Cómo crear un personaje consistente para vídeo con IA

Necesitas tres cosas: una descripción breve del personaje, una herramienta de imagen o una cámara para hacer las referencias y un modelo de vídeo que acepte varias imágenes de referencia por solicitud. A octubre de 2026, Kling 3.0 Omni admite hasta siete imágenes de referencia, o un vídeo de referencia de 3 a 10 segundos más hasta cuatro imágenes, según su propia guía. El modo de referencia de Veo 3.1 acepta hasta tres imágenes. Es normal que la primera hora se vaya en elegir y descartar imágenes.

1. Escribe una ficha del personaje de cinco líneas. Rango de edad y complexión. Forma del rostro y un rasgo distintivo, como un hueco entre los dientes o cejas gruesas. Color, largo y raya del pelo. La única prenda que lleva el personaje en esta serie. Un objeto o accesorio, si lo hay. La ficha es para ti, no para el modelo: evita que aceptes imágenes que se contradigan.

2. Crea una imagen ancla. Si el personaje es ficticio, genera retratos con un modelo de imagen hasta que uno coincida con la ficha y para ahí. Si es una persona real, haz una foto frontal bien iluminada con su permiso. El ancla es una vista frontal, de los hombros hacia arriba, con expresión neutra, luz uniforme y fondo liso. Todo lo demás se construye para parecerse a ella.

3. Amplía el ancla en ángulos. Necesitas una vista frontal, un tres cuartos a cada lado, un perfil y un plano completo con el vestuario. Si el personaje es ficticio, usa el modo de edición o de referencia del modelo de imagen con el ancla como entrada y pide un ángulo nuevo cada vez. Si es una persona real, fotografía los mismos ángulos en una sola sesión, con la misma ropa y la misma luz. Haz más de las que necesitas; descartarás la mayoría.

4. Reduce el set a las imágenes que coincidan. Ponlas una al lado de otra y revisa los detalles de la ficha: ¿la raya está del mismo lado?, ¿la cicatriz está en la misma mejilla?, ¿las cejas tienen el mismo grosor? Una sola imagen con la raya mal puesta arrastra algunos clips hacia esa versión. Un buen set final tiene de tres a cinco imágenes. Si solo tres coinciden de verdad, usa tres.

5. Bloquea el set. Ponle nombre según el personaje y la versión, por ejemplo mara-v1, y nunca lo edites en el mismo sitio. Si más adelante quieres al personaje con un abrigo de invierno, crea mara-v2 con su propio set completo. Mezclar versiones es la forma más habitual en que una serie se desvía con las semanas.

6. Haz una hoja de prueba con cuatro clips cortos. Usa el mismo set y cambia una sola cosa por clip: un primer plano hablando a cámara, un plano medio caminando, una vista lateral con otra luz y un plano abierto con otras personas en el encuadre. Bastan de tres a cinco segundos por clip. Pon los resultados junto al ancla. Si el rostro se mantiene en los cuatro, el set funciona. Si falla en una situación, como la luz lateral, añade una referencia que la cubra. Si falla en todas, vuelve al paso 4.

7. Produce con prompts solo de escena. A partir de aquí, el prompt nunca describe el rostro, el pelo ni el vestuario, porque eso llega desde las referencias. Describe dónde está el personaje, qué hace y cómo se mueve la cámara. Por ejemplo: "Está sentada junto a la ventana de una cafetería, remueve su café y luego mira a cámara. Acercamiento lento, luz de la mañana."

Describir al personaje en el prompt además de en las referencias. Cuando ambas cosas no coinciden, aunque sea ligeramente, el modelo las mezcla.

Usar imágenes de días distintos o con maquillaje diferente. Para ti es la misma persona; para el modelo son dos personas promediadas.

Elegir solo retratos frontales favorecedores. El modelo tiene entonces que inventar el perfil, y lo inventa distinto cada vez.

Corregir un clip que se desvía con más adjetivos. La desviación suele ser aleatoria. Vuelve a generar con las mismas entradas primero y cambia las referencias solo si el problema se repite.

Antes de dar un personaje por listo: existe la ficha; el ancla es una vista frontal limpia; el set cubre frontal, tres cuartos, perfil y cuerpo completo; todas las imágenes coinciden en pelo, rasgos y vestuario; el set tiene nombre y versión; cuatro clips de prueba mantuvieron el rostro.

En RefVid, el set bloqueado se convierte en un recurso de personaje de 1 a 5 imágenes, con el ancla en primer lugar como vista principal. Cada clip reutiliza exactamente ese set en Kling 3.0 Omni, así que el paso 5 se aplica de forma automática y no depende de que lo recuerdes. Cuatro clips de prueba de 3 segundos cuestan 372 créditos, a 31 créditos por segundo, y todos quedan en la página del personaje para la comparación lado a lado.