Cómo hicimos un corto cómico de 8 segundos con IA y dos personajes consistentes, de principio a fin - RefVid
Convierte tus propias fotos en videos en minutos · Tu primer video es gratis, sin marca de agua
Primer video gratis, sin tarjetaAl generar confirmas que todas las personas dieron su permiso. Términos
Este es el making of completo de nuestro corto de 8 segundos "My wife every year on November 1st": un marido saca tranquilamente una bebida mientras su mujer, que empieza la Navidad el 1 de noviembre, ya está decorando detrás de él.
Nuestros dos personajes habituales, Leo y Mia, hacen de pareja a partir de cuatro fotos de cada uno. Bastó una sola generación con Kling 4, nos quedamos con la primera toma y pasó más o menos una hora desde la idea hasta el clip terminado.
Aquí tienes cada paso en orden, cada uno con una imagen de nuestros propios archivos, y los prompts exactos.
Cómo hacer videos graciosos con IA: empieza por un gag de una sola línea
La idea en una línea: un marido saca tranquilamente una bebida de la nevera mientras, detrás de él, su mujer pasa corriendo ya decorando para Navidad, porque para ella la temporada empieza el 1 de noviembre.
Salió de nuestro repaso matinal de lo que estaba despegando esa semana: dos parejas habían publicado este gag el 1 de noviembre, y queríamos que lo interpretaran nuestros propios personajes.
Esa línea es la prueba. Si el chiste no cabe en una frase, no aguantará 8 segundos de video. Este, además, tiene lo que hace fácil generar un corto: una sola habitación, nadie habla, dos personas y un remate claro al final.
Elegir a los personajes: cómo hacer videos graciosos con fotos usando IA
Los papeles ya estaban repartidos. Leo y Mia son las dos personas que tenemos guardadas en el Estudio de RefVid, con cuatro fotos cada uno, y como pareja funcionan bien.
Que las caras sean siempre las mismas importa por partida doble. Dentro del clip, quien abre la nevera en el plano 1 tiene que ser el hombre que se queda mirando en el plano 3, o el chiste se rompe en el corte. Entre un clip y otro, los personajes recurrentes son los que la gente reconoce: el próximo corto con Leo y Mia parte de las mismas fotos, no de una cara nueva al azar.
No cambiamos nada en las fotos. En sus fotos de referencia Mia lleva una chaqueta, así que el guion tenía que describir su disfraz con la claridad suficiente para imponerse a ellas; eso se detectó en el paso de revisión que verás más abajo.
Leo
Mia
Escribir el guion: momentos, cámara, decorado, vestuario y ritmo
Escribimos un guion completo antes de cualquier prompt. Primero los momentos, leídos del original fotograma a fotograma: él abre la nevera, se gira hacia la cámara con una lata, ella pasa corriendo por detrás hacia el segundo 4 y él la sigue con la mirada hasta el final.
Después, cada plano recibe su cámara, decorado, luz, vestuario y acción. Cámara: un teléfono a la altura del pecho sobre un trípode, sin moverse nunca. Decorado: una cocina moderna y luminosa con luz de día, armarios blancos, paredes verde salvia, una nevera de acero en el borde derecho y encimeras despejadas. Vestuario: Leo con su camisa azul marino; Mia con un pijama rojo de forro polar de una pieza, del cuello a los tobillos, una diadema de astas y una guirnalda en un hombro, arrastrando luces de Navidad encendidas.
Ritmo: tres planos de 2, 3 y 3 segundos, un corte seco entre ellos y algo que se mueva dentro del primer segundo. Lo queríamos un poco más rápido que el original, rodado en una sola toma, así que el momento de la nevera es corto y su carrera llega a los 3 segundos en vez de a los 4.
El guion pasó por tres versiones. La v1 se adivinó a partir del texto del original, con un congelador y un árbol de Navidad atrapado en un bloque de hielo, y tomaba por chiste lo que no lo era; paramos antes de gastar nada. La v2 tenía el gag real, sacado de los fotogramas. La v3 es la v2 después de dos revisiones.
| Plano | Cámara | Qué pasa |
|---|---|---|
| 1 · 0–2 s | Plano medio, a la altura del pecho, fijo | Leo, de perfil junto a la nevera, abre la puerta de un tirón y la mantiene abierta |
| 2 · 2–5 s | El mismo punto y el mismo objetivo, con un salto en el tiempo | Nevera cerrada, Leo mira a cámara con una lata; Mia cruza corriendo detrás de él y las luces se quedan en el suelo; él gira la cabeza de golpe para seguirla |
| 3 · 5–8 s | Plano medio corto, fijo | Leo sigue mirando hacia donde se fue ella, con la boca entreabierta, y parpadea una vez |
Dos revisiones del guion antes de gastar un solo crédito
Antes de generar, dos sesiones de IA independientes revisaron el guion, cada una viendo solo el guion y los fotogramas. Un director de video con IA comprobó si el clip cuenta el chiste: 8 fallos, luego 2 y luego ninguno. Un ingeniero de prompts de Kling 4 comprobó si el modelo dibujará lo que dicen las palabras: 7 fallos y luego ninguno.
Abajo están las correcciones que más importaron. El otro artículo sobre este clip recoge el resto.
| Antes | Después | Por qué |
|---|---|---|
| Plano 2: 498 caracteres | 478 | RefVid admite hasta 480 caracteres por plano en un clip de Kling con varios planos |
| Plano 3: Leo vuelve a mirar al objetivo | Sigue mirando hacia donde se fue ella | Mirar al objetivo es otro chiste |
| Plano 2: "At 1 second Mia sprints…" | Ahora: "Then Mia … sprints…" | Una marca de tiempo dentro de un plano no es una indicación fiable |
| Plano 2: "sprints … in a flash" | Ahora: "sprints fast in from frame left along the back wall" | "Flash" puede dibujarse como un destello de luz, y no le daba ninguna entrada |
| Plano 2: "red fleece onesie" | Ahora: "red fleece onesie neck to ankles" | En sus fotos lleva una chaqueta; una descripción de vestuario vaga pierde frente a ellas |
Del guion a los prompts de cada plano: los ejemplos de prompts para Kling que usamos
Cada plano del guion se convirtió en un prompt: primero la cámara, luego el lugar, después quién está y qué lleva puesto, luego la acción en orden, y al final un estado que el modelo pueda mantener. No había primer fotograma, así que el plano 1 también describe toda la cocina. Leo y Mia aparecen por su nombre; el Estudio convierte los nombres en sus fotos guardadas.
Plano 1, 2 s:
"Medium shot, phone camera at chest height. A bright, clean modern kitchen in daylight: white cabinets, sage-green walls, bare counters, a stainless-steel fridge at frame right, an empty open doorway in the back wall. Leo, in his navy shirt, stands alone, side-on, hand on the fridge handle. Right away, in one quick pull, he yanks the fridge door wide open, cold light spilling out, and holds it open, staring into the fridge. Fixed camera."
Plano 2, 3 s:
"Same kitchen and shot, fridge closed. Leo, left of center, faces the camera, silver can at his chest, closed-mouth smirk. Then Mia, her reference face and copper bob, in a red fleece onesie neck to ankles, antler headband, garland on one shoulder, sprints fast in from frame left along the back wall, dragging glowing multicolor Christmas lights, out of frame right; the lit string stays on the floor. Leo snaps his head to frame right and holds. Fixed camera."
Plano 3, 3 s:
"Medium close-up from the waist up, the same kitchen behind Leo, who stands alone. Behind him one string of glowing multicolor Christmas lights lies in a long line across the floor. Leo keeps his body toward the camera and his head and eyes turned to frame right, staring blankly, mouth slightly open, silver can at his chest, completely still. He blinks once, slowly, and keeps staring. Fixed camera."
Tres hábitos que sirven para cualquier clip: las mismas palabras para lo mismo en todos los planos ("silver can", "glowing multicolor Christmas lights"), la velocidad escrita en el verbo ("sprints fast") y "Fixed camera." al final de cada plano. Pon tus propios nombres para reutilizarlos.
Ajustes de generación: Kling 4, 1080p, 9:16, 8 segundos, una sola toma
En el Estudio abrimos a Leo, añadimos a Mia como segundo sujeto y pusimos los tres prompts en tres casillas de plano de 2, 3 y 3 segundos. Modelo Kling 4, 1080p, 9:16, 8 segundos en total. Sin primer ni último fotograma.
Los prompts de los planos tenían 446, 478 y 412 caracteres, contados con los nombres convertidos en tokens de referencia; en RefVid, un clip de Kling 4 con varios planos admite hasta 480 por plano.
Costó 688 créditos: 8 segundos de Kling 4 a 1080p, que siempre incluye sonido. Generamos una sola vez. En RefVid un video suelto cuesta desde 2,99 $, un paquete de créditos desde 9,90 $ y un plan desde 10 $ al mes, y los créditos no caducan nunca.
La revisión fotograma a fotograma: qué salió distinto y por qué nos lo quedamos
Revisamos la toma a 4 fotogramas por segundo, 32 fotogramas para 8 segundos, y miramos la carrera más de cerca. El modelo cortó donde le pedimos, en 1,8 y 4,8 segundos. Las dos caras coincidían con sus fotos en todos los planos y no apareció nadie de más.
Hay cuatro cosas que difieren de los prompts. Mia entró por la derecha, no por la izquierda, se paró a saludar y volvió a salir por el mismo lado. La sonrisa pícara de Leo, con la boca cerrada, salió como una sonrisa abierta. En el último plano empieza mirando hacia donde se fue ella, luego se gira despacio hacia el objetivo y parpadea a los 7,3 s.
La prueba para quedarse con una toma es el chiste de una línea: marido tranquilo delante, la Navidad ya en marcha detrás de él, una mirada atónita. Estaba todo, así que nos quedamos con la primera toma. Repetirla habría costado otros 688 créditos por el mismo chiste.
La edición: recorte, texto y sonido
Recorte: ninguno. La mirada final aguantó los 3 segundos completos, así que el clip dura los 8 segundos enteros, tal como se generó.
Texto: "My wife every year on November 1st 🎄" en blanco y negrita con un contorno oscuro fino, en dos líneas cerca de la parte superior, dentro de la zona que las apps dejan libre en el teléfono, del primer fotograma al último. Se añade en la edición, nunca en el prompt, donde el modelo lo dibujaría como letras ilegibles.
Sonido: Kling 4 siempre genera su propio audio, y lo quitamos. La versión de esta página y la de YouTube llevan nuestro propio arreglo de Jingle Bells, una melodía de dominio público. En Instagram y X lleva el sonido del clip original, tal como lo recuerda quien conoce el gag; en TikTok, una canción navideña de la biblioteca de sonidos con licencia de la plataforma.
La publicación y el resultado
El clip terminado estuvo listo a las 08:15 UTC del 3 de noviembre, más o menos una hora después del repaso de esa mañana de lo que estaba despegando. Entre las 08:26 y las 08:42 salió en YouTube Shorts, Instagram Reels, X y TikTok, en todos con la misma línea como texto de la publicación.
Cada clip de RefVid tiene además su propia página para compartir, con el clip y los tres prompts que lo generaron, para que cualquiera vea cómo se hizo y parta de él. Ahí es adonde enlazan las publicaciones.
Pruébalo tú
- Guarda una vez tres o cuatro fotos de cada persona como sujeto: tú, un amigo o un personaje que hayas creado. Escribe tu gag en una línea, luego en dos o tres planos con los nombres en los prompts, y genera.
- La plantilla de escena de minidrama te da de partida una escena de dos personas en tres planos, ya montada; cambia los nombres, el lugar y la acción por tu propio chiste. Tu primer video de 5 segundos es gratis.
Empieza con una plantilla
Cada una abre el estudio con las tomas, el formato y la duración ya listos. Añade tu propio producto y genera.
Más vídeos de personajes
Preguntas frecuentes
¿Cuánto tardamos en hacer el corto?
Más o menos una hora desde la idea hasta el clip terminado: leer los fotogramas del original, escribir y revisar el guion, una generación de unos minutos, la revisión de fotogramas y la edición. El guion y las dos revisiones se llevaron la mayor parte.
¿Cuánto costó el clip?
688 créditos por un clip de 8 segundos con Kling 4 a 1080p, y solo necesitamos una toma. En RefVid un video suelto cuesta desde 2,99 $, un paquete de créditos desde 9,90 $ y un plan desde 10 $ al mes.
¿Puedo hacer un corto así con mi propia cara?
Sí. Guarda una vez como sujetos tres o cuatro fotos tuyas, y de cualquier otra persona que salga en el clip, escribe los planos con los nombres de cada uno y genera. Las caras salen de tus fotos en cada plano, como las de Leo y Mia aquí.
¿Qué longitud puede tener un prompt de plano de Kling 4?
En el Estudio de RefVid, un clip con varios planos admite hasta 480 caracteres por plano, contados después de que los nombres de los sujetos se conviertan en tokens de referencia. Los nuestros tenían 446, 478 y 412. Un clip de un solo plano puede ser mucho más largo.
¿Por qué quedarse con una toma que no siguió el prompt al pie de la letra?
Un modelo de video toma el prompt como una indicación, no como un guion. Aquí Mia entró por el otro lado y Leo se giró hacia el objetivo al final, pero el chiste funcionó igual, así que repetir la toma habría costado créditos para nada. Cambia una sola cosa y repite solo cuando el chiste falle.