Veo 3.1 de Google marca un nuevo estándar en la precisión del movimiento de cámara en video generado con IA. Este artículo explica cómo funcionan sus controles de movimiento cinematográfico, qué los hace realistas y qué patrones de prompt dan resultados que puedes usar de inmediato.
El Veo 3.1 de Google no es el único modelo de video con IA disponible ahora mismo, pero es el que ha provocado la conversación más seria entre cineastas y creadores de video. La razón es sencilla: maneja el movimiento de cámara de una forma que antes requería un equipo físico, un operador entrenado y una post-producción considerable. Es una afirmación fuerte, y merece un análisis detallado de lo que Veo 3.1 hace de forma distinta, dónde acierta de manera constante y cómo puedes aprovecharlo.
La diferencia entre Veo 2 y Veo 3.1 no es un simple salto de versión. En Veo 2, las instrucciones de movimiento de cámara eran, en el mejor de los casos, interpretativas. El modelo podía aproximar un acercamiento lento o un paneo, pero la lógica espacial era irregular. Los objetos en primer plano se desplazaban de formas que no coincidían con la trayectoria de cámara implícita, y las secuencias complejas rompían la ilusión por completo.
Veo 3.1 trata el movimiento de cámara como una instrucción de primer nivel. Ha aprendido la relación física entre la posición de la lente, la distancia focal y la profundidad de la escena. Cuando describes un dolly hacia delante, el paralaje entre los elementos del primer plano y del fondo se comporta como lo haría en un set físico. Eso no es poca cosa. Es la diferencia fundamental entre un metraje que parece real y uno que parece generado por IA.
La mejora interna más importante de Veo 3.1 es lo que los ingenieros han descrito como razonamiento en el espacio de la escena. En lugar de predecir píxeles en 2D y añadir vectores de movimiento después, el modelo construye un modelo espacial interno de la escena antes de fijar cualquier fotograma. Las instrucciones de cámara se aplican entonces a ese modelo espacial, no a una imagen plana.
El resultado es inmediato: los elementos del primer plano se mueven más rápido que los del fondo durante los movimientos laterales, las señales de profundidad se mantienen coherentes durante los acercamientos y la distorsión de gran angular aparece de forma natural en los bordes del encuadre durante los movimientos extremos. El metraje parece tridimensional porque el modelo opera en un espacio tridimensional simulado, no aproxima el movimiento sobre una superficie 2D.
💡 Este modelo espacial también es la razón por la que Veo 3.1 puede mantener nítido a un sujeto en cuadro durante movimientos de arco complejos sin que el sujeto parezca deformarse o deslizarse, algo que era un problema persistente en versiones anteriores del modelo.
Veo 3 introdujo el audio sincronizado nativo. Veo 3.1 lo refina de forma notable. Cuando la cámara hace un paneo rápido, el audio no sigue como si fuera un plano fijo. El sonido ambiente se espacializa según la dirección de la cámara, algo sutil pero perceptualmente significativo. Un plano de seguimiento a un sujeto en movimiento ahora suena como un plano de seguimiento, no como una grabación fija superpuesta a imágenes en movimiento.
Esta sincronización de audio espacial también funciona como herramienta de diagnóstico durante la producción. Si generas un clip y el audio suena estático mientras las imágenes se mueven, es probable que la instrucción de cámara no se haya registrado como pretendías. Que el sonido y la imagen estén desfasados en el espacio es un indicador temprano y fiable de que el prompt necesita ajustes antes de gastar créditos en una generación a plena resolución.
No todos los modelos manejan igual de bien cada movimiento de cámara. Los siguientes son los movimientos en los que Veo 3.1 es realmente fiable y repetible entre generaciones.
Un paneo es una rotación horizontal alrededor del eje vertical de la cámara. Una inclinación es su equivalente vertical. Veo 3.1 responde de forma limpia a ambos cuando el prompt especifica dirección y velocidad. Lo más importante que puedes hacer es darle al modelo un contexto de anclaje: describe qué se ve al inicio y qué debería verse al final del movimiento.
Prompts que producen resultados fiables:
El modelo mantiene la nitidez de los bordes durante los paneos lentos y añade un desenfoque por movimiento adecuado en los rápidos, igualando lo que captaría un operador de cámara con una velocidad de obturación de 1/50. Esta calibración automática del desenfoque por movimiento es uno de los detalles que hace que el metraje resulte fotográficamente creíble.
Un movimiento de dolly es hacia delante o hacia atrás a lo largo del eje de la lente. Un travelling es un desplazamiento lateral sin rotación. Son los movimientos en los que la mayoría de los modelos de IA han fallado históricamente, porque requieren un cambio de perspectiva constante en todos los píxeles del encuadre a la vez.
Veo 3.1 maneja ambos de forma limpia. Un dolly hacia delante con prompt crea la perspectiva en expansión correctamente, con los objetos cercanos creciendo más rápido que los lejanos. Las tomas de travelling mantienen la estabilidad vertical mientras la escena se desplaza horizontalmente de una forma que resulta físicamente fundamentada. El paralaje es correcto. Ese es el detalle que hace que un movimiento de dolly parezca un dolly y no un zoom, y es el detalle que la mayoría de los modelos competidores todavía hacen mal.
Una órbita es un arco de 360 grados o parcial alrededor de un sujeto, en el que la cámara mantiene un radio fijo mientras gira. Es uno de los movimientos más satisfactorios desde el punto de vista cinematográfico y se usa a menudo para añadir dramatismo alrededor de un personaje o de un objeto central. También es uno de los más difíciles para el video con IA, porque exige que el modelo mantenga una escala constante del sujeto, una dirección de luz coherente sobre él y un fondo que rote con la perspectiva correcta durante todo el arco.
Veo 3.1 lo resuelve con un nivel que impresiona de forma constante. El sujeto permanece centrado y nítido, el paralaje del fondo resulta convincente y la iluminación del sujeto no cambia de dirección de forma aleatoria cuando la cámara cruza el límite de la sombra. Este último punto merece atención, porque la mayoría de los modelos producen incoherencias visibles en la dirección de la luz durante las órbitas.
💡 Para revelar a un sujeto de forma dramática, prueba: "la cámara orbita lentamente 180 grados alrededor de una figura de pie en un campo abierto, con el fondo pasando de un bosque de mañana a un cielo abierto". La transición del entorno a lo largo del arco se gestiona de forma coherente.
Un plano de grúa mueve la cámara verticalmente por el espacio, no solo inclina la lente. Un movimiento de pedestal es la misma translación vertical sobre una plataforma nivelada. Estos movimientos verticales dan al metraje una sensación de peso y de escala arquitectónica que los movimientos horizontales no pueden reproducir.
Veo 3.1 maneja las translaciones verticales con la misma coherencia espacial que las horizontales. Una grúa hacia arriba desde el nivel de la calle hasta la altura de la azotea reduce correctamente la escala aparente de los elementos a nivel del suelo y abre progresivamente el cielo. Combinado con un paneo lento en el punto más alto, el resultado es el tipo de plano de establecimiento que antes requería alquilar un dron y contratar a un operador certificado.
Veo 3.1 genera a 24 fps. Entre los fotogramas clave usa un sistema de interpolación consciente de la escena en lugar de un flujo óptico genérico. Cuando un sujeto pasa delante de un elemento del fondo durante un movimiento de cámara, la interpolación gestiona correctamente el evento de oclusión y desoclusión. El flujo óptico genérico crea artefactos de emborronamiento en esos puntos de borde. Veo 3.1 produce bordes limpios y nítidos incluso en los límites del movimiento.
Esta es la razón más importante por la que el metraje se lee como real y no como generado por IA. El emborronamiento en los límites del movimiento es la principal señal visual del video con IA. Veo 3.1 lo ha reducido hasta el punto de que identificarlo requiere inspeccionar fotograma a fotograma con mucho zoom, en lugar de ser evidente en la primera reproducción.
La mayoría de los modelos de video con IA sufren lo que podría describirse como colapso de perspectiva. Cuando la cámara se acerca a un sujeto, el fondo no retrocede de forma proporcional. El resultado es una apariencia plana y pegada, en la que el sujeto parece flotar delante de una imagen fija en lugar de existir en un espacio tridimensional.
Veo 3.1 mantiene las proporciones de perspectiva correctas durante cualquier movimiento de cámara. La velocidad a la que retrocede visualmente el fondo coincide con la velocidad de avance de la cámara. Este detalle, por sí solo, es lo que hace que el metraje resulte de verdad espacial y es la señal más clara de que el modelo ha interiorizado la física real de la cámara en lugar de haber aprendido a aproximar el movimiento de forma estética.
El metraje de cámara real tiene un desenfoque por movimiento que corresponde a la velocidad de obturación y a la velocidad del sujeto respecto al encuadre. Veo 3.1 calibra el desenfoque según la velocidad del movimiento de cámara. Un paneo rápido produce un desenfoque considerable en todo el encuadre. Un dolly lento apenas produce ninguno. Es un detalle que muchos modelos de IA ignoran por completo, aplicando por defecto un desenfoque intenso en todo el metraje o ninguno. Veo 3.1 lo varía correctamente según la velocidad del movimiento, y el resultado es un metraje que se lee como filmado y no como generado.
Veo 3.1 responde con más fiabilidad al vocabulario de cinematografía estándar de la industria. No son palabras mágicas. Son los términos que aparecen de forma constante en los guiones profesionales y la documentación de producción con la que se entrenó el modelo. Usarlos indica con claridad la intención cinematográfica.
| Movimiento deseado | Términos de prompt fiables |
|---|---|
| Avance hacia delante | "dolly in", "empuje lento hacia", "avance sigiloso" |
| Retroceso | "dolly out", "retrocede revelando", "retirada a plano general" |
| Movimiento horizontal | "travelling a la izquierda/derecha", "movimiento de seguimiento lateral" |
| Elevación vertical | "grúa hacia arriba", "elevación en pedestal", "asciende lentamente" |
| Rotación alrededor del sujeto | "órbita", "arco alrededor de", "arco de 180 grados" |
| Rotación lateral | "paneo a la izquierda/derecha", "barrido horizontal lento" |
| Rotación vertical | "inclinación hacia arriba/abajo", "mira hacia arriba", "barrido hacia abajo hasta" |
Veo 3.1 maneja movimientos de cámara compuestos cuando se describen en secuencia. El modelo lee la descripción del movimiento cronológicamente y ejecuta cada fase en orden dentro de la duración del clip.
Ejemplo que funciona:
"La cámara empieza a ras del suelo, subiendo lentamente con una grúa mientras hace un travelling a la derecha, y termina en un plano general elevado mirando hacia abajo a toda la escena."
Cuando encadenas más de dos movimientos, añade una frase de conexión entre las fases. Palabras como "continuando suavemente hacia" o "pasando a" indican al modelo que los movimientos deben fundirse en lugar de cortarse, lo que reduce los artefactos de estabilización en el punto de transición.
Tres errores comunes en los prompts producen malos resultados de cámara en todos los modelos de video con IA, incluido Veo 3.1:
Veo 3.1 está disponible directamente en PicassoIA junto con Veo 3.1 Fast y Veo 3.1 Lite. Este es un flujo de trabajo práctico para la generación de video centrada en el movimiento de cámara:
Paso 1: Elige la variante adecuada
Usa el Veo 3.1 completo para movimientos compuestos, tomas en órbita y cualquier resultado de calidad de producción. Usa Veo 3.1 Fast para iterar rápido en movimientos sencillos cuando se está probando la precisión del movimiento. Reserva Veo 3.1 Lite para pruebas rápidas de concepto en las que la calidad del movimiento es secundaria frente a la velocidad.
Paso 2: Estructura tu prompt en tres capas
Escribe tu prompt en tres partes, en este orden:
Ejemplo:
"Una mujer con un vestido de lino azul está de pie al borde de un acantilado de piedra que da a un valle iluminado por el sol. La cámara empieza cerca de su rostro y luego hace un dolly lento hacia atrás para revelar el paisaje completo que se extiende detrás de ella. Luz de hora dorada, natural, fotorrealista."
Paso 3: Itera primero sobre la velocidad
Tras la primera generación, el ajuste más habitual es la velocidad del movimiento. Si el movimiento es demasiado rápido, añade "lento, deliberado" a la instrucción de cámara. Si el clip parece demasiado estático pese a la instrucción, añade "movimiento continuo durante todo el plano" para indicar que el movimiento debe mantenerse durante toda la duración del clip en lugar de detenerse.
Paso 4: Usa el audio como indicador de movimiento
El audio nativo de Veo 3.1 refleja la posición espacial de la cámara. Si el audio generado suena como una grabación fija mientras las imágenes se mueven, la instrucción de cámara no se registró por completo. Vuelve a generar con una frase de movimiento más explícita antes de comprometerte con una salida en alta resolución.
💡 Ahorra créditos durante las pruebas: genera las dos o tres primeras iteraciones con Veo 3.1 Fast y pasa al Veo 3.1 completo solo cuando el prompt y el ritmo estén afinados.
Veo 3.1 no es la única opción cuando el movimiento cinematográfico es importante. Otros tres modelos de PicassoIA adoptan un enfoque distinto para el control de cámara, cada uno con fortalezas claras en contextos de producción concretos.
Kling v3 Motion Control usa un sistema de entrada basado en trayectorias. En lugar de describir el movimiento con texto, dibujas o defines la trayectoria de la cámara como una curva directamente en la interfaz. Esto es más preciso que el lenguaje para arcos personalizados y requiere menos iteraciones. Destaca en trayectorias repetibles y exactas en las que el enfoque de texto de Veo 3.1 podría variar ligeramente entre generaciones.
Ideal para: fotos de producto, recorridos arquitectónicos y cualquier plano en el que la repetición exacta de la trayectoria entre varios clips sea un requisito estricto. Si necesitas el mismo arco dos veces y tienen que coincidir fotograma a fotograma, Kling v3 Motion Control es la opción adecuada.
Video 01 Director de MiniMax acepta controles de cámara con nombre (paneo, inclinación, zoom, rotación, travelling, pedestal) como parámetros discretos junto con el prompt de texto. Este enfoque de parámetros estructurados produce resultados muy coherentes en movimientos sencillos de un solo eje, porque la instrucción de cámara se trata como datos estructurados y no como una tarea de interpretación del lenguaje.
Ideal para: creadores que necesitan resultados predecibles en producción para movimientos sencillos y con nombre de un solo eje, y que quieren reducir al mínimo los intentos de generación necesarios para conseguir el plano.
Ray 3.2 de Luma aporta salida HDR y un fuerte énfasis en la precisión de la iluminación durante el movimiento. Donde Veo 3.1 prioriza la física espacial, Ray 3.2 prioriza el comportamiento de la luz: las sombras se desplazan correctamente con el ángulo de cámara, los reflejos cambian cuando la cámara se traslada y los brillos especulares siguen bien los movimientos de dolly.
Ideal para: metraje en el que la calidad de la luz durante el movimiento es la prioridad, sobre todo en escenas interiores con configuraciones de iluminación práctica complejas.
| Modelo | Fortaleza | Mejor tipo de movimiento | Estilo de entrada |
|---|---|---|---|
| Veo 3.1 | Física espacial, movimientos compuestos | Órbita, dolly, secuencias encadenadas | Prompt de texto |
| Kling v3 Motion Control | Precisión de trayectoria, repetibilidad | Arco, seguimiento personalizado | Trayectoria dibujada |
| Video 01 Director | Estructurado, coherente | Movimientos con nombre de un solo eje | Parámetros con nombre |
| Ray 3.2 | Precisión de la iluminación durante el movimiento | Dolly, acercamiento | Prompt de texto |
El movimiento de cámara en el video con IA ha pasado de ser una novedad a algo realmente útil para flujos de trabajo de producción reales. Veo 3.1 ha empujado ese límite más lejos que nadie, y está disponible ahora mismo sin material, sin equipo técnico ni permisos de rodaje.
La barrera para conseguir metraje cinematográfico ya no es el acceso a un dolly, a una grúa o a un equipo de control de movimiento. Es saber describir lo que quieres. Si sabes distinguir paneo de inclinación, dolly de travelling y órbita de arco, ya tienes el vocabulario para trabajar con Veo 3.1 a nivel profesional. Los ejemplos de prompt de este artículo son un punto de partida. Pruébalos, ajusta la velocidad, encadena dos movimientos y comprueba hasta dónde aguanta la física espacial.
PicassoIA te ofrece Veo 3.1, Veo 3.1 Fast, Kling v3 Motion Control, Video 01 Director, Ray 3.2 y más de 100 otros modelos de video en un solo lugar. Escribe el movimiento de cámara que llevas tiempo queriendo rodar, pégalo en la plataforma y mira cómo sale la primera generación. El tiempo de producción se mide en minutos, no en días de rodaje.
Elige tu idioma
