Desde dentro · 4 de noviembre de 2026
Afinando el proceso de crear reels con IA
Rodamos un reel de enduro con IA refinando el proceso del primer experimento y haciendo balance de resultados.
Modelos
4 de vídeo, Nano Banana y ElevenLabs
Imágenes
Reparto, escenarios y fotogramas
Tomas de vídeo
-21 respecto al anterior
Prompts
12 imágenes, 7 vídeos y 24 audios
Audios
2.690 créditos de ElevenLabs
Coste
Imagen, vídeo y audio
Todo lo que ves en este artículo está generado con IA
El ciclista, su bici y el entorno no existen. Los efectos de sonido también están generados con IA.De dónde partíamos
Con nuestro primer experimento con nueve modelos de vídeo con IA aprendimos los siguientes puntos clave:
- El reel se siente estático: los planos comienzan desde una posición parada del sujeto y carecen de movimiento
- Las transiciones entre tomas son necesarias para lograr naturalidad: faltaban movimientos de cámara
- Si sólo se le ofrece una imagen al modelo, el vídeo resultante carece de creatividad
El nuevo reel
Para este experimento partimos de una idea nueva: un vídeo de enduro que combinara exteriores, acción y primeros planos mecánicos.
El objetivo de este post es poner en valor un buen mantenimiento preventivo, con el fin de evitar arruinar tu fin de semana en la montaña.
El argumento: un ciclista de montaña haciendo un descenso por un paisaje tipo Whistler, disfrutando de la bajada, hasta que en un sprint la cadena se rompe repentinamente.
Esta prueba será radicalmente distinta, ya que pondremos nuevos elementos en juego: exteriores, acción y primeros planos mecánicos.
Planos clave del reel de enduro
En primer lugar conviene dividir el argumento en planos clave, de manera que cada uno tenga un propósito claro dentro de la narrativa visual. Así, será más sencillo crear tomas individuales con los modelos, sin exceder sus capacidades.
Casting: personajes y escenario con IA
API: Nano BananaComenzamos con la elaboración del personaje y de los otros sujetos clave del vídeo, con la API de Nano Banana. Al igual que en el experimento anterior, definimos los sujetos y el entorno. La diferencia es que, esta vez, generamos todos los ángulos antes de rodar: el ciclista de frente y de espaldas, la bici entera y su transmisión de cerca, y el sendero y el salto.
Con solo el frente y la espalda del ciclista, el modelo dibujaba un logo en el lateral del casco en cada intento, y el fotograma de la arrancada necesitó cuatro rondas. Lo arreglamos editando el fotograma bueno y cambiando una sola cosa (quitar el emblema), en lugar de regenerarlo.
De frente y de espaldas
Entera y la transmisión de cerca
El sendero y el salto
Fotogramas de apoyo
Imágenes adicionales que ayudan a contextualizar la acción. Por cada toma: una de inicio, una de fin y opcionales intermedias.
Nosotros introdujimos:
- Un fotograma de inicio: creado con IA, o extraído del final de la toma previa.
- Un fotograma de fin: creado con IA.
Estos son clave sobre todo en situaciones en las que aparecen o desaparecen sujetos de la escena. En el chasquido, el fotograma de fin es el de inicio editado con la cadena partida. Los que generamos:
Audio: efectos de sonido con IA
API: ElevenLabsEste fue un paso nuevo introducido en el proceso creativo. En el experimento inicial simplemente pusimos una canción de stock como fondo. Para este nos propusimos generar audio natural del ambiente, la bici y el ciclista, con la API de ElevenLabs. Lo hicimos antes de planificar los planos: la mezcla marca las duraciones y el orden de las tomas, y el vídeo se genera sin audio.
El proceso fue relativamente sencillo:
- Parte de los audios fueron generados con prompts
- Otros se tomaron de la biblioteca de sonidos de ElevenLabs
Para aquellos que construimos con prompts, esto fue lo que aprendimos:
- Un sonido, un evento por prompt. Cuando un prompt pedía la acumulación y el golpe, el modelo hacía la acumulación y se olvidaba del golpe. Por eso el chasquido, el giro y los latigazos de la cadena son sonidos distintos que colocamos en el montaje.
- El ritmo y el estado van en las palabras. El jadeo funcionó al pedir una respiración cansada, regular y «sin voz», a una por segundo. Sin eso acababa siendo un perro jadeando.
- No fuerces la duración. Al forzar 2 s en una secuencia salió un látigo, no una cadena que se rompe. Si no se le dice, el modelo elige y luego recortamos.
- «Sin fundido de entrada» no se cumple. Cortamos el inicio con ffmpeg.
Dos ejemplos de cada lado:
Rotura de cadenaDescartado
Sonaba a látigo.
JadeoGenerado
Respiración cansada y regular.
Vídeo: generar las tomas con IA
API: fal.aiCon los fotogramas y el audio decididos, generamos las tomas. Estos son los tres cambios respecto a las técnicas del primer reel.
Una toma larga mejor que dos planos
Los dos planos salían con rampa, luz y color distintos. A la primera no le dimos fotograma de fin, así que no acababa donde empezaba la segunda, y esta arrancaba desde su propia foto fija, sin inercia. Con Kling 4 y Wan 3 el salto y el aterrizaje salen a la primera: un plano largo vale más que dos cortes.
El sendero y el salto eran dos planos.
Una sola toma de 10 s, con el salto y el aterrizaje dentro.
En situaciones complejas, mejor varios fotogramas
Inicialmente le dimos al modelo una foto de la transmisión y a continuación le dijimos que la rompiese: ninguno lo hizo bien.
Para corregirlo, generamos una foto de la transmisión rota y la añadimos al prompt como objetivo: aquí ya acertó.
Un plano de 5 s que pedía seis cosas a la vez, con solo el último fotograma del plano anterior.
Una toma de 3 s con fotograma de inicio y de fin.
Calibración de color
Existen varios factores que afectan a la apariencia de cada toma: la exposición, las sombras, el contraste, el tono y la saturación. Y todos ellos variarán en función del modelo y las fotos utilizadas. Incluso siendo el mismo modelo y fotos, dos tomas pueden variar entre sí.
Resulta imprescindible realizar una calibración de color antes de proceder a la composición del vídeo, con tal de que todos los clips se sientan coherentes entre sí.
Cada clip tiene una apariencia distinta.
Misma exposición, sombras, contraste, tono, etc.
Post-producción
Con las cuatro tomas unidas ya había vídeo, pero todavía no había reel. Faltaban el audio, la portada, la marca de agua y un cierre con el mensaje del producto. El corte final es el borrador número once. Estas fueron las herramientas:
También hay audio
Además de la imagen, hicimos la mezcla y los retoques finales del audio: música, efectos y suspiro a un mismo nivel (−13,5 LUFS, pico de −2 dBFS). Lo medimos, pero no lo hemos oído.El corte final
El reel que publicaremos el lunes 9 de noviembre dura unos 23 s:
- Apertura: la portada, y la cámara atraviesa el titular.
- Sendero y salto: una toma larga de 10 s.
- Sprint y chasquido: el zoom a la transmisión y la cadena que se parte, con la música cortada en seco.
- Cierre: la última toma, el suspiro y el mensaje.
Haciendo balance: qué funcionó y cuánto costó
Cambios clave
| Cambio | Compensó | Aprendizaje |
|---|---|---|
| Una toma para escenas largas | Sí | Para una escena larga sin detalles en particular, funciona mejor una sola toma que estar empalmando varias. |
| Dos tomas para escenas clave | Sí | Para un momento clave, es mejor tener dos tomas que una sola, poniendo énfasis en el detalle con imágenes de apoyo. |
| Igualar el color | Sí | Hay que mirar el resultado de cada ejercicio del modelo, ajustando los detalles a posteriori para garantizar una cohesión visual. |
| Apuntar el gasto real | Sí | Los precios del primer artículo se quedaban cortos. Siempre hay gastos por prueba y error. |
| Generar todos los ángulos | A medias | Generar todos los ángulos antes de rodar ayudó para evitar alucinaciones, pero a veces estas se solventan más fácilmente en edición. |
| Empezar por el sonido | A medias | Mezclar el audio antes de planificar los planos marcó el ritmo del corte (de 41 s a 19,5 s), pero fue lo que más trabajo costó. |
Dónde fue el dinero
| Fase | Modelo | Gasto | Para qué |
|---|---|---|---|
| Casting | Nano Banana Pro | 5,23 $ | Imágenes de referencia y fotogramas de cada toma. Unos 0,13 $ por imagen. |
| Vídeo | Kling 4 | 5,97 $ | Sendero, salto, chasquido y plano final. El que más entró en el corte. Unos 0,79 $ por toma de 5 s. |
| Vídeo | Wan 3 | 3,80 $ | Planos generales y zoom a la transmisión. Unos 0,50 $ por toma de 5 s; una toma en el corte. |
| Vídeo | Seedance 2.5 | 4,64 $ | Probado en escenas complejas: no mejoró el seguimiento e inventó rótulos en la biela. Unos 2,32 $ por toma de 5 s; ninguna en el corte. |
| Vídeo | Gemini Omni Flash | 2,01 $ | Alternativa barata en los primeros planos. Unos 0,50 $ por toma; ninguna en el corte. |
| Sonido | ElevenLabs | 2.690 créditos | Efectos de cadena, respiración, aterrizaje y bosque. Se paga en créditos: unos 0,40 $ en total, estimado. |
Gasto que entró en el corte finalGasto adicional descartado
Total gastado: 21,64 $. En el corte final: 8,56 $. Descartado: 13,09 $. Las imágenes de partida cuentan como parte del corte.
Prueba cada idea prestada en un solo plano antes de convertirla en método.
Seis de cada diez dólares fueron a tomas que no entraron en el corte final. Y nos pasamos de nuestra propia estimación: en nuestra prueba con nueve modelos de vídeo con IA calculamos entre 5 y 15 $ para un reel de este tamaño, y el enduro costó 16,41 $ en vídeo (21,64 $ con las imágenes). Había un motivo: eran tres tipos de plano sin evidencia previa. Si la tabla de modelos preferidos funciona, el próximo debería salir más barato, pero hoy eso es una hipótesis.
Hemos dejado cada paso por escrito (casting, audio, vídeo y post-producción) para que el siguiente reel parta de aquí.
¿Te interesa ver cómo sigue? Síguenos en LinkedIn.