- Blog
- Ejemplos de prompts de IA de foto a vídeo: cinco fotos fijas, cinco líneas de movimiento
Ejemplos de prompts de IA de foto a vídeo: cinco fotos fijas, cinco líneas de movimiento
Cinco ejemplos de prompts de IA de foto a vídeo para retratos, productos, paisajes, escenas de calle y mascotas, además de las reglas para adaptarlos y recortarlos.

Una fotografía fija ya le dice al modelo cómo es la escena. El color, el encuadre, el objetivo, la iluminación, el vestuario y la forma exacta del sujeto están fijados por el archivo que subes. Lo que el archivo no dice es qué debería pasar después. Ese hueco es donde un prompt de IA de foto a vídeo gana su valor: no vuelve a describir la imagen, sino que nombra qué partes de la imagen se mueven, en qué dirección, a qué velocidad y qué partes no deben cambiar en absoluto.
Los cinco ejemplos siguientes siguen esa regla. Cada uno es un prompt completo para un tipo habitual de foto fija, seguido del motivo por el que está escrito así y de las partes que cambias cuando tu propia foto es distinta. Son deliberadamente breves. Un prompt para un clip de cinco segundos tiene espacio para dos o tres decisiones, y los clips que se ven rotos suelen haber intentado meter cinco.
La imagen es el ancla, así que el prompt describe el cambio
Los modelos de imagen a vídeo están condicionados por el fotograma que les das, así que la subida ya decide el sujeto, el escenario y el estilo. La guía de Alibaba sobre sus modelos de vídeo lo dice sin rodeos: para texto a vídeo describes la entidad, la escena y el movimiento, pero para imagen a vídeo la imagen define las tres cosas y el prompt debería centrarse en el movimiento y el movimiento de cámara. La guía de prompts de Kling señala lo mismo en términos de flujo de trabajo: con una foto fija como punto de partida, la imagen aporta la base visual mientras el prompt describe el movimiento, la dirección de cámara y lo que cambia con el tiempo.
Eso tiene una consecuencia práctica. Las palabras de apariencia en un prompt de imagen a vídeo o se ignoran o se discuten. Un prompt de paisaje que dice «hora dorada» sobre una foto tomada a mediodía invita al modelo a repintar el cielo dentro del primer fotograma, lo que se lee como un fallo y no como una decisión creativa. El contenido fiable son los verbos: parpadear, desplazarse, girar, posarse, cruzar, cerrarse.
Dos líneas y una restricción
Casi todos los prompts que funcionan sobre una foto fija se pueden construir con dos líneas y una instrucción de cierre.
La primera línea es el movimiento: qué se mueve, en qué dirección, con qué amplitud. Nombra una acción del sujeto y como mucho una acción del fondo. La segunda línea es la cámara: acercarse, alejarse, deslizarse, orbitar o quedarse fija. Di «cámara fija» en voz alta cuando no quieras que nada se mueva, porque la mayoría de los modelos interpretan el silencio sobre el sujeto como permiso para inventar una deriva lenta.
Después añade la restricción: el único detalle por el que rechazarías el clip si se pierde. El ejemplo del frasco de perfume de Kling combina una rotación lenta y un acercamiento macro con la instrucción de mantener la etiqueta nítida y sin cambios. Esa restricción hace más trabajo que cualquier adjetivo de estilo, porque le dice al modelo qué parte del encuadre no está en negociación.
Las palabras de amplitud pesan de verdad en un prompt corto. En la guía de movimiento de Alibaba, la velocidad y la intensidad se fijan de forma explícita, con palabras como «lentamente» o «rápidamente» y frases como «balanceándose con violencia». Las palabras pequeñas mueven mucho el resultado, así que gástalas en el único movimiento que importa.
Ejemplo 1: un retrato en el que la cara tiene que aguantar
Cámara fija. La mujer parpadea una vez y espira, con los hombros bajando ligeramente. Unos mechones de pelo en la sien se mueven con una corriente de aire suave. La mirada se queda en el objetivo y su expresión no cambia. Mantén la cara sin cambios.
Por qué funciona. La deriva de identidad es el modo de fallo en los rostros, así que el prompt gasta su presupuesto en una acción mínima y un movimiento de fondo, y cierra con una sujeción explícita. No hay ningún movimiento de cámara: en esta duración de clip, un acercamiento sobre una cara tiende a estirar los rasgos antes de que la acción llegue a asentarse.
Cómo adaptarlo. Cambia la acción, no la cantidad. Un hombre con chaqueta recibe un solo giro de cabeza; una figura sentada recibe una mano que se mueve hacia el reposabrazos. Mantén la cláusula «la expresión no cambia» mientras la toma tenga que seguir siendo un retrato.
Ejemplo 2: un producto sobre una superficie lisa
La cámara se acerca lentamente desde un ángulo alto de tres cuartos. El frasco gira un cuarto de vuelta hacia la derecha. El borde de su sombra se desplaza por la superficie mientras gira. La etiqueta se mantiene nítida y sin cambios. Sin manos, sin objetos extra.
Por qué funciona. Un cuarto de vuelta basta para mostrar que el objeto es tridimensional sin ocultar la cara frontal. La frase de la sombra le da al giro algo sobre lo que actuar, lo que mantiene el movimiento legible. La lista negativa solo tiene dos elementos, que es más o menos todo lo que un prompt corto va a respetar.
Cómo adaptarlo. Ajusta la rotación a la legibilidad. Si la etiqueta tiene que ser legible en el fotograma final, reduce el giro a un octavo de vuelta o cámbialo por un barrido de luz. Para artículos blandos, cambia la rotación por un solo pliegue o un asentamiento.

Ejemplo 3: un paisaje con movimiento ambiental lento
Cámara fija. Las nubes se desplazan lentamente de izquierda a derecha. La hierba en primer plano se mueve un poco con el viento. El horizonte se mantiene nivelado y la luz no cambia.
Por qué funciona. Los paisajes fallan por animar de más: cada árbol, pájaro y nube recibe su propia idea de movimiento y el encuadre se convierte en ruido. Este prompt permite dos movimientos, les da dirección a ambos y luego cierra la puerta a la iluminación, lo que impide que el modelo derive hacia un atardecer inventado.
Cómo adaptarlo. Elige el movimiento que la foto implica. El agua recibe una ondulación y un cambio en el reflejo; un bosque recibe movimiento de copas y una hoja que cae; un desierto recibe un temblor de calor y un avance lento de la sombra. Mantén la línea «la luz no cambia» salvo que la luz sea el punto de la toma.
Ejemplo 4: una escena de calle o de mercado con tráfico de fondo
La cámara se mantiene fija. Los peatones cruzan de derecha a izquierda a un paso normal de caminata, ligeramente desenfocados. Un scooter pasa detrás de ellos una vez. La fachada del edificio y la señalización se mantienen nítidas y sin cambios.
Por qué funciona. Las multitudes son donde los modelos de imagen a vídeo producen los artefactos más evidentes, porque cada figura se convierte en candidata a una nueva pose. Nombrar una dirección para la multitud y un solo paso para un vehículo mantiene el movimiento coherente, y mantener quieta la arquitectura le da al ojo algo estable contra lo que medir el movimiento.
Cómo adaptarlo. Reduce el reparto antes de subir el detalle. Dos peatones que cruzan en una dirección se leerán mejor que seis en tres direcciones. Si la foto no tiene un sujeto claro, añade un pequeño elemento fijo, como una farola o un portal, y protégelo con la línea de restricción.
Ejemplo 5: un primer plano de una mascota o un animal
Cámara fija, cerca. Las orejas del perro se levantan y su cabeza se inclina unos grados a la izquierda. Su lengua se mueve una vez. El patrón del pelaje y el color de los ojos se mantienen sin cambios. Sin cambios en la iluminación.
Por qué funciona. Las tomas de animales invitan al modelo a inventar anatomía: dedos de más, una segunda lengua, un hocico que se alarga a mitad del clip. Una sujeción nombrada sobre el patrón del pelaje y el color de los ojos le da al modelo una razón para mantener la superficie coherente, y una pequeña inclinación de cabeza basta para vender vida.
Cómo adaptarlo. Ajusta la acción a la masa del animal. Un gato recibe un movimiento de oreja y la punta de la cola; un caballo recibe una aleta nasal y un paso. Evita las acciones de cuerpo entero en un encuadre cerrado, porque el encuadre no tiene espacio para mostrarlas completarse.
Adaptar cualquier patrón a tu propia foto
Tres cambios cubren la mayoría de los casos. Primero, cambia la acción del sujeto por algo que la pose de la foto ya soporte: una figura apoyada en una barandilla debería desplazar el peso, no alejarse caminando. Segundo, elige el movimiento de cámara a partir del recorte: un plano amplio con una línea de fuga potente admite un deslizamiento, mientras que un recorte cerrado y sin margen debería quedarse fijo. Tercero, reescribe la restricción como la cosa que de verdad rechazarías: una etiqueta borrosa, un color de ojos cambiado, un horizonte torcido.
La duración del clip marca el techo de todo esto. Muchos sistemas de imagen a vídeo producen clips muy cortos por diseño; la documentación de Stable Video Diffusion, por ejemplo, describe una salida de dos a cuatro segundos condicionada por una única imagen de entrada. Dos acciones guionizadas en cuatro segundos se estorbarán, así que cuenta las acciones en función del tiempo antes de añadir detalle.

Qué dejar fuera de un prompt de IA de foto a vídeo
- Repetir la escena. El modelo puede ver la foto; una segunda descripción compite con ella.
- Adjetivos de estilo. El estilo llegó con el archivo. Si la foto ya es cálida y granulada, decirlo no añade nada y pedir otra cosa pelea contra el ancla.
- Dos movimientos de cámara. Elige uno y termínalo.
- Listas negativas largas. Dos o tres exclusiones se respetan; diez se convierten en ruido.
- Instrucciones de audio y diálogo para un modelo mudo. Guárdalas para un modelo que acepte sonido como entrada.
Revisa el clip antes de reescribir el prompt
Revisa tres cosas en orden. Primero la geometría: ¿la etiqueta sigue siendo la etiqueta, la cara sigue siendo la misma cara, el horizonte sigue nivelado? Después el tiempo: ¿la acción terminó, o se cortó a mitad? Y luego el cambio no deseado: ¿la luz cambió, apareció un objeto, al fondo le salió una segunda multitud?
Cambia una línea cada vez a partir de ahí, para que el siguiente clip te diga qué línea estaba mal. Si la acción no ocurrió en absoluto, la solución suele ser restar: acorta el prompt y pon el verbo de movimiento en la primera cláusula, por delante de cualquier detalle de escena que haya sobrevivido. Si la acción ocurrió pero se pasó de largo, mantén la frase y suaviza la palabra de amplitud.
Puedes probar estos patrones con tus propias fotos fijas con la herramienta de IA de foto a vídeo de KOOX, y si quieres un conjunto más amplio de recetas de movimiento para un solo retrato, la guía de seis movimientos cubre la siguiente capa de opciones.