Prompts para presentadores de podcast: un presentador, un estudio, cada episodio

Fija dos cosas: el presentador y el propio estudio. En RefVid, el presentador es un personaje guardado, y una foto del estudio desde el ángulo principal se sube como foto de escena. Así el plató, el micro y el fondo se mantienen iguales entre episodios. Si no, las estanterías, los colores y la lámpara cambian en cada clip.

Encuadra como un podcast: sentado, de medio cuerpo, con un micro de transmisión en brazo articulado frente al presentador y ligeramente descentrado. Indica la cámara como "plano general" o "primer plano" y mantén esos dos encuadres en toda la serie.

Haz que cada frase hablada sea corta, de unas 15 a 20 palabras para un clip de 8 segundos. Los monólogos largos todavía no se les dan bien a estos modelos: graba el episodio completo de verdad y usa los clips de IA para intros, promos y planos de corte.

Los prompts de abajo indican entre corchetes la duración, la relación de aspecto y el sonido; configúralos en el estudio, no en el texto del prompt. Con un solo presentador, el prompt dice "el presentador" y RefVid adjunta el personaje guardado. Con dos, los nombra: Ava y Jun son nombres de ejemplo, así que escribe aquí los nombres que hayas guardado.

Prompt (8 s, 16:9, con sonido): El presentador está sentado en la mesa del estudio, con un micro de transmisión en brazo articulado delante de él. Mira a la cámara y dice: "Bienvenidos de nuevo. Hoy hablamos de por qué los equipos pequeños lanzan más rápido." Plano corto de medio cuerpo, cámara fija. Luz principal cálida desde la izquierda y contraluz azul suave en la pared.

Por qué funciona: un encuadre cerrado fijo y una frase de menos de 20 palabras mantienen la dicción estable. Reutiliza el mismo prompt cada semana y cambia solo la frase.

Prompt (6 s, 16:9): Plano general del estudio con Ava y Jun sentados en lados opuestos de una mesa redonda, cada uno con su micro. Se giran el uno hacia el otro y se ríen a la vez, y luego miran a la cámara. Cámara fija, lámparas prácticas cálidas, paneles acústicos al fondo.

Por qué funciona: una risa compartida es una apertura natural que no necesita diálogo que encaje. Guarda cada presentador como personaje aparte y nombra a los dos, para que no se mezclen los rostros.

Prompt (6 s, 16:9, con sonido): La presentadora se inclina hacia el micro, apoya los codos en la mesa y dice en voz baja: "Esta parte me sorprendió." Plano corto, avance lento de cámara, luz cálida y tenue, fondo oscuro y suave.

Por qué funciona: la inclinación y el avance crean tensión para un tráiler. Úsalo como arranque antes de la sintonía.

Prompt (5 s, 9:16): Primer plano de la presentadora reaccionando a algo fuera de cuadro: alza las cejas, niega despacio con la cabeza y sonríe. Micro visible en la parte inferior del encuadre, luz principal suave, estudio desenfocado.

Por qué funciona: las reacciones están entre los momentos más compartidos de un podcast y no necesitan palabras. Combina una con un audio real en tu editor.

Prompt (8 s, 9:16, con sonido): Primer plano del presentador contando puntos con los dedos mientras habla: "Uno, apúntalo. Dos, enséñaselo a alguien. Tres, publícalo." Cámara fija, luz cálida, lámpara de estudio desenfocada detrás.

Por qué funciona: una lista corta con gestos retiene la atención sin sonido. Limita el conteo a tres dedos; con más, suelen aparecer dedos de sobra.

Prompt (4 s, 16:9): Primer plano de las manos del presentador subiendo los faders de una mesa de mezclas pequeña, con los medidores de nivel brillando en verde. Profundidad de campo corta, luz cálida de lámpara.

Por qué funciona: los planos de corte cubren los cortes en la grabación real. Mantén las manos sencillas y evita etiquetas legibles en la mesa.

Prompt (6 s, 16:9): Travelling lento sobre el estudio vacío antes de grabar: dos sillas, dos micros en brazos articulados, una lámpara que se enciende. En los últimos segundos entra el presentador y se sienta. Atardecer, cálido y tranquilo.

Por qué funciona: una apertura con el plató vacío sirve como intro. En RefVid, cada vídeo parte de un sujeto guardado, así que es más fiable que el presentador entre tarde que pedir una sala sin nadie.

En RefVid, activa el sonido y el modelo, Kling 3.0 Omni, genera la voz y el ambiente junto con la imagen. Una frase escrita entre comillas se dice tal cual; el habla en inglés y en chino suena mejor. Revisa en cada toma que la boca coincida con la frase; si se desajusta, acorta la frase en lugar de reescribir la escena.

Los clips duran de 3 a 15 segundos, y un mismo clip puede tener hasta 3 planos, con la duración repartida por igual entre ellos. Un clip de 9 segundos podría ser: plano 1, general de Ava y Jun; plano 2, primer plano de Ava mientras habla; plano 3, la reacción de Jun.

En otros modelos, las duraciones cambian: a octubre de 2026, según la documentación de Veo de Google, Veo 3.1 genera clips de 4, 6 u 8 segundos, y de 8 segundos cuando se usan imágenes de referencia.

Cada vídeo del presentador aparece en su página dentro del estudio de RefVid, así que una temporada de intros es fácil de comparar para detectar desviaciones.