Prompts de imagen a video: un esqueleto de cinco líneas que sobrevive a cualquier imagen fija

Un prompt de imagen a video no es la descripción de una escena. La escena ya está en tu pantalla: el color del abrigo, la luz de la ventana, la forma del vaso, el recorte exacto. Lo que una imagen fija no puede decirle al modelo es qué debe ocurrir después, y es lo único en lo que vale la pena gastar palabras.

La mayoría de los clips decepcionantes vienen de prompts que le describen la fotografía al modelo. Diez adjetivos sobre una mujer con abrigo rojo no le dan al generador nada que animar, así que aporta su propia deriva, su propio zoom, su propio balanceo lento. Los prompts que resisten son más cortos y más estructurados: una línea para fijar el encuadre, una para nombrar una sola acción visible, una para tomar una decisión de cámara, una para marcar el ritmo y una para enumerar lo que no debe cambiar.

Lo que la imagen fija ya ha decidido

Una foto de origen llega con la mayor parte de un prompt ya resuelta. El sujeto está elegido, la luz tiene una dirección, la composición tiene un recorte y la paleta está fijada. La guía de prompts de Kling plantea un marco de seis partes —sujeto, acción, escena, cámara, iluminación, atmósfera— y, cuando animas una imagen fija, cuatro de esas seis ya son visibles en el archivo. Solo la acción y la cámara están realmente abiertas, y la atmósfera suele venir implícita en la luz que de todos modos no puedes cambiar.

Por eso un prompt de imagen a video debería ser mucho más corto que uno de texto a video. La biblioteca de prompts de Founderz formula el mismo requisito en la dirección opuesta: un buen prompt de video con IA nombra una sola acción visible, el plano y el movimiento de cámara, la luz, la duración y lo que no debe cambiar. En una imagen fija, la luz está dada. Las otras cuatro son cosa tuya.

Así que trata el prompt como un presupuesto de movimiento. Cada frase que gastas en repetir la imagen es una frase que no gastaste en el cambio, y el modelo rellena ese hueco con movimiento genérico: un acercamiento lento que nadie pidió, un brillo que recorre todo el encuadre, un sujeto que empieza a respirar cuando debería estar congelado.

El esqueleto de cinco líneas

Escribe cinco líneas en este orden. En conjunto suman unas cuarenta o sesenta palabras, que es el tamaño adecuado para un clip de unos pocos segundos.

• Anclaje. Fija lo que el modelo no tiene permitido rediseñar: «mismo encuadre, mismo objetivo, misma luz que la imagen de origen». Sin un anclaje, el modelo trata la foto como una sugerencia y la recompone, y de ahí vienen los recortes desalineados y los horizontes que se van.
• Acción. Un solo verbo visible unido a un solo sujeto: «gira la cabeza unos pocos grados hacia la ventana y se detiene». Una acción, no una secuencia. Dos acciones en un mismo clip suelen significar que ninguna se completa.
• Cámara. Nombra un movimiento y su magnitud: «acercamiento lento, que termina alrededor de un diez por ciento más cerca, centrado en la etiqueta». Si el plano no necesita movimiento de cámara, dilo explícitamente: «cámara estática» es una instrucción válida y a menudo mejor.
• Ritmo. Ata la acción al tiempo: «casi inmóvil durante el primer segundo, el giro se completa al tercero, el último segundo se mantiene». Por defecto, los modelos reparten el movimiento por todo el clip, lo que se lee como una deriva lenta constante; darle un plan de tiempos hace que el movimiento parezca deliberado.
• Lista de congelación. Las cosas que no deben cambiar ni deben aparecer: «la etiqueta sigue mirando a la cámara y sigue nítida, no entran manos en el encuadre, no aparecen objetos nuevos, la boca permanece cerrada». Las expectativas negativas solo funcionan cuando son específicas.

Lee las cinco líneas en orden y tienes un plan de plano que cabe en un mensaje de texto. Léelas desordenadas, o sáltate una, y normalmente podrás predecir qué fallo vas a obtener.

Cuatro fotos, un esqueleto

El esqueleto es portátil porque nunca menciona un sujeto. Aquí están las mismas cinco líneas rellenadas para cuatro tipos comunes de imagen de origen.

Un retrato junto a una ventana. Anclaje: mismo recorte, misma luz lateral suave. Acción: gira la cabeza ligeramente hacia la ventana y se queda quieta. Cámara: estática. Ritmo: casi inmóvil durante el primer segundo, el giro termina al tercero, se mantiene hasta el final. Lista de congelación: misma línea del pelo y misma línea del fondo, boca cerrada, sin manos. La acción pequeña es lo importante: un giro de cabeza de unos pocos grados se lee como vida, mientras que un giro completo del cuerpo le da tiempo al modelo para inventar una segunda cara.

Un producto sobre un fondo continuo. Anclaje: misma composición centrada y misma sombra sobre la superficie. Acción: la botella gira no más de quince grados para que la etiqueta recoja la luz. Cámara: acercamiento muy lento. Ritmo: la rotación empieza de inmediato, el acercamiento continúa de forma uniforme hasta el último fotograma. Lista de congelación: el texto de la etiqueta se mantiene nítido y legible, ningún reflejo barre la etiqueta, sin partículas flotando. Los clips de producto fallan primero en el texto, así que aquí la lista de congelación hace casi todo el trabajo.

Una bebida con vapor visible. Anclaje: mismo vaso, mismo borde de la mesa, misma contraluz. Acción: el vapor asciende en volutas y se adelgaza; la condensación se queda donde está. Cámara: estática. Ritmo: continuo, sin suavizado, movimiento uniforme durante todo el clip. Lista de congelación: no se sirve nada, no aparece hielo nuevo, no hay movimiento de líquido. El movimiento ambiental es el más fácil de acertar porque el sujeto en sí no necesita cambiar: solo el aire a su alrededor.

Un interior o un paisaje. Anclaje: mismo horizonte y mismo encuadre. Acción: la cortina se mueve ligeramente; las hojas lejanas se desplazan. Cámara: deriva lateral lenta hacia la derecha. Ritmo: velocidad constante desde el primer fotograma hasta el último. Lista de congelación: el horizonte se mantiene nivelado, no aparece mobiliario nuevo, no hay personas. Este es el único caso en que una cámara en movimiento se gana su lugar, porque un encuadre con primer plano, plano medio y fondo se separa en capas a medida que la cámara avanza: el efecto que hace que una imagen plana se sienta tridimensional.

Toma una sola decisión de cámara, no tres

La línea de cámara es donde los prompts suelen pasarse de la raya. El desglose de Getimg sobre movimientos de cámara cinematográficos con IA lo plantea con claridad: cada uno de los siete movimientos estándar —acercamiento, revelación hacia atrás, seguimiento lateral, órbita, revelación en inclinación, ascenso de grúa, seguimiento a mano— cumple una función concreta, y elegir el correcto importa más que apilar varios. Su diagnóstico del fallo habitual es exacto: el resultado sale con un zoom aleatorio, una deriva inestable o una cámara que flota sin dirección, porque no se tomó ninguna decisión de cámara.

De ahí se siguen dos consecuencias prácticas. Primera: nombra la velocidad además del movimiento, porque «acercamiento» a secas puede llegar como una embestida. Segunda: comprueba si el encuadre de origen puede sostener el movimiento que quieres. Una deriva lateral o una órbita necesitan profundidad que revelar; sobre un encuadre plano, con todo en un mismo plano, no hay nada que separar, y el mismo movimiento se lee como un deslizamiento. Si tu foto es plana, elige un acercamiento y deja que la acción del sujeto sostenga el clip.

Lee el clip por síntoma y corrige una sola línea

Cuando un clip no funciona, la tentación es reescribirlo todo. Resístete. Casi todos los fallos se corresponden con una sola línea del esqueleto, y corregir esa línea es una edición de diez segundos.

• Todo el encuadre se desplaza o respira: la línea de anclaje o de cámara es vaga. Añade «cámara estática, encuadre fijado en trípode» y repite el encuadre original.
• La cara cambia de identidad entre fotogramas: está pasando demasiado a la vez. Congela la cámara y reduce la acción a un solo movimiento pequeño.
• Todo se mueve a la vez, incluido lo que debería estar quieto: falta la lista de congelación o es demasiado abstracta. Nombra los elementos que permanecen fijos.
• Parece un zoom de presentación sin vida: falta la línea de ritmo, así que el movimiento se reparte de forma uniforme. Dale a la acción un inicio, un final y una pausa.
• Aparece un objeto nuevo o un par de manos: la lista de congelación necesita un negativo contundente: «no entran manos en el encuadre, no aparecen objetos nuevos, no se añade texto».
• El clip se desmorona al final o hace un bucle malo: el último segundo nunca se escribió. Indica cómo se ve el fotograma final y corta ahí.

Mantén los segmentos cortos y corta en lugar de extender

La generación es corta por diseño, y extender un clip tiende a acumular pequeños errores: la cara se ablanda, la etiqueta se deforma, el fondo gana detalle que nunca estuvo ahí. Planifica unos pocos segmentos limpios en lugar de un único plano largo. Escribe las mismas cinco líneas para cada segmento, cambiando solo la acción y la magnitud de la cámara, y luego córtalos juntos sobre un golpe de movimiento. El resultado se lee como una secuencia y no como un plano único que se degrada.

Dónde poner en práctica el esqueleto

El generador de imagen a video Wan 2.6 de KOOX AI está construido justo alrededor de esta división: tú aportas la imagen de origen, después describes el movimiento, la dirección de cámara y la atmósfera, e iteras hasta que el clip cumple el objetivo. La página dice explícitamente que la imagen original está ahí para mantener estables la identidad del sujeto, el encuadre y la composición mientras se añade el movimiento, que es la línea de anclaje, impuesta por la herramienta y no por tu redacción.

Si prefieres partir de una foto que ya tienes en lugar de generar un encuadre nuevo, la herramienta para convertir una foto en video sigue la misma forma de tres pasos y funciona mejor con una imagen clara y bien iluminada y un sujeto visible. Y si quieres adentrarte más en el lenguaje de cámara que un solo movimiento, las cinco recetas de plano recorren cómo dirigir una secuencia corta en lugar de un solo clip.

Una comprobación previa de sesenta segundos

Antes de pulsar generar, lee tu prompt y responde cinco preguntas. ¿Está fijado el encuadre? ¿Hay exactamente una acción visible? ¿Hay exactamente una decisión de cámara, con una velocidad? ¿Está programado el movimiento en el tiempo? ¿Hay una lista de cosas que no deben cambiar ni aparecer?

Cinco síes, y tienes un prompt que puedes depurar. Un no, y sabes qué línea editar antes de gastar otra generación en él. El esqueleto no es una fórmula para una buena idea: es lo que te permite saber, a partir del resultado, si el problema era tu idea o tu redacción.