Diagnóstico de vídeo con IA Seedance: seis síntomas y la frase del prompt que hay detrás de cada uno

La mayoría de los clips de Seedance que decepcionan no están mal escritos. Están escritos en el orden equivocado, o describen un ambiente donde el modelo necesitaba un plano. La parte útil del texto a vídeo es que un clip terminado también es un informe de diagnóstico: un fotograma que se deforma mientras la cámara se mueve apunta a la frase de cámara, un objeto que cambia entre dos planos apunta a cómo nombraste ese objeto, y una línea de diálogo enterrada bajo subtítulos no deseados apunta al bloque de audio. Lee el resultado así y la mayoría de las reparaciones caben en una frase.

No se trata de un montón de plantillas, sino de un repaso que empieza por los síntomas. Cada sección nombra algo que puedes ver en el reproductor, el hábito de prompt que hay detrás y el cambio más pequeño que lo elimina. Los puntos de referencia son la propia guía de ByteDance para los modelos Seedance y guías de prompts publicadas que lo ponen a prueba en la práctica.

Los prompts de Seedance tienen dos capas, y fallan de forma distinta

La guía de Seedance de Runway describe el prompt como dos capas que hacen trabajos diferentes. La capa externa es estructural: el clip se divide en planos etiquetados, escritos en el orden en que ocurren los hechos, de modo que el modelo conoce el ritmo antes de conocer el contenido. La capa interna es descriptiva: dentro de cada plano, frases continuas cubren quién está, qué está haciendo, dónde, con qué luz y cómo se comporta la cámara.

Fuser, resumiendo material del propio ByteDance, da a la capa interna un orden que vale la pena memorizar: sujeto y acción, luego escena y entorno, luego estilo visual, luego movimiento de cámara y cortes de plano, luego sonido, con una línea de restricciones al final. El ejemplo desarrollado de Runway cubre el mismo terreno en ocho elementos y cierra con calidad, estilo y una instrucción negativa sobre subtítulos y marcas de agua.

Casi todos los fallos que siguen son una de esas dos capas rompiéndose. Un prompt sin plan de planos se convierte en una única deriva indiferenciada. Un prompt sin descripción produce fotogramas que se mueven técnicamente pero sin nadie dentro que valga la pena mirar. Cuando abras un clip malo, decide primero qué capa estás viendo, porque la solución vive en una parte distinta del prompt en cada caso.

Síntoma uno: el clip es bonito y casi estático

Pediste «cinematográfico, atmosférico, mucho detalle, poca profundidad de campo» y obtuviste una fotografía que respira. Las palabras de estilo superan a las de acción cuatro a uno, así que el modelo renderiza el aspecto e improvisa el movimiento, y lo que improvisa es pequeño y prudente.

La reparación consiste en gastar tus palabras en una sola acción con una velocidad y una fuerza, unida a una parte del cuerpo. El ejemplo de Runway hace exactamente eso: un ceramista estabiliza el borde de un cuenco con ambas manos, lentamente. El adverbio lleva el ritmo y las manos llevan el movimiento, así que no queda nada que adivinar. Si el sujeto es un producto y no una persona, nombra el único movimiento que hace, como una rotación de treinta grados, y di qué permanece quieto a su alrededor.

Síntoma dos: el fotograma se dobla mientras la cámara se mueve

Es el artefacto más común de Seedance y el menos misterioso. La guía de ByteDance para Seedance 2.0 advierte que pedir un acercamiento, un alejamiento, un paneo y un movimiento a la vez aumentará la inestabilidad de la imagen. Cuatro instrucciones compiten por un solo fotograma, así que los bordes se emborronan, las líneas rectas se curvan y los rostros pierden su geometría.

Un movimiento por plano es la regla, y un segundo movimiento pertenece a un segundo plano y no a la misma frase. Si necesitas un acercamiento que termine en un primer plano, escribe el acercamiento y deja que el encuadre se resuelva, o etiqueta Plano 1 y Plano 2 y dale a cada uno su propia línea de cámara. La otra mitad de la reparación es nombrar la cámara con términos cinematográficos que el modelo ya lee: tamaño de plano, ángulo y un movimiento, en lugar de un párrafo de atmósfera que implica movimiento sin especificarlo.

Síntoma tres: los cortes llegan donde nunca los pediste

Un prompt que dice «a los dos segundos ella gira, a los cuatro segundos la cámara corta a plano general» supone que el modelo lee un reloj. La guía de Seedance 2.0 de ByteDance dice que responde a números de plano en lugar de a duraciones exactas, y advierte que forzar duraciones precisas puede llevar a resultados de generación anormales. La generación posterior, la 2.5, lee rangos de segundos enteros, como un plano de cero a dos segundos, lo que es un contrato distinto.

Así que el diagnóstico depende de qué versión estés usando en el prompt. Si tu prompt está repleto de instrucciones segundo a segundo y el clip inventa cortes extra o se traga compases enteros, estás sobreprogramando un modelo que quiere números de plano. Numera los planos, pon los compases en el orden en que ocurren y deja que el ritmo se resuelva. Si tu versión sí lee marcas de tiempo, mantén la línea de tiempo continua y sin huecos, y evita apretar un rango tanto que el modelo tenga que añadir un corte para que todo quepa.

Síntoma cuatro: el objeto cambia entre dos planos

La prueba publicada de Fuser es la ilustración más limpia de la que disponemos: un alfarero generado en dos planos, con la vasija como un cuenco bajo y abierto en el primer plano y como un cilindro alto en el plano medio. El prompt cambiaba la descripción del objeto entre planos sin darse cuenta.

La solución es una disciplina de nombres. Describe el objeto una vez, con las mismas palabras, en todos los lugares donde aparezca, y prefiere un inventario concreto a un adjetivo: la diadema, dos almohadillas auriculares, el esmalte mate color avena, el borde izquierdo desportillado. Cuando el objeto importa comercialmente, adjunta una referencia de imagen y di qué controla, en lugar de confiar en que la prosa aguante. La guía de Runway añade un punto relacionado para las personas: una sola imagen combinada que contenga rostro, vestuario, pose y fondo da a los rasgos faciales una porción del encuadre demasiado pequeña para anclarse, así que una referencia de rostro debería ser primero una referencia de rostro.

Síntoma cinco: el momento emocional se queda en blanco

Escribiste «se ve orgullosa» y obtuviste una cara neutra con buena piel. Palabras como orgullosa, triste y nerviosa describen un estado interior; no hay nada en ellas que un renderizador pueda colocar. La guía de Runway es contundente al respecto: muestra la emoción como comportamiento físico.

Reescribe el momento como una acción visible con un inicio y un final. Sus hombros caen. Él exhala y aparta la mirada del objetivo. Ella se detiene a mitad de un gesto y su mano se posa sobre la mesa. La misma regla rescata el vídeo de producto: «premium» no es renderizable, pero un barrido lento de luz sobre un borde de metal cepillado sí lo es.

Síntoma seis: el diálogo llega bajo subtítulos que no pediste

En las generaciones de Seedance que producen audio en la misma pasada que la imagen, el sonido pertenece al prompt y no a un bloque aparte añadido después. Fuser registra la convención de corchetes de ByteDance: corchetes angulares para efectos, llaves para diálogo, paréntesis para música, con el idioma indicado antes de una línea que no sea en chino.

Dos hábitos causan el problema de los subtítulos. El primero es repetir palabras del diálogo o etiquetar palabras individuales con una emoción, lo que la guía enumera como desencadenante de texto no deseado en pantalla. Adjunta la nota de interpretación al hablante en lugar de a la línea. El segundo es dejar las restricciones implícitas: cierra el prompt con una instrucción simple de que el clip se mantiene libre de subtítulos, de logotipos y de marcas de agua, y mantén la tipografía densa fuera del prompt por completo, reconstruyendo los rótulos en el montaje, donde se pueden corregir sin volver a renderizar.

Corrige en el orden correcto cuando aparezcan varios síntomas

Cambia todo a la vez y no aprendes nada, porque no puedes atribuir el nuevo resultado a ninguna edición concreta. Trabaja en este orden.

Empieza por la identidad: el sujeto, los objetos y la frase de rasgo que los protege. Si el sujeto no es estable, nada de lo que viene después es revisable. Luego la cámara, porque un fotograma que se deforma disimula todos los demás problemas. Luego el tiempo y el número de planos, ya que la cantidad de cortes determina qué margen tiene el audio para actuar. Y el sonido y las restricciones al final.

Donde la interfaz exponga una semilla, mantenla fija durante una pasada de reparación para que la comparación aísle tu edición y no el muestreador. Genera corto, revisa y solo alarga la duración cuando la versión de cinco segundos sobreviva; el clip más largo conserva más estado, y una secuencia larga fallida tira a la basura una unidad de trabajo mayor.

Una lista de verificación previa al render que vale treinta segundos

• El sujeto se nombra una vez y se menciona con la misma etiqueta en todo el texto.
• Cada plano tiene exactamente una acción, escrita con una velocidad y una fuerza.
• Cada plano tiene exactamente un movimiento de cámara, en términos cinematográficos.
• Los planos están numerados en el orden en que ocurren los hechos.
• Los objetos que aparecen dos veces se describen de forma idéntica ambas veces.
• La emoción está escrita como comportamiento físico.
• El sonido está en sus corchetes, con el idioma indicado.
• La línea final elimina subtítulos, logotipos y marcas de agua.

Pon el repaso a trabajar sobre un clip real

La gracia de un repaso diagnóstico es que hace que el segundo render sea más barato que el primero. Dejas de reescribir el prompt entero y empiezas a editar una frase, y luego comparas los dos clips lado a lado en el síntoma que perseguías. Dos o tres rondas de eso suelen producir un clip que se sostiene, y un prompt que puedes reutilizar para el siguiente producto o la siguiente escena.

Puedes hacer el repaso con el generador de vídeo Seedance de KOOX, empezando con una duración corta y un solo plano antes de comprometerte con una secuencia más larga con cortes. Mantén la versión del prompt, los ajustes y la nota de revisión unos junto a otros, y el patrón de qué frase causa qué artefacto pasa a ser tuyo en lugar de algo que vuelves a deducir cada vez.