Escribir prompts para video con IA no tiene nada que ver con escribirlos para imágenes. Una estructura equivocada desperdicia créditos y produce resultados planos e irregulares. Este artículo desglosa la anatomía exacta del prompt que funciona en todos los principales modelos de texto a video de 2027, con ejemplos reales, consejos de movimiento, ángulos de cámara y los errores más comunes que conviene evitar.
Escribir un buen prompt para video con IA no es lo mismo que escribir uno para imágenes. La diferencia entre ambas disciplinas es enorme, y la mayoría de la gente lo descubre por las malas, después de gastar créditos en clips planos y sin vida que no se parecen en nada a lo que imaginaban. La realidad es que el video con IA responde a la estructura, y una vez que la conoces, tus resultados cambian de forma notable.
Los prompts de imagen pueden permitirse ser vagos. Basta con unos cuantos adjetivos y un sujeto, y el modelo rellena los huecos con algo visualmente coherente. Los modelos de video no pueden hacer eso con limpieza. Interpretan al mismo tiempo el movimiento, la duración, la continuidad de la iluminación y la física de la escena. Un prompt vago le da al modelo demasiada libertad creativa, y el resultado casi siempre es genérico.
Los fallos más habituales:
Todos ellos tienen la misma causa de fondo: el prompt no comunicaba lo suficiente.
💡 Regla rápida: si tu prompt serviría como buen pie de foto para una imagen, es demasiado corto para el video con IA. El video necesita movimiento, tiempo y lenguaje de cámara.
Hay una estructura que supera de forma constante a los prompts improvisados en modelos como Kling v2.6, Veo 3, Wan 2.7 T2V y Sora 2. Tiene siete partes, y cada una cumple una función concreta.
Empieza por quién o qué aparece en el encuadre y qué está haciendo. Sé específico. No escribas "una mujer caminando". Escribe "una mujer de unos 30 y pico años, con el pelo oscuro y un abrigo de lino beige, caminando despacio entre hojas de otoño".
La acción debe ser continua y sencilla. Los modelos de video con IA manejan mejor el movimiento en bucle o el que se desarrolla de forma progresiva que las secuencias complejas de varios pasos. Limítate a una acción principal clara por clip.
Describe dónde ocurre la acción con suficiente detalle físico para que el modelo pueda renderizar elementos de fondo coherentes. Incluye:
Ejemplo: "en una calle empedrada de un casco antiguo europeo, al final de la tarde, con una luz cálida y dorada que proyecta sombras largas sobre el pavimento de piedra."
Es la parte que más principiantes se saltan por completo, y es donde más calidad se pierde. Especificar el tipo de plano obliga al modelo a decidirse por un encuadre en lugar de recurrir a un plano medio estático por defecto.
| Tipo de plano | Qué hace |
|---|---|
| Plano general | Establece el lugar y muestra el entorno completo |
| Plano medio | Muestra al sujeto desde la cintura hacia arriba, ideal para diálogos |
| Primer plano | Capta la emoción, la textura y los detalles finos |
| Contrapicado | Hace que el sujeto parezca poderoso y dominante |
| Vista cenital | Perspectiva dramática desde arriba |
| Plano de seguimiento | La cámara sigue el movimiento del sujeto |
| Dolly zoom | Efecto de zoom cinematográfico clásico |
💡 Consejo profesional: Modelos como Kling v3 Video y Seedance 1.5 Pro responden muy bien al lenguaje de movimiento de cámara explícito. Usa "avance lento de dolly hacia el sujeto" o "cámara orbitando desde la izquierda" para lograr un movimiento cinematográfico.
La iluminación define el ambiente de un video más rápido que cualquier otra cosa. Los modelos de IA responden a los descriptores de luz y los aplicarán con más regularidad si aparecen al principio del prompt.
Estos son los términos de iluminación más fiables para prompts de texto a video:
Evita términos vagos como "buena iluminación" o "brillante". No comunican nada al modelo.
Este es el elemento que separa un clip cinematográfico de una presentación de diapositivas. Los descriptores de movimiento le indican al modelo cómo deben moverse las cosas en la escena a lo largo del tiempo, y con qué rapidez.
Lento y deliberado: "el pelo se mueve suavemente con la brisa, las hojas caen a la deriva" Dinámico y urgente: "la cámara avanza rápido, el sujeto gira bruscamente" Ambiental y sutil: "el vapor sube de la taza de café, las luces bokeh palpitan suavemente"
Modelos como LTX 2 Pro y Pixverse v5 manejan bien el ritmo del movimiento cuando lo describes de forma explícita. Si quieres cámara lenta, dilo. Si quieres tiempo real, aclara también eso.
Los descriptores de estilo definen el lenguaje visual del clip. Para resultados fotorrealistas, usa lenguaje de fotografía cinematográfica:
Para una salida más estilizada, puedes especificar:
💡 Importante: Evita los términos de estilo que sugieran ilustración, animación o arte digital. Modelos como Hailuo 02 y Veo 3.1 interpretarán correctamente los descriptores fotográficos para resultados realistas.
Es opcional, pero muy útil. Al final de tu prompt, añade lo que no quieres. Esto evita que el modelo recurra a los clichés visuales habituales.
Ejemplos de restricciones negativas:
Esto es lo que parece un prompt estructurado completo frente a uno sin estructura:
Prompt débil:
"Una mujer caminando por una ciudad de noche"
Prompt estructurado:
"Una mujer de unos 20 y pocos años, con pelo castaño rojizo y un abrigo trench color camello, camina despacio por una acera urbana mojada por la lluvia, de noche, con letreros de neón reflejados que brillan en los charcos, plano medio de seguimiento desde un lateral, la cámara avanza al mismo ritmo que el sujeto, luz práctica cálida procedente de los escaparates, vapor que sube de una rejilla cerca de sus pies, aspecto cinematográfico de película de 35 mm, poca profundidad de campo, sin vibración de cámara, sin texto"
El segundo prompt tiene 80 palabras. El primero, 10. Esa diferencia se nota directamente en la calidad del resultado.
Una preocupación habitual es que los prompts largos confundan al modelo. En la práctica, suele pasar lo contrario. La mayoría de los modelos de video con IA se han entrenado con descripciones detalladas, así que las descripciones más ricas les dan más con lo que trabajar.
Longitudes de prompt recomendadas según el tipo de modelo:
| Modelo | Longitud óptima del prompt |
|---|---|
| Wan 2.7 T2V | 60-120 palabras |
| Kling v2.6 | 50-100 palabras |
| Veo 3 | 80-150 palabras |
| Sora 2 | 100-200 palabras |
| Seedance 1.5 Pro | 60-100 palabras |
| P-Video | 50-100 palabras |
El punto ideal para la mayoría de los modelos está entre 70 y 120 palabras. Por debajo de 40 palabras, te quedas corto en la especificación. Por encima de 200, puede que el modelo empiece a ignorar algunas restricciones.
La mayoría describe cómo se ve la escena en lugar de lo que está ocurriendo. El video con IA necesita verbos de acción y lenguaje temporal.
Pedir "cinematográfico y animado, fantasía y documental" en el mismo prompt empuja al modelo en demasiadas direcciones. Elige un registro visual y mantenlo de principio a fin.
Si omites el tipo de plano y el movimiento de cámara, el modelo tiene que improvisar. Y la improvisación casi siempre cae en un plano medio estático. Especifica siempre el comportamiento de la cámara.
💡 Arreglo rápido: añade un término de cámara y un descriptor de movimiento a cada prompt, incluso a los mínimos. "Primer plano, zoom lento hacia atrás" es mejor que nada.
La coherencia temporal significa que el sujeto, la iluminación y la escena se mantienen estables durante toda la duración del clip. Algunos modelos lo manejan mejor que otros, pero todos se benefician de prompts que la refuercen.
Tácticas para mejorar la coherencia:
No todos los prompts de video tienen el mismo propósito. La estructura se adapta según lo que estés creando.
Céntrate en: descripción ambiental rica, iluminación que defina el ambiente, lenguaje de lente específico, movimiento lento y deliberado.
Ejemplo: "primer plano del rostro de una mujer, ojos cerrados, luz suave de la mañana filtrándose por cortinas blancas, la sombra de las ramas de un árbol moviéndose sobre su piel, lente de retrato de 85 mm, poca profundidad de campo, calidez de Kodak Portra, quietud absoluta rota solo por su respiración"
Céntrate en: un gancho visual inmediato en el primer segundo, movimiento de cámara dinámico, ritmo de mucha energía.
Ejemplo: "plano de seguimiento rápido de una mujer que corre descalza por una playa de arena blanca al amanecer, cámara a la altura de la rodilla, rocío de arena y espuma del mar captando la luz, contraluz dorado y cálido, ritmo de mucha energía, poca profundidad de campo centrada en sus pies"
Céntrate en: fondos limpios, encuadre de producto deliberado, iluminación controlada.
Ejemplo: "primer plano de un frasco de perfume de cristal sobre una superficie de mármol blanco, luz de softbox de estudio desde arriba y a la izquierda, giro lento del frasco que revela un diseño intrincado, gotas de agua en el cristal que captan la luz, objetivo macro de 100 mm, estilo de fotografía de producto fotorrealista"
Wan 2.7 T2V es uno de los modelos de texto a video más potentes disponibles, con salida en 1080p y una coherencia temporal sólida. Así se usa de forma eficaz:
Paso 1: Ve a la página del modelo Wan 2.7 T2V en PicassoIA.
Paso 2: Escribe tu prompt con el marco de 7 partes de arriba. En Wan 2.7, el punto ideal está entre 70 y 120 palabras, con descriptores claros de sujeto, movimiento e iluminación.
Paso 3: Configura la duración. Wan 2.7 admite clips de hasta unos 10 segundos. Para prompts complejos, los clips más cortos de 4 a 6 segundos producen resultados más constantes.
Paso 4: Haz primero una generación de prueba con una versión simplificada de tu prompt. Así compruebas que los elementos básicos (sujeto, movimiento, entorno) se renderizan bien antes de lanzar una generación más larga y detallada.
Paso 5: Si el resultado se aleja de lo que buscas, aísla qué parte del prompt se está ignorando y muévela más arriba en el texto. Los modelos tienden a dar más peso al principio de los prompts.
💡 Consejo para Wan 2.7: Este modelo maneja especialmente bien los descriptores de iluminación. Un lenguaje de iluminación detallado que cubra dirección, temperatura de color y suavidad produce resultados notablemente mejores que la mayoría de los demás modelos.
Aquí tienes una plantilla para rellenar que funciona con la mayoría de los modelos de video con IA:
[Subject: age, appearance, clothing, expression] [Action verb + motion detail], [Environment: location, time of day, weather], [Shot type] [Camera movement], [Lighting: source, direction, quality, color], [Motion detail: ambient elements, pacing], [Style: film look, depth of field], [Negative constraints]
Ejemplo rellenado:
A woman in her mid-30s with silver-streaked hair, wearing a gray cashmere turtleneck, slowly stirs a cup of coffee while gazing out of a floor-to-ceiling window, in a minimalist apartment on a gray rainy morning, medium shot with very slight handheld drift, soft overcast window light from the right casting subtle shadows, steam rising gently from the cup, rain drops running down the glass behind her, cinematic 50mm film look, shallow depth of field on her hands, no music overlays, no text
Ese prompt tiene 94 palabras y cubre las siete partes. Úsalo como punto de partida.
La única forma de mejorar al escribir prompts para video con IA es la repetición. Toma la plantilla de arriba, rellénala con tu sujeto y tu escena, y pruébala en cualquiera de los modelos disponibles, incluidos Kling v2.6, Veo 3.1, Wan 2.7 T2V, LTX 2 Pro o Seedance 1.5 Pro.
Cada modelo tiene su propia personalidad, y dedicar unas cuantas generaciones a cada uno te enseña más que cualquier tutorial escrito. Lanza un prompt. Ajusta un elemento. Vuelve a lanzarlo. Con este enfoque iterativo, los avances se acumulan rápido, y en pocas sesiones tendrás un estilo de prompt que produce de forma fiable el resultado que buscas.
PicassoIA te da acceso a más de 100 modelos de texto a video en un solo lugar. Esa variedad te permite probar el mismo prompt en varios modelos en cuestión de minutos y ver exactamente cómo interpreta cada uno de forma distinta tus instrucciones. Es el ciclo de retroalimentación más rápido que existe para afinar tus habilidades al escribir prompts para video con IA.
Elige tu idioma
