Cómo hacer videos con IA que no parezcan hechos con IA

Señal 1: la cara cambia entre planos

Por qué: si cada plano se dibuja por su cuenta, nada dice quién es una persona, así que el modelo dibuja una cara verosímil cada vez. La solución: cada personaje es una entrada con una imagen aprobada, y todo plano en el que aparece se hace a partir de esa entrada. La cara de un primer plano es la cara del plano general y la del episodio nueve, porque la fuente es la entrada, no el clip anterior. Un plano malo no contamina el siguiente: vuelve a generarlo o sigue adelante.

Tu parte: aprueba las fichas en el Paso 2 de SceneMixer antes de pagar cualquier video. Describe la cara con las cosas concretas que tiene una cara real: un diente frontal torcido, la nariz rota, barba canosa, una cicatriz; no con veredictos como “hermosa”, porque el modelo convierte un veredicto en una cara bonita promedio. La ficha se dibuja con una luz lateral sencilla que deja ver los huesos, así que la descripción hace el resto. Gratis: las primeras 15 fichas de una cuenta. La misma cara en todos los planos · Describe la causa, no el resultado.

Señal 2: la sala se reorganiza y la gente cambia de lado

Por qué: una conversación son tres o cuatro planos, y si cada plano se inventa su sala, la ventana se mueve y el hombre que estaba a la izquierda aparece a la derecha. Un contraplano incluso dibuja una pared que nunca existió. La solución: cada escena recibe un modelo 3D automático con IA del espacio, de los muebles que importan y de un sitio para cada persona, y todos los planos de la escena se generan sobre ese único modelo. El plano general, los primeros planos y el contraplano describen la misma sala desde posiciones distintas. No hay nada que configurar.

Tu parte: escribe las posiciones como relaciones con las cosas de la sala y entre las personas, “a la cabecera de la mesa, frente a ella, de espaldas a la ventana”, una vez al inicio del segmento y de nuevo solo cuando alguien se mueva. “Junto a la ventana” se mantiene desde cualquier cámara; “a la izquierda” solo es cierto desde una. Todos se quedan donde se sentaron · Escribe posiciones que el mundo pueda leer · Por qué los personajes cambian de lado.

Señal 3: la ropa y las heridas saltan, o nunca cambian

Por qué: un modelo al que se le da una imagen de referencia copia lo que hay en ella, la cara, la ropa, la forma de un objeto, y ninguna frase le hará cambiar de idea. La solución: una cosa que se ve distinta necesita su propia imagen, llamada estado: un cambio completo de vestuario, una transformación, un salón quemado, una hoja desenvainada. La lectura los propone dentro de unos límites (hasta tres aspectos para un personaje, dos para un lugar, uno para un objeto) y calcula qué segmento usa cuál. Todo lo que cambia solo la situación, como estar de pie o sentado, día o noche, lluvia, polvo o quién sostiene qué, se escribe con palabras y funciona bien. La lluvia, en concreto, es texto, no un estado.

La prueba es una sola pregunta: ¿cambia el aspecto de la cosa en sí, o el de la situación que la rodea? Si las dos versiones pueden estar en un mismo encuadre, son dos recursos, no uno con un estado. Cambios de vestuario y estados de escena.

Señal 4: una multitud que aparece, desaparece o mira a la nada

Por qué: que un plano tenga gente al fondo es un dato, y si el texto nunca lo dice, el modelo lo decide plano a plano. Una boda con la iglesia llena en un plano y vacía en el siguiente es el caso clásico. La solución: declara la multitud como un dato una sola vez para todo el segmento: quién, dónde y haciendo qué, por ejemplo “una docena de invitados en las mesas, comiendo y hablando”. Si el lugar está vacío, di qué hay en su lugar: “una calle vacía, sillas apiladas contra la pared del café”. Una negación como “sin multitud” suele producir la multitud, porque una frase es una lista de cosas que considerar dibujar. Gente al fondo de una escena · Di lo que hay, no lo que no hay.

Pon un chip @ en cada personaje que sea visible en un plano, y en nadie que solo se oiga o esté en otra parte de la sala: un nombre que no se ve invita a que aparezca una cara que no debería estar. Quién sale en cuadro.

Señal 5: el aspecto genérico de la IA

Por qué: el promedio de todo es piel lisa, simetría perfecta, luz pareja que no viene de ninguna parte. La solución: elige el aspecto a propósito y por capas. El estilo visual es el medio; el estilo de escena es de lo que está hecho el decorado; el estilo de vestuario es lo que lleva puesto la gente. Se mantienen separados porque controlan capas distintas, y mezclarlos en una sola casilla es lo que vuelve todo genérico. Después da a cada plano una luz con una fuente (una lámpara de escritorio, faros cruzando el techo, un mediodía nublado), escribe las acciones como causas físicas (el tren frena y se le vuelca el café) y deja dos o tres personas por plano.

Deja fuera las palabras mágicas. “Obra maestra, 8K, cinematográfico, niebla volumétrica” no aporta nada que el modelo sepa ubicar, empuja más abajo las palabras que importan y a veces se pinta al pie de la letra: la niebla aparece de verdad. Cómo hacer que un video con IA se vea más realista · Sin palabras mágicas · Cómo elegir tus ajustes de estilo.

Señal 6: el sonido no pertenece a la imagen

Por qué: cuando el habla se graba o se dobla después de la imagen, los labios y las palabras se desajustan. La solución: SceneMixer genera cada segmento con su sonido ya incluido: cada línea etiquetada la dice, con la voz de ese personaje, la persona cuyos labios se mueven, además del ambiente del lugar. Cada personaje tiene una voz, elegida una vez y usada en cada línea de todos los episodios; si eliges una de la biblioteca integrada, queda vinculada a todos los planos en los que habla ese personaje.

Tu parte: escribe cada línea con su hablante y su etiqueta de voz, deja con los labios cerrados a cualquier otra persona del plano, añade una línea de Ambiente de unas pocas palabras y marca un plano mudo como Sin diálogo. Si aparecen letras en la imagen, un plano las invitó al mencionar un cartel, un rótulo o una pantalla con contenido; describe una pantalla en blanco y vuelve a generar. Diálogo y sonido en una sola generación · Texto en la imagen y diálogo equivocado.

Una prueba de tres minutos para tu primer segmento

Haz esto con un segmento de SceneMixer del nivel más bajo antes de generar el resto; repetir ahí cuesta poco y las lecciones valen para todos los planos posteriores. Una lista de comprobación antes de generar.

Lo que la configuración no puede arreglar

Las manos, cinco personas hablando a la vez y el detalle fino en una multitud son donde el vídeo con IA todavía se delata, y la respuesta es pedir menos: menos personas, una acción por plano. Dos peticiones idénticas pueden dar dos clips distintos, así que algunos planos necesitarán una segunda toma. Y un rostro demasiado parecido al de una persona real se rechaza, lo cual es una regla, no un fallo. El objetivo honesto no es ocultar que un vídeo se hizo con IA, cosa que ya dicen la etiqueta de IA y las etiquetas de las plataformas, sino quitar los fallos que distraen de la historia.

Preguntas frecuentes

Actualizado el 2 de noviembre de 2026