Crear vídeo con IA desde texto: el prompt que funciona

Qué entiende un generador de vídeos con IA

Un generador de vídeos con IA no rueda una película: rueda un plano. Cada clip dura 5 o 10 segundos y funciona mejor cuando describes una sola escena con un sujeto, una acción y un movimiento de cámara. Piensa en lo que cabe en un plano de anuncio o de documental: una taza humeando sobre una mesa de madera mientras la cámara se acerca despacio; un ciclista cruzando un puente al amanecer visto desde arriba; un perro sacudiéndose el agua en una playa a cámara lenta.

Lo que el modelo hace bien es inventar movimiento físico creíble: agua, humo, tela, pelo, luz que cambia, gente caminando. Lo que hace mal se repite en todos los generadores, así que conviene saberlo antes de gastar un intento:

• Texto legible. Un cartel, un rótulo o el nombre de tu tienda casi nunca salen bien escritos. Las letras se deforman o cambian de un fotograma a otro. Si necesitas texto, añádelo después en el montaje.
• Marcas y productos exactos. El modelo no conoce tu botella ni tu logotipo. Si pides una zapatilla de una marca concreta, te devolverá algo parecido, no tu producto. Para eso es mejor partir de una foto real como primer fotograma, o animar una foto con IA.
• Historias largas. «Un chico se despierta, desayuna, sale a la calle y se encuentra con su abuela» son cuatro planos, no uno. En 5 segundos el modelo intentará meterlo todo y no hará bien nada. Divide la historia en escenas y genera una por clip.
• Manos y gestos complejos. Tocar un instrumento, escribir o contar con los dedos siguen saliendo raros con frecuencia. Si la escena depende de eso, encuádrala de forma que las manos no sean el centro.

Con esa idea en la cabeza, escribir el prompt para vídeo con IA deja de ser adivinar y pasa a ser describir un plano como lo haría un director de fotografía.

Prompt para vídeo con IA: la fórmula de la escena

La descripción que mejor entiende un generador tiene seis piezas, casi siempre en este orden. No hace falta que sean frases largas: basta con que estén todas.

1. Lugar: dónde ocurre y cuándo. «Un mercado de pescado en un puerto, a primera hora de la mañana».
2. Sujeto: quién o qué protagoniza el plano, con dos o tres rasgos visibles. «Un pescador mayor con jersey de lana azul y barba gris».
3. Acción: un solo verbo principal, que se pueda ver. «Levanta una caja de sardinas y la deja sobre el mostrador».
4. Tipo de plano: plano general, plano medio, primer plano, detalle o plano aéreo. Define qué parte del sujeto se ve.
5. Movimiento de cámara: fija, travelling lateral, acercamiento lento, cámara en mano o giro alrededor del sujeto. Uno solo.
6. Luz y ambiente: luz dorada de atardecer, cielo nublado y suave, neón de noche, contraluz, niebla.

Junto, queda así: «Mercado de pescado en un puerto al amanecer. Un pescador mayor con jersey azul y barba gris levanta una caja de sardinas y la deja en el mostrador. Plano medio, la cámara se acerca despacio. Luz fría y lateral, vaho en el aire». Son cuatro frases y el modelo sabe exactamente qué tiene que dibujar y cómo moverse.

Ejemplos malos y cómo arreglarlos:

• «Un vídeo bonito de la naturaleza». No hay sujeto, ni acción, ni plano. El resultado será genérico y distinto en cada intento. Mejor: «Bosque de hayas en otoño, hojas cayendo despacio, plano general fijo, sol bajo entre los troncos».
• «Una mujer baila, luego corre, luego mira a cámara y sonríe mientras la cámara vuela por la ciudad». Tres acciones y un movimiento de cámara imposible de combinar. Mejor: quédate con una acción («una mujer baila en una azotea al atardecer, plano general, cámara fija») y genera las demás como clips aparte.
• «Ultra realista, 8K, obra maestra, cinematográfico, increíble». Esas palabras no describen nada que se pueda ver. Gasta los caracteres en luz, plano y movimiento, que es lo que cambia el resultado.
• «Un anuncio de mi cafetería La Esquina con el logo en la puerta». El rótulo saldrá mal escrito. Mejor: «Interior de una cafetería pequeña con azulejos verdes, una camarera sirve un café con leche en la barra, detalle de la taza, luz de mañana por la ventana». El nombre lo pones luego en el montaje.

Un truco que funciona: si un intento sale casi bien, no reescribas todo. Cambia una sola pieza (el plano, la luz o el movimiento) y vuelve a generar. Así sabes qué ha mejorado el resultado y no pierdes lo que ya funcionaba.

Vertical, horizontal o cuadrado: el formato según dónde publicas

El formato se elige antes de generar, no después. Recortar un vídeo horizontal para pasarlo a vertical tira más de la mitad de la imagen y, con ella, a menudo el sujeto. En la herramienta tienes tres opciones:

• Vertical 9:16: TikTok, reels de Instagram, Shorts de YouTube y estados de WhatsApp. Es el formato que se ve a pantalla completa en el móvil.
• Horizontal 16:9: YouTube, la cabecera de una web, presentaciones y cualquier pantalla de ordenador o televisión.
• Cuadrado 1:1: publicaciones del feed, anuncios que deben verse igual en móvil y escritorio, y fichas de producto en tiendas online.

El formato también cambia cómo tienes que escribir la descripción. En vertical cabe bien una persona de cuerpo entero o un objeto alto (una botella, un edificio, un árbol), pero un paisaje ancho se queda estrecho: pide un primer plano o un plano medio. En horizontal funcionan los planos generales, los travellings laterales y las escenas con varios elementos. En cuadrado, mejor un sujeto centrado y poco movimiento lateral, porque el encuadre es corto por los lados y lo que entra por un borde desaparece enseguida.

Si vas a publicar lo mismo en varios sitios, genera la escena buena en cada formato en lugar de recortar una sola versión. Y si el vídeo va a llevar subtítulos, deja aire en la parte baja del encuadre: en esta guía sobre cómo poner subtítulos a un vídeo para redes tienes las zonas que tapan los botones de cada plataforma.

Texto a vídeo con IA: probar barato y generar caro

El error más caro con el texto a vídeo con IA es probar ideas en la calidad más alta. La primera versión de una escena casi nunca es la buena: el sujeto sale de espaldas, la cámara se mueve demasiado o la luz no es la que imaginabas. Por eso Airpic separa las calidades en dos usos:

• Borrador (480p, con sonido): para comprobar que la idea funciona. Ves si el encuadre, la acción y el ritmo son los que querías.
• Normal (768p): la versión buena cuando el clip va a verse en el móvil o en redes.
• 2K: la de más resolución, para una web, una pantalla grande o un montaje en el que vas a recortar el clip.
• Cine (720p, con sonido): la de movimiento más cuidado, con el audio generado junto con la imagen.

La diferencia de tiempo es real. En nuestras pruebas del 15 de octubre de 2026, un borrador de 5 segundos con sonido salió en 88 segundos; la versión de calidad alta a 1280 × 720 px tardó unos 400 segundos. Es decir, en lo que tarda un clip de cine puedes probar cuatro borradores con variaciones del prompt y quedarte con el mejor.

El método que recomendamos:

1. Escribe la escena y genérala en Borrador.
2. Si algo falla, cambia una sola pieza de la descripción y repite en Borrador.
3. Cuando el borrador acierte en plano, acción y luz, genera la misma descripción en Normal, 2K o Cine.

Advertencia honesta: la versión buena no es una copia ampliada del borrador. Son modelos distintos y cada generación es nueva, así que la composición puede cambiar (el pescador puede salir más a la izquierda, la ola puede romper antes). El borrador valida la idea y la descripción, no el fotograma exacto. Si necesitas que el resultado final sea fiel a un encuadre concreto, añade una imagen de referencia como primer fotograma: así el modelo parte siempre de la misma imagen. Y si lo que tienes es un vídeo real de baja resolución, no lo regeneres con texto: para eso sirve mejorar la calidad de un vídeo a 4K, que conserva lo que se grabó.

Lo que cuesta cada calidad está en la página de la herramienta. Los créditos se descuentan al pulsar Generar y vuelven solos si el vídeo no se genera, pero no si el resultado no te convence: otra razón para probar primero en barato.

Paso a paso en Airpic: de la descripción al MP4

Así se hace, de principio a fin, en la herramienta de crear vídeo con IA desde texto:

1. Escribe la escena en tu idioma. Hasta 800 caracteres. Usa la fórmula de seis piezas: lugar, sujeto, acción, plano, cámara y luz. No hace falta escribir en inglés ni usar jerga técnica.
2. Añade una imagen de referencia si la necesitas. Es opcional. Sirve para fijar un personaje, un producto o un estilo: el vídeo arranca desde esa imagen.
3. Elige formato y duración. Vertical, horizontal o cuadrado según dónde vayas a publicar; 5 segundos para un plano, 10 si la acción necesita desarrollarse (una ola que llega y se retira, alguien que cruza el encuadre entero).
4. Elige la calidad. Borrador para la primera prueba.
5. Lee el prompt que escribe la IA. Claude, de Anthropic, convierte tu descripción en un prompt de cine en inglés y te lo enseña. Revísalo: si ha entendido mal algo (ha cambiado la hora del día, ha añadido un personaje), corrige tu texto original y vuelve a generar. Es la forma más rápida de aprender qué palabras entiende el modelo.
6. Genera y mira el resultado. El clip aparece en la página cuando termina. Conviene dejar la pestaña abierta mientras se genera.
7. Repite en la calidad buena. Con la misma descripción, en Normal, 2K o Cine, y descarga el MP4.

Un detalle de privacidad que conviene saber: a diferencia del resto de Airpic, que procesa en GPU de la Unión Europea, en esta herramienta el texto y la imagen de referencia van al proveedor del modelo de vídeo y a Anthropic para escribir el prompt, fuera de la UE. Airpic no guarda el vídeo: se borra 1 hora después de la descarga, 1 día como máximo. No describas a personas reales sin su consentimiento.

Para un vídeo de más de 10 segundos, genera cada escena como un clip aparte (mismo formato y la misma luz descrita con las mismas palabras, para que encajen) y únelos con el editor de vídeo con IA. Subes los clips, eliges en el panel de opciones el formato, el ritmo, el color y si quieres subtítulos o música, y la IA propone el orden, los cortes y las transiciones. Lo ajustas hablando («el plano del faro al final», «más rápido al principio»), ves la vista previa en el navegador y solo exportas cuando te convence.

Si ya tienes una foto que quieres que cobre vida, el camino más corto es animar una foto con IA. Si partes de una idea, empieza con un borrador en Vídeo desde texto.

FAQ

Seguir leyendo