Una colección práctica de prompts de Veo 3.1 probados para producir video cinematográfico. Desde secuencias de persecución dramáticas hasta retratos a la hora dorada, estas estructuras de prompt explican exactamente cómo describir escenas, iluminación, ángulos de cámara y sonido para obtener resultados de video con IA de calidad cinematográfica con regularidad.
La mayoría de la gente escribe una sola frase en Veo 3.1 y se pregunta por qué el resultado parece un salvapantallas. La diferencia entre los clips de IA olvidables y el video realmente cinematográfico depende de una sola cosa: lo precisa que seas al describir el mundo que quieres ver. No se trata de palabras clave mágicas. Se trata de pensar como un director de fotografía y traducir ese pensamiento a un lenguaje al que el modelo responda de verdad.
Veo 3 introdujo la generación de audio sincronizado, pero Veo 3.1 fue más allá. El modelo ahora lee las pistas de audio dentro del propio prompt, no como un parámetro aparte. Si tu prompt dice "la lluvia repiquetea contra un techo de metal", el modelo genera ese sonido junto con la imagen. Esto cambia por completo la forma de escribir prompts: el sonido ahora forma parte de la descripción de la escena, no es un añadido de última hora.
Donde modelos anteriores como Veo 2 tenían problemas con el movimiento de la tela, las superficies de agua y las microexpresiones faciales en movimiento, Veo 3.1 las maneja con una fidelidad claramente mejor. La recompensa por los prompts detallados es ahora proporcionalmente mayor. El modelo tiene capacidad para procesar descripciones densas y en capas, y cumplirlas.
Los prompts cortos producen clips genéricos. Un prompt de 60 palabras supera con holgura a uno de 10 palabras en calidad cinematográfica. Eso no es una rareza. Así es como se entrenó el modelo. La especificidad es la variable que separa un clip de calidad de cine de un contenido que parece generado por IA.
Todo prompt de Veo 3.1 de alta calidad contiene cinco capas distintas. Si falta cualquiera de ellas, el resultado suele desviarse hacia lo genérico.
Empieza por quién o qué aparece en el encuadre y qué está haciendo exactamente. Los sujetos vagos producen videos vagos. "Una mujer camina" no es un sujeto con intención. "Una mujer de unos 30 años, con una chaqueta de lona desgastada, camina por una estación de trenes de Tokio abarrotada a la hora punta, con la mirada recorriendo los paneles de salidas" le da al modelo algo que renderizar.
Qué incluir:
El mundo que hay detrás de tu sujeto no es decoración. Transmite ambiente, hora y contexto. Descríbelo con precisión: ciudad o campo, hora del día, condiciones meteorológicas y qué hay en primer plano frente al fondo.
Es la capa que más se omite, y se nota. Especifica:
Veo 3.1 responde a las indicaciones de cámara cuando se escriben como las diría un director de fotografía, no como una descripción casual.
| Término de cámara | Qué hace en el resultado |
|---|---|
low angle, 24mm | Hace que los sujetos resulten imponentes y realza el cielo |
eye level, 85mm | Retrato natural, ligera compresión del fondo |
overhead, wide | Establece la escala y elimina el contexto del suelo |
dutch angle, 35mm | Añade tensión y desorientación |
tracking shot, handheld | Introduce movimiento y realismo |
Dile al modelo a qué velocidad se mueve el mundo. "Cámara lenta" es vago. "Grabado a 120 fps, reproducido a 24 fps" es preciso. Especifica si la cámara se mueve, si los sujetos se mueven y a qué ritmo relativo.
Estos prompts están estructurados para usarse directamente en Veo 3.1. Cada uno sigue la estructura de cinco capas descrita arriba.
Prompt 1: La persecución nocturna
Un hombre de 30 y tantos años corre a toda velocidad por un callejón estrecho empapado de lluvia por la noche, filmado desde la altura de los tobillos con un ángulo de seguimiento bajo. Las luces de vapor de sodio proyectan charcos ámbar sobre los adoquines mojados. Desenfoque de movimiento en sus piernas, rostro nítido y mandíbula apretada. Las paredes de ladrillo muestran mortero envejecido y regueros de agua. El sonido de pasos chapoteando sobre la piedra mojada, una radio de la policía lejana. 35 mm f/1.4, Kodak Portra 800, profundidad de campo reducida. Sin música, solo ambiente.
Prompt 2: La última conversación
Un hombre y una mujer se sientan en los extremos opuestos de una mesa de restaurante desgastada a media tarde. La luz de la ventana desde la izquierda proyecta una sombra suave en forma de rejilla sobre la superficie de formica. Él la observa sin hablar, con una taza de cerámica entre las manos. Ella mira su café, luego levanta la vista. El vapor sube entre ellos. El sonido amortiguado del tráfico exterior, una cafetera lejana. 50 mm f/2 a la altura de los ojos sentados, grano cálido, reportaje espontáneo.
Prompt 3: La decisión
Primer plano de unas manos curtidas agarrando un volante de cuero. La lluvia traza líneas diagonales sobre el parabrisas. Los instrumentos del salpicadero brillan en ámbar en el desenfoque periférico. Los nudillos están blancos. Un tatuaje de brújula en la muñeca interior derecha. El sonido de la lluvia intensa sobre el cristal, los limpiaparabrisas a un ritmo lento. Macro de 100 mm desde el asiento del copiloto, ángulo descendente de 45 grados, Kodak Vision3, desenfoque de movimiento natural en el fondo.
Prompt 4: Carretera antes del amanecer
Plano aéreo de un camino de tierra solitario que atraviesa un campo de trigo de Montana antes del amanecer. El camino se extiende hasta el punto de fuga en el horizonte izquierdo. Un único camión con un solo faro encendido está parado al borde de la carretera. Cielo de azul marino a violeta profundo, Venus brillante cerca del horizonte. Rocío en cada tallo de trigo, con detalle nítido en primer plano. El sonido del viento sobre la hierba abierta, el motor de un camión lejano al ralentí. Dron a 40 pies, 24 mm de gran angular, neblina natural, Kodak Ektar 100.
Prompt 5: Bosque al amanecer
Un hombre de espaldas a la cámara se encuentra dentro de un bosque antiguo del noroeste del Pacífico al amanecer. Troncos enormes de abeto Douglas desaparecen hacia arriba en un dosel espeso. Haces volumétricos de luz de la mañana atraviesan por encima, iluminando la niebla arremolinada a media altura. Está quieto, mirando hacia arriba. Cantos de pájaros lejanos en el dosel, un pico carpintero distante. 35 mm f/2 desde la altura de la rodilla, color natural, Kodak Portra 400, gran profundidad de campo.
Prompt 6: Amanecer en la orilla
Una mujer camina descalza por la espuma de las olas, con el agua a la altura de los tobillos, al amanecer, filmada desde la altura de la cintura en un paneo lento. Con contraluz del amanecer rosa dorado, su silueta es oscura con un borde de luz cálida. Un vestido de lino blanco recoge el viento. Gotas de agua individuales atrapan la luz del sol en el aire con cada paso. El sonido de las olas rompiendo, el viento y gaviotas lejanas. 70 mm f/2.8 con filtro de niebla de un cuarto negro, Fujifilm Pro 400H, difusión de salpicaduras de sal en el aire del primer plano.
Prompt 7: El primer plano
Primerísimo primer plano del rostro de una joven a la hora dorada, piel con pecas, ojos gris verdoso pálido. Luz volumétrica suave desde la izquierda. Una sola lágrima se forma en la comisura interior del ojo izquierdo. Algunos mechones de pelo cruzan su frente con una brisa leve. El fondo es un bokeh otoñal ámbar de poca profundidad. Sin diálogo, solo viento ambiente y el leve sonido de hojas secas. 85 mm f/1.2, RAW, Fujifilm Eterna 500, sin maquillaje.
Prompt 8: El testigo
Plano medio cerrado de un hombre mayor sentado junto a una ventana, de unos 70 años, con el rostro muy arrugado girado de perfil hacia la luz exterior. Partículas de polvo flotan en un haz de luz de la tarde desde la izquierda. Tiene las manos cruzadas sobre la mesa, quietas. No habla. El sonido de un reloj que hace tic tac en algún lugar de la habitación, un coche que pasa despacio fuera. 85 mm f/2 a la altura de los ojos, Kodak Portra 160, color cálido de última hora de la tarde.
Prompt 9: Perspectiva desde la azotea
Plano general en picado desde una azotea de Nueva York, a treinta pisos de altura, mirando hacia una calle mojada por la lluvia. Las estelas de luz de los taxis amarillos cruzan el encuadre de abajo. Un único vaso de whisky está enfocado con nitidez en el borde de la azotea, en el primerísimo primer plano. Toda la ciudad es un bokeh desenfocado detrás. El sonido de sirenas lejanas, lluvia y tráfico desde muy abajo. 28 mm f/2, Kodak Ektar 100, solo luz nocturna disponible.
Prompt 10: La habitación de las 3 de la mañana
Plano general interior de un dormitorio de apartamento austero a las 3 de la mañana, iluminado solo por el resplandor de la pantalla de un equipo portátil. Una joven está sentada con las piernas cruzadas sobre la cama, al fondo, con la cara medio iluminada por una luz azul pálida. Primer plano nítido de sábanas sin hacer, una taza de café y un libro de bolsillo con las esquinas dobladas. La ciudad brilla en ámbar a través de la ventana detrás de ella. Silencio, y después el leve sonido de la ciudad muy abajo. 24 mm f/1.4, luz disponible, grano ISO alto, paleta ambiental fría.
Prompt 11: El bar vacío
Plano general del interior de un bar vacío a las 3 de la mañana. Los letreros de neón de cerveza proyectan rojo y azul sobre filas de sillas volcadas encima de las mesas. Un solo camarero limpia la barra sin levantar la vista. Lluvia en las ventanas. El sonido de una máquina de discos reproduciendo el final de una canción, y luego la sala se queda en silencio. 28 mm f/2.8, luz disponible, espontáneo, grano ISO alto, Kodak Vision3.
Prompt 12: Andén de tren a medianoche
Una mujer está sola en un andén de tren desierto por la noche, iluminada por un único fluorescente de techo con un leve parpadeo. Lleva una bolsa pequeña y mira el extremo lejano de la vía. El viento recorre el andén y levanta un vaso de papel sobre el hormigón. El sonido de las ruedas de un tren lejano sobre los rieles de metal, el zumbido del fluorescente encima. 50 mm f/1.8, a la altura de los ojos, luz disponible, dominante de color frío.
Prompt 13: Después de la lluvia
Plano general de una plaza de ciudad europea al amanecer, tras una fuerte lluvia nocturna. Los adoquines reflejan la luz gris pálida de la primera hora de la mañana, y los charcos recogen el primer azul del cielo. Una figura solitaria cruza al fondo, a la izquierda. El sonido de agua que gotea, una campana de iglesia lejana, una sola paloma. Cámara fija y bloqueada, 35 mm f/4, Kodak Portra 160, luz difusa de día nublado.
Prompt 14: La espera
Un hombre de unos 50 años está sentado en un banco de madera dentro de un pasillo de hospital, con el abrigo puesto, las manos entre las rodillas, mirando el suelo. La iluminación fluorescente del techo hace que las paredes parezcan de un beige institucional. El pasillo se extiende hasta un juego de puertas dobles muy atrás de él. El sonido de un sistema de megafonía lejano, pasos suaves por el pasillo, el zumbido del sistema de climatización. 50 mm f/2 a la altura de los ojos sentado, cámara fija, gradación de color cálida para contrarrestar el ambiente institucional.
Prompt 15: Llegar al amanecer
Desde el asiento del copiloto, mirando a través del parabrisas un pequeño pueblo costero que aparece sobre un borde de acantilado con la primera luz. La carretera desciende en curvas, y cada una revela más mar abajo. La niebla se queda suspendida en los valles entre los promontorios. Sin diálogo. El sonido del motor, el viento y los primeros sonidos lejanos del mar, que se hacen más fuertes. 28 mm f/2, luz natural del amanecer, Fujifilm Pro 400H, sin música.
Veo 3.1 genera sonido a partir de tu descripción de texto junto con el video. Es un cambio importante frente a los modelos que producen clips silenciosos por defecto.
Menciona el sonido de la misma forma que mencionas la luz: con precisión, origen y distancia.
💡 Escribe el audio de lejos a cerca. Empieza por la capa de sonido más distante y avanza hacia lo que está más cerca de la cámara. Así es como el oído humano percibe el espacio, y el modelo lo capta.
Si tu escena tiene personajes, puedes sugerir el habla sin escribir un guion. "Ella habla en voz baja, palabras inaudibles, expresión de intención" le indica al modelo que produzca el patrón visual del habla sin generar palabras que quizá no se rendericen con claridad.
Veo 3.1 Lite está optimizado para la velocidad a costa de la fidelidad del audio. Para escenas puramente visuales aguanta bien. Para prompts en los que el audio es crítico, usa Veo 3.1 o Veo 3.1 Fast.
Veo 3.1 responde a las indicaciones de movimiento de cámara cuando se escriben con terminología de producción, no como una descripción casual.
Estos son los tres movimientos que más fiablemente se renderizan. Escríbelos como "travelling lento hacia el sujeto" o "paneo gradual a la izquierda que revela el fondo". Evita términos vagos como "la cámara se mueve alrededor de la escena".
Frases efectivas de movimiento de cámara:
slow dolly in toward face, ending in close-upgentle pan left following the subject at walking pacetilt up from hands to face over 3 secondstracking shot from behind, matching subject's running pacestatic wide locked-off shot, no camera movementEspecificar "cámara en mano" añade un movimiento orgánico sutil al encuadre. Especificar "montada en trípode, estática" le indica al modelo que produzca una composición fija y estable. Ambas son válidas en el lenguaje cinematográfico. La elección depende del ambiente que quieras construir.
Para resultados en cámara lenta, especifica la velocidad de fotogramas efectiva. "Grabado a 120 fps, reproducido a 24 fps" produce un resultado más convincente que escribir simplemente "cámara lenta".
No todos los enfoques funcionan. Estas son las formas más comunes en que la gente se mete sola en resultados pobres:
| Lo que escribes | Por qué falla |
|---|---|
| "Video cinematográfico de una puesta de sol preciosa" | Sin sujeto, sin acción, sin detalles de iluminación |
| "Imágenes de aspecto profesional de..." | No le dice nada útil al modelo |
| "Una escena como de película" | Referencia vaga sin descriptores reales |
| "Hazlo dramático" | Ninguna descripción física de lo que significa dramático |
| "Video de alta calidad y realista" | Pedir calidad no sustituye la descripción de la escena |
💡 Cada palabra de tu prompt debe describir algo físico o sensorial: una textura, un movimiento, un sonido, un color, una dirección. Las palabras abstractas de calidad son invisibles para el modelo.
PicassoIA ofrece tres versiones de Veo 3.1, cada una con una contrapartida distinta entre velocidad y calidad.
Sujeto, entorno, iluminación, cámara, movimiento. Las cinco capas deben estar presentes antes de enviar. Si falta alguna, el modelo la rellena con un valor genérico por defecto.
Cambia una capa cada vez entre intentos. Si la composición de la escena es correcta pero la iluminación está plana, revisa solo el descriptor de iluminación. Cambiarlo todo a la vez hace imposible diagnosticar qué estaba funcionando.
Veo 3.1 Fast vale la pena para tus primeras dos o tres variaciones. Cuando la escena parezca la adecuada, usa el mismo prompt con Veo 3.1 para la versión final.
La biblioteca de modelos de video de PicassoIA incluye alternativas sólidas a Veo 3.1. Aquí tienes dónde se sitúa cada una en el espectro de calidad cinematográfica.
Kling v3 Video maneja con alta fidelidad las escenas en cámara lenta y el movimiento de personajes. Sin embargo, Veo 3.1 se adelanta en audio nativo y en coherencia entre prompt y resultado en escenas complejas de varias capas. Si el audio es esencial para tu escena, gana Veo 3.1. Para trabajo de acción o cámara lenta puramente visual, Kling v3 es una alternativa legítima.
Sora 2 produce una coherencia espacial impresionante, sobre todo en escenas arquitectónicas y urbanas. Su fortaleza es mantener posiciones de objetos constantes en clips más largos. Veo 3.1 tiende a producir estéticas más cálidas y cercanas al cine cuando incluyes referencias de película en tus prompts.
Seedance 2.0 ofrece salida en 1080p con audio integrado a una velocidad competitiva. Para contenido de ritmo rápido en el que importa el plazo de entrega, es una opción práctica. Veo 3.1 conserva la ventaja en prompts que requieren una interpretación precisa de la iluminación y un grano cinematográfico.
| Modelo | Audio | Ideal para | Salida |
|---|---|---|---|
| Veo 3.1 | Nativo | Estéticas de cine, escenas con audio | 1080p |
| Kling v3 Video | Opcional | Cámara lenta, acción de personajes | 1080p |
| Sora 2 | Sincronizado | Escenas urbanas y arquitectónicas | HD |
| Seedance 2.0 | Integrado | Iteración rápida, contenido general | 1080p |
| Veo 3.1 Fast | Nativo | Prototipado rápido | 1080p |
Los 15 prompts de arriba no son plantillas para rellenar de forma mecánica. Son ejemplos de una manera de mirar. La habilidad real está en imaginar una escena por completo antes de describirla: la fuente de luz y su ángulo, la textura de cada superficie que toca, el sonido que estaría presente y la lente exacta que elegiría un director de fotografía para contar esa historia.
Empieza con una sola escena que puedas imaginar con claridad. Escríbela usando las cinco capas. Pásala por Veo 3.1 en PicassoIA, compárala con Veo 3.1 Fast para ver la velocidad de iteración y, en tu segundo intento, cambia solo la capa de iluminación. Cuando el resultado empiece a parecerse a algo que de verdad te apetezca ver, sabrás qué cambió.
Elige tu idioma
