Este playbook de prompting para Veo 3.1 reune las prácticas profesionales de dirección audiovisual con IA en un marco accionable: brief → prompt → iteración → QA.
Incluye plantillas, workflows avanzados (timestamps, ingredients, first/last frame) y checklists para asegurar consistencia visual, audio guiado por texto y tiempos precisos en 4/6/8 s. Está diseñado para líderes que necesitan velocidad, control creativo y calidad cinematográfica, reduciendo la varianza y acelerando del concepto al video listo para publicar.
Veo 3.1, al incorporar audio dirigido por texto y workflows de consistencia (ingredients, first/last frame, timestamps), marca el paso desde “generar” hacia “dirigir”. Para equipos ejecutivos esto reduce time-to-first-draft y baja la varianza creativa sin sacrificar calidad cinematográfica—una convergencia que acelera storytelling comercial y training interno. (Juicio propio, sustentado en las capacidades citadas).
Capacidades clave (hechos rápidos)
Resolución: 720p/1080p; aspecto: 16:9 o 9:16; duración: clips de 4/6/8 s.
Audio generativo (diálogo, SFX y ambiente) dirigido por prompt.
Mejor “image-to-video” y consistencia con Ingredients to Video (referencias de personaje/objeto/estilo), transiciones con First & Last Frame, marcado SynthID.
Add/Remove object hoy se apoya en Veo 2 (sin audio).
Disponible en Vertex AI (preview).
Fórmula de prompt (la que mejor gobierna calidad)
[Cinematografía] + [Sujeto] + [Acción] + [Contexto] + [Estilo & Clima]Ejemplo: “Plano medio, una analista cansada, se frota las sienes, en un oficio desordenado con PC monocromática 1980, luz fría fluorescente + glow verde del monitor, retro, grano leve”.
Lenguaje cinematográfico que Veo 3.1 entiende bien
Movimiento de cámara: dolly, tracking, grúa, paneo lento, POV.
Composición: gran plano general, primerísimo primer plano, contrapicado, two-shot.
Óptica & foco: gran angular, macro, profundidad de campo (bokeh vs deep focus).
Audio por prompt:
Diálogo entre comillas (“…”).
SFX explícitos (“SFX: trueno lejano”).
Ambiente (“Ambiente: zumbido suave del puente de una nave”).
Técnicas esenciales de precisión
Negativos inteligentes: escribe lo que sí debe verse para excluir (“paisaje desolado sin carreteras ni edificios” en vez de “no edificios”).
Consistencia: fija referencias visuales con Ingredients to Video; lockea vestuario, rostro, paleta en todos los planos.
Transiciones controladas: con First & Last Frame describe el movimiento (p.ej., “arco 180º” + audio deseado).
Workflows avanzados (cuándo usar cada uno)
A. First & Last Frame → Movimiento de cámara o cambio de POV entre dos imágenes semilla. (Útil para reveals, giros, antes/después).
B. Ingredients to Video (diálogo/escenas) → Múltiples planos con personajes consistentes (ideal para entrevistas o escenas conversacionales).
C. Timestamp Prompting → Dirigir secuencia multi-plano en un solo prompt con tiempos [00:00–00:02], etc. Ahorra pases y cuida continuidad.
Plantillas listas para copiar
Prompt base (fórmula 5 piezas)
[CINEMATOGRAFÍA]: <tipo de plano y movimiento>
[SUJETO]: <quién/protagonista con rasgos visuales clave>
[ACCIÓN]: <qué hace, gesto o interacción>
[CONTEXTO]: <lugar/tiempo/elementos de fondo>
[ESTILO & CLIMA]: <paleta, iluminación, textura, referencia estética/cine/foto>
[AUDIO]: “Diálogo exacto si aplica.”
SFX: <sonidos concretos>
Ambiente: <paisaje sonoro>
NEGATIVOS: <elementos a excluir mediante descripciones positivas>
FORMATO: <16:9 o 9:16>, DURACIÓN: <4|6|8 s>, RES: <1080p|720p>
Timestamp Prompting (secuencia en un solo pase)
[00:00-00:02] <Plano/Movimiento + Sujeto + Acción + Contexto + Estilo + Audio/SFX>
[00:02-00:04] <Nuevo plano con continuidad cinemática + acción siguiente + ambiente>
[00:04-00:06] <Plano de énfasis/emoción + gesto + transición de luz/color + música>
[00:06-00:08] <Plano abierto/hero + cierre + crescendo sonoro>
FORMATO: <16:9|9:16> • DURACIÓN: 8s • RES: 1080pFirst & Last Frame (transición controlada)
IMAGEN_INICIO: <describir o subir>
IMAGEN_FIN: <describir o subir>
PROMPT VEO:
La cámara realiza <movimiento> desde la IMAGEN_INICIO hasta la IMAGEN_FIN de manera <fluida/rápida/lenta>.
[AUDIO]: “…”
SFX: <…> • Ambiente: <…>
Estilo: <look & feel consistente>
Formato/duración/resolución: <…>Ingredients to Video (escena con personajes consistentes)
INGREDIENTES: [Personaje_A, Personaje_B, Escenario_X, Props_Y] (referencias visuales)
PLANO 1: <tipo de plano> del Personaje_A en <Escenario_X>, acción <…>.
[AUDIO]: “…”
PLANO 2: <tipo de plano> del Personaje_B reaccionando, acción <…>.
[AUDIO]: “…”
Estilo unificado: <paleta/iluminación/óptica>. Duración <…>, formato <…>.Ejemplos aplicados (3 industrias)
Banca/Fintech (educativo corto 9:16, 8s)
[00:00–00:02] Primer plano de una app móvil mostrando un alerta de seguridad, tracking lateral suave. Ambiente: murmullo de oficina.
[00:02–00:04] Over-the-shoulder de cliente confirmando identidad con biometría; SFX: “click” sutil.
[00:04–00:06] Plano medio de ejecutiva explicando: “Protegemos tus transacciones en tiempo real”.
[00:06–00:08] Plano general del equipo en SOC; música leve inspiradora; paleta azul/cian, luz suave.Industria (lanzamiento de producto 16:9, 6s)
Grúa descendente sobre nueva línea de ensamblaje; textura metálica, high-key. SFX: zumbido industrial.
Corte a macro del logo marcado en acero; bokeh. VO: “Precisión que escala”.Educación ejecutiva (teaser curso IA, 16:9, 8s)
Dolly in a pizarra digital con ecuaciones → match cut a un panel con métricas; Ambiente: aula moderna.
POV del alumno interactuando: “Aprende IA aplicable en 4 semanas”.Checklist de calidad (QA en 5 minutos)
Brief a prompt: ¿La fórmula 5 piezas está completa?
Continuidad: ¿Planos conectan por eje/acción/óptica? (usa timestamps si dudas)
Audio: diálogo entrecomillado; SFX y ambiente especificados.
Consistencia: referencias fijas (outfits, rostro, paleta).
Negativos: descritos inteligentemente (exclusión por descripción positiva).
Formato/tiempo: 16:9/9:16 y 4/6/8 s definidos.
Iteración: 1 variable por pase (movimiento, luz, o paleta).
Compliance: marca SynthID presente.
Heurísticas de iteración (rápidas y efectivas)
El plano “respira” poco: sube a gran angular o añade paneo lento.
Rostros inestables: refuerza Ingredients con primer plano y rasgos (peinado/ojos).
Look inconsistente: fija paleta (p.ej. “teal-orange tenue”), iluminación (“contraluz suave”) y stock (“grano 35mm leve”).
Audio genérico: escribe acciones sonoras (“SFX: teclado mecánico rítmico”) y capas de ambiente.
Demasiado literal: añade metáfora visual (reflejos, sombras proyectadas, siluetas).
“Prompt Builder” (modo profesional, en código)
veo3_1_prompt:
formato: “9:16” # o “16:9”
duracion_s: 8 # 4 | 6 | 8
resolucion: “1080p” # 720p | 1080p
planos:
- t: “00:00-00:02”
cinematografia: “plano medio, dolly-in lento”
sujeto: “persona X (cabello rizado, saco azul, gafas finas)”
accion: “mira dashboard y detecta anomalía”
contexto: “oficina nocturna con ciudad al fondo, monitores modernos”
estilo: “paleta azul/cian, luz fría, grano 35mm leve”
audio:
dialogo: null
sfx: [”tecleos suaves”]
ambiente: “aire acondicionado y zumbido de monitores”
negativos: [”sin alarmas rojas, sin humo, sin crowd”]
- t: “00:02-00:04”
cinematografia: “over-the-shoulder, foco en pantalla”
sujeto: “dashboard”
accion: “métrica sube y alerta contextual aparece”
contexto: “UI limpia, tipografía sobria”
estilo: “look corporativo, reflejos sutiles”
audio:
dialogo: “\”Listo, mitigado en segundos\”“
sfx: [”click confirmado”]
ambiente: “oficina”
notas:
consistencia: [”usar Ingredients de personaje y escenario”]
transicion: “cortes limpios por match action”
Métricas para validar (KPI creativos)
Adherencia al brief (≥90% elementos del prompt presentes).
Coherencia cinematográfica (transiciones fluidas, eje/óptica estables).
Inteligibilidad del mensaje (VO/diálogo claro, SFX y ambiente no compiten).
Consistencia visual (personajes, paleta, vestuario).
Tiempo y formato (exactitud 4/6/8 s; 9:16/16:9 correcto para el canal).
Referencia principal
Google Cloud Blog, “The ultimate prompting guide for Veo 3.1”, 16-Oct-2025. (capacidades, fórmula de prompt, audio por prompt, workflows First & Last Frame, Ingredients to Video, Timestamp Prompting, SynthID, disponibilidad en Vertex AI). (Google Cloud)
🚀 Coordinemos una sesión para generar la transformación que necesita tu empresa 💡 No esperes a que la disrupción golpee y te deje fuera del mercado ⏳ ¡Anticípate con contenidos para soñar, creer y crear el futuro! 🌍 Contáctame y juntos diseñaremos la transformación digital y exponencial 📩 que necesita tu organización 📈
Sigamos inspirando al mundo
Tu opinión es clave en esta aventura de conocimiento y transformación. ¿Qué ha parecido los contenidos de hoy? ¿Hay algún tema sobre el que te gustaría aprender más o alguna tendencia que crees que deberíamos explorar juntos?
Comparte tus ideas y sugerencias. Juntos, seguiremos inspirando, compartiendo y aprendiendo, transformando lo imposible en posible.
❓ Contáctame a través de estos puntos de contacto.