Prompt 🤖 015 | Playbook de Prompting de Video con Veo 3.1
Un playbook completo y accionable para crear videos con Veo 3.1 usando prompting profesional. Está optimizado para flujo de trabajo ejecutivo, con plantillas listas para copiar.
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.