0xnirlin/ziztu-cinematic-depth

Profundidad Cinematográfica

Un fotograma se siente cinematográfico cuando el ojo puede viajar dentro de él: algo cercano y suave en el borde, el sujeto nítido y brillante en la distancia media, el lugar que se aleja detrás en tonos más pálidos y suaves, con aire entre las capas. Los modelos de imagen y video de IA rara vez hacen esto por sí solos. Este skill escribe esa profundidad en las indicaciones, revisa las indicaciones y los fotogramas para detectar planitud, y corrige tomas planas.

Se basa en cinco reglas clásicas de la puesta en escena en profundidad: primer plano, plano medio y fondo; distancias diferentes en lugar de objetos diferentes; espacio entre las capas; escenario distante con menor contraste que el sujeto; un poco de polvo o neblina para separarlos. Además, agrega lo que el video de IA necesita: qué plano está nítido, la lente, luz y color de separación, movimientos de cámara con paralaje, historia en el fondo, y las formas en que los modelos rompen las tomas en capas. Fue probado lado a lado en H3 Max Turbo, con el mismo guion, modelo, configuración y semilla. Con el skill, cada toma volvió en capas; sin él, el clip se reducía a primeros planos que llenaban la cara sobre un fondo borroso.

Por qué los fotogramas de IA salen planos

Si se lo deja solo, un modelo coloca al sujeto en el centro, cuadrado al lente, frente a una pared o fondo que corre paralelo al fotograma. La luz es uniforme y frontal, todo está igualmente nítido, y el fondo se lee como un plano pintado. Las indicaciones lo empeoran. Enumeran objetos ("una mujer en una panadería con una batidora y un hombre") y nunca dicen qué tan lejos está cada uno, por lo que el modelo coloca los tres uno al lado del otro en un solo plano. Palabras genéricas como "cinematográfico", "profundidad de campo" y "bokeh" tampoco ayudan mucho: compran un fondo borroso detrás de un retrato centrado, que sigue siendo dos planos pegados.

La solución es darle a cada plano su propio objeto, distancia, nitidez y tono, y dejar espacio visible entre ellos.

La pila de profundidad: escríbela para cada toma

Plano	Distancia al lente	Qué va allí	Enfoque	Tono	Dónde en el fotograma
Primer plano	0.3 a 1.5 m	Un objeto simple o la parte trasera de un hombro, solo parcialmente en el fotograma: un vaso, un marco de puerta, hojas, una lámpara, una barandilla, el hombro del oyente	Suave, desenfocado (nítido solo en un inserto)	Más oscuro, bajo detalle, a menudo medio silueteado	Un borde o esquina: el tercio inferior, o el sexto izquierdo o derecho. Se mantiene alejado de los rostros
Sujeto (plano medio)	2 a 4 m (diálogo 2 a 2.5 m)	Las personas y la acción, la razón de la toma	Nítido	Más brillante, más contraste, el color más fuerte	Sobre un tercio, ojos claros, 15 a 25% de espacio sobre la cabeza
Fondo	6 m hasta el horizonte	El lugar, una fuente de luz y, cuando sea posible, un elemento de la historia	Más suave	Menor contraste; más claro y brumoso en exteriores, más oscuro o una ventana brillante en interiores; más frío o menos saturado	Llena el fotograma detrás, con líneas que retroceden

Entre los planos, escribe dos cosas más:

• El espacio: piso abierto, la longitud de una mesa, un camino o una extensión de arena entre los planos. Sin él, las capas se fusionan en una superficie; con él, el ojo mide la distancia.
• El aire: neblina ligera, polvo en un rayo de luz, vapor, niebla, lluvia o humo entre el sujeto y el fondo. El aire hace que las cosas lejanas se vean más pálidas, lo que el ojo interpreta como distancia, y perfila al sujeto.

Una toma puede omitir un plano a propósito. Un primer plano puede saltarse el primer plano, y un inserto puede hacer del primer plano el sujeto. Entonces los planos restantes llevan la profundidad con enfoque, luz y aire, y lo dices en la indicación.

Once reglas, y por qué funciona cada una

Las primeras cinco son las reglas clásicas de puesta en escena.

1. Cápalas como un pastel. Primer plano, sujeto, fondo, cada uno nombrado en su propia oración. Un plano que no se nombra no se dibuja.
2. Distancias diferentes, no objetos diferentes. Tres cosas una al lado de la otra siguen siendo planas. Dale a cada plano una distancia en metros, o una relación ("dos metros detrás de ella", "al final de la habitación").
3. Deja espacio entre las capas. Nombra el espacio (piso, mesa, camino) para que los planos no se fusionen en uno, como cuando un vaso en primer plano crece hasta convertirse en una mano.
4. Mantén el escenario distante con menor contraste que el sujeto. El ojo lee el contraste como cercanía, por lo que un fondo de alto contraste salta hacia adelante. En exteriores, la distancia vuelve las cosas más pálidas, suaves y azules, o más cálidas en la hora dorada: esto es perspectiva atmosférica.
5. Un poco de polvo o neblina separa al sujeto del fondo. Mantenlo ligero y colócalo detrás del sujeto. La neblina frente al sujeto desvanece el rostro.

El resto es lo que el video de IA también necesita.

6. Di qué plano está nítido. El enfoque es tanto una señal de profundidad como un puntero, y el plano nítido es donde mira el espectador. "Poca profundidad de campo" solo da un desenfoque de retrato genérico. Escribe "el vaso en primer plano y el horizonte lejano están suaves; Mia está en foco nítido".
7. Elige la lente para la profundidad que deseas.
   • Gran angular, 18 a 28 mm: estira la distancia entre los planos. Úsalo para planos generales y puesta en escena en profundidad, nunca a menos de 1.5 m de un rostro.
   • Normal, 35 a 50 mm: diálogo.
   • Teleobjetivo, 85 a 135 mm, tomado desde más atrás: comprime los planos y difumina el fondo, lo que aísla un rostro cercano.
8. Separa con luz y color, no solo con desenfoque.
   • Una luz de borde o contraluz perfila al sujeto.
   • Luces prácticas a diferentes profundidades (lámparas que retroceden por una habitación, guirnaldas de luces) marcan la distancia.
   • Un sujeto cálido contra un fondo frío, o viceversa, divide los planos incluso cuando todo está nítido.
9. En video, mueve la cámara para que las capas se muevan a diferentes velocidades. Un travelling lateral, dolly, arco, pedestal o grúa que pasa junto a un objeto en primer plano da paralaje, la señal de profundidad más fuerte en movimiento. Un zoom magnifica todos los planos juntos y los aplana. Una toma estática necesita un plano que se mueva: vapor, una figura que pasa a lo lejos, cortinas, lluvia.
10. Haz que el fondo haga trabajo narrativo. Un testigo en una puerta, el rival llegando, el reloj, la caja del anillo en la mesa de al lado. La puesta en escena en profundidad le da al espectador dos cosas que leer a la vez y crea ironía dramática sin una línea de diálogo. Un cambio de enfoque mueve la atención de un plano al otro en el momento exacto.
11. Mantén los rostros seguros.
    • Ningún primer plano cruza un rostro o la acción.
    • Los rostros que hablan permanecen en el plano del sujeto a distancia media. Los rostros pequeños en el fondo se desvían en el video de IA, por lo que no hablan ni son el punto de la toma.
    • Nombra a cada persona en cada plano. Un modelo de video elimina personas sobre las que no se le informó e inventa personas sobre las que sí.

Escribirlo en una indicación

Para una imagen o fotograma clave, escribe una oración por plano, de adelante hacia atrás, luego el aire y la luz:

<Tamaño de plano>, <ángulo>, <lente>, desde <distancia>. Primer plano: <objeto>, desenfocado, en el <borde> del fotograma. Plano medio: <sujeto y acción>, en foco nítido, <luz sobre ellos>. Fondo: <lugar, fuente de luz, elemento narrativo>, más suave y con menor contraste. <Aire> flota entre <sujeto> y <fondo>. <Luz principal, luz de borde, separación de color>.

Para video, agrega un movimiento de cámara que cree paralaje y di qué se mueve en cada plano:

La cámara hace un travelling lateral derecho con pequeña amplitud a velocidad lenta, de modo que el vaso en primer plano se desliza por el borde izquierdo más rápido que Mia, mientras que el horizonte apenas se mueve.

Mantén la pila en la descripción de la toma, el lugar donde el modelo lee la composición. En indicaciones de video de múltiples tomas (H3 [Toma N], Seedance Toma N:), dale a cada toma su propia pila corta, no una oración compartida al principio.

Ejemplo: la misma idea, plana y en capas

Plana, como se escriben la mayoría de las indicaciones:

Una mujer y un hombre discutiendo en una mesa de restaurante por la noche, cinematográfico, profundidad de campo, 4k.

En capas:

Plano medio general de dos personas, a la altura de los ojos, lente de 35 mm, desde 3 m. Primer plano: una copa de vino medio vacía y una vela en la mesa de al lado, desenfocados, en la esquina inferior izquierda. Plano medio: Mia, 29 años, rizos cobrizos en un moño bajo, vestido de seda verde esmeralda, se inclina sobre una mesa con mantel blanco hacia Damián, 31 años, traje carbón; ambos en foco nítido, iluminados cálidamente por la vela entre ellos. Fondo: la terraza de la azotea se pierde en guirnaldas de luces y un horizonte brumoso de la ciudad al anochecer, más suave y con menor contraste; un camarero con chaqueta blanca espera junto a la puerta lejana, pequeño y suave. Una neblina ligera flota sobre la ciudad detrás de ellos. Una luz de borde azul fría del anochecer perfila el cabello de Mia contra la terraza cálida.

La segunda indicación le da a cada plano una cosa, una distancia, una nitidez y un tono. También le da al fondo un pequeño elemento narrativo: el camarero, que puede llevar un ritmo más adelante.

Revisar una indicación o un fotograma (la prueba de planitud)

Antes de enviar una indicación, o cuando revisas un fotograma generado, responde lo siguiente:

1. ¿Puedes nombrar tres planos? Si no puedes, el fotograma es plano.
2. ¿Están a diferentes distancias, con piso, suelo o mesa visibles entre ellos, en lugar de uno al lado del otro?
3. ¿Es el sujeto lo más nítido y de mayor contraste en el fotograma? Entrecierra los ojos: el sujeto debe ser la masa que resalta.
4. ¿Es el fondo de menor contraste, más suave o más brumoso que el sujeto?
5. ¿Hay una herramienta de separación: luz de borde, neblina, contraste de color o enfoque?
6. ¿Algún primer plano cruza un rostro o la acción?
7. Para video, ¿el movimiento de la cámara crea paralaje? Un zoom no cuenta.
8. ¿Está nombrada cada persona en cada plano, con un número y una acción para cualquier multitud?

Para revisar indicaciones mecánicamente, ejecuta python3 scripts/depth_check.py <archivo> (agrega --video para indicaciones de video). Lee los marcadores [Toma N] y revisa cada toma en busca de los tres planos, distancias, enfoque, tono y aire, luz de separación, lente, movimientos de paralaje, negativos, riesgos de primer plano sobre rostros y multitudes de fondo sin nombre. Puntúa cada toma sobre 10 y llama a una toma PLANA cuando no nombra ni un primer plano ni un fondo. La puntuación es un recordatorio, no un veredicto: el fotograma mismo tiene la última palabra.

Corregir un fotograma plano

Trabaja en este orden, del más barato al más costoso:

1. Agrega un primer plano en un borde: el hombro del oyente para diálogo, un marco de puerta, un vaso, hojas, una barandilla.
2. Empuja el fondo hacia atrás: escribe su distancia, agrega líneas que retroceden (un corredor, un camino, una fila de lámparas) y un espacio frente a él.
3. Agrega aire y tono: neblina ligera detrás del sujeto, un fondo más pálido, un primer plano más oscuro.
4. Agrega una luz de borde o división de color, luego di qué plano está nítido.
5. Para video, cambia el zoom o la cámara estática por un travelling lateral o dolly que pase junto al primer plano.
6. Gira al sujeto de 15 a 30 grados fuera del lente y coloca a la segunda persona más profunda en el fotograma, no a su lado.

Cuando el primer fotograma de un clip de imagen a video es plano, corrige el fotograma, no la indicación de movimiento. El video mantiene la composición de su primer fotograma.

Cómo manejan los modelos las tomas en capas

Las plantillas listas para pegar para cada modelo están en references/model-templates.md. En resumen:

• H3 Max Turbo: coloca la pila dentro de cada [Toma N], con distancias en metros, y nombra a cada persona en cada plano. Usa tipo de cámara, amplitud y velocidad ("travelling lateral izquierdo con pequeña amplitud a velocidad lenta"). Establece prompt_expansion_mode en disabled, o la reescritura elimina los planos. Dale a las personas de fondo un rol y una acción, pequeños y suaves.
• Seedance y Kling: solo frases positivas, una pila por línea Toma N:, y un movimiento de paralaje nombrado en palabras sencillas.
• FLUX, GPT Image y Nano Banana fotogramas clave: siguen bien las oraciones plano por plano. Pide la lente y la distancia, y omite las palabras "rostro en foco en el tercio superior", que acercan demasiado la cámara.
• Midjourney y Niji: comienza con la toma y los planos, luego --ar. Niji lee bien el lenguaje de anime en capas: una capa de celda en primer plano, una capa de personaje, un fondo pintado.

references/depth-recipes.md contiene recetas listas para las situaciones comunes: un plano medio de diálogo de dos personas, sobre el hombro, un primer plano individual, una revelación de fondo con cambio de enfoque, un plano general exterior, un interior a través de una puerta, luz de ventana, una calle nocturna, un caminar y hablar, un inserto, una fiesta, un interior de coche y multiplano anime. Lee la receta que coincide con la toma antes de escribirla.

Trabajar con Ziztu

• Micro dramas: con el skill Ziztu Micro Drama Writer (ziztu-micro-drama), dale a cada lugar recurrente un kit de profundidad una vez en la biblia (una pieza fija de primer plano, el área de juego, el fondo y su luz), luego reutilízalo en cada toma en ese lugar. Eso mantiene tanto la profundidad como el lugar consistentes. Escenifica el gancho y el cliffhanger en profundidad: el fondo a menudo contiene la revelación.
• Crearlo en Ziztu (https://getziztu.com): Ziztu planifica las tomas, hace un primer fotograma para cada una y las anima. Ejecuta H3 Max Turbo, Seedance 2.5, Kling 3, FLUX 3 Max, GPT Image 2.5, Nano Banana y Seedream, por lo que las plantillas aquí se pegan directamente en sus cuadros de indicaciones. Pídele al Director "profundidad en capas en cada toma: primer plano suave, sujeto nítido, fondo brumoso". Revisa los primeros fotogramas con la prueba de planitud antes de pagar por el movimiento, porque el video mantiene la composición de su primer fotograma.
• Anime: piensa en términos de multiplano. Una capa de celda en primer plano se desliza más rápido que la capa del personaje en una panorámica, sobre un fondo pintado.
• Conecta tu aplicación a Ziztu: Claude Code claude mcp add --transport http ziztu https://getziztu.com/mcp; claude.ai y Claude Desktop: Personalizar, Conectores, Agregar conector personalizado, https://getziztu.com/mcp; Codex codex mcp add ziztu --url https://getziztu.com/mcp.