ykurilov/video-prompts

Prompts para video

El modelo de video es un director con sus valores predeterminados: sobre lo que el prompt calla, el modelo decide por sí mismo. El prompt nombra lo importante y cierra los valores predeterminados que no son necesarios. El skill entrega el texto del prompt y los ajustes de la solicitud. La solicitud en sí la realiza el skill del servicio a través del cual se realiza la generación.

Pasos

1. Recopila la tarea. Modelo, su versión y servicio. Modo: clip nuevo a partir de texto, animación de imagen, primer y último fotograma, referencias, edición, extensión. Archivos de entrada: abre y mira cada uno; las características de los personajes y la validez de las referencias se obtienen de ellos, no de suposiciones. Réplicas textuales y letreros. Duración y formato de fotograma. Lo que falte, dedúcelo de la conversación; pregunta solo las réplicas textuales y los letreros, y aquello sin lo cual el modo o el modelo son una adivinanza. Si el modelo no está nombrado, elige según la sección «Selección de modelo» y nombra tu elección.
2. Lee el archivo del modelo por completo hasta la primera línea del prompt: Omni 1.2, Seedance 2.5 y 2.0, Kling 4.0 y 3.0, Veo 3.1. Cuando el archivo del modelo discrepe de las reglas generales a continuación, el archivo del modelo tiene la razón.
3. Descompón el video en el tiempo según la sección «Timings»: cada evento, réplica y movimiento de cámara tiene su propio segmento; los segmentos en conjunto dan la duración del video. Si no cabe o no alcanza, dilo antes del prompt y propón una solución.
4. Asigna roles a los archivos según la sección «Referencias»: cada archivo tiene un rol y su límite; no se supera ningún límite del modelo. Si un deseo no cabe en el límite, dilo antes del prompt y propón lo más cercano que quepa.
5. Decide cada valor predeterminado del archivo del modelo: dejarlo al modelo o cerrarlo con una frase.
6. Escribe el prompt.
7. Pasa la «Verificación»: cada punto está cumplido o no es relevante para el prompt.
8. Entrega tres partes: el prompt en un bloque de código, listo para enviar; los ajustes de la solicitud como lista separada con los nombres de los campos del modelo; qué verificar con ojos y oídos en el video terminado. Al prompt en inglés, añade un resumen en ruso de una o dos líneas. Si la tarea choca con una limitación del archivo del modelo, dilo antes de la generación.

Timings

Orden, no cronómetro. El modelo mantiene el orden de los eventos, pero no el tiempo exacto: un intervalo nombrado de dos segundos resulta de uno y medio a tres. La marcación del tiempo marca el ritmo. Solo el archivo del modelo promete precisión al segundo. Un evento que debe coincidir con otro se vincula a un evento visible en el encuadre, no a un número. El estado final preciso lo lleva el último fotograma terminado.

Presupuesto del video. Alrededor de 5 segundos: una acción completa. Alrededor de 10 segundos: de dos a cuatro segmentos. 15 segundos: tres o cuatro segmentos. Un video sobrecargado pierde eventos y se corta con transiciones innecesarias. Un video subcargado se llena con espera, repeticiones y ralentización. Si hay poco contenido para la duración solicitada, propón un video más corto, no inventes eventos adicionales. Si hay mucho, propón un video más largo o varios videos.

Cuándo marcar. Una sola acción simple va sin marcación. La marcación es necesaria cuando hay varios eventos y su orden es importante. El sintaxis de marcación es propio de cada modelo y está en su archivo: códigos de tiempo, números de plano o campos separados.

Cómo marcar.

• Antes de los segmentos, una frase resumen de toda la escena: sin ella, los segmentos no tienen apoyo.
• Los segmentos van seguidos en segundos enteros, sin huecos, cubren toda la duración y coinciden con el campo de duración.
• En un segmento, una acción con principio y fin, no una cadena de movimientos pequeños.
• En un segmento, no más de un movimiento de cámara. El movimiento de cámara y un movimiento grande del personaje en el mismo segmento compiten: solo uno de los dos es principal.
• El ritmo de la acción se marca con conteos y pausas: cuántos pasos, dónde hay una parada.

El final decae. Hacia el final del video, los modelos abandonan la acción, pierden el último movimiento de cámara o devuelven la escena al estado inicial. Un evento obligatorio termina antes del último segundo; el último segmento es un simple cierre.

Discurso en el presupuesto. Con fiabilidad, alrededor de dos palabras en inglés por segundo; en cuatro palabras, la réplica se corta. Las palabras en ruso son más largas; no hay mediciones para ellas: calcula con margen. El tiempo de acción antes de una réplica se resta del tiempo dedicado al discurso. Una réplica y un hablante por segmento. Si la réplica del usuario no cabe en un segmento, se aplica la regla «Texto del usuario textual».

El montaje siempre está resuelto. Un solo plano continuo o cortes: se dice en cada prompt. Si el modelo convierte los segmentos de la marcación en cortes, se dice en el archivo del modelo.

Referencias

Rol y límite. La carga de un archivo no asigna su rol. Cada archivo tiene en el texto un rol estrecho (qué contiene y qué se toma de él) y un límite (qué no tomar de él: fondo, ropa, iluminación, cámara). Sin un límite, al video se arrastra todo lo que hay en el archivo, la mayoría de las veces el fondo. El enlace al archivo se escribe con la sintaxis del archivo del modelo. La etiqueta del personaje es una para todo el prompt, sin pronombres.

Solo archivos con trabajo. El límite no se satura: cada archivo adicional difumina a los demás. Un archivo sin rol no va a la solicitud.

El primer fotograma no se vuelve a describir. El texto describe lo que no está en la imagen: movimiento, cambios, cámara, sonido. Con un par de fotogramas, el texto describe el camino que realmente lleva al último fotograma.

Personaje desde referencia. El rostro no se describe con palabras. Dos o tres características que sean fáciles de verificar y que los modelos pierdan (color de ropa, logotipo, objeto en las manos) se repiten brevemente. Las palabras no contradicen la imagen. La cuestión de si describir la apariencia no está resuelta por pruebas; esta regla es un término medio prudente.

Video de referencia. Se dice qué se toma de él (movimiento, cámara, ritmo) y qué no (apariencia, ropa, lugar). La apariencia del video se filtra sin permiso y va a la lista «verificar».

Validez de las referencias. Mira los archivos antes del prompt. Son válidas: alta resolución, iluminación uniforme, rostro visible, fondo neutro limpio, un solo personaje en la imagen, sin texto superfluo. Varios ángulos diferentes en archivos separados mantienen mejor al personaje que una sola imagen. Una hoja de personaje en una sola imagen es una jugada de reserva, si el archivo del modelo no dice otra cosa. Nombra una referencia débil al usuario antes de la generación.

Conteo y lugares precisos: con imagen. Más de tres objetos idénticos, distribución exacta en el encuadre, datos de gráficos no se retienen con palabras. Los lleva un fotograma terminado.

Consistencia entre videos. El mismo conjunto de archivos, la misma descripción del personaje palabra por palabra, la misma iluminación y paleta. El siguiente video comienza con el último fotograma del anterior.

Otras reglas de texto

Ajustes, no en el texto. La duración, el formato de fotograma, la resolución y la inclusión de sonido se configuran con campos de la solicitud: si se nombran en el texto, se ignoran o contradicen los campos.

El sonido siempre está resuelto. En cada prompt se dice tres cosas: discurso, música, ruidos: qué suena y qué no.

Texto del usuario textual. Las réplicas, letreros y palabras fuera de cuadro que el usuario haya dado van al prompt palabra por palabra. No las simplifiques, acortes, dividas ni las pases a otra voz. Si el texto es más largo o complejo de lo que el modelo maneja de fiar, dilo antes del prompt, propón soluciones y cambia solo después del consentimiento del usuario. Libertad en las palabras solo hay donde el usuario no ha dado texto y tú lo inventas por tu cuenta.

Discurso. El hablante se nombra por una característica visible; la réplica está junto a él. El formato de escritura de la réplica y lo que el modelo hace con el discurso en ruso está en el archivo del modelo. Si no hay discurso, se dice explícitamente.

Letreros. Cada uno textualmente, con su lugar, tipo de fuente, modo de aparición y tiempo en pantalla. Se dice que no hay otro texto en el encuadre.

Prohibiciones puntuales. Primero se describe el estado deseado, luego una breve prohibición contra lo superfluo específico. La prohibición no siempre se cumple: lo prohibido va a la lista «verificar».

Edición y extensión. Edición: una breve instrucción sobre un cambio y una frase sobre conservar el resto; la escena no se vuelve a describir. Extensión: describe solo la nueva parte y no vuelve a contar lo ya grabado, de lo contrario el modelo repetirá la acción realizada. Un personaje u objeto que ha salido del encuadre se nombra de nuevo.

Idioma. La escena se describe en inglés, si el archivo del modelo no dice otra cosa. Las réplicas y letreros permanecen en su idioma. Si el usuario pide un prompt en ruso, escríbelo en ruso.

Selección de modelo

Solo diferencias confirmadas por investigación:

Necesidad	Adecuado
Video de más de 15 segundos en una sola solicitud	Seedance 2.5, Kling 4.0 (hasta 30)
Momento corto de hasta 8 segundos	cualquier modelo; Veo 3.1 no tiene otra duración
Discurso en ruso	Omni 1.2, Veo 3.1; no Kling 3.0
Letrero en ruso en el encuadre	Omni 1.2
Corte en un segundo nombrado	Kling 4.0
Muchas referencias o sonido como referencia	Seedance 2.5; voces: también Kling 4.0
Movimiento desde video de referencia	Seedance, Kling 4.0, Omni 1.2; no Veo
Fotogramas clave intermedios	Kling 4.0, Seedance 2.5
Edición de un video terminado con palabras	Omni 1.2, Seedance 2.5, Kling; no Veo
Extensión de video	Omni 1.2, Seedance 2.5
Mecánica precisa, montaje duro	Seedance 2.0

El video no obedece

1. Nombra el fallo con una frase y encuentra la frase del prompt que lo causa. Si no hay frase, actuó un valor predeterminado: ciérralo.
2. El fallo aparece cada vez en un lugar diferente: repite la generación con el mismo prompt. El fallo es el mismo: corrige solo esa frase.
3. Una instrucción desaparece: primero elimina instrucciones secundarias alrededor, no la refuerces con presión. Lo eliminado del prompt del usuario, nómbralo por su nombre.
4. Los eventos desaparecen o el video se detiene: recalcula el presupuesto según la sección «Timings». Si del archivo llegó algo superfluo, reduce su rol y nombra el límite.
5. El video es casi correcto: edita el terminado con una instrucción corta. El defecto está en la base (objeto desaparecido, rostro distorsionado): genera de nuevo; la edición hereda los defectos.
6. Consúltate con las limitaciones del archivo del modelo: parte de los fallos no se cura con texto, y hay que decirlo, no reescribir el prompt en círculo.

Verificación

• Cada valor predeterminado del archivo del modelo está cerrado con una frase o dejado al modelo de forma consciente.
• En el texto no hay duración, formato de fotograma ni resolución; están en los ajustes.
• La marcación temporal está escrita con la sintaxis del modelo, cubre toda la duración sin huecos y coincide con el campo de duración.
• En cada segmento, una acción y no más de un movimiento de cámara; un evento obligatorio no está en el último segundo.
• Cada réplica cabe en su segmento.
• Se dice si es un solo plano o montaje.
• Cada archivo tiene un rol y un límite; el enlace usa la sintaxis del modelo; no hay archivos sin rol.
• El primer fotograma y el rostro del personaje no se han vuelto a describir.
• Se ha dicho sobre discurso, música y ruidos.
• Las réplicas, letreros y palabras fuera de cuadro del usuario están palabra por palabra; cada diferencia está acordada con él.
• Edición: un cambio, la escena no se ha vuelto a describir, hay una frase sobre conservar el resto. Extensión: solo se ha descrito la nueva parte.
• No se ha superado ningún límite del modelo ni del servicio; no se ha utilizado ninguna capacidad que no tenga esta versión.
• Se ha nombrado qué verificar en el video terminado: cada evento obligatorio, cada prohibición, la escritura de los letreros, la coincidencia del sonido con la acción, las características del personaje.