Empieza por decidir qué aparece en pantalla, qué hace y cómo se mueve la cámara. Después añade el entorno, la luz y los detalles que deben mantenerse. Si dos instrucciones se contradicen, decide cuál tiene prioridad antes de generar; añadir adjetivos no resuelve esa decisión.
Esta estructura funciona en Texto a vídeo y puede adaptarse a los flujos con imágenes de Veo3o1.
Seis partes del prompt
Escribe en este orden:
- Sujeto — persona, objeto, animal o escena principal.
- Acción — un movimiento o suceso central.
- Entorno — lugar, hora, clima y detalles útiles.
- Cámara — tamaño, ángulo y un movimiento.
- Luz y ambiente — atmósfera visual.
- Restricciones — rasgos fijos o elementos que evitar.
Ejemplo:
Una taza artesanal de cerámica reposa sobre una mesa de madera oscura mientras asciende el vapor y la lluvia de la mañana recorre la ventana del fondo. Primer plano de producto a la altura de la mesa, avance lento, luz natural fría y suave con un reflejo cálido en el esmalte, forma estable, sin texto añadido.
Es concreto sin intentar describir diez planos a la vez.
Sujeto: definir el centro de atención
Empieza con un sujeto claro. «Una ciudad concurrida» deja demasiadas prioridades; «un repartidor en bicicleta con chubasquero amarillo» crea un centro visual.
Con imágenes, conecta el texto a la entrada: «La persona que aparece en las referencias…». Repite solo los rasgos importantes como color de ropa, peinado, forma del envase o material. La guía de consistencia de personajes explica cómo combinarlos.
Acción: un verbo principal
Los clips cortos funcionan con una acción clara: camina, gira, abre, asciende o rota. Varias acciones consecutivas pueden comprimirse, omitirse o mezclarse.
Débil:
Un cocinero cocina, sirve, habla con los clientes y el restaurante se convierte en una fiesta en la azotea.
Más fuerte:
El cocinero coloca el plato terminado sobre la barra mientras el vapor asciende en la luz cálida de la cocina.
Si la historia necesita varios momentos, genera planos separados y únelos al editar.
Entorno: detalles que influyen
Describe lo que afecta a luz, movimiento o significado. «Al atardecer junto a una costa ventosa» es más útil que inventariar objetos sin relación.
Usa señales compatibles. «Mediodía brillante», «vela oscura» y «noche de neón» en un mismo prompt dan direcciones opuestas, salvo que la transformación sea el tema.
Cámara: primero el tamaño, luego el movimiento
Sigue una jerarquía:
- plano: general, medio, primer plano, macro;
- ángulo: altura de los ojos, contrapicado, cenital;
- movimiento: avance, retroceso, panorámica, inclinación, órbita, seguimiento;
- ritmo: lento, contenido, rápido, cámara en mano.
«Plano medio a la altura de los ojos, seguimiento lateral lento junto al corredor» es más controlable que pedir dron, zoom, órbita, barrido y cámara en mano a la vez.
Ajustar el movimiento a la duración
Veo3o1 ofrece 4, 6 y 8 segundos cuando son compatibles; las referencias usan 8 segundos. Cuatro segundos requieren llegar pronto al punto visual, mientras ocho admiten una presentación gradual. No llenes el tiempo con sucesos sin relación: prolonga un solo movimiento significativo.
Restricciones breves
Úsalas con moderación. «Mismo abrigo rojo, proporciones estables, sin texto» puede reducir cambios habituales. Una lista negativa larga puede ocultar la descripción positiva.
Con fotogramas inicial y final describe el camino entre imágenes. Con referencias explica cómo se comporta el sujeto en una toma nueva. La comparación de modos aclara la diferencia.
Tres plantillas reutilizables
Producto
[Producto] sobre [superficie/entorno]. [Un movimiento]. [Plano y ángulo], [movimiento de cámara]. [Luz]. Mantener [forma/color/material], sin texto.
Personaje
[Identidad] [una acción] en [entorno]. [Plano y ángulo], [cámara]. [Luz]. Mantener [ropa/rostro/pelo].
Plano de situación
[Lugar] durante [hora/clima], con [un movimiento ambiental]. Plano general [ángulo], [cámara], [luz], escala realista y movimiento contenido.
Iterar como en edición
Guarda prompt y ajustes de cada resultado útil. Cambia una variable cada vez: acción, luego cámara, luego luz. La semilla facilita comparaciones, pero no sustituye instrucciones claras ni garantiza un resultado idéntico.
Antes de generar, comprueba que haya un sujeto, una acción compatible con la duración, una función clara de cámara, luz coherente, referencias alineadas, formato adecuado y coste aceptable.