Generador de texto a video con IA

Di quién o qué protagoniza la toma y añade dos o tres detalles visibles: edad, ropa, material, color. «Una enfermera cansada con uniforme verde azulado» le da al modelo mucho más con qué trabajar que «una persona». Deja un solo protagonista por clip para que la mirada sepa dónde ir.

Describe qué cambia entre el primer segundo y el último, con verbos que marquen el ritmo: sirve despacio, mira de reojo hacia atrás, sacude la lluvia del paraguas. En un clip corto cabe una sola acción con principio y final. Tres acciones metidas en una frase suelen salir apresuradas o a medias.

Nombra el lugar, la hora del día y, si importa, el clima, más uno o dos detalles del fondo. Lo que se mueve solo, como el vapor, las hojas o el tráfico, mantiene viva la imagen aunque el sujeto esté quieto. Un fondo demasiado lleno le roba protagonismo al sujeto, así que elige con cuidado.

Indica el encuadre (primer plano, plano medio, plano general) y un solo movimiento: cámara fija, acercamiento lento, paneo, travelling de seguimiento o cámara en mano. Di dónde empieza el movimiento y dónde termina. Órdenes que tiran en sentidos opuestos, como acercarse mientras se aleja, obligan al modelo a adivinar cuál querías.

Describe la fuente de luz, su dirección y su color: sol bajo a contraluz, una sola lámpara de escritorio, la luz plana de un día nublado. Añade un acabado solo si importa, por ejemplo película de 35 mm, video casero antiguo o animación con plastilina. La luz cambia el ánimo de una toma más rápido que cualquier objeto extra.

Si el modelo genera audio, escribe lo que se debería oír: el ambiente de una habitación, pasos sobre grava, lluvia en un techo de chapa, un tren a lo lejos. Mezcla sonidos cercanos y lejanos. Si piensas poner tu propia música o una voz en off, elige un modelo que permita desactivar el audio y sáltate esta parte.

Los tres modelos generan 9:16. Para un gancho muy corto o un loop, Wan 3.0 empieza en 2 segundos. Si quieres el sonido ya incluido, MiniMax H3 siempre añade una pista estéreo; en Wan 3.0 y Seedance 2.5 decides tú si el audio queda activado.

Recorrer una costa o ver cómo despierta una ciudad lleva su tiempo. Wan 3.0 llega a 30 segundos, mientras que MiniMax H3 y Seedance 2.5 se quedan en 15. En un plano largo, describe un cambio gradual, como la luz que avanza por una pared o la niebla que se levanta, para que los segundos extra tengan algo que mostrar.

Para una imagen de cine con franjas negras, el 21:9 está disponible en MiniMax H3 y Seedance 2.5. Un cuadro tan ancho pide prompts donde pase algo en todo el ancho, como un jinete que cruza una llanura bajo un cielo enorme, y no un sujeto pequeño solo en el centro.

Si el video va a una edición con tu propia música, narración o diseño de sonido, un clip mudo es más fácil de manejar. Desactiva el audio en Wan 3.0 o Seedance 2.5. MiniMax H3 siempre genera una pista de sonido, aunque igual puedes silenciarla o reemplazarla en tu editor.

Cuando el clip se va a ver en grande o se va a recortar después, la resolución importa. MiniMax H3 ofrece 2K, y Wan 3.0 y Seedance 2.5 llegan hasta 1080p. Los ajustes más altos cuestan más créditos, y el botón Generar muestra la cifra antes de que confirmes.

Si solo quieres ver si una escena funciona, quédate en baja resolución y duraciones cortas: 480p en Wan 3.0 o Seedance 2.5 mantiene baratos los borradores. Prueba varias versiones de la misma idea, quédate con la mejor y genera esa como corresponde.

«Un relojero anciano con delantal verde se inclina sobre su mesa de trabajo, toma con unas pinzas un engranaje de latón diminuto y lo levanta despacio hacia la ventana. Un taller estrecho al atardecer, paredes cubiertas de relojes que hacen tictac, polvo flotando en el aire. Acercamiento lento desde un plano medio hasta un primer plano de sus manos. Luz cálida de una lámpara a la izquierda, luz azul y fría desde la ventana, poca profundidad de campo. Sonido: tictac superpuestos, un tranvía que pasa a lo lejos, el clic de las pinzas.»

«Un relojero anciano con delantal verde» es una sola persona con dos rasgos visibles. «Toma un engranaje diminuto y lo levanta hacia la ventana» es una única acción con un punto de partida y uno de llegada, así que el clip tiene forma y no un personaje que se mueve sin rumbo.

«Un taller estrecho al atardecer» fija lugar y hora en pocas palabras. Los relojes que hacen tictac y el polvo flotando son detalles de fondo que se mueven solos, de modo que la imagen sigue viva mientras las manos del relojero trabajan despacio y con cuidado.

«Acercamiento lento desde un plano medio hasta un primer plano de sus manos» nombra un movimiento, su velocidad, el encuadre inicial y el final. El modelo sabe dónde empezar, dónde terminar y de qué trata en realidad la toma: las manos y el engranaje.

«Luz cálida de una lámpara a la izquierda, luz azul y fría desde la ventana» da dos fuentes con dirección y color, lo que crea contraste en su cara. «Poca profundidad de campo» suaviza la pared de relojes para que acompañe al sujeto en lugar de taparlo.

Tres capas: un sonido del espacio (el tictac), uno lejano (el tranvía) y un detalle cercano (las pinzas). Así, un modelo con audio tiene una mezcla clara a la que apuntar. En Wan 3.0 o Seedance 2.5 con el audio desactivado, borra esta frase: ya no aporta nada.

Ningún segundo personaje, nada de diálogo, ningún texto en pantalla y ningún corte a otro lugar. Cada uno repartiría una toma corta entre ideas que compiten. Si tu historia los necesita, genéralos como clips aparte, cada uno con su prompt, y únelos después en un editor.