Una guía práctica que te muestra exactamente cómo crear tu primer video de IA con Sora 2 en solo 10 minutos, desde escribir tu primer prompt de texto hasta ver reproducirse un clip cinematográfico. Incluye fórmulas de prompts, consejos para iterar, una comparativa de modelos y un flujo de trabajo paso a paso en PicassoIA. No necesitas experiencia.
La primera vez que escribes una frase y ves aparecer de la nada un video cinematográfico, algo cambia en tu cabeza. Eso es lo que ofrece Sora 2: texto a video de verdad, que mantiene el movimiento de cámara, la física y la continuidad de la escena de una forma que los modelos anteriores no lograban. Y puedes producir tu primer clip real en menos de 10 minutos, incluso si nunca has usado una herramienta de video con IA.
Esta guía te da exactamente eso. Nada de teoría ni de lectura: un video real a partir de un prompt que funciona, con notas sobre qué ajustar cuando tu primer resultado no es del todo correcto.
La mayoría de los modelos de texto a video producen algo que parece un video. Sora 2 produce algo que se mueve como un video. La diferencia está en cómo el modelo maneja el movimiento a lo largo del tiempo. Los objetos no se deslizan como sprites planos. La luz cambia como cambiaría si la cámara se moviera. Una persona que camina no da tirones. Una ola no se congela en su punto más alto.
La razón técnica es que Sora 2 se entrenó con datos de video mucho más variados, con énfasis en la coherencia temporal: mantener las cosas coherentes de un fotograma a otro en lugar de generar cada fotograma como una imagen casi independiente. El resultado es un modelo en el que los planos largos aguantan mejor y en el que puedes describir un movimiento de cámara y conseguirlo de verdad.
La versión Sora 2 Pro añade audio sincronizado, lo que significa que los sonidos ambientales se generan junto con el video. Un video de lluvia en una calle de la ciudad incluye el sonido de la lluvia. Una escena con multitudes tiene ruido de gente. Esto es distinto de la generación de música y distinto del texto a voz; es audio ambiental que coincide con el contexto visual. Para proyectos sencillos, el Sora 2 estándar es más que suficiente. Para cualquier cosa que quieras compartir directamente sin postproducción, el nivel Pro merece la pena.
El error más común de quien empieza con Sora 2 es escribir prompts como si fueran consultas de búsqueda. "playa al atardecer" produce una playa genérica al atardecer. "Un plano general amplio de una playa tropical desierta a la hora dorada, la cámara se desliza lentamente hacia la izquierda a lo largo de la orilla, luz ámbar cálida reflejándose en la arena mojada, olas suaves, sin personas" produce algo que parece sacado de un documental de viajes.
El modelo responde a la especificidad porque la especificidad reduce el abanico de interpretaciones posibles. Los prompts vagos obligan al modelo a promediar todo lo que ha visto. Los prompts específicos lo empujan hacia un lenguaje visual concreto.
| Elemento | Versión débil | Versión fuerte |
|---|---|---|
| Sujeto | "una persona" | "una mujer con un abrigo rojo, de unos 30 y tantos, pelo oscuro" |
| Entorno | "afuera" | "de pie en una calle empedrada mojada por la lluvia en París, de noche" |
| Movimiento o ambiente | "caminando" | "alejándose despacio de la cámara, mirando su teléfono, luz suave de farola detrás de ella" |
No necesitas escribir una novela. Pero sí necesitas que los tres elementos sean específicos. Si omites uno, el resultado sale borroso en esa dimensión.
Tu primer prompt debe tener un sujeto, una ubicación y un movimiento claro. Nada de dos personas teniendo una conversación (demasiadas variables para una primera prueba). Nada de una secuencia narrativa completa. Una sola escena en la que algo se mueva de forma previsible.
Ideas buenas para una primera prueba:
Todas tienen un sujeto claro, un entorno claro y un movimiento que Sora 2 maneja bien desde el punto de vista físico.
Toma la escena que elegiste y añade tres capas: ángulo de cámara, iluminación y ambiente. Este es un ejemplo completo basado en la idea de "taza de café en un alféizar con lluvia":
"Plano cercano de una taza de cerámica blanca sobre un alféizar de madera, el vapor se enrosca hacia arriba en espirales suaves, la lluvia recorre el cristal detrás de ella con luz dorada de la tarde, profundidad de campo reducida, ambiente acogedor y tranquilo, cámara estática, sin más movimiento que el vapor y la lluvia."
Ese prompt tiene 48 palabras. Cubre sujeto, entorno, comportamiento de la cámara, iluminación y ambiente. Escribirlo lleva unos 30 segundos una vez que tienes la escena en mente.
En Sora 2, los ajustes principales con los que vas a trabajar son la duración y la relación de aspecto. Para una primera prueba, quédate con:
💡 Consejo: Resiste la tentación de generar primero un video de 30 segundos. Quieres validar la escena y el ambiente antes de comprometerte con un tiempo de generación largo.
Envía el prompt y observa el resultado. La primera generación tarda entre 30 y 90 segundos, según la carga de la plataforma. Cuando llegue, míralo dos veces antes de reaccionar: una vez para la impresión general y otra para detalles concretos, como si el movimiento se mantiene en los bordes del encuadre o si la iluminación cambia de forma inesperada.
Una primera generación exitosa suele significar que tu prompt era lo bastante específico para limitar el resultado y lo bastante sencillo para que el modelo sostuviera todo durante la duración del clip. Si te pasa: guarda el prompt exactamente como lo escribiste, anota qué lo hizo funcionar y úsalo como plantilla para el siguiente.
La mayoría de las primeras generaciones están cerca, pero no del todo bien. Este es un marco práctico para iterar:
| Problema | Solución |
|---|---|
| Iluminación incorrecta | Añade un descriptor de luz explícito ("hora dorada", "mediodía nublado", "crepúsculo de hora azul") |
| El sujeto no se ve bien | Añade un descriptor físico ("complexión delgada", "con una chaqueta gris", "de unos 50 y pocos") |
| El movimiento es demasiado rápido | Añade "cámara lenta" o "la cámara se desplaza despacio" |
| Demasiado recargado | Quita un elemento del prompt |
| La cámara se mueve mal | Especifica exactamente: "la cámara permanece estática" o "travelling lento a la derecha" |
La forma más rápida de mejorar es cambiar una sola cosa por iteración. Cambia el descriptor de iluminación y vuelve a generar. Si eso lo arregla, sabes cuál era el problema. Si cambias cinco cosas a la vez, no sabrás cuál importaba.
Esta es la estructura más fiable para Sora 2:
"Un callejón estrecho en Tokio por la noche, una bicicleta apoyada contra un minimercado con luz cálida, empieza a caer la lluvia, sin personas, ambiente sereno y tranquilo, cámara estática, reflejos suaves de neón en el pavimento mojado."
Ese prompt cumple los tres elementos. La escena es específica, la acción es mínima y está descrita con precisión ("empieza a caer la lluvia"), y el ambiente es explícito ("sereno y tranquilo").
Sora 2 maneja el movimiento de cámara mejor que la mayoría de los modelos, pero tienes que ser explícito. Descriptores de cámara útiles:
Si no lo especificas, el modelo toma su propia decisión. A veces funciona. Cuando no funciona, el lenguaje de cámara explícito es la solución más rápida.
Una "mujer caminando" genérica produce un compuesto promediado de miles de ejemplos de entrenamiento. "Una mujer de unos 20 y tantos años, pelo rubio recogido en un moño suelto, con una chaqueta de campo verde oliva de talla grande, caminando por un campo de trigo a última hora de la tarde, la cámara la sigue desde atrás a distancia" genera algo con una identidad visual real. Cuanto más concreta sea la descripción física, más distintivo y coherente será el resultado.
Antes de decidirte por un modelo, conviene saber dónde encaja Sora 2 en el panorama general. Estos son los modelos que más vale la pena conocer:
| Modelo | Fortaleza | Ideal para |
|---|---|---|
| Sora 2 | Coherencia temporal, física, control de cámara | Realismo cinematográfico, tomas largas |
| Sora 2 Pro | Audio ambiental sincronizado, salida en HD | Contenido para compartir, producción completa |
| Kling v3 Video | Control de movimiento, animación de personajes | Escenas centradas en personajes |
| Veo 3 | Audio nativo, movimiento realista | Escenas que necesitan sonido |
| Hailuo 02 | Velocidad, salida en 1080p | Iteración rápida en alta resolución |
| Seedance 2.0 | Sincronización audio-video, movimiento limpio | Contenido para redes con música |
| LTX 2 Pro | Calidad de salida en 4K | Entrega final en alta resolución |
| Wan 2.7 T2V | Resolución 1080p, modelo abierto | Generación de video cotidiana |
Ningún modelo gana en todas las categorías. Sora 2 está a la cabeza en realismo cinematográfico y verosimilitud física. Para velocidad en alta resolución, merece la pena probar Hailuo 02. Para cualquier cosa con audio integrado, Veo 3 o Seedance 2.0 son alternativas serias.
Como Sora 2 está disponible directamente en PicassoIA, no necesitas gestionar claves de API, cuentas de facturación ni registros separados en otras plataformas. Este es el flujo de trabajo exacto:
Ve directamente a la página del modelo Sora 2. Verás el campo de entrada del prompt, los controles de duración y los ajustes de salida en una sola pantalla. No hace falta configurar nada para empezar.
Pega tu prompt en el campo de texto. PicassoIA no modifica ni depura los prompts de forma automática, así que lo que escribes es lo que se envía al modelo. Eso significa que la calidad de tu resultado depende por completo de la calidad de tu prompt.
Si quieres empezar ya, usa cualquiera de las estructuras "escena + acción + ambiente" de este artículo. Pégala y pulsa generar.
Para tu primer video en PicassoIA con Sora 2:
💡 Consejo: Si necesitas tu resultado en una resolución más alta, pásalo por un modelo de superresolución después de generarlo. Es más rápido que volver a generar en 4K desde cero.
Una vez generado tu video, tienes varias opciones en la misma plataforma. Si necesitas audio, añádelo con un modelo de texto a voz o con un modelo de generación de música con IA. Si el video necesita retoques, las herramientas de edición de video te permiten recortar, estilizar o refinar. Si quieres animar un personaje o un rostro concreto, Kling Avatar v2 se encarga de eso en la misma plataforma.
Toda la cadena de producción, desde el prompt hasta el video terminado con audio, puede hacerse sin cambiar de herramienta.
Si estás mirando el campo del prompt sin saber qué escribir, aquí tienes cinco prompts que puedes usar ahora mismo. Cada uno está diseñado para aprovechar las fortalezas de Sora 2 en física y control de cámara:
1. La habitación tranquila "Un estudio acogedor con estanterías de libros, luz de la tarde entrando por cortinas polvorientas, partículas de polvo flotando en un haz de luz cálida, sin personas, cámara estática, ambiente sereno y quieto."
2. La ciudad bajo la lluvia "Una calle mojada por la lluvia en una ciudad europea de noche, los faros se reflejan en los adoquines, un paraguas rojo se aleja de la cámara por el centro de la calle, deriva lenta de la cámara hacia delante."
3. El ritual del café "Primer plano de unas manos vertiendo despacio leche en café negro dentro de una taza de cerámica sobre una mesa de desayuno de madera, luz de la mañana, vapor subiendo, profundidad de campo reducida, cámara estática."
4. La carretera abierta "Plano general aéreo de un solo coche conduciendo por una carretera de montaña sinuosa a través de un bosque de otoño, follaje cálido en naranja y rojo, luz suave y nublada, descenso cinematográfico lento con dron."
5. El océano al amanecer "Un acantilado rocoso al amanecer, pequeñas olas rompiendo abajo, luz dorada sobre el agua, sin personas, la cámara avanza despacio hacia el horizonte, neblina atmosférica, cinematográfico."
Cada uno de estos tiene un sujeto, una ubicación, un movimiento sencillo y una iluminación explícita. Están diseñados para funcionar en una primera generación y darte una base sólida desde la que iterar.
La única forma de mejorar en esto es generar. La escritura de prompts, el instinto para iterar, la capacidad de leer qué salió mal y arreglarlo con un solo cambio: todo eso viene de hacerlo 10, 20, 50 veces.
PicassoIA tiene Sora 2 listo para usar junto con todos los demás modelos principales de texto a video, incluidos Kling v3 Video, Veo 3, Seedance 2.0 y LTX 2 Pro. Elige uno de los cinco prompts de arriba, abre el modelo y mira lo que sale. Cambia una cosa. Vuelve a generar. Tendrás un flujo de trabajo funcionando en menos de 10 minutos.
Elige tu idioma
