Probé a usar previs para generar vídeos con IA. Aunque sean rudimentarios, conviene tenerlos
Probé a proporcionar a la generación de vídeo con IA un previs sencillo hecho con cajas y maniquíes. Un previs es un vídeo aproximado que sirve para definir de antemano la colocación y los movimientos de los personajes, así como el trabajo de cámara.
En conclusión, funciona bastante bien. Eso sí, no reproduce tal cual todos los detalles. Más bien, al darle una dirección general, completa de forma convincente lo que falta. Resultó útil como plano para ese fin.
Comparación entre el previs y el resultado generado
En todos los vídeos, arriba está el vídeo generado por IA y abajo el previs original. Cada uno dura unos 15 segundos. Estamos probando hasta qué punto se puede transmitir el desarrollo de una escena sin elaborar a fondo los fondos ni los personajes.
Café junto al mar
A partir de una sencilla disposición de mesa y personajes, se transforma en un café al atardecer. Acciones como llevar una bebida a la boca se convierten en imágenes de estilo realista.
Caminar por la ciudad de noche
El previs especifica la posición de los personajes y la dirección en la que caminan. Con el prompt, una ciudad sencilla y luminosa como de día se convierte en una ciudad nocturna.
Tortuga marina bajo el agua
A partir de un fondo marino esquemático y el movimiento de una tortuga, se llega a un paisaje con luz submarina y corales. Es un ejemplo en el que se aprecia claramente cómo se completan los elementos visuales.
Carrera junto al mar
Se especifican el corredor y el movimiento de la cámara que lo sigue. El fondo aproximado se ha sustituido por un paseo marítimo.
Ciudad lluviosa y tranvía
A partir de la disposición de una persona con paraguas y un tranvía, se añade la atmósfera de una noche lluviosa.
El proceso es sencillo
Para esta producción, seguí estos pasos.
- Con Python + Blender 4.2, crear un previs con cajas y formas sencillas. También usar Mixamo para los movimientos de los personajes.
- Preparar imágenes de referencia de los personajes y otros elementos con la generación de imágenes de Codex.
- Pasar el previs, las imágenes de referencia y el audio de referencia a MiniMax-H3 Ref2VA para generar un vídeo de unos 15 segundos.
- Preparar los diálogos con HiggsAudio v3, los efectos de sonido con Stable Audio 3 Medium y la música de fondo con ACE-Step 1.5; después, mezclar y editar con ffmpeg. Usé Claude Code para los scripts de producción y la gestión de la ejecución.
La clave de las indicaciones es separar el papel de cada referencia: «la imagen para el rostro y el vestuario» y «el previs para la disposición, las acciones y el movimiento de cámara». También hay que indicar que no se conserve el aspecto de los maniquíes ni de las cajas. El acabado de la noche, la lluvia o la iluminación se especificó mediante texto.
Es útil, pero los detalles cambian bastante
La colocación de los personajes, la dirección de los desplazamientos, el orden de las acciones y los movimientos generales de cámara se transmiten con facilidad. En cambio, indicaciones precisas como «detenerse a los tantos segundos» o «cuánto hacer zoom» se desviaban o no se reflejaban. No es posible fijar los detalles por completo.
Además, a veces el parpadeo de la iluminación del previs o fondos demasiado ordenados y regulares se mantenían en el resultado generado. Parece mejor simplificar tanto la iluminación como las formas del previs y centrarse en el movimiento que se quiere transmitir.
Aun así, resulta muy práctico que complete una indicación aproximada hasta convertirla en un vídeo visualmente atractivo. Puede cambiar bastante los detalles, pero es más que suficiente para comunicar el planteamiento general de la puesta en escena. La conclusión de esta prueba es que no hace falta elaborarlo a la perfección: aunque sea rudimentario, conviene usar un previs.