Un buen prompt para Veo 3.1 se lee como la descripción breve de una toma: quién aparece en el encuadre, qué hace, dónde está, cómo se comporta la cámara, qué aspecto debe tener y qué se debe oír. Según Google, Veo 3.1 sigue los prompts con más fidelidad que Veo 3, así que cuanto más precisa sea la descripción de la toma, más de ella recuperas.
Esta guía explica cómo estructurar un prompt para un clip de 8 segundos, qué palabras de cámara y de estilo vale la pena usar, cómo escribir el diálogo y el sonido, cómo cambian los fotogramas inicial y final lo que debe decir el prompt, e incluye diez prompts que puedes pegar y adaptar.
Antes de escribir: qué cabe en un clip de Veo 3.1
En Veo Video, cada generación con Veo 3.1 es un clip de 8 segundos con sonido, en 16:9 o 9:16, a 720p, 1080p o 4K. Puedes partir de texto, de una foto (que se convierte en el primer fotograma) o de una foto más un fotograma final. Las imágenes de referencia funcionan con Veo 3.1 Fast, con hasta tres por clip.
Ocho segundos equivalen, más o menos, a una toma con una acción clara, o a dos o tres momentos breves. Da para una o dos frases habladas, no para un párrafo de diálogo. La mayoría de los prompts flojos intentan meter una escena entera en un solo clip; la solución suele ser recortar el prompt hasta dejar el único momento que quieres.
La estructura de un prompt para Veo 3.1
Las indicaciones de Google para escribir prompts de Veo enumeran los elementos que dan forma a un clip: sujeto, acción, estilo, posición y movimiento de la cámara, composición, enfoque y efectos de lente, y ambiente. Veo 3.1 también genera sonido, así que el audio también tiene su sitio en el prompt. Un orden práctico:
| Elemento | Qué controla | Ejemplo |
|---|---|---|
| Plano y cámara | Encuadre y movimiento | "Close-up, slow dolly in" |
| Sujeto | Quién o qué aparece en el encuadre | "A woman in her 30s in a soft grey sweater" |
| Acción | Qué ocurre durante los 8 segundos | "takes her first sip of coffee and smiles" |
| Escenario | Lugar, momento del día, clima | "on a small balcony above a quiet street at dawn" |
| Estilo y luz | Aspecto y tono | "warm morning light, shallow depth of field" |
| Sonido | Diálogo, efectos, ambiente | "birds chirping softly, a distant city hum" |
Los ejemplos están en inglés porque así se escriben en el prompt (en los consejos de más abajo verás que escribir en inglés da resultados más previsibles). Todo junto queda así:
Close-up, slow dolly in on a woman in her 30s in a soft grey sweater, taking her first sip of coffee on a small balcony above a quiet street at dawn. Morning light grazes her face. Birds chirp softly, a distant city hum. Warm color grade, shallow depth of field, TV commercial style.
En español: primer plano con un lento acercamiento de cámara a una mujer de unos 30 años con un suéter gris suave, que toma el primer sorbo de café en un pequeño balcón sobre una calle tranquila al amanecer, con la luz de la mañana rozándole la cara, pájaros que pían suavemente y el rumor lejano de la ciudad, en un estilo de anuncio de televisión con tonos cálidos y poca profundidad de campo.
No necesitas todos los elementos en cada prompt. Lo que omites lo completa el modelo, algo que está bien para los detalles que no te importan y que es un problema para los que sí.
Cámara: tipos de plano y movimiento
El lenguaje de cámara es una de las palancas más fiables en un prompt de Veo. Indica el encuadre y después un movimiento. En ocho segundos rara vez cabe más, así que quédate con un solo movimiento en lugar de acumular varios ("pan left while craning up and zooming in", es decir, panorámica a la izquierda mientras la grúa sube y se hace zoom).
| Plano | Para qué usarlo | Palabras que usar |
|---|---|---|
| General / de situación | Lugares, escala, contexto | "wide shot", "establishing shot" |
| Medio | Personas hablando, acción general | "medium shot", "waist-up" |
| Primer plano | Rostros, emoción, detalles de producto | "close-up" |
| Primerísimo primer plano | Texturas, objetos pequeños | "extreme close-up", "macro shot" |
| Plano subjetivo (POV) | Inmersión en primera persona | "POV shot", "first-person view" |
Movimientos que funcionan bien en un solo clip:
- Dolly in / dolly out: la cámara se acerca o se aleja del sujeto; sirve para crear tensión o revelar el contexto.
- Pan (panorámica): la cámara gira en horizontal; sirve para recorrer una escena o seguir un movimiento lateral.
- Tracking shot (travelling): la cámara se desplaza junto al sujeto.
- Crane shot (plano de grúa): la cámara sube o baja; sirve para revelaciones.
- Orbit (órbita): la cámara rodea al sujeto.
- Static (fija): una cámara inmóvil, útil para diálogos y tomas de producto.
Las palabras de lente y enfoque también ayudan: "shallow depth of field" (poca profundidad de campo), "rack focus from the cup to her face" (cambio de foco de la taza a su cara), "wide-angle lens" (gran angular), "macro lens" (objetivo macro), "shot on 35mm film" (rodado en película de 35 mm) para dar grano y calidez.
Diálogo y sonido
Veo 3.1 genera sonido con cada clip. Si no dices nada del audio, igualmente crea una banda sonora para la escena; si lo describes, obtienes más control. La recomendación de Google es poner el habla entre comillas, describir los efectos de sonido de forma explícita y describir el ambiente por separado.
Diálogo
Pon la frase hablada entre comillas e indica quién habla y cómo:
Medium shot of a tired detective behind a desk in a dim office, rain on the window behind him. He looks up and says in a weary voice, "Of all the offices in this town, you had to walk into mine." Film noir look, hard shadows from window blinds.
Este ejemplo pide un plano medio de un detective cansado tras su escritorio en una oficina en penumbra, con lluvia en la ventana; levanta la vista y dice con voz cansada una frase concreta, en estética de cine negro con sombras duras de persiana.
- Limítate a una o dos frases cortas por clip. Algo más largo no cabe con holgura en 8 segundos.
- Con dos hablantes, nómbralos y dale una frase a cada uno, por ejemplo Host A: "Welcome back!" Host B: "Glad to be here."
- Describe la voz ("weary", cansada; "excited whisper", susurro emocionado; "calm and slow", tranquila y pausada) para que la interpretación encaje con la imagen.
Efectos de sonido y ambiente
Vincula cada sonido a algo visible y escribe los efectos tal como quieres oírlos:
Wide shot of a narrow alley under buzzing neon signs as cold drizzle falls. A distant alarm wails, neon hums, rain patters on metal bins.
Aquí, el plano general de un callejón estrecho bajo letreros de neón con llovizna fría lleva asociados tres sonidos concretos: una alarma lejana, el zumbido del neón y la lluvia golpeando los contenedores metálicos.
El prompt de la cáscara de plátano también muestra cómo manejar una secuencia: pone las acciones en orden y marca los giros con palabras como "suddenly" (de repente) e "in the next moment" (al momento siguiente). Eso le da al modelo una línea temporal que seguir dentro de los 8 segundos.
Estilo, color y luz
Las palabras de estilo funcionan mejor cuando describen algo visible y no una cualidad vaga.
| Aspecto | Palabras que ayudan |
|---|---|
| Cinematográfico | "shot on 35mm film", "anamorphic lens", "film grain" |
| Documental | "handheld camera", "natural light", "documentary style" |
| Terror | "desaturated colors", "heavy grain", "low angle", "flickering light" |
| Ciencia ficción | "neon-lit", "holographic display", "cool blue light" |
| Publicitario | "TV commercial style", "clean studio lighting" |
| Animación | "hand-drawn anime style", "cel-shaded", "vibrant colors" |
Para la luz y el color, indica la dirección y el momento del día: "dramatic side lighting" (luz lateral dramática), "backlit silhouette" (silueta a contraluz), "golden hour" (hora dorada), "blue hour" (hora azul), "overcast diffused light" (luz difusa de día nublado), "warm golden tones" (tonos dorados cálidos), "cyan-magenta grade" (etalonaje cian y magenta).
Describe lo que quieres en lugar de enumerar lo que no quieres. "A clean, unlabeled glass bottle on a plain black surface" (una botella de vidrio limpia y sin etiqueta sobre una superficie negra lisa) te lleva más lejos que una lista de cosas que evitar.
Partir de imágenes
Imagen a video
Cuando subes una foto, se convierte en el primer fotograma. El prompt ya no tiene que describir el aspecto del sujeto; dedícalo al movimiento, la cámara y el sonido. Por ejemplo: "She turns toward the window and smiles, slow dolly in, soft room tone and a distant car passing." (ella se gira hacia la ventana y sonríe, lento acercamiento de cámara, un suave sonido ambiente de la habitación y un coche que pasa a lo lejos).
Fotogramas inicial y final
Añade un fotograma final y Veo 3.1 construye el movimiento entre las dos imágenes. Úsalo cuando una toma tenga que acabar en una composición conocida: una revelación, un producto que gira hacia la cámara, una transformación. Centra el prompt en cómo ocurre el cambio ("the paper ball unfolds and folds itself into a paper airplane", la bola de papel se despliega y se pliega sola hasta formar un avión de papel), porque los dos extremos ya están fijados.
Imágenes de referencia (Veo 3.1 Fast)
Las imágenes de referencia no son lo mismo que un primer fotograma: le indican al modelo cómo es una persona, un personaje o un producto, y el modelo los sitúa en una escena nueva. En Veo Video puedes añadir hasta tres con Veo 3.1 Fast. El prompt describe entonces la escena y la acción; las imágenes aportan la identidad.
10 prompts para Veo 3.1 que puedes pegar y adaptar
Cada prompt está escrito para un clip de 8 segundos. La relación de aspecto sugerida es un punto de partida; todos funcionan tanto en 16:9 como en 9:16. Los dejamos en inglés para que puedas copiarlos tal cual; debajo de cada título resumimos qué pide.
1. Presentación de producto (16:9)
Un reloj inteligente negro sobre una roca al borde de un acantilado; la cámara se aleja y se eleva como un dron para revelar un valle alpino al amanecer.
Close shot of a sleek black smartwatch resting on a rugged rock at a mountain cliff edge. The camera pulls back and rises in one smooth drone move, revealing a vast alpine valley at sunrise. Wind rushes softly, a low cinematic swell. Product commercial style, crisp natural light.
2. Ponente en el escenario (16:9)
Una ponente segura de sí misma en un atril, con cámara fija, pronuncia una frase sobre el futuro de la IA ante un murmullo leve del público.
Medium shot of a confident speaker at a podium in a modern conference hall, static camera. She gestures naturally and says, "The future of AI is not replacement. It is collaboration." Soft stage lighting, light audience murmur, polished corporate look.
3. Documental de naturaleza (16:9)
Un travelling general sigue a un lobo solitario que trota por la nieve en un bosque de pinos al anochecer.
Wide tracking shot following a lone wolf trotting through fresh snow in a dense pine forest at dusk. Snow crunches under its paws, wind whispers through the trees. Documentary style, natural light, 35mm film grain.
4. Pasillo de terror (9:16)
Un pasillo de hospital vacío en contrapicado, con fluorescentes parpadeantes y una figura que avanza despacio hacia la cámara.
Low-angle wide shot down a long, empty hospital hallway with flickering fluorescent lights. A lone figure at the far end walks slowly toward the camera, footsteps echoing. A light buzzes and cuts out. Desaturated colors, heavy grain.
5. Ruta por la costa en primera persona (9:16)
Plano subjetivo desde el casco de un motorista que toma una curva en una carretera costera, con acantilados y mar debajo.
POV shot from a motorcycle helmet on a winding coastal road, leaning into a curve with cliffs and a sparkling ocean below. Engine roar, wind rushing past. Golden hour light with sun flares, high-energy action sports style.
6. Chef en acción (16:9)
Las manos de una chef colocan hierbas frescas en una encimera de mármol y la cámara sube hasta su rostro concentrado.
Close-up of a chef's hands arranging fresh herbs on a marble counter, then the camera tilts up to her focused face. Knife taps, a pan sizzling in the background. Soft overhead window light, warm lifestyle look.
7. Desfile de moda (9:16)
Un lento acercamiento a una modelo con un vestido de seda que camina por una galería de arte blanca y vacía.
Slow dolly in on a model walking through an empty white art gallery in a flowing silk dress; each step sends ripples through the fabric. Heels click on polished concrete, quiet gallery echo. Soft diffused light, high-fashion editorial style.
8. Un momento emotivo y tranquilo (16:9)
Un hombre mayor da de comer a las palomas en un banco del parque bajo árboles otoñales, levanta la vista y sonríe.
Medium shot of an elderly man on a park bench feeding pigeons in warm afternoon light under autumn trees. He pauses, looks up and smiles as leaves drift past. Pigeons coo, leaves rustle, distant children's laughter. Nostalgic tone, shallow depth of field.
9. Interfaz de ciencia ficción (16:9)
Unas manos manipulan una pantalla holográfica transparente y hacen girar un globo de datos en 3D.
Close-up of hands swiping and pinching a transparent holographic display, rotating a glowing 3D globe of data. Blue-white light from the interface illuminates the face behind it. Soft electronic chimes with each gesture. Clean, futuristic look.
10. Producto de lujo (9:16)
Un frasco de perfume de lujo gira lentamente sobre una superficie negra reflectante bajo un único foco.
Extreme close-up of a luxury perfume bottle on a reflective black surface under a single dramatic spotlight. The bottle slowly rotates, catching golden highlights on its facets. A soft, resonant chime. Premium commercial style.
Un flujo de trabajo del borrador a la versión final
- Empieza corto. Escribe la toma, el sujeto y la acción en una o dos frases y ejecútalo con Veo 3.1 Lite a 720p. Es la forma más barata de comprobar que el modelo entendió la idea.
- Añade la cámara y el aspecto. Cuando la acción sea la correcta, añade un movimiento de cámara, la iluminación y el estilo.
- Añade el sonido. Escribe el diálogo entre comillas y nombra los efectos y el ambiente.
- Genera la versión definitiva. Cuando el prompt funcione, ejecútalo a 1080p o 4K, con Lite o con el nivel Veo 3.1 completo para obtener la toma con más detalle. Cada generación es una toma nueva, así que espera un resultado muy parecido a tu borrador, no un clip idéntico.
Consejos por el camino:
- Cambia una sola cosa entre una generación y otra (la cámara o la luz, no ambas) para ver qué marcó la diferencia.
- Ejecuta varias veces un prompt que funcione; cada generación es una toma distinta y normalmente una saldrá mejor que las demás.
- Escribe los prompts en inglés para obtener resultados más previsibles.
- Para secuencias de más de 8 segundos, escribe cada toma como un prompt independiente y reutiliza en todas las mismas palabras para el personaje, la paleta y el estilo.
Errores comunes
| Error | Qué ocurre | Solución |
|---|---|---|
| Varios movimientos de cámara en un prompt | Instrucciones que compiten en un clip corto | Un encuadre, un movimiento |
| Una escena entera en un clip | Acciones apresuradas u omitidas | Limítate a un momento o a dos o tres instantes |
| Diálogo largo | Frases cortadas o atropelladas | Una o dos frases cortas |
| Sujeto vago | Detalles rellenados al azar | Indica edad, ropa y rasgos clave |
| Sin indicaciones de sonido | Una banda sonora genérica | Nombra efectos y ambiente; pon el diálogo entre comillas |
| Palabras de estilo distintas en clips relacionados | Clips que no encajan al montarlos | Reutiliza la misma paleta y las mismas expresiones de estilo |
| Figuras públicas reales o fotos de menores | La solicitud se bloquea | Usa personajes ficticios y adultos |
Si los filtros de seguridad de Google bloquean una generación, los créditos vuelven a tu saldo.
Pruébalo
Las cuentas nuevas en Veo Video reciben 30 créditos gratis, suficientes para un clip de Veo 3.1 Lite de 8 segundos a 720p. Elige uno de los prompts anteriores, adáptalo a tu tema y mira cómo lo interpreta el modelo.
Para saber más sobre el modelo en sí, lee Veo 3 vs Veo 3.1: qué cambió.