Cómo hacer videos de IA realistas que no parezcan basura de IA: 5 soluciones de una película real

Para hacer un video de IA realista, dirige lo que una cámara real grabaría. Basa cada set en un lugar real, construye cada fotograma desde una composición fija con la luz, materiales y enfoque escritos como cosas que puedes verificar, luego escribe la cámara, la actuación y la acción como comportamiento físico. A continuación están las 5 correcciones que Jaime Yao usó en In 'twixt Vows, una película fotorrealista de 16 minutos hecha en Flick, cada una con el prompt real detrás, más lo que costó hacer la película.

Cómo hacer una película con IA que no parezca basura generada por IA, con Jaime Yao (Flick en YouTube). Las 5 soluciones a continuación siguen sus cinco trucos.

Prompts, fotogramas y números de In 'twixt Vows de Jaime Yao (Flick Residency). Jaime cuenta la historia de la película en su propia publicación detrás de cámaras.

Prueba este método en tu propia toma con Sketch to Video: tu boceto establece la composición, Nano Banana Pro dibuja el fotograma fotorrealista, y un modelo de video lo anima.

Qué hace realista un vídeo de IA: las señales delatoras y la solución para cada una

"AI slop" es ese aspecto brillante y genérico que obtienes cuando el modelo rellena cada vacío de tu prompt con su suposición más promedio.

Qué lo delata	La solución
Escenarios y vestuarios que podrían estar en cualquier parte	Solución 1: báusalos en un lugar, época y material real
Piel de plástico, superficies nuevas y limpias	Solución 2: describe por qué ha pasado cada material
Luz plana "cinematográfica", todo iluminado uniformemente	Solución 2: nombra la fuente de luz, qué ilumina y qué queda en sombra
Todo nítido como una navaja y demasiado limpio	Solución 2: nombra el sujeto focal, luego añade grano y suavidad de lente al final
Una cámara que se desliza sin peso	Solución 3: escribe los pasos del operador, la deriva y las correcciones
Actuación grande y genérica con formas de boca exageradas	Solución 4: dirige el comportamiento y el ritmo, no la emoción
Peleas flotantes sin peso detrás de cada golpe	Solución 5: contacto, fuerza y reacción, dentro de una ventana de tiempo

Siete señales delatoras de un vídeo de IA, y cuál de las 5 soluciones resuelve cada una.

Solución 1: Basa cada escenario, vestuario y objeto en algo real

Qué es

Por qué funciona: Pide una "aldea de fantasía" y el modelo te dará la más promedio que haya visto. Un lugar real te da detalles que puedes nombrar y verificar.

En la película: Jaime basó el Puesto Avanzado de la película en el Muro de Adriano, y la investigación le dio roca oscura expuesta, suelo poco profundo, hierba corta en la cresta y plantas más densas en el valle protegido abajo.

Cómo obtenerlo

Investiga primero: Para cada escenario, vestuario y objeto, elige un lugar, época u objeto real. Anota el terreno, las plantas, los materiales de construcción y la luz.

Escribe un manual: Pide al agente que convierta la investigación en un manual de entorno: un documento breve por ubicación que cubra terreno, vegetación, materiales e iluminación.

Síguelo en cada prompt: Jaime hace que el agente siga el manual "estrictamente" cada vez que escribe un prompt ambientado en ese lugar, para que el terreno siempre se nombre como un lugar específico:

Nota: Una línea del flujo de trabajo de la película, citada en su desglose público

… a late-autumn upland ridge in northern Britain near Hadrian’s Wall …

Solución 2: Haz que cada imagen parezca fotografiada, no renderizada

La mayoría de los planos realistas parten de una imagen fija, así que la imagen establece el aspecto del clip. Esta es también la forma de hacer que las imágenes de IA parezcan reales.

2.1. Planifica el plano como un modelo en blanco primero

Qué es

Modelo blanco: Una versión simple de la toma donde cada superficie es del mismo color blanco, sombreado únicamente para mostrar forma y profundidad (también llamado clay render). Úsalo para bloquear la toma: define el ángulo de cámara y la ubicación de cada elemento antes de que exista cualquier textura.

Por qué primero: Jaime usa GPT Image 2 aquí porque, según él, es el más competente para entender relaciones espaciales. Mantenerlo blanco también evita las "texturas manchadas" que a veces obtiene en sus imágenes finales.

Cómo obtenerlo

Prompt solo el diseño: Posición y ángulo de cámara, las formas principales y cómo se conectan los espacios. Termina con el aspecto de modelo blanco para que no se cuelen materiales. ¿Prefieres dibujar? Nuestro post sobre la película vikinga muestra la ruta del boceto a mano.

Modelo: GPT Image 2 · Nota: Recortes marcados …

3D white-model environment concept.

Semi-overhead three-quarter view. The camera is positioned above the environment and looks diagonally downward, placing the main architectural masses, platform relationships, hanging layers, and winding circulation paths within the same frame.

A half-open silversmith workshop constructed beside water. …

Unified 3D white model / clay render. All architecture, platforms, hanging elements, tools, and small objects use the same clean white modeled surface. Soft ambient shading defines volume, occlusion, spatial depth, and structural relationships.
…

2.2. Fija el diseño, luego cambia solo cómo se renderizan las cosas

Qué es

Objetivo de edición: Dale al modelo fotorrealista el modelo blanco como la imagen a editar, no como inspiración suelta. Como lo expresa Jaime: "Estoy cambiando cómo se renderizan los objetos existentes en lugar de pedir más objetos o más detalle en todas partes."

Cómo obtenerlo

Fija primero: Una línea de "Mantener ... 100% sin cambios" para cada elemento definido: composición, cámara, encuadre, diseño.

Luego transforma: Una oración que nombra el cambio, aquí de modelo blanco a acción en vivo.

Dale a cada imagen un trabajo: Con personas en la toma, añade una referencia por personaje. Para la toma del herrero en su charla, Jaime le dio a Nano Banana Pro tres imágenes: el diseño, más una referencia para cada uno de los dos personajes.

Modelo: Nano Banana Pro · Nota: Una referencia, el modelo blanco de arriba, mostrado por su nombre de lienzo; recortes marcados …

Keep composition 100% unchanged.
Keep camera position 100% unchanged.
Keep framing 100% unchanged.
Keep the entire architectural layout, platform structure, hanging-object density, spatial layering, and all object placement 100% unchanged.

Transform [Silversmith Workshop White Model] from a 3D white-model render into a live-action environment.
…

2.3. Escribe luz, materiales y enfoque como cosas que puedes verificar

Qué es

Instrucciones visibles: "Cinematográfico" o "realista" no le da nada al modelo para verificar. Di de dónde viene la luz, qué la captura, qué permanece oscuro y qué ha vivido cada material. Jaime: "Esas son relaciones concretas que puedo verificar en el resultado."

Cómo obtenerlo

Luz: Una fuente principal, qué ilumina, qué cae en sombra y cualquier luz pequeña dentro de la escena, como una lámpara.

Materiales: La historia de cada superficie: humedad, desgaste, reparaciones, oxidación. Esa historia hace que la madera y el metal parezcan usados.

Enfoque: Nombra el sujeto focal y qué queda fuera de foco. En su toma del herrero, el herrero es la parte más clara del encuadre, pero "no artificialmente nítido como una navaja."

Modelo: Nano Banana Pro · Nota: El mismo prompt, continuado; cortes marcados …

All timber posts, beams, platforms, hanging racks, roof edges, shelves, tables, stools, and wooden boxes become real aged wood.

The wood has been exposed to damp air and waterside conditions for a long time. Most surfaces are deep wet brown, dark gray-brown, and weathered aged brown. Timber close to the water is darker and visibly more moisture-soaked. The surfaces show natural wear, slight warping, small cracks, repeated repair marks, and reinforcement pieces of slightly different ages. …

The silverwork is mainly aged silver-gray and pale oxidized gray rather than fresh bright silver. Frequently touched and rubbed edges retain small cold metallic highlights, while recesses and gaps are darker. …

The main light source is cool gray-white natural daylight from an overcast sky, entering through the open edges and structural openings.

Timber edges near the open sides, cloth edges facing the sky, and selected silver surfaces receive brighter cool light. Deeper work areas, spaces beneath the roof, areas behind hanging layers, and the undersides of platforms remain distinctly darker.

One work area contains a very small oil lamp. The lamp creates only a small local pool of warm light, mainly touching the nearby workbench and a few silver objects.
…

Palabras que hacen el trabajo: "rather than fresh bright silver" descarta el aspecto brillante y nuevo. "remain distinctly darker" le indica al modelo dónde no añadir luz.

2.4. Añade grano e imperfecciones de la lente al final

Qué es

Detalles finales: Las cámaras reales dejan marcas: grano de película, ruido del sensor, lentes ligeramente suaves y franjas de color en los bordes (aberración cromática). Jaime los llama "detalles finales moderados, no un sustituto de la iluminación y los materiales."

Cómo obtenerlo

Una línea al final: Ponla después de la luz y los materiales, y reutilízala en cada fotograma para que las tomas coincidan. Los 5 prompts de Nano Banana Pro de la película que revisamos terminan con grano, ruido del sensor y suavidad de lente.

Modelo: Nano Banana Pro · Nota: Las últimas líneas del mismo prompt

Live-action realism.
Include subtle film grain, slight sensor noise, mild lens softness, very slight chromatic aberration, soft bloom on small highlights, and natural imperfect real-camera rendering.
Wood, fabric, metal, water, and damp surfaces all have tactile, physically realistic material detail.

Ten cuidado con: El grano no puede salvar un encuadre débil. Si la luz y los materiales están mal, el grano solo crea una falsificación ruidosa.

Solución 3: Mueve la cámara como si una persona la estuviera sosteniendo

Qué es

En mano: La cámara es sostenida por una persona, no por un rig, así que se balancea, se desvía y se corrige. Lo describes en el prompt explicando qué hace el cuerpo de esa persona al encuadre.

Cómo obtenerlo

Ubica al operador: Di dónde está la cámara y qué hace la persona que la sostiene. Aquí caminan hacia atrás frente a ella.

Escribe el movimiento como pasos: Balanceo de cada paso, deriva, rotación, una caída mayor cuando el operador pasa sobre algo, luego la corrección. Permite un breve desliz de enfoque que se recupera.

Pide salida limpia: Sin cortes, sin subtítulos y sin música de fondo. Añade la música en la edición.

Modelo: Seedance 2.5, referencia a video · Nota: 30 s, 720p; la apertura y parte de cámara de un prompt más largo; recortes marcados …

Live-action photographic realism.
No cuts.
No subtitles.
No background music.

Camera

Chest-up medium close-up from directly in front of her.
She keeps walking forward while the camera operator walks backward facing her.

Use strong, heavy handheld throughout:
irregular vertical bobbing from every backward step,
slight lateral drift, slight roll, slight height changes,
and occasional stronger dips or side shifts when the operator steps over roots or moves around trunks, then quick correction within one or two steps.
Allow one very brief natural focus slip, then quick recovery to her face.
…

Cuando un prompt no logra el movimiento: Para una trayectoria exacta, como el giro de 90 grados que Jaime necesitaba para una toma, bloquea la toma en 3D Stage (el espacio 3D de Flick para grabar un movimiento de cámara) y proporciona la grabación a Seedance como referencia de cámara. Nuestras guías sobre movimientos de cámara con IA y cómo hacer películas con IA muestran ambos pasos.

Solución 4: Dirige la actuación como comportamiento, no como emoción

Qué es

Por qué funciona: Jaime: "El problema no es que la IA no pueda entregar una buena actuación. Es que no la hemos dirigido con suficiente cuidado." "Canta con tristeza" obtiene el promedio de tristeza del modelo.

En la película: Lady Caerwyn está fría, exhausta, afligida y aún así intenta mantener la canción, así que el prompt detalla lo que eso hace con su respiración, cuerpo y rostro.

Cómo obtenerlo

Conoce primero al personaje: Habla con el agente sobre quién es, por lo que ha pasado y qué quiere, luego determina cómo reaccionaría.

Escribe el cuerpo, mantén el rostro sutil: Postura y cómo se mueven; cuánto se abre la boca, hacia dónde van los ojos, con qué frecuencia parpadean.

Temporiza los diálogos: Da a cada línea una ventana de tiempo y especifica qué sucede en una palabra específica.

Proporciona una referencia de voz: Esta toma obtuvo un clip de ella cantando, para su voz y acento.

Modelo: Seedance 2.5, referencia a video · Nota: La misma toma de 30 s que la Solución 3, parte de actuación; recortes marcados …

Overall performance

From the first frame she is already walking and already singing.
She does not walk upright and composed. She moves with fatigue and slight disorientation:
upper torso slightly folded inward,
shoulders low,
neck loose,
head slightly pitched forward,
chin slightly lowered.
…
While singing, do not use large mouth shapes.
The singing stays quiet, breathy, slightly unstable in pitch, uneven in phrase timing, with no stable vibrato.
Many phrase endings leak softly toward near-speech.
Lips open only as much as quiet speech,
jaw movement stays small,
…
gaze drifting toward distant points beside the camera rather than meeting the lens,
blinks infrequent and slow.
…
On "remember," raise the inner brow ends slightly more and lift both mouth corners very slightly for less than one second, with no teeth.

Palabras que hacen el trabajo: "no usar formas de boca grandes" y "Los labios se abren solo lo necesario para hablar en voz baja" evitan el aspecto de canto exagerado. "al lado de la cámara en lugar de encontrarse con la lente" la mantiene dentro de la escena en lugar de actuando para ella.

Solución 5: Escribe la acción como contacto, fuerza y reacción, con una ventana de tiempo

Qué es

Tiempos: Las peleas flotantes ocurren cuando un golpe aterriza sin peso y el cuerpo golpeado no reacciona. Divide cada movimiento en cuatro tiempos: contacto (qué toca qué), fuerza (qué tan fuerte, y desde dónde), reacción (qué hace el otro cuerpo), y el siguiente movimiento.

Cómo obtenerlo

Da a los tiempos una ventana temporal: Si tres golpes ocurren en un segundo, el prompt tiene que ajustar cada golpe, su objetivo y la respuesta dentro de ese segundo.

Deja que el agente escriba los beats: Tú solo indicas el timing. Lo que Jaime le dice al agente:

Nota: De la charla de Jaime, un ejemplo de solicitud al agente

his attacks are extremely fast. He delivers 3 consecutive strikes in 1 second, so make sure the timing reflects that.

Los prompts completos con timing de pelea de esta película están en nuestra guía sobre cómo coreografiar una escena de pelea con IA.

Haz que el agente escriba los prompts y luego revísalos tú mismo

La regla de Jaime para prompts largos y detallados es no escribirlos: "no escribas los prompts tú mismo. Haz que el agente los escriba y luego revísalos y corrígelos tú mismo".

1. Dale las reglas al agente. La documentación de Flick tiene una guía para cada parte de esta página: la Guía de Prompts de Generación de Imágenes para imágenes fijas, la Guía de Performance de Seedance para actuación y la Guía de Acción de Seedance para acción. Pídele al agente que las siga cada vez que escriba un prompt.
2. Dale tu investigación. El manual del entorno del Fix 1, y lo que has desarrollado sobre cada personaje en el Fix 4.
3. Lee cada prompt antes de generar. ¿Está bloqueado el layout, está nombrada la luz, es pequeña la actuación? Si no, di exactamente qué está mal para que el agente no lo repita. Hablar con el agente (docs) muestra cómo guardar reglas que mantiene.

Qué modelos de IA hacen video realista y cuánto cuesta

In 'twixt Vows le dio a cada modelo un trabajo: ideas, layout, imágenes fijas finales, luego video.

Modelo	Su trabajo en la película	Hecho para la película	Créditos por generación (mediana)	Tiempo por generación (mediana)
Midjourney	Ideas y primeros looks	84 imágenes	210 en total (21 generaciones)	aprox. 20 s
GPT Image 2	Layouts de modelo blanco	158 imágenes	aprox. 11 nuevo, 18 como edición	aprox. 1.5 a 2 min
Nano Banana Pro	Imágenes fijas fotorrealistas finales	903 imágenes	aprox. 30	aprox. 30 a 40 s
Seedance 2.0	Tomas de video	157 clips	aprox. 540 con referencias	aprox. 5 min
Seedance 2.5	Tomas de video	190 clips	aprox. 360 con referencias	aprox. 5 min

"Hecho para la película" proviene del desglose público de Flick de la película e incluye tomas descartadas. Los créditos y el tiempo son medianas por generación exitosa en el proyecto de esta película, excepto los créditos de Midjourney, que son el total (datos de Flick, 24 de julio al 14 de octubre de 2026).

• Las imágenes fijas son económicas, el video no. El 72% de las 1,549 generaciones exitosas de la película fueron imágenes, pero el video tomó el 86% de sus 223,959 créditos (datos de Flick, 24 de julio al 14 de octubre de 2026). Resuelve el cuadro antes de animarlo.
• Aproximadamente 14,000 créditos por minuto terminado: 223,959 créditos para una película de 16 minutos (mismos datos).
• 5.6 veces más video que la duración de la película: 5,381 segundos de video generado para una película de 960 segundos (desglose público de Flick), así que la mayor parte nunca llegó al corte final.

Crea tu primer video realista con IA en Flick

Regístrate, abre un lienzo y prueba los 5 fixes en una toma.

Cada cuenta recibe 100 créditos gratis al registrarte, y 100 más cada lunes.

Crea tu cuenta gratuita de Flick →

Continúa

• Detrás de cámaras de In 'twixt Vows La charla completa de Jaime Yao en sus propias palabras.
• Guía de Nano Banana Pro Lo que hace bien el modelo de imágenes fijas, incluyendo el ajuste a un blockout 3D.
• Movimientos de cámara con IA 12 movimientos de cámara con prompts reales, y cuándo dibujar un movimiento en 3D Stage.
• Cómo hacer películas con IA Todo el proceso, desde los beats hasta la edición, con datos de 9 películas hechas en Flick.
• Cómo coreografiar una escena de pelea con IA Tomas de pelea numeradas con timing de In 'twixt Vows.
• Omni Reference (docs) Cómo el modo de referencia a video de Flick usa cada referencia: cuadro inicial, personaje, movimiento de cámara y diálogo.

Acerca del autor

Bilguun Bayarkhuu es ingeniero de crecimiento en Flick. Esta guía está construida a partir del flujo de trabajo público de In 'twixt Vows de Jaime Yao, el tutorial de Jaime en el canal de YouTube de Flick, y los propios datos de generación de Flick para la película.

Preguntas frecuentes

¿Cuál es el video de IA más realista?

No hay un único ganador, y el modelo importa menos que la dirección. Para In 'twixt Vows, una película fotorrealista de 16 minutos, Jaime Yao hizo las imágenes finales en Nano Banana Pro y el video en Seedance 2.5 y 2.0. Lo que lo hizo parecer filmado fue la entrada: una imagen que ya se ve fotografiada, y prompts que describen la luz, los materiales, la cámara y la actuación como cosas físicas.

¿Cómo conseguir videos de IA realistas?

Basa cada escenario en un lugar real. Construye cada imagen a partir de un diseño fijo, con luz nombrada, desgaste de materiales y un sujeto focal, y añade grano al final. Escribe la cámara como una persona sosteniéndola, dirige la actuación como comportamiento cronometrado pequeño, y escribe la acción como contacto, fuerza y reacción dentro de una ventana de tiempo.

¿Cómo genera la IA videos tan realistas?

Se ve real cuando dejas al modelo pocos vacíos que llenar. Un modelo de video llena cada vacío en el prompt con su suposición más promedio. Ese aspecto promedio se lee como IA. Comienza con un fotograma que ya se ve fotografiado, y escribe luz, materiales, cámara y actuación como comportamiento físico.

¿Cómo hacer que una imagen de IA se vea realista?

Diseña la toma como un modelo blanco simple, luego haz que un modelo fotorrealista como Nano Banana Pro mantenga ese diseño "100% sin cambios" mientras cambia solo materiales y luz. Nombra la fuente de luz y qué permanece oscuro, di por qué ha pasado cada superficie, y termina con una línea de grano de película, ruido de sensor y suavidad de lente leve.

¿Cuáles son buenos prompts para videos de IA?

Prompts que describen cosas que puedes verificar en pantalla. En lugar de "sostenida a mano, emocional", In 'twixt Vows escribe "el operador de cámara camina hacia atrás mirándola" y "Los labios se abren solo lo suficiente para hablar en voz baja". Fija lo que tus referencias ya muestran, describe solo lo que cambia, y añade "Sin música de fondo" si musicalizarás la película después.

¿Cómo están haciendo las personas videos de IA realistas?

Haciendo primero una imagen fotorrealista y luego animándola, con un modelo para cada trabajo. Para In 'twixt Vows, una película de 16 minutos hecha en Flick, Jaime Yao usó Midjourney para ideas, GPT Image 2 para diseños, Nano Banana Pro para las imágenes finales y Seedance 2.0 y 2.5 para video.