Escribe prompts que dirijan tu vídeo musical, plano a plano
Un vídeo musical con IA solo es tan bueno como el prompt que lo respalda. Esta es la guía práctica para describir una canción como un director: la fórmula del plano, el lenguaje de la cámara, cómo sincronizar los cortes con el ritmo y cómo lograr que tu cantante parezca la misma persona desde el primer fotograma hasta el último.
Deja de escribir descripciones. Empieza a escribir guiones de planos.
La mayor mejora para tus vídeos musicales con IA no es un modelo mejor, es un prompt mejor.
La mayoría de la gente describe una canción como si escribiera un pie de foto: «una chica triste bajo la lluvia, cinematográfico». Entonces el modelo tiene que adivinar todo lo que importa: quién es ella, qué hace, dónde se sitúa la cámara, cómo cae la luz, cuándo entra el corte. Un prompt de vídeo musical funciona al revés. Le entregas a la IA un guion de planos: un sujeto concreto, una acción precisa, un movimiento de cámara encuadrado, un estilo definido y una restricción o dos. Dejas de cruzar los dedos y empiezas a dirigir.
Una chica triste bajo la lluvia, cinematográfico, emotivo, hermoso, 4k
Plano medio, una joven con un abrigo gris empapado está de pie bajo una farola y baja lentamente la cabeza mientras la lluvia le resbala por la cara. La cámara se acerca con suavidad hasta un primer plano. Luz nocturna azul fría, suaves reflejos en el asfalto mojado, estética de cine. Sin texto en pantalla.
La misma idea. Una deja el resultado al azar; la otra te da el plano que imaginaste.
La anatomía de un prompt de plano
Ocho bloques, más o menos en este orden. No necesitas los ocho cada vez, pero cuanto más fijes, menos improvisa la IA.
Sujeto + Acción + Escena + Luz y color + Cámara + Estilo + Calidad + Restricciones1 · Sujeto
Quién o qué aparece en pantalla. Fíjalo con dos o tres rasgos visuales estables —ropa, cabello, edad, tipo— para que la IA lo reconozca y lo mantenga estable de un plano a otro.
una joven con un vestido de seda rojo y un sombrero de paja
2 · Acción
Lo que hace el sujeto, descrito por parte del cuerpo y grado. «Levanta la mano» supera a «se mueve». Prefiere el movimiento lento, continuo y encadenado a la acción frenética: se renderiza mucho más limpio.
levanta lentamente la barbilla y gira la cabeza hacia la ventana
3 · Escena
Dónde ocurre y qué rodea al sujeto: el lugar, la hora del día, los elementos del primer plano y del fondo que construyen el mundo.
un pasillo de azotea iluminado por neones de noche, con anuncios holográficos parpadeando detrás
4 · Luz y color
Aquí vive la atmósfera. Nombra la dirección de la luz, su calidez y la paleta: la misma escena se lee como romance o como angustia según esta sola línea.
contraluz cálido de la hora dorada, sombras suaves, paleta ámbar y turquesa
5 · Cámara
Cómo se rueda: el tamaño del plano y un movimiento de cámara. Esta es la diferencia entre un clip plano y un encuadre dirigido. Limítate a un solo movimiento por plano.
acercamiento lento desde un plano general hasta un primer plano
6 · Estilo
La dirección artística general: imagen real, anime 2D, animación 3D, tinta china, plastilina, pixel art. Decláralo de forma explícita, o una foto de referencia realista arrastrará todo silenciosamente hacia la imagen real.
estilo anime 2D, dibujado a mano, sombreado cel
7 · Calidad
El acabado: nitidez, textura y las cualidades cinematográficas que quieres integradas. Basta con una frase corta y estándar.
alta definición, gran detalle, textura de película, color natural
8 · Restricciones
Lo que no quieres. Los negativos más útiles mantienen fuera del encuadre textos sueltos, marcas de agua y logos, y evitan que el estilo se desvíe.
sin subtítulos, sin marca de agua, sin logo
Habla el idioma de la cámara
Los modelos de vídeo con IA responden con precisión a los términos estándar del cine. Aprende este vocabulario y podrás encuadrar cualquier plano en unas pocas palabras. La regla de oro: un movimiento de cámara por plano; apilar acercamiento, paneo y zoom en una sola línea hace que la imagen se vuelva inestable.
Movimientos de cámara
Acercamiento
La cámara avanza hacia el sujeto: crea intimidad o tensión. El movimiento de cabecera para un primer plano de estribillo.
Alejamiento
La cámara retrocede para revelar el contexto: ideal para una revelación o para dejar respirar una escena al final de una frase.
Paneo
La cámara pivota a izquierda o derecha desde un punto fijo: recorre un escenario, una multitud o un horizonte de ciudad.
Inclinación
La cámara pivota arriba o abajo: sube de los pies al rostro, o baja del cielo a la calle.
Travelling / dolly
La cámara se desplaza junto al sujeto: esa energía de andar y hablar que mantiene en cuadro a un cantante en movimiento.
Órbita
La cámara rodea al sujeto: un arco de 180° o 360° que lo luce. Perfecto para un gancho.
Grúa / pluma
La cámara sube o baja por el espacio: elévala a un general para dar escala, o desciende hasta la acción.
Zoom
La distancia focal cambia para magnificar o comprimir: los zooms rápidos puntúan un ritmo; los lentos añaden inquietud.
Tamaños de plano
Gran plano general
El sujeto pequeño en un mundo enorme: establece el lugar y la escala, el plano de situación de una canción.
Plano general / entero
El cuerpo entero en cuadro: el mejor tamaño para la coreografía y el movimiento de cuerpo completo.
Plano medio
De cintura para arriba: el valor por defecto conversacional; lee el lenguaje corporal y el rostro a la vez.
Primer plano
El rostro llena el cuadro: emoción, sincronía labial, el plano estrella del estribillo.
Detalle / macro
Un único detalle —los ojos, las manos sobre las cuerdas, una lágrima cayendo— para cortes de ritmo y textura.
Ángulos y perspectivas
A la altura de los ojos
Neutro y con los pies en la tierra: el público se encuentra con el sujeto de igual a igual.
Contrapicado
La cámara mira hacia arriba: hace al sujeto poderoso, heroico, más grande que la vida.
Picado
La cámara mira hacia abajo: hace al sujeto más pequeño, vulnerable o perdido.
Sobre el hombro
Encuadra por detrás de una figura hacia otra: conexión, diálogo, tensión entre dos.
POV / primera persona
La propia mirada del sujeto: mete al espectador dentro del momento.
Aéreo / dron
Muy en alto, mirando hacia abajo: paisajes vastos, multitudes, el final épico.
Consejo pro: un movimiento por plano. ¿Quieres un acercamiento y una órbita? Conviértelos en dos planos y corta entre ellos: el corte es parte de la música.
Haz que se mueva — y que se sienta
Cómo describes la acción decide si un plano parece vivo o una foto que parpadea. Cuatro hábitos separan el movimiento limpio de un amasijo que se derrite.
Sé específico por parte del cuerpo
Nombra la parte y el grado: «levanta lentamente la mano derecha», «inclina la cabeza unos grados», «planta el pie con fuerza». Los verbos vagos como «se mueve» o «baila» invitan al caos.
Prefiere el movimiento lento y continuo
Los micromovimientos suaves y encadenados se renderizan de maravilla; los sprints explosivos, los grandes saltos y los giros violentos tienden a deformarse. Guarda la energía alta para los cortes, no para un solo plano.
Escribe la transición
Conecta una acción con la siguiente para que el movimiento tenga impulso: «aprovechando el impulso del giro, levanta el brazo», en lugar de dos poses sin relación.
Exterioriza la emoción
No escribas «está triste». Escribe el cuerpo que lo muestra. El modelo no puede renderizar un adjetivo, pero sí un hombro que tiembla.
Convierte una canción en un guion de planos
Un vídeo musical no es un solo prompt, es una secuencia. Divide la canción en secciones y dale a cada una su propio plano. Piensa en una línea de tiempo: quién, dónde, haciendo qué y cómo se mueve la cámara, en el orden en que sucede.
La forma más fiable de promptear un vídeo completo es etiquetar tus planos —Plano 1, Plano 2, Plano 3— y describirlos en orden. Asígnalos a la estructura de la canción para que la imagen gire cuando gira la música.
Intro
Establece el mundo. Un plano general de situación o un detalle lento: deja que el espectador llegue antes que la voz.
Estrofa
Cuenta la historia. Planos medios, travelling de andar y hablar, el sujeto moviéndose por la escena.
Subida / precoro
Eleva la tensión. Acércate, cierra el encuadre, acelera los cortes a medida que la energía se acumula.
Estribillo / drop
La recompensa. El primer plano, la órbita, la luz más audaz y el movimiento más grande: el plano que la gente recuerda.
Puente / final
Libera o resuelve. Aléjate a un plano general, apaga la luz, deja respirar la última imagen.
Cada plano, cuatro capas
Cámara
El movimiento o el corte: «acercamiento lento desde un general», «cuadro fijo», «corte a primer plano».
Sujeto y expresión
La acción clave y el cambio de expresión para este compás.
Espacio
Dónde está el sujeto y cómo cambia la escena que lo rodea.
Sonido y ritmo
Lo que cae en este plano: el tiempo fuerte, el drop, una frase de la letra que da en el blanco.
Sincroniza los cortes con el ritmo, no con el reloj. Describe lo que ocurre en orden y deja que los cortes caigan sobre el compás: clavar segundos exactos («0–3s») suele confundir al modelo y arruinar el resultado.
Mantén a tu cantante como la misma persona
Nada rompe un vídeo musical como un rostro que cambia en cada plano. Las imágenes de referencia y un prompteo disciplinado mantienen tu personaje fijo del primer fotograma al último.
Fija la identidad con 2–3 rasgos
Describe al sujeto con unos pocos rasgos estables e inconfundibles: el atuendo, el cabello, un accesorio característico. Reutiliza exactamente la misma descripción cada vez que lo menciones.
Usa un primer plano más un cuerpo entero
Un retrato limpio de cabeza y hombros fija el rostro; un plano de cuerpo entero fija el atuendo y las proporciones. Juntos sostienen la identidad mucho mejor que una sola imagen.
Pon la referencia importante primero
Cuanto antes aparece una referencia, más peso tiene. Empieza por la que más importa para este plano.
No sobrecargues las referencias
Más imágenes no es mejor. Demasiadas referencias en competencia desdibujan la noción de la IA sobre lo que importa: un par de referencias fuertes y claras superan a un montón de débiles.
En SunoMV, guarda tu personaje y tus localizaciones como referencias de escena, y luego apunta el prompt de cada plano hacia ellas, para que el mismo cantante atraviese cada frase de la canción sin tener que describirlo de nuevo cada vez.
Los errores que arruinan los vídeos musicales con IA
Casi todo resultado decepcionante se remonta a uno de estos. Detéctalos pronto y tu tasa de aciertos sube rápido.
Deriva de identidad
El rostro cambia entre planos. Arréglalo con una referencia limpia de primer plano, una descripción consistente de 2–3 rasgos y la referencia clave colocada primero.
Texto no deseado en pantalla
Aparecen subtítulos aleatorios o galimatías. Añade «sin subtítulos, sin texto» y prefiere el formato apaisado: los encuadres verticales producen textos sueltos con más frecuencia.
Deriva de estilo
Una idea de anime se renderiza como imagen real. Declara el estilo de forma explícita y, para un look fuerte, parte de una imagen de referencia que ya esté en ese estilo.
Gemelos accidentales
La misma persona aparece dos veces en cuadro. Ata cada sujeto a su propia referencia y añade una restricción contra personas duplicadas e idénticas.
Demasiado movimiento
La acción rápida y violenta deforma rostros y miembros. Reparte el movimiento grande entre cortes y mantén cada plano individual tranquilo y continuo.
Sobrecarga de referencias
Cinco imágenes en competencia enturbian el resultado. Usa un par de referencias fuertes y deja que el prompt haga el resto.
Clavar segundos exactos
Los códigos de tiempo rígidos («a los 2s, corte») desestabilizan la generación. Describe el orden y deja que los cortes cabalguen sobre el ritmo.
Mezclar idiomas en una misma frase
Cambiar de idioma dentro de una misma frase cantada confunde la pronunciación. Mantén cada frase en un solo idioma; las palabras comunes se renderizan con más limpieza.
Tres prompts, de principio a fin
Copia la forma, cambia por tu canción. Cada ejemplo es un prompt de varios planos que podrías pegar hoy mismo, construido con los bloques de arriba.
Balada indie melancólica
Íntima, empapada de lluvia, un personaje, lenta y emotiva.Estilo: imagen real cinematográfica, estética de cine fría. Sujeto: una joven con un abrigo gris empapado, el pelo oscuro pegado a la cara. Plano 1 — plano general de situación, una calle vacía de noche bajo farolas ámbar, la lluvia cayendo, ella se ve pequeña en el cuadro; acercamiento lento. Plano 2 — plano medio, baja lentamente la cabeza mientras la lluvia le resbala por la cara, el aliento visible. Plano 3 — primer plano, una sola lágrima brota pero no cae, sus ojos se alzan hacia la luz. Paleta azul fría, suaves reflejos en el asfalto mojado, alta definición, textura de película. Sin subtítulos, sin marca de agua.
Por qué funciona: un personaje fijo, tres tamaños de plano que escalan, un solo movimiento por plano, la emoción mostrada a través del cuerpo y una línea de restricciones limpia.
Synth-pop animado
Brillante, cinético, con colores que estallan, construido en torno al drop del estribillo.Estilo: animación 3D vibrante, brillante y colorida. Sujeto: una bailarina con un chándal de neón y zapatillas blancas. Plano 1 (estrofa) — plano medio en travelling siguiéndola por un pasillo soleado de paredes con bloques de color. Plano 2 (subida) — contrapicado, acercamiento mientras se agacha, la luz pulsando cada vez más fuerte. Plano 3 (drop del estribillo) — órbita de 360° a su alrededor mientras lanza ambos brazos al aire, confeti estallando, luz rosa y cian saturada. Ágil, enérgico, alta definición. Sin texto en pantalla, sin logo.
Por qué funciona: los planos están asignados a las secciones de la canción, el movimiento más grande y la luz más brillante se guardan para el drop, y la energía vive en los cortes en lugar de en un solo plano frenético.
Cyberpunk cinematográfico / hip-hop
Estilizado, neón, atmosférico, más grande que la vida.Estilo: animación 3D ciberpunk de ciencia ficción, paleta azul-violeta fría. Sujeto: un artista con una sudadera negra con capucha y ribetes que brillan. Plano 1 — plano aéreo de dron descendiendo hacia una ciudad de neón empapada de lluvia por la noche. Plano 2 — plano medio en contrapicado, camina hacia la cámara entre anuncios holográficos, la cabeza alzándose para encontrar el objetivo; travelling lento. Plano 3 — primer plano, reflejos de neón deslizándose por su rostro mientras vocaliza el gancho; cuadro fijo. Luz volumétrica atmosférica, sombras profundas, grano de película. Sin subtítulos, sin marca de agua, sin logo.
Por qué funciona: un estilo declarado y fuerte sostiene toda la secuencia, el contrapicado construye presencia, y cada plano usa exactamente un movimiento: desciende, sigue, mantiene.
El resumen de una pantalla
Todo lo de arriba, condensado. Hazle una captura y tenla junto a tu caja de prompts.
Sujeto + Acción + Escena + Luz y color + Cámara + Estilo + Calidad + RestriccionesSí
- Describe un guion de planos, no un pie de foto.
- Fija a tu sujeto con 2–3 rasgos estables y reutilízalos.
- Un movimiento de cámara por plano: corta para el resto.
- Muestra la emoción a través del cuerpo, no de adjetivos.
- Asigna los planos a las secciones de la canción; sincroniza los cortes con el ritmo.
- Termina con restricciones: sin texto, sin marca de agua, sin logo.
No
- No apiles acercamiento + paneo + zoom en un solo plano.
- No claves códigos de tiempo exactos.
- No pidas movimiento violento y explosivo en un solo plano.
- No sobrecargues el prompt con imágenes de referencia en competencia.
- No dejes el estilo sin declarar junto a una referencia realista.
- No cambies de idioma dentro de una misma frase cantada.
Preguntas frecuentes sobre prompts de vídeos musicales
¿Qué es la ingeniería de prompts para vídeos musicales?
Es el arte de describir una canción a un modelo de vídeo con IA para que devuelva los planos que de verdad imaginaste: elegir el sujeto, la acción, el movimiento de cámara, la iluminación y el estilo para cada parte del tema, en lugar de escribir una descripción vaga y cruzar los dedos. Bien hecho, es la diferencia entre un clip genérico y un vídeo musical dirigido.
¿Necesito conocer términos de cine para escribir buenos prompts?
Ayuda, y son rápidos de aprender: acercamiento, paneo, primer plano, contrapicado. El vocabulario de esta página cubre casi todo lo que llegarás a necesitar. Los modelos de IA responden a estos términos estándar con precisión, así que unas pocas palabras encuadran todo un plano.
¿Cómo mantengo el mismo personaje en todo el vídeo?
Usa una imagen de referencia —idealmente un primer plano limpio más un plano de cuerpo entero— y describe al personaje con los mismos 2–3 rasgos cada vez. En SunoMV puedes guardar un personaje como referencia de escena y apuntar cada plano hacia ella, para que se mantenga consistente desde la primera frase hasta la última.
¿Por qué mi vídeo musical con IA tiene texto o subtítulos aleatorios?
Los modelos a veces inventan texto en pantalla. Añade una restricción como «sin subtítulos, sin texto» a tu prompt y prefiere un encuadre apaisado: los vídeos verticales tienden a producir textos sueltos con más frecuencia. También puedes recortar a vertical después.
¿Debo escribir un prompt largo o varios planos?
Varios planos. Etiquétalos como Plano 1, Plano 2, Plano 3 y descríbelos en orden, asignados a las secciones de la canción. Una secuencia de planos claros es mucho más fiable que un párrafo que intenta hacerlo todo a la vez.
¿Por qué la acción se ve derretida o deformada?
Normalmente por demasiado movimiento en un solo plano. Prefiere el movimiento lento, continuo y específico del cuerpo, y reparte la acción grande entre cortes. Los planos tranquilos montados juntos se leen como energía alta; un solo plano frenético solo se deforma.
¿Puedo usar estas técnicas con cualquier modelo de vídeo con IA?
Sí. La fórmula —sujeto, acción, escena, luz, cámara, estilo, restricciones— es un oficio universal. SunoMV te deja elegir entre varios modelos de vídeo avanzados y cambiar libremente, pero la forma de escribir el prompt sirve en todos ellos.
¿Dónde hago esto exactamente en SunoMV?
Pega una canción o crea una, y luego abre el editor: cada línea de la letra se convierte en un plano que puedes promptear por separado, con referencias de escena para mantener consistentes personajes y localizaciones. Empieza gratis y dirige tu primer vídeo aquí abajo.
Ahora ve a dirigir tu canción
Ya tienes la fórmula, el lenguaje de la cámara y los ejemplos. Pega un tema, escribe tu primer guion de planos y mira cómo la IA lo rueda.