Al generar vídeos con IA, los objetos y elementos de utilería suelen sufrir deformaciones, cambios de material o variaciones bruscas de tamaño. Para mantener estable un mismo objeto a lo largo de distintos planos, no basta con insistir en el prompt en que «se mantenga coherente»; hace falta preparar de antemano las imágenes de referencia adecuadas. Qué dibujar en esas referencias y con qué nivel de detalle dependerá del tipo de vídeo y de la información que cada plano deba transmitir.
1. Definir los requisitos del objeto según el tipo de vídeo
Antes de preparar las referencias, conviene distinguir si el vídeo es una presentación de producto o una pieza narrativa. Cada formato tiene prioridades distintas que deben confirmarse desde el principio.
En vídeos de producto o publicitarios, el artículo en sí es el protagonista y el espectador necesita reconocer claramente que se trata del mismo producto real. En estos casos, las referencias deben basarse preferentemente en fotografías reales del producto sobre las que se tengan derechos de uso, asegurándose de que todas correspondan al mismo modelo, color y versión. No conviene mezclar imágenes de distintos lotes o con accesorios diferentes, para evitar que el modelo combine piezas y acabe inventando una estructura inexistente. Los cambios de iluminación pueden alterar los reflejos superficiales, pero no deberían transformar el metal cepillado en plástico liso, ni modificar la estructura real del artículo solo por estética.
Por ejemplo, para producir el vídeo de un vaso térmico, las imágenes de referencia pueden dividirse según la función de cada plano:
- Imagen principal del producto real: muestra la curva completa del cuerpo, la proporción de la tapa, la posición del asa y el logotipo de la marca, evitando oclusiones importantes o perspectivas exageradas. Sirve para fijar el aspecto básico en los planos de producto estático.
- Imágenes de detalles y estados: según las acciones del guion, añaden la rosca de la tapa, el mecanismo del botón o la abertura interior una vez destapado. Si el plano incluye la acción de abrir la tapa para beber pero no se aporta una referencia del estado abierto, el resultado generado puede mostrar una estructura interna que no coincide con el objeto real.
- Imagen de escala en mano: muestra la posición de la mano al sujetar el cuerpo del vaso y el tamaño relativo respecto a la figura humana, evitando que al cortar a un plano con personaje el termo se convierta de repente en un cubo o en una taza diminuta.
En cambio, en el cine o en las microseries, la utilería está al servicio de los personajes, la acción y la trama. El espectador no necesita ver cada tornillo de la parte trasera, pero sí debe identificar a quién pertenece el objeto, cómo se usa y qué papel juega en la historia. En un arma personal, por ejemplo, lo importante es que la silueta sea reconocible y que el personaje pueda empuñarla y desenvainarla con fluidez; en una tarjeta de habitación que actúa como pista o en una reliquia antigua, lo esencial es que en el primer plano se distinga esa muesca, número o grieta que hace avanzar la trama.
No todos los objetos narrativos requieren una hoja de vistas ortogonales con precisión de ingeniería. Primero conviene determinar qué rasgos aparecerán realmente en cámara, dejar claros la forma, el material y los puntos clave de identificación y, a partir del resultado generado, decidir si hace falta añadir más referencias. Si una microserie incluye emplazamiento de producto, ese artículo comercial deberá prepararse igualmente con el estándar de un producto real, mientras que el resto de la utilería de ambientación en la misma escena recibirá atención según su importancia narrativa.
2. Aspecto general y detalles clave
Para un objeto original clave en una película o microserie, se puede elaborar primero una hoja de diseño que combine una vista completa con ampliaciones de zonas concretas. La vista general establece la silueta, la paleta principal y las proporciones estructurales; las ampliaciones fijan los materiales y adornos que quedarán expuestos en planos cortos o primeros planos. No es necesario alinear mecánicamente vistas frontal, lateral y trasera; lo fundamental es que todas las ampliaciones procedan exactamente del mismo objeto, sin dejar que el modelo invente otro tipo de envoltura u otro juego de piezas al acercarse.
La siguiente hoja de diseño en inglés muestra un sable curvo original. En la parte superior aparece la ilustración principal completa en ángulo de tres cuartos, y en la inferior se amplían cuatro zonas: la textura de la hoja, la empuñadura de cuero, la guarda y el pomo.
Esta hoja de diseño aporta cuatro niveles de referencia visual para el vídeo posterior:
- Textura de la hoja (BLADE TEXTURE): define la ligera curvatura de la hoja, la veta fluida del acero y una cenefa decorativa estrecha junto al lomo. Estos motivos deben integrarse en la superficie metálica para evitar que en movimiento se conviertan en grietas o franjas luminosas.
- Empuñadura de cuero (LEATHER GRIP): especifica el grano del cuero marrón oscuro, el trenzado cruzado en diagonal y el desgaste de los bordes. En los planos cortos de la mano sujetando el arma, un fallo en la lógica del encordado de la empuñadura delata antes la inconsistencia que un adorno minúsculo en plano general.
- Detalle de la guarda (GUARD DETAIL): muestra el tono del latón envejecido, su forma curva y la estructura de unión con la hoja y la empuñadura, garantizando que los materiales de cada parte pertenezcan a un mismo diseño.
- Detalle del pomo (POMMEL DETAIL): fija el extremo de latón facetado y la piedra oscura engastada, muy útil como ancla visual en primeros planos al desenvainar o girar el sable.
Para crear una hoja de diseño de este tipo se puede tomar como referencia el siguiente prompt en inglés, que describe primero el arma completa y luego especifica las cuatro ampliaciones y la composición. La descripción del fondo corresponde a la versión final con base blanco grisácea clara:
Create an English weapon concept sheet for an original fictional saber.
Show the complete weapon once as a large three-quarter hero illustration.
Design: a gently curved blade with flowing steel grain and a narrow decorative border near the spine; a dark brown leather-wrapped grip; an aged-brass guard; and a faceted brass pommel with a dark inset stone.
Add four enlarged detail callouts taken from this exact weapon:
1. Blade texture and decorative border.
2. Leather grain, overlapping wrap and worn edges of the grip.
3. Guard shape, surface wear and its visible junction with the grip and blade.
4. Pommel shape and inset stone.
Keep the same shapes, materials and decorative details in the main illustration and every callout. Use fine graphite and sepia ink linework with restrained material shading on a near-white background with a faint neutral light-gray tint. Wide landscape composition with clear spacing.
English title: SABER CONCEPT STUDY
Callout labels: BLADE TEXTURE, LEATHER GRIP, GUARD DETAIL, POMMEL DETAIL.
No front-side-back views, no turnaround sheet, no dimensions, no characters and no action scene.
Confirmar primero el diseño del objeto por separado mediante una hoja individual, antes de pasar a generar planos con el personaje utilizándolo, facilita mucho la detección de problemas. Si se intenta diseñar el objeto y la acción del personaje al mismo tiempo dentro de una escena compleja, en cuanto la mano tape la guarda o la luz altere el material resultará muy difícil mantener una referencia uniforme en los planos siguientes.
3. Ejemplo multiplano en imagen real desenvainando el sable
Con una hoja de diseño individual clara, el siguiente paso es probar cómo responde en un vídeo dinámico. En la primera versión del vídeo se utilizó únicamente la hoja de diseño del sable curvo como imagen de referencia de entrada, pidiendo generar un vídeo multiplano en imagen real en el que un hombre desenvaina el sable, examina la hoja, observa de cerca la veta del acero y la empuñadura, y finalmente vuelve a un plano sosteniendo el arma.
En esta prueba se empleó el modelo de código abierto MiniMax H3 (un modelo que no es SOTA) alojado en WaveSpeed, con una resolución de salida de 768p, una duración aproximada de 15 segundos y audio generado de forma nativa.
Prompt de vídeo utilizado en esta prueba
Photorealistic live-action cinema, 16:9. Use <Picture 1> ONLY as the exact physical SABER object design reference: one elegant curved single-edged blade with flowing watered-steel grain and delicate engraved spine border, dark brown leather-wrapped grip, aged brass curved knuckle-bow guard, faceted brass pommel with a dark oval inset. The image is a design sheet, NOT a frame or storyboard. Transform that object into a convincing real metal film prop. Do not reproduce the sheet, illustration style, labels, panel layout, or lettering. No text on screen.
A real adult man in his thirties, wearing a plain charcoal linen shirt, calmly examines this saber in a softly lit pale gray-white studio. Natural skin texture, realistic hands and weight, restrained cinematic lighting, beautiful tactile close-ups. Same man, same clothing, same saber throughout. A simple dark leather scabbard fits the curved blade. He is peacefully admiring craftsmanship, never attacking or swinging.
Create FOUR clearly distinct shots with clean editorial cuts, coherent physical continuity:
[0s-5s] Medium three-quarter shot, waist to head. The man holds the scabbard securely in his left hand, grasps the leather grip in his right, and slowly draws the entire curved blade completely free in one continuous physically plausible motion. Camera gently pushes in. Hands remain on grip and scabbard, not the edge. End with the saber visibly fully unsheathed.
[5s-8s] Cut to a close three-quarter view of his face and the blade. He raises the saber at a comfortable distance, quietly admires the blade, and slowly rotates his wrist a few degrees so a broad soft highlight travels over the watered-steel texture. Natural subtle expression of appreciation.
[8s-12s] Cut to a cinematic macro insert tracking from the flowing steel grain and engraved border near the base of the blade to the aged brass guard and leather wrapping. Preserve the distinctive guard and pommel design from <Picture 1>. Shallow depth of field; realistic metal, leather pores, tiny wear. Only one blade, no duplication or morphing.
[12s-15s] Cut back to a medium close-up from the opposite three-quarter angle, maintaining screen direction. He looks down at the guard and pommel, gently turns the grip to inspect the craftsmanship, then holds the saber still with a quiet appreciative half-smile. Keep blade shape, length, guard, leather and pommel consistent.
Audio: Native synchronized stereo production sound throughout. At 0-5s, clearly audible textured steel sliding out of a leather scabbard, a delicate brass click at release, soft sleeve and leather creaks. At 5-12s, subtle movement of clothing and grip, light natural breathing, quiet indoor room tone. At 12-15s a small leather creak as the grip turns; soft room ambience continues across cuts. Intimate realistic foley, no music, no dialogue, no subtitles. No exaggerated sword swooshes or combat sounds. Real human live action, not animation, not a sketch, no illustration overlays.
Partiendo únicamente de una hoja de diseño del arma por separado, este vídeo consigue mantener bastante bien los rasgos principales del objeto y representar las acciones de desenvainar y contemplar la pieza. Si revisamos el resultado plano por plano, se aprecia tanto el papel que cumple la referencia en cada encuadre como sus limitaciones:
En el plano medio inicial al desenvainar y en el plano corto posterior donde examina el arma, se conservan la curvatura general del sable y el patrón fluido sobre la superficie metálica, además de mostrarse cómo la hoja va saliendo gradualmente de la vaina. Al pasar al primer plano de detalle, la envoltura de cuero marrón oscuro, el tono de la guarda de latón y la textura de la hoja remiten claramente al mismo conjunto de materiales de la hoja de diseño. Cuando la cámara vuelve al plano del personaje sosteniendo el sable, la posición de agarre y el estado del objeto también mantienen una continuidad razonable.
Sin embargo, al comparar con detenimiento la hoja de diseño, se observa que los grabados más finos en los planos cortos, algunas curvas de la guarda y la ornamentación del pomo sufren cierta simplificación o deformación. En este resultado, la imagen de referencia logra acotar dentro de un margen razonable la silueta general, los materiales principales y la estructura básica, pero no garantiza que cada microtextura se mantenga idéntica al milímetro durante los cambios dinámicos de plano. Al revisar el metraje final, en los planos generales y medios conviene centrarse en la silueta, el color y la lógica de agarre, mientras que en los primeros planos hay que verificar por separado si los rasgos distintivos clave cumplen con lo necesario.
4. Escala relativa entre personaje y objeto
Que un objeto parezca siempre el mismo sable no significa que mantenga un tamaño lógico en manos del personaje. Aunque la primera versión del vídeo estabilizó los materiales y rasgos de diseño, el arma completa resultaba algo corta en manos del actor, más parecida a una daga o sable corto que al sable largo previsto. Al encadenar varios cortes de plano, el grosor de la empuñadura y la longitud de la hoja respecto al torso son dimensiones que también requieren un control específico.
En pruebas anteriores intentamos anotar las medidas y proporciones directamente sobre la imagen de referencia, pero no dio el resultado esperado. Una hoja del objeto aislado muestra con claridad el diseño del arma, pero carece de una referencia visual compartida con la mano humana, el torso o el entorno. Al preparar los materiales, no se puede dar por sentado que escribir cifras de dimensiones sobre la lámina vaya a restringir el tamaño real en el vídeo.
Muchos creadores de la comunidad se han topado con dificultades parecidas. En un hilo de Reddit sobre la escala entre personajes y objetos en MiniMax H3 Ref2V, el autor comentaba que, incluso indicando la altura relativa por escrito, el resultado seguía sufriendo derivas de proporción; en los comentarios sugerían aportar directamente imágenes del personaje sosteniendo el objeto, collages escalados a proporción o maquetas 3D sencillas como marcadores de posición para fijar el tamaño. En otra publicación sobre dimensiones entre personajes y entornos, algunos usuarios opinaban que escribir medidas concretas en centímetros ayudaba, mientras que otros señalaban que el modelo ignoraba por completo los valores numéricos. Aunque se trata de experiencias personales compartidas por creadores, dejan ver que plasmar la relación de tamaño directamente en una imagen visible suele resultar más directo que confiar únicamente en números.
Si, además de las referencias del personaje y del objeto por separado, existe un requisito claro sobre la escala relativa entre ambos, se puede generar una imagen adicional —ya sea un fotograma de referencia o una lámina de diseño— donde aparezcan juntos en el mismo encuadre específicamente para anclar la proporción.
Para conservar el aspecto del personaje del vídeo original e intentar alargar la hoja, primero extrajimos un fotograma del actor en la primera versión del vídeo y generamos una lámina de referencia de personaje. Esta imagen mantiene los rasgos faciales, el peinado y la camisa gris oscuro del vídeo original, al tiempo que completa los pantalones y el calzado que no se veían en cámara, formando una vista de cuerpo entero acompañada de un primer plano del rostro. Para ver cómo organizar vistas de cuerpo entero, perfiles y primeros planos faciales, se puede consultar la guía Cómo diseñar hojas de personaje (turnaround): de la referencia básica a la gestión de activos.
A continuación, combinamos esta referencia del personaje con la hoja de diseño original del sable para generar una imagen de referencia de escala a cuerpo entero con el personaje empuñando el arma. En esta nueva lámina alargamos deliberadamente la hoja, conservando la veta del acero, la empuñadura de cuero marrón oscuro y el diseño de la guarda de latón. La composición deja perfectamente visibles a la vez el cuerpo entero del personaje, la relación de la mano sujetando la empuñadura y la longitud total del sable, situando además a la persona y al arma en un plano de profundidad similar para evitar distorsiones de perspectiva provocadas por apuntar la hoja hacia la cámara.
Una vez lista esta imagen de anclaje de escala, generamos la segunda versión del vídeo. En ella volvimos a utilizar el modelo de código abierto MiniMax H3 alojado en WaveSpeed (768p, unos 15 segundos, con audio nativo), manteniendo exactamente el mismo prompt en inglés, parámetros de generación y semilla aleatoria (seed) de la primera versión (fijar la semilla sirve sobre todo para reducir variables durante la prueba, pero por sí solo no garantiza la consistencia visual ni de escala).
Al introducir las referencias, la lámina del personaje de cuerpo entero mostrada más arriba solo sirvió como paso intermedio y no se envió por separado al modelo de vídeo; las entradas reales para esta segunda versión fueron la hoja de diseño original del sable aislado (como <Picture 1>) y la nueva imagen de escala a cuerpo entero sosteniendo el sable (como <Picture 2>). Al prompt de la primera versión únicamente se le añadió la siguiente instrucción:
Use <Picture 2> as the reference for the saber's size relative to the person, including the blade length and grip-to-hand proportions.
El resultado generado es el siguiente:
En la imagen superior, la columna izquierda corresponde a la primera versión y la derecha a la segunda versión con la referencia de escala añadida; la fila superior se ha extraído a los 4,5 segundos de cada vídeo y la inferior a los 6,5 segundos. Los fotogramas se han capturado directamente de los vídeos originales sin reescalar el arma por separado. Como la postura del personaje y la orientación de la hoja varían entre ambas versiones, la comparativa sirve para observar la diferencia visual, no como una medición exacta de dimensiones.
Una vez preparadas la hoja de diseño del objeto y la imagen de escala con el personaje sosteniéndolo, puedes abrir el generador de vídeo MiniMax H3, subir los materiales de referencia, indicar en el prompt qué función cumple cada imagen y probar acciones como desenvainar, sujetar o mostrar el objeto.
Al comparar ambos vídeos finales, se aprecia que la segunda versión, además de completar igualmente el desenvainado, la observación y los primeros planos de detalle, muestra una hoja visualmente mucho más estilizada y larga que la primera, manteniendo la relación entre la empuñadura y la palma de la mano como un punto clave que revisar plano a plano. Cabe aclarar que, dado que todos los planos de este vídeo son planos medios cortos y primeros planos sin que aparezca un encuadre de cuerpo entero sosteniendo el sable, este metraje por sí solo no basta para demostrar que la proporción exacta entre la longitud de la hoja y la estatura haya quedado completamente bloqueada. El resultado ofrece un ejemplo práctico de lo que aporta añadir una referencia compartida de personaje y objeto, aunque siguen haciendo falta más pruebas de planos para evaluar su estabilidad.
Al revisar el comportamiento del tamaño en este tipo de vídeos, no conviene comparar directamente la longitud en píxeles sobre la pantalla entre un primer plano y un plano medio, ya que es un efecto normal de la perspectiva que el sable ocupe más espacio al acercar la cámara. Un método más fiable consiste en extraer un fotograma del desenvainado, otro al levantar el arma, otro del primer plano y otro al volver al personaje, y comprobar dentro de cada imagen si «el grosor de la empuñadura respecto a la palma», «la anchura de la guarda respecto al dorso de la mano» y «la longitud de la hoja respecto al pecho y los hombros» mantienen una continuidad coherente.
5. Cómo organizar referencias desglosadas cuando hay varios personajes
Si un vídeo incluye a varios personajes y cada uno lleva su propia arma u objeto de utilería, intentar meter toda esa información en una sola lámina suele hacer que se pierda por un lado lo que se gana por otro: en un plano general conjunto es muy difícil distinguir los materiales y detalles de cada objeto, mientras que entregar únicamente láminas individuales facilita que la diferencia de estatura entre los personajes y la longitud relativa de sus armas se descontrolen en el vídeo.
Para escenas complejas de este tipo, en el citado debate de Reddit sobre proporciones en MiniMax H3 algunos miembros de la comunidad proponían combinar «fichas individuales de cada personaje + una gráfica comparativa de alturas con todos juntos» para gestionar la escala. Siguiendo esa misma lógica, cuando en pantalla intervienen simultáneamente varias personas y varios objetos, se puede intentar organizar el material en una combinación de «referencias desglosadas + vista general de escala conjunta» (este método de organización para múltiples personajes se plantea aquí como una extensión conceptual a modo de sugerencia y aún no ha sido verificado en las pruebas prácticas de este artículo):
- Referencias desglosadas de cada personaje y su objeto correspondiente: prepara por separado las láminas de aspecto y de agarre para cada personaje, o vincula con claridad a cada uno con su utilería. Por ejemplo, si el personaje A usa un sable largo curvo y el personaje B lleva un reloj de bolsillo antiguo, las láminas desglosadas sirven para definir los rasgos faciales, el vestuario y la textura y forma de sujetar cada objeto en particular, evitando que el modelo coloque los adornos de A en el arma de B.
- Vista general de escala con todos los personajes en el mismo encuadre: prepara una imagen adicional de cuerpo entero donde todos los personajes posen juntos llevando sus respectivos objetos. Sitúa los pies sobre una misma línea base horizontal y en un plano de profundidad similar, sin picados ni contrapicados exagerados. Esta imagen no busca mostrar los grabados diminutos de la utilería, sino indicarle específicamente al modelo quién es más alto entre A y B y cuánto mide el sable de A en relación con el cuerpo de B.
Al redactar el prompt de vídeo, indica por número de imagen qué lámina se encarga de los detalles visuales de cada personaje y su objeto, y cuál rige la relación general de estaturas y tamaños. Presta también atención en los planos contiguos a cómo se sujetan o se intercambian los objetos entre personajes, para evitar que un artículo cambie de mano o desaparezca sin motivo al cortar de plano.
A la hora de preparar referencias de utilería, resulta útil trabajar hacia atrás desde los planos finales que se necesitan: primero una hoja individual para fijar el aspecto general, luego ampliaciones para dejar claros los detalles clave y, cuando el tamaño sea importante, una referencia adicional de escala con el personaje y el objeto en el mismo encuadre. Una vez generado el vídeo, siempre habrá que volver a cada plano concreto para comprobar si esas relaciones se han mantenido y decidir qué imagen falta añadir o qué movimiento conviene ajustar.
