ventana. Macro, poca profundidad de campo. Estilo documental artesano, paleta tierra. Sonido: el sonido físico del material.

5. Oficina sin cliché

Plano medio con travelling lateral suave de dos personas de pie frente a una pizarra llena de notas adhesivas, en una sala diáfana con ventanales. Luz natural difusa de día nublado. Gran angular moderado, mucha profundidad de campo. Estilo documental corporativo, colores naturales.

6. Bosque con niebla

Gran plano general con avance lento entre troncos de un hayedo en otoño, suelo cubierto de hojas rojizas, niebla baja. Luz de primera hora atravesando la niebla en haces marcados. Teleobjetivo, poca profundidad de campo. Estilo naturalista, grano de película. Sonido: pájaros lejanos.

7. Plato que se termina

Plano detalle cenital de [plato] en cazuela de barro sobre mármol blanco. Una mano espolvorea [ingrediente] lentamente desde arriba. Luz lateral suave que hace brillar el aceite. Macro, poca profundidad de campo. Estilo gastronómico editorial. Sonido: un leve chisporroteo.

8. Entrada a una vivienda

Plano general con avance lento cruzando el umbral de un salón vacío de techos altos, suelo de espiga y molduras, hacia un balcón con las puertas abiertas. Luz de tarde entrando por el balcón, dibujando rectángulos en el suelo. Gran angular, mucha profundidad de campo. Estilo inmobiliario limpio, sin muebles.

9. Máquina en marcha

Plano detalle con seguimiento lento de [máquina o brazo robótico] realizando un movimiento repetitivo en una nave industrial de suelo gris. Luz cenital de fluorescente, con reflejos en el metal. Teleobjetivo, poca profundidad de campo. Estilo industrial limpio. Sonido: zumbido de motor y golpe rítmico.

10. Pueblo al atardecer

Gran plano general con panorámica lenta de izquierda a derecha sobre un pueblo blanco en ladera con tejados de teja y el mar al fondo. Luz de última hora, dorada, fachadas encendidas y sombras largas. Gran angular, mucha profundidad de campo. Estilo documental de viajes. Sonido: gaviotas y viento suave.

11. Apertura de paquete en vertical

Plano detalle vertical de unas manos abriendo una caja de cartón kraft sobre una mesa clara y sacando [producto]. Cámara fija, muy cerca. Luz frontal suave, fondo desenfocado. Macro, poca profundidad de campo. Estilo limpio, paleta neutra. Sonido: cartón al rasgarse.

12. Lluvia contra el cristal

Plano detalle de gotas de lluvia deslizándose por un cristal, con la ciudad desenfocada al fondo convertida en manchas de luz. Cámara fija. Luz nocturna urbana, tonos ámbar y azul. Macro, profundidad de campo mínima. Estilo melancólico. Sonido: lluvia constante contra el vidrio.

13. Tienda de ropa

Plano detalle con travelling lateral lento a lo largo de una hilera de abrigos de lana colgados en una barra de latón, en una sala de hormigón visto. La tela se mueve al paso de la cámara. Luz cenital dirigida sobre las prendas, el resto en penumbra. Teleobjetivo, poca profundidad de campo. Estilo editorial de moda.

14. Circuito electrónico

Plano detalle con avance lento sobre una placa de circuito verde oscuro con pistas de cobre, iluminada por una luz azul que barre de izquierda a derecha, fondo negro. Macro extremo, profundidad de campo mínima. Estilo técnico y limpio. Sonido: un zumbido electrónico grave.

15. Campo al amanecer

Gran plano general estático de un campo de cereal con la niebla a ras de suelo y el sol asomando por el horizonte. Luz de amanecer, contraluz suave, siluetas. Teleobjetivo con compresión, mucha profundidad de campo. Estilo naturalista, paleta dorada y gris. Sonido: viento y pájaros lejanos.

16. Taller de cerámica

Plano medio con avance lento de una persona con delantal de cuero puliendo una pieza de cerámica en un taller de ladrillo con estanterías llenas de piezas sin esmaltar. Luz lateral de ventana grande, tarde. Teleobjetivo, fondo desenfocado. Estilo documental artesano. Sonido: roce de lija y una radio lejana.

17. Bucle abstracto para redes

Plano detalle de tinta azul difundiéndose lentamente en agua clara sobre fondo blanco. Cámara fija. Luz frontal uniforme. Macro, poca profundidad de campo. Estilo abstracto hipnótico, paleta azul y blanco. Movimiento continuo sin principio ni final marcados.

18. Escritorio de trabajo

Plano cenital fijo de un escritorio de madera con un cuaderno abierto, un lápiz, unas gafas y una taza. Una mano entra en el plano y pasa una página. Luz lateral cálida de flexo. Gran angular moderado, mucha profundidad de campo. Estilo editorial cálido. Sonido: el papel al pasar.

19. Puerto de pesca

Plano general con panorámica lenta de un puerto pesquero con barcas de colores amarradas y redes apiladas en el muelle. Luz de mañana, cielo despejado, reflejos en el agua. Gran angular, mucha profundidad de campo. Estilo documental, colores saturados naturales. Sonido: agua contra el casco y gaviotas.

20. Símbolo para campaña social

Plano detalle de dos manos, una adulta y una infantil, plantando un pequeño árbol en tierra oscura recién removida. Cámara fija, muy cerca del suelo. Luz de mañana lateral, con polvo suspendido. Macro, poca profundidad de campo. Estilo documental honesto, sin filtros. Sonido: tierra removiéndose y pájaros.

Un mes de producción con un vídeo al día

El límite diario obliga a planificar, y planificar resulta ser buena idea de todas formas. Este es un calendario realista para producir una campaña completa en cuatro semanas.

Semana 1: los cimientos

Día	Vídeo	Para qué
Lunes	Avatar de bienvenida (Synthesia)	Sirve durante años
Martes	Plano de producto sobre fondo negro	Cabecera y ficha
Miércoles	Textura de marca para fondo	Web y presentaciones
Jueves	Manos usando el producto	Redes, formato vertical
Viernes	Plano de ambiente del sector	Recurso comodín

Al acabar la semana tienes cinco piezas reutilizables. Ninguna caduca.

Semana 2: el mensaje

Día	Vídeo	Para qué
Lunes	Avatar explicando la propuesta	Landing
Martes	Detalle del acabado diferencial	Argumento de venta
Miércoles	Bucle abstracto con colores de marca	Fondo de rótulos
Jueves	Plano vertical de apertura	Redes
Viernes	Plano de contexto de uso	Contexto de producto

Semana 3: la variación

Repite los formatos que mejor funcionaron, cambiando una sola variable cada día: la luz un día, el encuadre otro, el estilo otro. Al final de la semana sabes cuál es el aspecto que mejor funciona para tu marca, y lo sabes con datos, no por intuición.

Semana 4: el remate

Día	Vídeo	Para qué
Lunes	Avatar con la oferta o la llamada a la acción	Cierre de campaña
Martes	Plano cinemático de cierre	Final de las piezas montadas
Miércoles	Vertical de refuerzo	Recordatorio
Jueves	Recurso extra según lo que falte	Comodín
Viernes	Repetir el mejor con la mejora aprendida	La pieza estrella

Veinte clips. Suficiente para una campaña completa, una web renovada y un mes de redes. Y todo con el ritmo de un vídeo al día.

El truco de la planificación por lotes

No escribas el prompt el día que lo vas a lanzar. Escribe los cinco prompts de la semana el lunes, critícalos con el chat, y luego cada día solo tienes que copiar y pegar. La calidad sube mucho porque los prompts se han escrito en frío, comparándolos entre sí, con la campaña entera delante.

Cómo medir si el vídeo está funcionando

Generar es la parte divertida. Saber si sirvió es la parte que decide si sigues haciéndolo.

Métricas que importan según el destino

Destino	Qué mirar	Qué significa un mal dato
Cabecera web	Tiempo en página, rebote	El vídeo distrae en vez de acompañar
Redes vertical	Retención en los 3 primeros segundos	El primer plano no engancha
Formación interna	Porcentaje que llega al final	El vídeo es demasiado largo
Anuncio	Coste por resultado	El mensaje no encaja con el público
Correo	Clics en la miniatura	La miniatura no da ganas

La regla de los tres segundos

En vertical y en redes, si el vídeo no ha dicho a qué viene en tres segundos, no hay más vídeo. Esto tiene una consecuencia directa en el prompt: pide que la acción esté ya empezada. Nada de aproximaciones lentas al sujeto desde lejos: eso funciona en cine, no en un feed.

Un prompt para vertical debería empezar por el plano detalle, no llegar a él.

El error de medir el vídeo por el vídeo

Un clip generado casi nunca es la pieza final. Es un ingrediente. Medir "cómo funcionó el clip" aislado no dice mucho; lo que se mide es la pieza montada. Si el clip era el fondo de un rótulo, la métrica es si se leyó el rótulo.

Objeciones que te van a poner (y qué responder)

Si vas a introducir vídeo generado en una organización, vas a oír estas cinco. Merece la pena tener las respuestas preparadas.

"Se nota que es de IA"

A veces sí. Y la respuesta honesta es: depende de para qué. Para una cabecera abstracta, un fondo de textura o un plano de producto, no se nota y da igual. Para una escena con personas hablando, se nota. La solución no es discutir: es elegir los usos donde la tecnología es fuerte. Todo este artículo va de eso.

"Es más barato pagar a un banco de imágenes"

Puede que sí, para lo genérico. La diferencia es la especificidad: un banco de imágenes tiene "gente en una oficina", no "tu producto concreto girando sobre fondo negro con tus colores". Cuando lo que necesitas existe en stock, usa stock. Cuando no existe, esto es la alternativa.

"No podemos publicar algo que no hemos grabado"

En muchos casos es una postura razonable, sobre todo para testimonios y para producto real. Por eso la sección de ética existe. La respuesta práctica: úsalo para lo abstracto, lo ilustrativo y lo interno; graba lo que documenta hechos.

"Solo un vídeo al día no da para nada"

Da para veinte al mes. La mayoría de las organizaciones no publican veinte vídeos al mes. Y el límite obliga a una disciplina de preparación que, en la práctica, sube la calidad media.

"Es muy caro en créditos"

Comparado con el resto del producto, sí. Comparado con producir un vídeo de la manera tradicional (guion, rodaje, edición, un día de trabajo de varias personas), no hay color. La comparación correcta no es contra un mensaje de chat: es contra el coste de conseguir esos ocho segundos de otra forma.

Tabla de referencia rápida

Lo esencial de todo el artículo, para tener a mano.

Pregunta	Respuesta
¿Quién habla a cámara?	Synthesia
¿Quién hace vídeo con sonido ambiente?	Sora 2
¿Quién hace planos cinemáticos?	Runway Gen-3
¿Quién hace cuadrado?	Solo Runway (960:960)
¿Duraciones de Sora?	4, 8 o 12 segundos
¿Duraciones de Runway?	5 o 10 segundos
¿Límite de guion en Synthesia?	4.000 caracteres
¿Cuánto tarda Sora?	30 segundos a 2 minutos
¿Cuánto tarda Synthesia?	1 a 5 minutos
¿Qué elige el modo auto?	Synthesia, y si no, Runway
¿El modo auto usa Sora?	No, hay que activarlo a propósito
¿Coste de generar?	1.200 créditos
¿Coste de analizar?	120 créditos
¿En plan Free?	Bloqueado
¿Cuántos al día en Pro y Max?	Uno
¿Se bloquea el chat mientras genera?	No
¿Dónde se guarda el vídeo?	En nuestro Storage, URL permanente
¿Dónde se configura todo?	Panel de admin, app_settings.video_config

Las diez reglas, si solo te llevas una cosa

1. Un prompt es una ficha de rodaje, no una descripción. Siete capas: sujeto, acción, entorno, cámara, luz, óptica, estilo.
2. Una acción por clip. Cuenta los verbos.
3. Nunca pidas texto legible. Va en postproducción, siempre.
4. La luz es el 80% del resultado. Si no la describes, no la controlas.
5. Pide movimiento lento. Casi siempre mejora el resultado.
6. Fondo simple y poca profundidad de campo. Esconde los puntos débiles y queda mejor.
7. La imperfección quita el aspecto de IA. Grano, descentrado, luz imperfecta.
8. Elige el proveedor por la pregunta, no por la moda. ¿Habla alguien? ¿Hace falta sonido? ¿Es solo un plano bonito?
9. Prepara antes de lanzar. Tienes un intento al día y cinco de los seis pasos del flujo son baratos.
10. Di que es generado. Es lo correcto, es cada vez más exigible y te protege.

Tres mitos que conviene desmontar

Mito 1: "con el prompt adecuado sale cualquier cosa"

No. Hay cosas que hoy no salen por mucho que afines: texto legible, manos en acciones complejas, continuidad entre planos, caras concretas. Un buen prompt sube muchísimo la calidad dentro de lo posible, pero no mueve la frontera de lo posible. Saber dónde está esa frontera vale más que cualquier truco.

Mito 2: "esto sustituye a rodar"

Sustituye a algunas cosas de rodar: los planos de recurso, las texturas, los fondos, los ambientes genéricos. No sustituye a documentar la realidad, ni a las personas reales de tu empresa, ni a un producto que hay que enseñar tal cual es. Quien lo plantea como sustitución acaba decepcionado; quien lo plantea como una herramienta más en la caja, no.

Mito 3: "cuanto más largo el prompt, mejor"

Hasta cierto punto. Un prompt de una línea es casi siempre insuficiente. Un prompt de treinta líneas con quince elementos, tres estilos y cinco acciones es peor que uno de seis líneas bien elegidas. Lo que importa no es la longitud: es que cada frase cierre una decisión en vez de añadir ruido. Si una frase no elimina ambigüedad, sobra.

Para terminar

La generación de vídeo con IA está en un punto curioso: es lo bastante buena para ser útil de verdad en unos cuantos casos concretos, y lo bastante limitada para decepcionar a quien espere que le resuelva un anuncio entero. Las dos cosas son ciertas a la vez.

Lo que hace GarBotGPT es quitar la fricción de en medio. Tres proveedores distintos detrás de una misma conversación, sin cambiar de herramienta ni de pestaña. Una tarjeta que aparece al instante y se actualiza sola en vez de bloquearte el chat. Un archivo que se guarda en nuestro almacenamiento con una URL que no caduca. Y, cuando algo falla, un mensaje en castellano explicando qué ha pasado en vez de un error técnico.

Lo que no puede hacer es escribir el prompt por ti. Bueno, en realidad sí puede, y en la sección del flujo de trabajo está explicado cómo pedírselo. Pero lo que nadie puede hacer por ti es decidir qué vídeo merece la pena. Esa sigue siendo la parte difícil, y sigue siendo tuya.

Empieza por lo pequeño. Un plano de producto sobre fondo negro. Una textura para una cabecera. Un avatar dando la bienvenida a las nuevas incorporaciones. Piezas que se usan muchas veces y no caducan. Cuando te salgan bien esas, sube la ambición.

Y guarda este artículo. Está escrito para volver.