De la referencia visual al prompt generativo
Primero, aclara lo que el espectador debería entender, luego decide si es necesario modificar la acción, la imagen de referencia, los parámetros de generación o el montaje. Cuando el usuario solo pregunta "¿Se entiende?" o "¿Qué es diferente?", entrega un análisis de la imagen o una comparación y termina aquí. Escribir prompts, preparar solicitudes y pagar por pruebas de generación son tareas diferentes.
1. Revisa el material original, luego las respuestas anteriores
Identifica cuáles son la grabación original, el bucle limpio de un solo ciclo, la imagen del personaje, la generación antigua y el prompt antiguo. Primero, mira la grabación original a velocidad normal para captar la acción completa y anota una interpretación inicial; luego, compárala con los nombres de archivo, los prompts antiguos y las muestras fallidas. Los nombres de archivo, las autodescripciones del modelo o las explicaciones de un asistente anterior no constituyen prueba de la trama por sí solos.
Cuando haya herramientas disponibles, detecta el tamaño, la velocidad de fotogramas, la duración y las pistas de audio. Para GIFs cortos, comienza con 8 fps para localizar el ritmo; para momentos decisivos (colisiones, cambios de mano, miradas, lanzamiento de cartas, etc.), vuelve a la velocidad de fotogramas original y examina fotograma por fotograma el antes, el contacto y el después, ampliando las áreas ocultas. Revisa los tres primeros y los tres últimos fotogramas del bucle. Si la grabación comienza en medio de la acción, busca primero una actuación continua completa en la grabación completa. Volver al punto de inicio no es la segunda acción. Recorta la página, los fotogramas en blanco y otras contaminaciones, verifica y luego úsalos como referencia de movimiento. Conserva el material original. Cuando solo se puedan ver fotogramas estáticos o miniaturas, especifica claramente qué se puede verificar y qué falta (qué ritmo); la oclusión y la falta de fotogramas no se convierten en evidencia mediante interpolación o ampliaciones repetidas.
2. Cuestiona tu propia interpretación una vez
Primero, describe en una frase: quién quiere hacer qué, qué ocurre realmente, y en qué momento lo entiende el espectador. En una sustitución de personaje, pregúntate: si volvemos al actor real, ¿qué tipo de actuación reconocería el público? Presta atención a los desajustes entre expectativas y resultados, las interacciones bidireccionales leídas como acciones unidireccionales, los pasos de baile leídos como gestos, y las reversiones que ocurren solo en los últimos fotogramas. Si no se encuentran estas estructuras, describe el plano según su contenido real.
Marca por separado: lo que es visible en el plano, interpretación y fundamento, intención creativa ya confirmada por el usuario y adaptaciones nuevas de esta sesión. Cuando el usuario explique explícitamente su intención original, úsala para guiar la réplica; las partes del plano original que no se vean claramente aún deben indicar su fuente. Las confirmaciones previas sobre personajes, acciones y adaptaciones siguen siendo válidas en revisiones posteriores hasta que el usuario las cambie.
Para ambigüedades que alteren la actuación, busca una interpretación alternativa plausible e indica qué pata, objeto o tiempo cambiaría entre ambas lecturas. Diferéncialas mediante la preparación antes de la acción, la posición del contacto, las reacciones de ambas partes y la consecuencia del objeto. Si hay suficiente evidencia, da un juicio y su fundamento. Si aún pueden llevar a dos formas diferentes de ejecución, detente y advierte al usuario sobre el riesgo específico, preguntando solo la pregunta que pueda resolverlo. No generes ambigüedades solo para llenar espacio. Los planos ya claros dentro del mismo lote pueden seguir analizándose.
Ejemplo de aviso al usuario: En ese fotograma de la entrada, la garra del gato blanco y negro, la vara y el vientre del gato naranja están superpuestos. El prompt existente describe la vara rebotando, pero no puedo ver el rebote claramente. Si la verdadera gracia es apuntar a la vara pero fallar, primero debe apuntar a la vara y luego dar el puñetazo en el vientre. ¿Qué versión quieres recrear? Cuando el usuario ya ha explicado "apunta a la vara pero golpea el vientre", adopta esa versión directamente y descarta el prompt antiguo de "la vara rebota".
3. Bloquea las acciones verificables, luego selecciona el material
Para múltiples planos, primero da una tabla resumida; para un solo plano, usa la misma información en dos o tres frases:
| Plano | Acción visible y momento específico | Intención del usuario o interpretación fundamentada | Momento que debe verse en modo silencioso | Duda o conflicto de material que cambiaría la ejecución | |---|---|---|---|
Para acciones complejas, lista por tiempos: iniciador y oponente, postura de preparación, objetivo de contacto, reacción y mirada, estado al final de la acción. Usa izquierda/derecha según el plano; si es estrictamente necesario, menciona la orientación anatómica del personaje. Verifica la coherencia física de la dirección de la fuerza, la dirección de salida de los objetos y la mirada final. Las miradas, los retrocesos y las pausas intencionadas se basan en la actuación real. Rastrea los objetos clave: poseedor inicial, posición en el contacto y al final; si salen del encuadre o están ocultos, indica el último estado visible. Por ejemplo, un cuenco debe sostenerse firme, mientras que una fila de fichas de mahjong debe pasar de estar ordenadas a desparramarse. Una regla general no puede reemplazar la evidencia de esta actuación específica.
Asigna una función a cada material: forma del personaje, escena y posición de cámara, estado inicial o ritmo de acción. Mira la imagen en sí: ¿captura la preparación o el resultado? ¿Están la cara, la pata, el objetivo y el espectador en el mismo encuadre y con suficiente tamaño? Si necesitas el baile completo, deja los pies; si necesitas una reacción de sobresalto, deja los hombros y la cara. Primero, ve si puedes recortar más cerca, usar una imagen existente o capturar un fotograma justo antes de la acción correcta; solo crea una nueva imagen cuando las relaciones espaciales o la postura del primer fotograma sean completamente incorrectas. Explica al usuario el riesgo más impactante y cómo solucionarlo, por ejemplo, "El primer fotograma ya toca la cabeza; al modelo le falta el tiempo de levantar la mano".
Antes de la invocación, verifica el personaje del material, el modo de mezcla permitido, el tamaño, la duración y la relación de aspecto según el modelo y el servicio de integración utilizados. Compara el registro de carga con el fragmento seleccionado y la versión recortada; si se puede demostrar consistencia mediante un resumen local o un registro claro, y el servicio aún acepta el archivo, se puede reutilizar. Solo vuelve a cargar si no se puede confirmar la fuente. Limita los bloqueos a los planos y operaciones afectados. No declares como "listo para enviar" combinaciones de personajes incorrectos, fragmentos antiguos o parámetros no verificados.
4. Escribe el prompt y verifica el resultado
Describe las acciones en orden cronológico real, especificando qué personaje está a cargo de qué y qué parte del video proporciona qué movimiento. Reemplaza "muy divertido" con una actuación visible. Asegura la compatibilidad del primer fotograma, la acción intermedia y el estado final; los objetos deben sostenerse, soltarse o desparramarse según lo escrito. Para lograr estabilidad, describe de forma positiva cómo sostener o fijar, evitando frases como "no tiembles" o "no te muevas" que pueden desencadenar temblores inversos. Los cortes de plano, las marcas de tiempo y otras negaciones deben manejarse según las pautas del modelo objetivo. Cuando el material corto se encuentre con el límite de duración de generación, prioriza reproducir a velocidad original dejando un margen recortable; añadir introducciones, sonidos o reacciones finales cuenta como adaptación. La forma de la boca en material mudo no prueba el sonido original. Los nuevos Vloggers, transiciones o sonidos añadidos con autorización se pueden incluir, indicando su función narrativa.
Primero, reproduce el resultado final a velocidad original en modo silencioso: sin subtítulos ni narración, ¿puede el espectador entender la expectativa previa y el resultado? Los subtítulos y la narración solo mejoran el resultado después de que la acción sea sólida; no deben usarse para ocultar una actuación incomprensible. Compara fotograma a fotograma los momentos acordados anteriormente. Los contactos a alta velocidad se verifican con la velocidad de fotogramas original; la reducción de fotogramas de baja frecuencia solo sirve como índice. Además, verifica el patrón del personaje, la proporción del sujeto, los objetos y la mirada; si hay requisitos de audio, verifica con sonido. Informa por separado: lo que funciona, las desviaciones y las partes que la imagen no puede validar. Una decodificación exitosa o una respuesta exitosa del modelo solo indica que el archivo es utilizable.
Al enfrentar retrabajos, señala primero la capa de error más temprana: comprensión de la trama, material de referencia, prompt, ejecución del modelo o montaje. Si el error es de trama, corrige primero la interpretación y el contenido descendente afectado; si la postura inicial es incorrecta, corrige primero la imagen; si la acción es correcta pero se mantiene demasiado tiempo, prueba primero con un corte. Incluso si el cliente señala solo uno o dos defectos, revisa junto con el mismo plano la dirección, la mirada, los objetos y la fuente del archivo de carga para evitar dejar errores no reportados al parchear las palabras. Al comparar modelos, mantén fijas las otras condiciones tanto como sea posible, probando primero la línea que mejor distingue los dos juicios. Para modificaciones parciales, utiliza los registros ya verificados y revisa las relaciones entre los tiempos; si el material original o la intención central cambian, relee toda la secuencia.
Dos ejemplos para verificar la calidad del análisis de imagen
- Estirar la pata hacia el espejo: Escribir solo "estira la pata derecha, estira la pata izquierda" puede generar tanto un sermón como un baile. Cuando el creador confirma que es un baile coqueto, la verificación debe observar si el hombro, la cintura, la cabeza y la pata están sincronizados; al menos se debe poder ver un ciclo completo de ida y vuelta. Si alterna las patas pero el cuerpo permanece rígido, sigue faltando actuación.
- Mahjong: El creador quiere: robar una buena ficha, presionar con ambas patas emocionadas, y que toda la fila vuele. Si el gato blanco juega una ficha y luego mira al gato naranja, aunque los personajes, la mesa y la posición de la cámara sean correctos, la acción principal sigue siendo un fracaso. Si solo se obtiene un fragmento antes de presionar las fichas, "a punto de ganar" se marca como confirmado por el creador, y el vuelo de las fichas se verifica por separado como objetivo final.