Vídeos de producto con IA en los que el producto no cambia

Los modelos de texto a vídeo han visto miles de botellas y zapatillas, así que un prompt genera un producto verosímil, pero no el tuyo. La imagen a vídeo lo hace mejor en el primer fotograma y luego se desvía al moverse la cámara: el tapón se alarga, la etiqueta se curva de otra forma, las costuras cambian.

Los modelos de referencia a vídeo, como Kling 3.0 Omni y Veo 3.1, reciben varias fotos del artículo y las tratan como una descripción de lo que debe aparecer. Ahí está la diferencia entre un vídeo de ambiente y un vídeo de producto.

Fotografía el artículo real, no un render, salvo que el render sea exactamente lo que vendes. De tres a cinco imágenes bastan para la mayoría de productos: el ángulo principal de tu envase o ficha de producto, una vista frontal o lateral recta, la parte trasera, una vista de tres cuartos desde algo más arriba y un primer plano del logotipo o la etiqueta, lo bastante nítido para leerlo.

Dispara sobre un fondo liso gris claro o blanco, con luz suave y uniforme, y sin reflejos duros sobre el logotipo. Mantén el color fiel: si el modelo ve una foto con dominante cálida, la reproducirá. Quita las etiquetas de precio, los plásticos protectores y las pegatinas que no formen parte del producto.

Si el modelo acepta vídeo de referencia, un clip corto del producto girando lentamente sobre un plato giratorio añade ángulos que las fotos fijas no capturan. Kling 3.0 Omni acepta un vídeo de referencia de 3 a 10 segundos, según la guía de Kling de octubre de 2026.

1. Revelación principal: el producto sobre un pedestal, la cámara avanza lentamente y termina en el ángulo principal. 5 segundos.

2. Detalle: un deslizamiento lento en macro sobre el logotipo o la textura, con poca profundidad de campo. 3 segundos.

3. En la mano: una mano recoge el producto y lo gira hacia la cámara. Mantén el agarre sencillo. 5 segundos.

4. En uso: el producto haciendo su función, como un vertido, un rociado, un clic o un paso. Una sola acción. 5 segundos.

5. En contexto: el producto en un entorno cotidiano, como una estantería del baño, un escritorio o una bolsa de gimnasio, con una deriva lenta de cámara. 5 segundos.

6. Plano final: el producto centrado sobre un fondo limpio, con espacio para tu logotipo y texto, que se añadirán después en el editor. 3 segundos.

Son 26 segundos de metraje, que se reducen a un anuncio de 15 segundos o a un bumper de 6. Genera dos o tres tomas de cada plano y quédate con la mejor.

Deja que las referencias describan el producto y que el prompt describa todo lo demás. No enumeres las características del producto: una segunda descripción compite con las fotos. Especifica un solo movimiento, el movimiento de cámara, la luz y el fotograma final. Terminar en un ángulo que hayas fotografiado, por ejemplo "termina con la etiqueta frontal orientada hacia la cámara", mantiene al modelo en terreno conocido en el momento en que el espectador mira con más atención.

Mantén el producto grande en el encuadre. Un producto que ocupa una quinta parte del cuadro recibe menos píxeles y más aproximación.

Texto pequeño. Las listas de ingredientes, los textos legales y los números de modelo se vuelven a dibujar en cada modelo actual. Planifica planos en los que la letra pequeña quede desenfocada o girada, y añade el texto real en la edición.

Proporciones en la mano. Las manos hacen que los productos parezcan más pequeños o más grandes de lo que son. Compara el plano en mano con una foto real.

Cambios de color según la luz de la escena. Una escena al atardecer calienta un producto blanco. Puede estar bien para el ambiente, pero usa luz neutra en los planos que venden el color.

Afirmaciones. No muestres el producto haciendo algo que no puede hacer. Un plano generado con IA de una chaqueta que repele una lluvia intensa es una afirmación publicitaria como cualquier otra.

Variantes. Un color distinto es un producto distinto. Dale su propio conjunto de referencias en lugar de pedirle al modelo que cambie el color.

En RefVid creas un producto, subes de 1 a 5 fotos con el ángulo principal en primer lugar y generas cada plano a partir de ese mismo conjunto con Kling 3.0 Omni. Las duraciones de los planos de arriba coinciden con las opciones de 3 y 5 segundos de RefVid, y cada clip aparece en la página del producto, donde es fácil detectar una etiqueta que se desplaza en una toma. Valora las tomas que conservas para que destaquen las mejores.