Guía de Flujo de Trabajo con Gemini Omni Video: Cómo Redactar un Brief para un Modelo de Video IA en 2026
La generación de video con Gemini ha pasado de ser una simple caja de texto novedosa a un flujo de trabajo creativo práctico. La experiencia actual de Veo 3.1 de Google se centra en videos de 8 segundos con sonido en Gemini Apps, una calidad mejorada de imagen a video, formatos verticales y controles más completos en Flow, la API de Gemini y Vertex AI. El cambio importante no son solo mejores píxeles: los equipos de producción ahora necesitan que los prompts, el material de referencia, la intención de audio y la estrategia de reintentos funcionen en conjunto.
Conclusiones clave
- Trata un prompt de video IA como un brief de toma, no como un pie de foto.
- Escribe cámara, sujeto, movimiento, iluminación, tiempo y sonido en cláusulas separadas.
- Usa imágenes de referencia para identidad, producto, entorno o estilo, pero define de qué se encarga cada una.
- Mantén la primera generación acotada, luego itera con ediciones o parámetros restaurados en lugar de reescribir desde cero.
¿Qué cambió con Veo 3.1?
Google describe Veo 3.1 como un lanzamiento centrado en un audio más rico, mayor control narrativo, mejor adherencia al prompt y una calidad audiovisual mejorada al convertir imágenes en videos. Flow también añadió más control en torno a las imágenes de referencia, flujos de trabajo de primer/último fotograma, extensión de escenas y ediciones a nivel de objeto.
Para los creadores, esto significa que un buen brief ahora debe responder cuatro preguntas:
- ¿Qué debe mantenerse constante?
- ¿Qué debe moverse?
- ¿Qué debe hacer la cámara?
- ¿Qué debe escuchar el espectador?
Si el prompt solo dice "haz un video de producto cinematográfico", el modelo tiene que inventar las cuatro respuestas. Si el prompt dice "toma macro de producto de 8 segundos, cámara avanza lentamente de la etiqueta a la tapa, gotas de condensación se deslizan por el vidrio, reflejo suave de estudio, pulso sintético bajo y foley sutil de manipulación de botella", la generación tiene un objetivo mucho más preciso.
Una estructura práctica de prompt
Usa este formato para la mayoría de trabajos de texto a video e imagen a video:
Sujeto: un sujeto claro, producto, personaje o escena.
Acción: qué cambia durante la toma.
Cámara: tamaño de plano, movimiento, ángulo, sensación de lente.
Iluminación y aspecto: hora del día, paleta, realismo, textura.
Audio: ambiente, diálogo, música, foley o silencio.
Restricciones: evitar texto, evitar personas extra, mantener el logo legible, sin cortes de escena.
Ejemplo:
Sujeto: un patinete eléctrico negro mate estacionado frente a un lobby de oficina de vidrio.
Acción: gotas de lluvia ruedan por el manillar mientras el faro se enciende.
Cámara: avance en picado desde la rueda delantera al faro con lente de 35 mm, sin corte.
Iluminación y aspecto: hora azul, reflejos en el pavimento mojado, iluminación comercial realista.
Audio: lluvia suave de ciudad, tráfico lejano, sutil tono de arranque eléctrico.
Restricciones: sin personas, sin texto legible de tiendas, mantener las proporciones del patinete sin cambios.
Cómo usar imágenes de referencia sin confundir al modelo
Las imágenes de referencia funcionan mejor cuando cada una tiene un propósito específico. No subas cinco imágenes sin relación y esperes que el modelo adivine tus gustos.
| Propósito de la referencia | Buen ejemplo | Instrucción para el prompt |
|---|---|---|
| Identidad del personaje | Retrato limpio de frente | "Mantén la misma cara, cabello y vestimenta." |
| Precisión del producto | Foto de producto sobre fondo neutro | "Conserva la forma, color, posición de la etiqueta y material." |
| Entorno | Foto de habitación o calle | "Usa esta disposición del lugar y la atmósfera de iluminación." |
| Estilo | Fotograma fijo o tablero de dirección artística | "Usa esta paleta, contraste y textura, no el sujeto." |
| Puente de movimiento | Fotograma inicial y final | "Crea una transición continua entre estos fotogramas." |
Los documentos de Vertex AI de Google señalan que Veo admite control de prompt, guía por imagen, guía del último fotograma, imágenes de referencia, relación de aspecto, duración, generación de audio, prompts negativos, semilla y resolución en los modelos compatibles. La lección práctica es simple: cuando una interfaz expone estos ajustes, guárdalos junto con el prompt. De lo contrario, el equipo no podrá reproducir un clip exitoso.
Un bucle de reintentos que ahorra créditos
No conviertas cada reintento en un prompt completamente nuevo. Usa un bucle de tres pasadas:
- Pasada de composición: ajusta el sujeto, encuadre y dirección del movimiento. Ignora artefactos menores.
- Pasada de control: cambia una o dos variables, como la velocidad de cámara o el fondo.
- Pasada de acabado: refina audio, iluminación, recorte y resolución de salida.
Para clips cortos, el mayor desperdicio es cambiar cinco variables a la vez. No podrás saber qué cambio solucionó o arruinó el resultado. Un sistema de historial funcional debe conservar el prompt, modelo, modo, relación de aspecto, duración, resolución, configuración de sonido y material de referencia, para que la siguiente pasada comience desde un estado conocido.
Fuentes
- Google: Bringing new Veo 3.1 updates into Flow
- Google: Generate videos with Gemini Apps
- Google Cloud: Veo on Vertex AI video generation API