Generación con IA

¿Qué hace Generación con IA?

Generar es fácil. Lo difícil es que se vea real, que no invente nada y que no se coma el plan en una tarde. Esta skill decide antes de gastar: si hace falta generar, con qué modelo, cuánto cuesta y qué se enseña primero.

1 · Antes de generar

1. Lee el destino: vertical u horizontal, fps y duración exacta del tramo. Una vez se tiraron ocho vídeos verticales que iban a una composición horizontal.
2. ¿Hace falta generar? Por orden: material real (del cliente o propio, incluidas las tomas ya pagadas que no se usaron) → stock con licencia (también hay vídeo real gratis) → modelos 3D gratis (CC0 o MIT) → generar. Ante la duda, tomas reales.
3. Elige el modelo por lo que hay en el plano (sección 2).
4. Presupuesto, siempre. Arma el plan (cada variación cuenta, más una repetición realista) y pásalo por la skill presupuesto (skills/presupuesto/; la herramienta es herramientas/presupuesto.py, en la raíz del paquete). OK genera; PREGUNTAR espera un sí; PARAR no genera. Si el modelo no está en herramientas/precios.json, no inventes el precio.
5. Mira el saldo de la cuenta antes de una tanda grande: otra sesión puede haberlo gastado.
6. Muestra primero: un fotograma clave o un clip corto, antes de la tanda.
7. Después: revisa tú el resultado antes de enseñarlo, di lo que salió mal y apunta lo cobrado de verdad (presupuesto.py registrar).

2 · Qué modelo para qué

Catálogo probado hasta noviembre de 2026. Cambia rápido: si sale algo nuevo, se prueba con una sola generación y con permiso.

En el plano hay…	Usa	Ojo
El producto real del cliente (rígido, con rótulos)	Kling 3.0 desde la foto real, moviendo solo la cámara	Seedance y otros cambian piezas y reescriben rótulos
Un producto que se transforma pieza a pieza	Seedance 2.5 con el primer y el último fotograma fijados	Kling dibuja mejor un chorro de líquido
Una escena con personas	Seedance 2.5 (omni_reference, la imagen como inicio)	Para copiar el movimiento de una toma real: Seedance 2.0 con video_references y la voz en audio_references
Personas que no parezcan IA	Stock de vídeo real, o HeyGen text_to_video sin imagen, con un prompt de rodaje real	Una referencia de caricatura arrastra su estilo
Algo que no se puede grabar	Veo 3.1 o Gemini Omni Flash	Describe el material y prohíbe las letras (sección 5)
El mismo movimiento con otro aspecto	Seedance 2.5 video_edit	No cambió cristal por agua: eso se regeneró
Otro protagonista en un vídeo tuyo	Higgsfield Genjutsu (cambiar objeto)	Solo con material propio o con derechos: una referencia ajena se estudia, no se copia
Fotogramas clave e imágenes fijas	nano_banana_pro (2k, aspecto del destino, referencias) o GPT Image
Algo que sobra en un fotograma	GPT Image, dentro de una máscara
Un personaje animado que habla	OmniHuman sobre fondo verde, y se compone
Voz	ElevenLabs, también dentro de Higgsfield	Clonar, solo con permiso
Música y efectos de sonido	ElevenLabs	Higgsfield no hace música ni efectos: su audio es voz
Lip-sync sobre una toma real	Flujos de ElevenLabs (Sync 3, Sync 2 Pro, Veed)	No acepta vídeo generado de una persona real
Personas u objetos en 3D	Gratis primero: Microsoft Rocketbox (MIT), Quaternius (CC0)	Descargar pide un sí: fuente, licencia y tamaño

Kling 4.0 (octubre de 2026: hasta 10 fotogramas clave y 15 referencias) está por probar.

Antes de rediseñar el método, agota el catálogo. Probar otro modelo cuesta menos que media hora de máscaras.

3 · Lo que no se rompe

Presupuesto y reintentos

• Nada se genera sin pasar por presupuesto. Un modelo de vídeo puede cobrar decenas de créditos por clip, y siete pruebas se comen medio plan.
• Un fallo sin motivo se reintenta una vez, no la tanda. Repetir una llamada de generación cobra dos veces.

El producto del cliente (detalle en referencias/producto-real.md)

• Se reproduce, no se recrea. Image-to-video toma la foto como inspiración y cambia proporciones, piezas y rótulos. Si el anuncio enseña algo que no van a entregar, miente, y quien conoce el producto lo nota al primer vistazo.
• La receta que funciona: la foto real recortada con alfa sobre un plató, y al modelo solo se le pide mover la cámara, con las prohibiciones nombradas una a una. Una órbita grande obliga a inventar las caras que la foto no muestra.
• Que el producto no se toque pesa más que cualquier mejora de movimiento. Si el modelo no da el movimiento, foto congelada y animación a mano en el editor: riesgo cero.
• «No hace falta que sea la foto original» no autoriza a inventar la forma. Un 3D o un render copia posición por posición las fotos y vídeos reales. Primero un 360 aprobado, después el vídeo. Un 3D hecho de memoria salió «como un Lego mal hecho».
• Lo generado es para lo que no es el producto: fondo, luz, ambiente, el mecanismo explicado en abstracto.

Personas y personajes (detalle en referencias/personas-y-voz.md)

• El mismo personaje dentro de la pieza; uno nuevo en cada pieza. Dentro de la pieza, el retrato aprobado es la referencia de todos los planos. Entre piezas no se repite cara ni producto: la misma cara en dos anuncios delata el truco.
• La cara y el producto tienen que pegar. Si cambia el producto, cambian la cara y el escenario. Una vendedora reciclada de otra pieza acabó ofreciendo pan en una conversación que no iba de pan.
• Los clientes del cliente sí se repiten dentro de un mismo anuncio: son las mismas personas escribiendo.
• La cara de una persona real no se genera de cero. Ningún modelo la mantuvo: salen «hermanos parecidos». Sí funciona animar 2 o 3 s un fotograma real suyo, o usar sus propias tomas; la IA, solo para el fondo.
• Voz o cara de alguien, solo con su permiso y si la persona que encarga lo pide.
• Un testimonio generado es un personaje claramente animado. Una persona realista inventada se lee como testimonio real.

Cómo se corrige

• Boceto rechazado = editar desde el aprobado, no regenerar. Pasa como referencia la imagen que sí gustó, escribe «keep exactly» y una lista corta de cambios. Generar de cero dio dos rondas rechazadas; editando paso a paso, salió.
• Tras dos rechazos sin dirección, no gastes una tercera a ciegas. Di qué entendiste y pide una imagen o una frase. Si la persona cambia de opinión, manda lo último que dijo.
• Un cambio en un tramo regenera solo ese clip, con los mismos fotogramas de inicio y final, para que los empalmes sigan cuadrando.
• Arregla sin regenerar cuando se pueda (letreros deformados, personas que sobran, un plano más lento): referencias/composicion-y-arreglos.md.
• Elige a ciegas: voces y versiones se comparan sin decir cuál es cuál, con el volumen igualado. Si la persona acierta al azar, la diferencia no se nota.

Lo que se genera

• Lo que se ve es lo que dice la voz. La acción del plano es la frase de la locución, no una ilustración del tema.
• En una escena generada pasa algo. La cámara y la acción se mueven: el prompt dice THINGS MOVE, la acción concreta y CAMERA MOVES: a steady dolly-in … ending noticeably tighter. Lo quieto es solo para el producto.
• Ningún texto inventado. Revisa cada rótulo letra por letra; si no quieres letras, prohíbelas en el prompt.
• El croma sobre foto «que parezca grabado» tiene techo, y se dice antes de empezar. Si el realismo importa, se genera la escena junta o se graba (ver composición y arreglos).
• En un trend de poco valor, una pasada y se entrega. No cuatro versiones ni rehacer por tramos un vídeo largo.

4 · Números

Qué	Cuánto
Producto: avance de la cámara	12 a 15 %
Producto: giro lateral	10° como mucho
Zoom extra en el editor sobre un clip de Kling	4 % como mucho (el clip ya trae su avance)
Gesto animado desde un fotograma real	2 a 3 s
Fundido entre clips encadenados	4 fotogramas
Lip-sync	2 tomas por frase; desfase aceptado de ±3 fotogramas
Golpe de zoom sobre un presentador	empuje de 0,3 a 0,5 s; uno seco de 0,15 s se lee como desfase
Muestra para clonar una voz en Higgsfield	MP3 de 10 s a 3 min
Croma: desenfoque del fondo	1,2 px como mucho, o los rótulos dejan de leerse
Lo que debe estar quieto	menos de 1 px de movimiento
Rechazos seguidos antes de preguntar	2
Reintentos de un fallo sin motivo	1

5 · Trampas técnicas conocidas

• Subir una foto local a Higgsfield: media_upload → curl -X PUT --data-binary @archivo "<url>" → media_confirm. No hace falta el widget. Los fotogramas de inicio y final se pasan por el id del trabajo de la imagen.
• El recomendador de presets de Higgsfield bloquea generate_video con un preset sin relación y no crea el trabajo. Reenvía con declined_preset_id igual al id de ESE error (cambia en cada intento). Como no se creó nada, no cobra.
• La «cámara fija» de Kling se desliza unos 12 px en 5 s. Si vas a componer encima, estabilízalo contra el fondo.
• Kling con un inicio y un final muy distintos funde (doble exposición hacia los 2,5 s) en vez de mover la cámara. Usa la parte buena y haz el viaje en montaje.
• Seedance reescribe rótulos (dobla letras de una web). Revisa todo texto de la marca.
• El reencuadre con IA de un vídeo largo no es fiable: inventó unos 5 s de plano y se comió un corte. Para pasar a vertical, recorta siguiendo al protagonista.
• Los editores de vídeo que conservan el movimiento original suman en vez de cambiar: un celular puesto en la mano salió con tres manos (Runway Aleph; además pide 30 fps como mucho y devuelve 612×1088).
• Materiales raros: descríbelos («opaco, espejo, cromo fundido» para un metal líquido) y prohíbe en el negative prompt aquello con lo que el modelo los confunde (agua, perlas). El agua tiene que leerse como agua: una bola lisa parece cristal.
• Letras que nadie pidió: un modelo escribió «POLICE» en inglés en unos chalecos. Si no quieres texto, prohíbelo.
• Brillos y hologramas sobre fondo claro: el modo de fusión «trama» desaparece en blancos. Hornea un vídeo con alfa propio.
• Lo que va a montaje se exporta solo vídeo y recortado a la duración exacta. Colocar un clip generado con su audio llegó a borrar la pista de voz; compruébala después de colocar.
• Archivos repetidos: compara con md5 la cara o el producto de una pieza nueva con los de las anteriores. Tres piezas «distintas» usaban el mismo archivo copiado.

Costos vistos entre septiembre y noviembre de 2026, para hacerse una idea (cambian: verifícalos en el servicio y usa precios.json): Kling 3.0 a 9:16, de 1,25 a 1,5 créditos por segundo (en modo 4K, unos 48 por toma de 5 a 8 s); Seedance 2.0 en 4K, 176 créditos por clip; Genjutsu en 1080p, unos 20,6 créditos por segundo; un reencuadre con IA de 45 s, 561 créditos; HeyGen text_to_video, 9 créditos por 5 s en 1080p; lip-sync con Sync 3, unos US$ 1,8 por 10 s.

6 · Qué se entrega y qué se verifica

Se entrega: los archivos en el formato del destino (resolución, fps y duración exacta; solo vídeo si van a montaje) y, por cada uno, el modelo, el prompt, las imágenes de referencia y el costo registrado. Lo que salió mal se dice, no se esconde.

Se verifica, y se dice al entregar:

• Rótulos y textos, letra por letra.
• El producto, lado a lado con su foto real: proporciones, número de piezas, posición de cada una.
• La misma cara en todos los planos de la pieza, y distinta de las piezas anteriores (md5).
• Manos, dedos y objetos que aparecen o desaparecen.
• Que lo fijo esté fijo: una pieza que no debe moverse se mueve menos de 1 px.
• Formato, fps y duración iguales al destino.
• El gasto, registrado y dentro del tope de la pieza.