Prompts para Veo 3.1: cómo lograr una película y no una sucesión de fotos

Veo perdona menos que la mayoría de los modelos. Si le das un prompt corto y descuidado, obtienes un plano bonito pero vacío, sin movimiento ni punto de interés; con uno detallado, en cambio, trabaja como un director de fotografía con presupuesto. Los prompts para Veo 3.1 se juegan todo en el detalle, así que vamos a desglosar qué piezas lo forman. La estructura general de un prompt de video ya la conté en mi guía de prompts para video con IA; aquí me enfoco en lo que es propio de este modelo.

De qué se compone un prompt para Veo 3.1

Un prompt que funciona para Veo 3.1 se apoya en cinco capas. Escena y sujeto: qué hay en pantalla, qué producto, qué ambiente. Acción: qué está pasando, hacia dónde se mueve el objeto o la persona. Cámara: estática, acercamiento lento, giro orbital, travelling lateral. Luz y atmósfera: luz suave de mañana, a contraluz, iluminación de estudio, tono cálido de atardecer. Y sonido, porque Veo trabaja con audio nativo: ruido de calle, pasos, el clic de una tapa al cerrarse.

Cuanto más específica sea cada capa, menos espacio le dejas al modelo para que improvise por su cuenta. "Un video lindo de una zapatilla" no te da nada. "Una zapatilla sobre una losa de concreto, giro orbital lento de izquierda a derecha, a contraluz, algo de polvo en el aire, ruido urbano amortiguado de fondo" sí te da un plano.

Dónde Veo le gana a todos

La calidad visual y la iluminación son su punto fuerte, así que conviene meter detalles de cine en el prompt: profundidad de campo, luz de contorno, reflejos. El audio nativo es otra fortaleza aparte: hay que describir el ambiente sonoro, no solo lo visual, porque si no terminas con silencio o con un ruido de fondo al azar. Para ver todo lo que puede hacer, está nuestra reseña de Veo 3.1.

Qué no pedirle a Veo

Veo renderiza mal el texto en pantalla, como casi todos los modelos de video, así que nunca meto etiquetas de producto ni texto superpuesto en el prompt. Eso lo agrego después, en edición. Los movimientos finos de manos con objetos pequeños también salen regular. Y no conviene meter demasiados eventos en diez segundos: una escena, una acción, o el clip se desarma.

Por lo que he visto, el error más común es describir de menos. El creador se imagina el cuadro completo en su cabeza pero escribe apenas un tercio de eso. El modelo rellena el resto a su manera y el resultado se queda corto. Por eso yo escribo más de lo que parece necesario y ajusto un parámetro a la vez. En Flami puedes probar varias variantes de prompt sobre Veo y comparar qué capa fue la que realmente cambió el plano.

Preguntas frecuentes

¿Qué hace bueno a un prompt para Veo 3.1?

Cinco capas: escena y sujeto, acción, movimiento de cámara, luz y atmósfera, sonido. Veo trabaja con audio nativo, así que hay que describir también el ambiente sonoro, o el clip sale mudo o con una pista de fondo al azar.

¿Por qué Veo entrega un plano bonito pero vacío?

Casi siempre es por un prompt corto: te imaginas el cuadro completo pero solo escribes un tercio, y el modelo adivina el resto por su cuenta. Un prompt detallado que describa acción, cámara y luz, en vez de frases vagas, resuelve esto.

¿Puedo pedirle texto en pantalla a Veo?

Mejor que no. Los modelos de video renderizan mal el texto y las letras salen deformadas. Es más confiable generar el plano limpio y agregar el texto que necesites después, en edición, sobre el clip terminado.

¿Cuántas acciones deben ir en un mismo clip?

Una sola. Diez segundos no alcanzan para varios eventos, y el clip termina fragmentado. Una escena, una acción clara; una historia más larga se arma combinando varias generaciones separadas.

Fuentes

1. Flami: cómo escribir un prompt de video con IA
2. Flami: reseña de Veo 3.1