Cuando el texto a vídeo supera al foto a vídeo
El texto a vídeo es para escenas que aún no existen: un estadio al anochecer, un campo de entrenamiento, una caminata por el túnel, una multitud reaccionando. No hay una cara que preservar, por lo que el modelo puede dedicar toda su atención al lugar y a la cámara.
Si la toma necesita una persona específica, usa el foto a vídeo en su lugar. Un prompt solo de texto no puede reproducir de forma fiable una cara real, y una cara generada no es la persona a la que te referías.
Escribe la toma como una toma
El prompt funciona mejor cuando nombra el lugar, el sujeto, la acción y la cámara. Un adjetivo de estado de ánimo es opcional; una instrucción de cámara no lo es. “Cinemático” le dice al modelo casi nada; “la cámara sigue al jugador por detrás a la altura del hombro” le dice dónde posicionarse.
- Lugar: un estadio iluminado, un túnel, un campo de entrenamiento empapado por la lluvia.
- Sujeto: un jugador, una multitud, una portería vacía, un balón en el punto de penalti.
- Acción: sale, golpea el balón, se gira hacia la cámara.
- Cámara: sigue por detrás, gran angular estático, acercamiento lento, ángulo bajo.
- Luz: focos, anochecer, neblina ámbar, túnel azul frío.
Mantén la escena lo suficientemente pequeña para renderizar
Un clip de doce segundos no es un cortometraje. Una ubicación, un sujeto y un movimiento de cámara es la forma fiable. Si necesitas un corte, renderiza dos clips y únelos en un editor; el modelo no es una línea de tiempo.
Las multitudes son el punto de fallo habitual. Cien caras en el fondo pueden convertirse en una masa. Describe la multitud como atmósfera —luces intermitentes, neblina, una pared de sonido— en lugar de como individuos.
Costo e iteración
Un render de 480p · 12 segundos cuesta 5 créditos, 720p cuesta 10 y 1080p cuesta 30. Los clips más cortos cuestan menos. Un render fallido se reembolsa automáticamente, por lo que un prompt rechazado no te cuesta el render.
Itera a 480p. Una vez que la composición funcione, vuelve a renderizar el prompt ganador a 720p o 1080p. Eso es más barato que descubrir un problema de encuadre a la máxima resolución.
Receta de prompt
A packed football stadium at night, floodlight haze, a lone player walks out of the tunnel onto the pitch, camera tracks behind them at shoulder height, drums and crowd noise, cinematic colour grade, no text.Este es el prompt exacto en inglés que recibe el modelo. Edítalo en el estudio de arriba; el costo en créditos depende de la resolución y la duración, no del prompt.
Preguntas, respondidas
¿Necesito una foto para el texto a vídeo?
No. Cambia el estudio al modo de texto y describe la escena. Solo se necesita una foto cuando quieres la cara de una persona específica en el clip.
¿Puedo generar una persona real a partir de texto?
No. El modelo genera una cara original. Para mantener la semejanza de una persona real, sube su foto y usa el modo de foto; usa solo fotos que tengas derecho a usar.
¿Cuánto puede durar el clip?
Elige 4, 8 o 12 segundos. El modelo renderiza una toma continua; no corta entre escenas.
¿Puedo añadir audio?
El estudio renderiza MP4s silenciosos. Añade música o comentarios en un editor después de la descarga.
¿Qué pasa si la multitud se ve mal?
Describe la multitud como atmósfera en lugar de individuos, y mantén la cámara más cerca del sujeto. Cien caras generadas es una toma difícil para cualquier modelo.
