Un análisis práctico de las capacidades de Gemini 3.2 Pro para crear video, con estrategias para escribir prompts, flujos de trabajo multimodales, la integración con Veo 3.1 y cómo combinar el razonamiento de un modelo de lenguaje con plataformas de video con IA especializadas para obtener resultados constantes y de alta calidad en todos los tipos de contenido y escalas de producción.
Gemini 3.2 Pro no es un generador de video. Esa distinción importa más de lo que suelen contar los tutoriales, porque confundirla lleva a horas de frustración y resultados decepcionantes. Es un modelo de lenguaje con capacidades de razonamiento multimodal y, cuando lo usas bien como coguionista, arquitecto de prompts y director creativo, se convierte en una de las herramientas más potentes de un flujo de producción de video.
Este artículo desglosa exactamente cómo funciona ese flujo: desde lograr que Gemini 3.2 Pro escriba guiones utilizables, hasta traducir esos guiones en prompts optimizados para modelos de video con IA, pasando por elegir la plataforma adecuada para cada parte del trabajo.
Gemini 3.2 Pro no genera video de forma nativa. Lo que hace de manera excepcional es razonar sobre el video: estructurar escenas, escribir diálogos, describir composiciones visuales y producir el tipo de prompts detallados y técnicamente precisos a los que los modelos de video con IA responden mejor.
Piensa en él como el director creativo de tu flujo de trabajo, no como el operador de cámara. Planifica. Escribe. Refina. Los modelos de video ejecutan.
Esta distinción determina todo lo demás sobre cómo debes pedirle trabajo de video a Gemini 3.2 Pro. No le pides que haga un video. Le pides que piense en uno contigo.
Lo que separa a Gemini 3.2 Pro de los modelos de lenguaje anteriores es su capacidad multimodal. Puedes darle imágenes de referencia, bocetos o capturas de videos existentes y pedirle que describa lo que ve, para luego generar prompts equivalentes para herramientas de video con IA. Esto es especialmente útil cuando tienes una referencia visual en mente pero te cuesta expresarla con palabras.
Por ejemplo, sube una fotografía con condiciones de iluminación concretas y pregunta: "Describe esta imagen como si estuvieras escribiendo un prompt para un modelo de video con IA. Incluye la dirección de la luz, la posición del sujeto, el ángulo de cámara, el ambiente y el movimiento." El resultado suele poder usarse directamente en el siguiente paso.
Puedes acceder a Gemini 3.1 Pro y a Gemini 3 Pro directamente en PicassoIA, donde ambos modelos están disponibles para escribir, planificar y diseñar prompts en la misma plataforma donde generas el video.
Mucha gente se acerca a Gemini 3.2 Pro esperando describir un video en una frase y recibir algo utilizable. A veces funciona con modelos de texto a video especializados. Con Gemini 3.2 Pro como herramienta principal, el proceso es más deliberado. La inversión merece la pena. Los videos producidos con un flujo asistido por Gemini son más constantes, más específicos visualmente y mucho más fáciles de iterar. Cuando un resultado no da en el blanco, sabes exactamente qué parte del prompt ajustar.
El flujo completo es el siguiente:
La complejidad está en la ejecución, en concreto en cómo formulas los prompts a Gemini 3.2 Pro durante el paso 1, y en qué modelo de video eliges en el paso 2.
El uso más eficaz de Gemini 3.2 Pro en un flujo de video es la escritura de guiones. No porque escriba mejor que un guionista humano en todos los casos, sino porque escribe más rápido, puede recibir restricciones estructurales muy concretas y puede producir a la vez el diálogo y la descripción visual de cada escena.
Empieza con un encargo claro. Cuanto más específico seas, más útil será el resultado:
"Escribe un guion de video de 30 segundos para un anuncio en redes sociales. El producto es una cafetera espresso portátil para viajeros. El tono es cálido y cercano, nada corporativo. Incluye tres escenas. Para cada escena, escribe el diálogo o la narración y después una descripción visual detallada que incluya el ángulo de cámara, la iluminación, el comportamiento del sujeto y el escenario."
Ese prompt produce un resultado estructurado y utilizable en segundos. Compáralo con una petición genérica del tipo "hazme un anuncio en video", que siempre produce algo genérico.
Para cualquier pieza de más de 30 segundos, pide a Gemini 3.2 Pro que divida el video en escenas individuales antes de escribir nada. El enfoque escena por escena evita la deriva narrativa y hace que la fase final de diseño de prompts sea mucho más limpia.
Una petición típica de desglose de escenas tiene este aspecto:
"Quiero un video de marca de 90 segundos para una marca de ropa sostenible. Antes de escribir nada, dame un desglose escena por escena con la duración, el ambiente, la localización y la imagen clave de cada escena. Aprobaré la estructura antes de que escribas nada."
Este enfoque en dos pasadas, primero la estructura y después el contenido, produce de forma constante mejores resultados que una petición en una sola pasada.
Una vez aprobado el guion, pide a Gemini 3.2 Pro que convierta cada escena en un prompt de generación de video. El paso de conversión es donde más calidad pierde la mayoría de la gente. Una petición de conversión sólida:
"Convierte la Escena 2 del guion anterior en un prompt optimizado para un modelo de generación de video con IA. Incluye: descripción del sujeto, acción o movimiento, ángulo de cámara y lente, dirección y calidad de la luz, detalles del escenario, atmósfera y ambiente. Que no supere las 100 palabras. No incluyas instrucciones para el modelo de IA, solo la descripción visual."
El límite de longitud importa. La mayoría de los modelos de video con IA funcionan mejor con prompts concretos que con prompts exhaustivos.
Este es el paso que la mayoría de tutoriales omite, y es el más valioso. Hay una diferencia importante entre un guion de video y un prompt de generación de video. Gemini 3.2 Pro puede generar ambos, pero necesita entender la diferencia.
Un guion describe lo que ocurre. Un prompt de video describe lo que el modelo de IA debe renderizar, lo que incluye detalles que nunca aparecen en un guion: la lente de la cámara, la profundidad de campo, la temperatura de la luz, los detalles de textura, la velocidad del movimiento y la atmósfera.
| Elemento del guion | Equivalente en prompt de video |
|---|---|
| "Ella entra en la habitación" | "Woman in her 30s in a linen dress walks slowly left-to-right through a doorway, 85mm lens, shallow DOF, morning light from right" |
| "El producto está sobre la encimera" | "Portable espresso maker on worn marble countertop, close-up overhead shot, steam rising, warm backlight, 50mm macro" |
| "Resulta acogedor e íntimo" | "Warm amber practical lighting, slightly underexposed, film grain, 1.8 aperture, soft shadow edges" |
Entrenar a Gemini 3.2 Pro en esta tarea de traducción requiere un solo ejemplo bien estructurado. A partir de ahí, gestiona la conversión de forma fiable en todo un guion.
Una gran ventaja de usar un modelo de lenguaje para diseñar prompts es poder refinarlos de forma iterativa. Después de que se genere un video, describe lo que obtuviste frente a lo que querías:
"El video salió demasiado oscuro y el sujeto estaba demasiado cerca de la cámara. Ajusta el prompt para añadir más luz ambiental y aleja la cámara para mostrar más del escenario."
Gemini 3.2 Pro gestiona muy bien este bucle de corrección y produce prompts revisados de inmediato.
Gemini 3.2 Pro no es la única opción para este flujo. Sin embargo, es una de las mejores para tareas específicas de video gracias a su razonamiento multimodal más sólido y a su familiaridad con el lenguaje visual.
| Modelo | Puntos fuertes para el trabajo de video | Debilidades |
|---|---|---|
| Gemini 3.2 Pro | Entrada multimodal, lenguaje visual, descripciones de escena sólidas | Menos robusto para narrativas largas |
| Gemini 3.5 Flash | Velocidad, ciclos de iteración rápidos | Descripciones visuales menos matizadas |
| GPT 5 | Profundidad en la escritura creativa, diálogos sólidos | Más débil en la especificidad de los prompts visuales |
| Claude Opus 4.7 | Documentos largos, seguimiento preciso de instrucciones | Iteración más lenta |
| DeepSeek R1 | Cadenas de razonamiento, resultados estructurados | Menos creativo en el tono |
Para la mayoría de los flujos de video, Gemini 3.2 Pro se sitúa en el punto de equilibrio adecuado entre la calidad creativa y la especificidad de los prompts. Si la velocidad es la prioridad, Gemini 3 Flash gestiona el mismo flujo a un ritmo más rápido y con un nivel de detalle algo menor.
PicassoIA reúne todo el flujo en un solo lugar. En lugar de cambiar entre varias plataformas, puedes usar Gemini 3.1 Pro para tu guion y tu trabajo con prompts en la misma sesión en la que ejecutas tus modelos de video.
La sección de modelos de lenguaje de PicassoIA incluye toda la oferta de Google, desde Gemini 2.5 Flash para iterar rápido hasta Gemini 3 Pro para tareas creativas más exigentes.
La misma plataforma, cero cambios de contexto. Ese ahorro de tiempo se acumula rápido en cualquier entorno de producción.
Una vez que Gemini 3.2 Pro ha generado tus prompts, la elección del modelo de video determina la calidad visual del resultado. Cada modelo tiene puntos fuertes distintos, y la opción correcta depende de lo que estés produciendo.
Veo 3.1 es el modelo de texto a video de Google, lo que lo convierte en la opción más alineada de forma natural con los resultados de Gemini 3.2 Pro. Google entrenó estos sistemas con un lenguaje visual similar, así que los prompts generados por Gemini tienden a traducirse en Veo 3.1 con menos sorpresas.
Veo 3.1 Fast merece la pena durante la fase de iteración. La menor latencia permite probar un prompt en cuestión de segundos y refinarlo antes de lanzar un render a calidad completa. Veo 3 genera audio nativo junto con el video, lo que importa en el contenido para redes que tiene que funcionar por sí solo, sin sonido añadido en postproducción.
Consejo profesional: Al usar Veo 3.1 con prompts generados por Gemini, pide a Gemini que incluya de forma explícita notas de diseño de sonido en el prompt. El audio nativo de Veo 3 responde a esas indicaciones.
Seedance 2.0 de ByteDance genera video con sincronización de audio integrada, lo que lo hace muy útil para contenido en el que el tiempo del sonido es tan importante como lo visual. Los videoclips musicales, el contenido de marca con ritmo y los lanzamientos de producto en los que la señal de audio marca el corte visual se resuelven mejor con Seedance 2.0 que con modelos sin audio nativo.
El flujo de prompts con Gemini se aplica exactamente igual. Añade un campo de descripción de audio a tu plantilla de prompt y Seedance 2.0 intentará ajustarse a ella.
Kling v3 destaca en el movimiento cinematográfico: paneos lentos, dolly-in y movimientos de cámara que parecen intencionados y no generados por IA. Cuando tu guion de Gemini especifica un movimiento de cámara, Kling v3 suele ejecutarlo con la mayor precisión.
Wan 2.7 T2V gestiona salidas en 1080p y merece la pena cuando la resolución importa más que el movimiento creativo. Los planos fijos, los primeros planos de producto y las revelaciones arquitectónicas se ven especialmente bien con Wan 2.7.
Para un enfoque distinto de la calidad cinematográfica, Ray 3.2 de Luma aporta un render HDR que se sostiene bien en pantallas grandes. Sus resultados tienden a verse pulidos sin necesidad de mucha postproducción.
El error más común: dar a Gemini 3.2 Pro un encargo de una sola frase y esperar un prompt listo para producción. "Haz un video sobre café" produce un resultado genérico. "Escribe un prompt de video de 20 segundos para el anuncio de una cafetería de café de especialidad, con una barista de unos 40 años sirviendo un latte en una barra de madera, luz cálida de tarde que entra por una ventana a la izquierda, vertido en cámara lenta, lente de 85 mm, sonidos ambientales de cafetería" produce algo que de verdad puedes usar.
La concreción no es opcional. Cuanto más contexto le des, más útil será el resultado.
Muchas personas llevan el primer borrador de Gemini directamente a un modelo de video sin revisarlo. El primer borrador es un punto de partida, no un producto final. Léelo. Pregúntate: ¿describe lo que de verdad quieres? ¿Está clara la posición de la cámara? ¿El sujeto hace algo concreto? ¿Las condiciones de luz son precisas?
Corrige el prompt antes de generar. La generación de video lleva tiempo. Iterar sobre un prompt malo gasta más tiempo que refinarlo antes de empezar.
LTX 2 Pro es excelente en salidas a 4K, pero puede no ser la mejor elección para clips rápidos en redes sociales. Pixverse v6 gestiona bien el video cinematográfico sincronizado con audio, pero se comporta de forma distinta a P Video, que está optimizado para iterar rápido y a menor costo.
Crea una pequeña biblioteca con los modelos a los que recurres en cada situación. Dos o tres modelos fiables que conozcas bien darán mejores resultados que un modelo desconocido en todos los casos.
Estos son ejemplos de prompts generados con un flujo de Gemini 3.2 Pro que produjeron resultados de video constantes y utilizables.
Encargo dado a Gemini:
"Video de 30 segundos para Instagram de una marca minimalista de cuidado de la piel. Tres escenas: el ritual de la mañana, un paseo al aire libre y la relajación de la noche. Público objetivo: mujeres de 25 a 40 años. Cálido, tranquilo, real."
Resultado de Gemini para la Escena 1, convertido en prompt de video:
"Mujer de principios de los 30 de pie frente a un lavabo blanco del baño con luz de la mañana, aplicándose un sérum transparente con ambas manos, mirándose en el espejo con expresión serena. Plano medio a la altura de la encimera, 85 mm f/2.0, profundidad de campo reducida. Luz matinal suave y difusa desde una ventana esmerilada a la derecha. Sin distracciones de movimiento, silencio ambiental. Tonos neutros cálidos, textura de la piel visible."
Ese prompt, introducido en Veo 3.1, produjo un video utilizable en la primera pasada.
Las demostraciones de producto se benefician de la capacidad de Gemini para escribir descripciones visuales técnicamente precisas. Los prompts que incluyen textura de superficie, dirección de la luz y escala del sujeto producen tomas de producto más constantes que las descripciones genéricas de "producto sobre una mesa". Pide a Gemini que describa el producto como si fuera una fotografía de naturaleza muerta y, después, convierte esa descripción en movimiento.
En el trabajo narrativo, Gemini 3.2 Pro destaca al desarrollar arcos emocionales escena por escena. Pídele que escriba el subtexto visual: qué debe enfatizar la cámara para transmitir un sentimiento sin diálogo. El resultado suele incluir detalles a los que los modelos de video con IA responden especialmente bien, como "las manos del sujeto quedan ligeramente fuera de encuadre, la cámara se mantiene en los ojos".
La fuerza de este flujo no está en un video concreto. Está en el sistema que construyes a su alrededor.
Crea en Gemini 3.2 Pro una plantilla de prompt a la que vuelvas en cada nuevo proyecto de video. La plantilla debe incluir tus campos habituales: voz de marca, tipo de sujeto, duración, formato (redes sociales, largo, producto), modelo de salida y cualquier referencia de estilo. Rellenar la plantilla lleva dos minutos y produce un encargo que Gemini puede convertir de inmediato en un guion completo.
Los equipos que trabajan así producen más contenido con regularidad en una semana, porque se elimina la carga de decisiones en cada ciclo de producción.
Una capacidad poco aprovechada del flujo con Gemini es la generación de prompts por lotes. Dale a Gemini 3.2 Pro un solo encargo y pídele cinco o diez variaciones, cada una con un ángulo de cámara, un escenario o un enfoque tonal diferente. Luego pasa todas las variaciones por un modelo de video como Kling v2.6 o Wan 2.6 T2V para identificar qué dirección visual funciona mejor antes de invertir en un render de mayor calidad.
Este enfoque por lotes es especialmente eficiente para las pruebas A/B de creatividades publicitarias, en las que necesitas varias opciones visuales a partir del mismo encargo.
Cómo funciona: Pide a Gemini diez variaciones de un mismo encargo, genera cada una con un modelo rápido primero, evalúa cuál funciona o se ve mejor visualmente y, después, vuelve a renderizar la ganadora a calidad completa con un modelo premium.
La ventaja de velocidad es real. Gemini 3.2 Pro tarda menos de un minuto en producir un lote de diez variaciones de prompt. Pasarlas por un modelo rápido como Veo 3.1 Fast o Seedance 2.0 te da diez opciones visuales para evaluar antes de comprometerte con nada.
Todo lo descrito en este artículo está disponible en un solo lugar de PicassoIA. El modelo Gemini 3.1 Pro se encarga de los guiones y del diseño de prompts. El catálogo de generación de video, que incluye Veo 3.1, Seedance 2.0, Ray 3.2, Kling v3, LTX 2 Pro y Pixverse v6, gestiona la ejecución con más de 87 modelos de video disponibles.
Merece la pena probar el flujo aunque sea en un proyecto pequeño. Escribe un encargo, deja que Gemini estructure el guion, conviértelo en prompt y pásalo por Veo 3.1. El ciclo de retroalimentación de una pasada completa por este sistema te enseñará más sobre producción de video con IA que leer otros cinco artículos.
PicassoIA te da acceso a todo el catálogo de modelos de lenguaje junto con todos los modelos de video desde una sola plataforma. Explora la colección completa en picassoia.com/en/all-models y prueba hoy tu primer video dirigido por Gemini.
Elige tu idioma
