Escribe tu idea y la aplicación te arma el video: las tomas una por una, con los prompts listos pa pegar en tu generador de video. Sin formularios largos ni vueltas.
La aplicación reparte tu idea en tomas cortas y escribe cada prompt con el personaje, la ropa y la luz fijos, pa que salga la misma persona en todo el video.
¿Ya dominas esto y quieres el control completo?
Fichas detalladas, desglose manual toma por toma, fábrica avanzada y revisión de calidad.
Historia escrita en lenguaje físico y visible por cámara. Nada se genera antes de que exista. Un asistente de IA ayuda a redactarlo, pero el pase final lo aprieta una persona: verbos con consecuencia explícita.
Ficha de personaje + plato de locación vacío + props, guardados con nombre fijo (@Image1, Element, tag sin espacios). Esos nombres no cambian nunca.
Nunca texto-a-video cuando hay una cara que cuidar. Se aprueba la foto primero — ahí se fija la cara — y después se anima esa foto.
Un solo movimiento principal por toma, nombrado con vocabulario real y con tiempos: 0–4s: …. Dos movimientos = dos tomas.
El último frame / últimos 5 segundos del clip N entra como referencia del clip N+1. Cada episodio nuevo se revisa contra la librería original, no solo contra el anterior.
Una sola pista de música encima de todo, SFX nativos conservados, grano + un solo grado de color al final (CapCut / Premiere).
La ropa no cambia entre tomas salvo que el guion lo pida. Si cambia sin pedirlo, la toma se descarta en revisión.
La misma luz en todas las tomas de una escena: misma fuente nombrada, misma dirección, misma paleta. La luz se nombra, no se describe como “cinemática”.
El video se planifica toma por toma con segundos antes de producir. Sin desglose no hay generación.
Cómo se trabaja aquí: planificas en esta página — ficha, desglose y prompts — y generas cada toma en el motor externo con el prompt de la Fábrica. Al terminar la sesión, descarga el proyecto (.json) para seguir exactamente donde lo dejaste o compartirlo con quien trabaje contigo.
1 ficha de presentadora · 3 tomas de una noticia de 30–45 segundos · genera solo la Toma 1 · pásala por Revisión completa. Si la Toma 1 pasa, el sistema funciona y sigues con las demás.
• Que no se note la IA: si no pasa como real, se descarta sin enseñarlo como usable.
• En videos tipo Wan, la mano nunca va al pelo.
• Ninguna toma se salta la revisión.
• Los tatuajes y marcas viven en sitios fijos: si cambian de sitio o de pierna, fuera.
Image 1 = hoja del personaje (siempre en el mismo orden). Image 2 = frame inicial aprobado de la toma. Nunca cambies el orden: los modelos numeran por orden de adjunto.
Vocabulario rápido de cámara — toca para añadirlo a la toma seleccionada en la Fábrica:
Precisión que sí funciona (Conor): ❌ “el tanque cae y golpea el dron” → ✅ “el tanque de hierro se desprende de su montura y se estrella sobre el dron, aplastándolo por completo contra el suelo”. Verbo fuerte + material + consecuencia explícita.
0 / 8 chequeos
8/8 = aprobada para montar. 6–7 = editar local (recorte de 10–15 frames de los bordes, swap de un elemento). Menos = regenerar desde la foto, no desde el clip malo.
Plano / contraplano con reacción del que escucha: el corte esconde un fallo menor de lip-sync y vende la conversación. Un solo room tone continuo debajo de todos los cortes para que parezca una sola habitación.
| Variante | Paneles | Fondo / luz | Clave |
|---|---|---|---|
| Clásica 3 vistas (Higgsfield) | Frente cuerpo entero · espalda · close-up frontal. Después se borra la cara del panel de frente. | Gris medio, nunca blanco; luz suave, baja, difusa | Una sola cara: varias caras confunden a Seedance y el héroe deriva toma a toma |
| Expresiones (director con IA) | Frente / tres cuartos / perfil / espalda + 4 expresiones | Fondo claro liso | Párrafo fijo del personaje repetido palabra por palabra en cada prompt |
| Identidad 4 paneles | Frente / tres cuartos / perfil / detalle cara-y-piel | Blanco puro; luz lateral que revela textura | Párrafo CRITICAL IDENTITY LOCK + bloque NEGATIVO contra cara genérica / embellecida |
| Sin cabeza (Curious Refuge testeada) | Panel central sin cabeza + referencias de cara aparte (varios ángulos, no solo frente) | Gris liso, luz neutra | Mejor detalle fino en close-up; la clásica rinde mejor en actuación dinámica. Ninguna arregla los accesorios. |
Constantes en todas: misma persona, mismo outfit y mismo pelo en cada panel · expresión y pose neutras · un close-up frontal claro · piel escrita como fotografiada (“organic matte film skin texture… never plastic CGI skin”) · manos protegidas en el prompt · la hoja se guarda, se nombra y se re-adjunta siempre en el mismo slot. Fuentes: Higgsfield — pirate film · Curious Refuge — tutorial · SeedRouter — director con IA (leídas 2026-11-03 vía índice web).
Como edición separada sobre la hoja ya aprobada, cambiando solo la piel: “Take this exact image and increase skin and overall realism only. Keep the same identity, pose, outfit, panel layout, background, and lighting exactly as shown. SKIN REALISM: replace any smooth, airbrushed, or beauty-filter skin with genuinely photographed skin texture — real visible pores across the forehead, cheeks and nose… NEGATIVE: no smooth, plastic, waxy, glass-smooth, or CGI-rendered skin. No beauty filter.” En el prompt de retrato: “Shot on ARRI Alexa 35, 85mm prime lens, soft even studio lighting… visible skin texture and pores, no retouching, fine film grain” — y prohibido decir “flawless / perfect skin”. Regla: nombra el mecanismo, nunca el mood. La AI Filmmaking Academy ataca el mismo problema por estructura: primer frame bloqueado + plato de locación vacío + generaciones cortas de 6–10s. Fuente principal de la técnica de piel: guía del mismo stack en GitHub, corroborada por Conor (textura, asimetría, pelos sueltos).
CRR (Curious Refuge): C = Camera (qué hace: stationary, dolly, tripod…) · R = Character (qué pasa emocionalmente) · R = Rig (cómo se captura). Ejemplo textual: “A stationary shot of a woman looking out the window with contentment, filmed on a tripod.”
Fijas: locked-off / stationary tripod · Pan/tilt: pan, whip pan, tilt · Dolly: dolly in/out, slow push-in, pull back, crash zoom · Tracking: lateral tracking, follow, truck, slider · Órbita/grúa: orbit/arc 30–180°, crane up/down · Orgánica: handheld con micro-shake natural, gimbal glide · Foco/lente: rack focus, 24/35/50/85mm, anamorphic · Velocidad: speed ramp, slow motion ~20–25%.
Ejemplo por tiempos: “0:00–0:03 Wide low-angle dolly-in… 0:03–0:06 Tracking shot 90° around her… 0:06–0:10 Crash-zoom to close-up on her eyes opening.” Y el truco de realismo: decir quién sostiene la cámara (“mi amigo filma desde el asiento de atrás”) produce micro-shake, reencuadre tardío y hunting de autofoco — eso quita el look IA. Fuentes: Curious Refuge — Adobe/CRR · playbook Higgsfield/Seedance en GitHub (leídas 2026-11-03).
Orden obligatorio: (a) fuente → (b) dirección/calidad → (c) qué queda oscuro → (d) grado. Ejemplos de fuente: “warm tungsten lantern as the single key practical from frame-left”, daylight de ventana fuera de cuadro, práctico ámbar encendido. Dirección: key a 45°, Rembrandt pooling, rim light, god rays con polvo en el haz. Grado nombrado: “desaturated teal-green and grey, deep crushed blacks”, “Kodak Vision3 250D character”, grano fino, halation suave. Para re-iluminar: primero la foto con imagen de referencia de luz (“Change the lighting and time of day in image 1 to nighttime. Use image 2 as the lighting and style reference.”), verificar que solo cambió la luz, y después el video. La propia fuente avisa: útil, pero no sustituye iluminar bien “en set” cuando necesitas match exacto entre tomas. Fuente: Curious Refuge — Relighting.
| Trabajo | Herramienta del estudio | Trade-off dicho por la fuente |
|---|---|---|
| Diálogo generado con la imagen | Veo 3 / 3.1 | La voz no se mantiene consistente entre generaciones (Curious Refuge) |
| Diálogo largo / continuo | Seedance 2.5 audio nativo (EN/JP/ES) | La voz queda atada a esa generación; en serie, re-adjuntar el mismo Audio 1 en cada toma |
| Avatar con voz ya terminada | ElevenLabs → HeyGen Photo-to-Video | Frame-skipping; se arregla con interpolación Topaz |
| Tu actuación manda | Runway Act Two | La cara debe verse todo el tiempo o no procesa |
| Doblar pietaje existente | HeyGen / Sync (sync-3) | Sync: 4K, ángulos extremos; HeyGen: mejor si mira a cámara |
| Presentadora recurrente | HeyGen Avatar V | El mejor sync, pero la imagen sale suave; Avatar IV es más nítido y menos expresivo |
Regla de oro (comparativa independiente): “If the footage exists, sync the mouth. If it doesn't, generate the talking shot.” Fuentes: Curious Refuge — Lip sync · Versely — comparativa 2026 (leídas 2026-11-03).
Para baile, stunts o acrobacia, el texto solo no basta: se alimenta un video de referencia (3–30s, un solo sujeto, proporciones humanas claras) y la imagen destino debe parear encuadre y postura (cuerpo entero ↔ cuerpo entero). Match Video = máxima fidelidad de movimiento, pero la cámara del referencia también se transfiere. Match Image = actuación y gesto anclados a la imagen; la cámara la pides tú (“a subtle zoom, a gentle push-in”). Límites declarados: un solo personaje, sincronía de manos, duración. Herramienta del tutorial: Kling 2.6 Motion Control. Fuente: AI Filmmaking Academy — Kling Motion Control.
Toda toma se revisa contra estos cinco elementos de la AI Filmmaking Academy: Intention (qué tiene que sentir el que mira), Momentum (qué empuja la escena hacia adelante), Staging (dónde están el personaje y los objetos en el cuadro), Depth (capas de fondo que dan volumen) y Tension (qué está en juego). Si una toma no los tiene claros en el desglose, se reescribe antes de generar — no después.