Guía de prompts y lenguaje cinematográfico para Veo 3.1

Veo 3.1 es el modelo de video de calidad broadcast de OmniArt: al que recurres cuando el resultado tiene que aguantar en una pantalla grande. Trae 4K nativo, audio espacial que se genera junto con los fotogramas de video y una adherencia al fotograma inicial inusualmente alta cuando le das una imagen de referencia. Pero nada de eso importa si el prompt es vago. Esta guía te da una fórmula reutilizable para dirigir a Veo 3.1 como el modelo quiere que lo dirijan, junto con lecturas de antes y después, una tabla de vocabulario cinematográfico y criterios para elegir la variante correcta (standard, fast o lite) según el trabajo.

La fórmula de cinco partes para prompts de Veo 3.1

Veo 3.1 responde bien a prompts estructurados que contestan cinco preguntas en orden. Si dejas una afuera, el modelo llena el hueco, normalmente de la forma más genérica posible.

1. Sujeto y acción: quién o qué, haciendo qué, dónde. "A filmmaker reviewing footage alone in a dark edit suite."
2. Cámara (movimiento, lente, encuadre): tamaño de plano, distancia focal, el movimiento y su velocidad. "Slow push-in, 50mm, medium close-up, camera locked then drifting forward."
3. Luz y atmósfera: fuente, dirección, calidad, paleta. "Single monitor glow as key light, deep shadows, cool blue, high contrast."
4. Audio y ambiente: cómo suena el espacio, sonidos específicos, dirección musical o no music. "Quiet electrical hum, occasional keyboard click, no music."
5. Salida técnica: resolución (4K o no), duración buscada, cualquier referencia de estilo. "4K, 8 seconds, photorealistic."

Un ejemplo trabajado de punta a punta

Prompt:

"A filmmaker reviewing footage alone in a dark edit suite. Slow push-in, 50mm, medium close-up, camera locked then drifting forward. Single monitor glow as key light, deep shadows, cool blue, high contrast. Quiet electrical hum, occasional keyboard click, no music. 4K, 8 seconds, photorealistic."

Escribir este prompt toma menos de treinta segundos. Especifica la toma como se la describiría un director de fotografía a su gaffer, y a Veo 3.1 le queda poco margen para adivinar mal.

Tabla rápida de vocabulario cinematográfico

Estos términos se traducen directamente en generaciones de Veo 3.1. Copia en tus prompts las frases que necesites.

Movimientos de cámara

Tamaños de plano y ángulos

Iluminación

Lecturas de antes y después

A: dirección de cámara, la palanca individual más grande

El cambio de mayor impacto que puedes hacerle a un prompt de Veo 3.1 es agregar un movimiento de cámara y una distancia focal. Compara:

Sin ella: "A street musician playing violin in the rain."

Con ella: "Medium close-up of a street musician playing violin in the rain. Slow dolly-in, 85mm, shallow depth of field — background traffic dissolving into blur. Practical street-lamp from above, rim-lighting the bow. Light rain sound, distant traffic, no music."

La segunda versión no usa la palabra “cinematográfico” ni una vez. Especifica lo que hace cinematográfica a la toma, y el modelo renderiza esa intención en lugar de elegir una de diez interpretaciones genéricas.

B: adherencia al fotograma inicial en imagen a video

Veo 3.1 tiene una adherencia a la imagen notablemente alta cuando le entregas una imagen de referencia como fotograma inicial. El modelo sostiene la composición, el ajuste de color y los detalles clave del personaje del primer fotograma, y los usa como restricción durante toda la generación.

Uso práctico: toma una imagen fija de una sesión comercial, un render de producto o un concepto de personaje, entrégala como fotograma inicial en el flujo de imagen a video de OmniArt y después escribe un prompt que describa el movimiento a partir de ese punto de partida.

Prompt después de entregar un fotograma inicial con la toma de producto:

"The perfume bottle sits on a white marble surface. Slow arc from left to right, the bottle staying centred. Late-afternoon light from a high window sweeps across the glass, catching the facets. 4K, 6 seconds, no music."

El modelo hereda la iluminación exacta, la posición del producto y la textura de la superficie de tu referencia, y les aplica el movimiento descrito, en lugar de regenerar la escena desde cero.

C: audio espacial desde una sola línea del prompt

El audio espacial de Veo 3.1 no exige una pasada aparte: una sola línea descriptiva de audio en el prompt alcanza para producir un paisaje sonoro por capas y consciente de la posición.

Fragmento de prompt:

"...Audio: close-mic'd rain on corrugated iron overhead, a distant market crowd, occasional motorbike passing right to left, no music."

Lo que produce el modelo: la lluvia está presente y es direccional — la escuchas espacialmente por encima de la escena. El murmullo del mercado ocupa la distancia media. La moto atraviesa el campo estéreo tal como se describió. La direccionalidad viene de la arquitectura de audio nativa de Veo 3.1, no de un procesamiento posterior. Nombrar las capas y sus relaciones espaciales — close, distant, passing left to right — le da al modelo lo que necesita para renderizar con posición.

Cómo elegir entre standard, fast y lite

Veo 3.1 viene en tres variantes dentro de OmniArt. La elección correcta depende del trabajo, no de la costumbre.

Cuándo vale la pena gastar créditos extra en 4K: entregas para pantalla grande, tomas principales de producto, cualquier cosa que se vaya a exportar a resolución completa, o trabajos donde el detalle que el modelo renderiza en fondos y texturas es parte del brief. El 4K solo está disponible en veo-3.1-standard.

Cuándo el 4K se desperdicia: recortes para redes a 1080p o menos, borradores de movimiento que igual vas a volver a generar, cualquier cosa que estés explorando y no entregando. Usa veo-3.1-lite para ese trabajo: itera barato y después pasa a standard para la pasada final.

Errores comunes al escribir el prompt

Sobrecargar la línea del sujeto. "A middle-aged woman with curly red hair wearing a vintage coat standing by a canal in Amsterdam holding a bouquet of tulips looking wistful" mete tantos detalles al frente que el modelo tiene que elegir cuáles renderizar de verdad. Reduce la descripción del personaje a lo esencial para esta toma y suelta el resto.

Direcciones de cámara contradictorias. "Slow push-in with a wide pull-back" es físicamente imposible: el modelo va a elegir una e ignorar la otra. Escribe un movimiento motivado por prompt. Si necesitas una toma que empieza abierta y se cierra, eso es un push-in, punto.

Olvidarse del audio por completo. Veo 3.1 va a generar audio lo dirijas o no. Una generación de audio sin dirección no es silencio: es la mejor conjetura del modelo, que puede no coincidir con tu intención. Cierra siempre el prompt con una línea de audio, aunque sea no music, ambient room tone only.

Escribir “cinematográfico” como palabra de estilo. La palabra “cinematográfico” le pide al modelo que tome una decisión que deberías estar tomando tú. Reemplázala por las propiedades visuales concretas que realmente quieres: lente, luz, movimiento, paleta.

Cómo empezar en OmniArt

Veo 3.1 — standard, fast y lite — está disponible en el espacio de video de OmniArt junto con todos los demás modelos de la biblioteca. La forma más rápida de agarrar soltura es tomar una idea que ya tengas, escribirla con la fórmula de cinco partes de arriba y generar primero en veo-3.1-fast para afinar el prompt antes de comprometerte con standard.

Para el vocabulario cinematográfico más amplio y cómo se aplican los mismos patrones de prompt a toda la línea de modelos de video de OmniArt, mira la guía de prompts cinematográficos para video con IA. Cuando quieras profundizar específicamente en la generación de audio de Veo 3.1, la guía de buenas prácticas de audio espacial en Veo 3.1 cubre en detalle los paisajes sonoros por capas, las señales de audio posicional y la dirección musical. Para verlo frente a frente con otros modelos de primer nivel, mira Veo 3.1 vs Sora 2.