Veo 3.1 es uno de los modelos de video con IA más controlables disponibles ahora mismo, y sin embargo la mayoría de la gente le escribe prompts como si fuera un buscador — unas cuantas palabras clave, una vibra vaga, y luego la decepción cuando el clip vuelve genérico. El modelo premia un enfoque distinto: describe tu plano como un director le da instrucciones a un director de fotografía, y Veo 3.1 normalmente entrega algo cercano a lo que imaginaste.
Esta guía es la versión práctica de esa idea: la estructura de prompt que funciona de forma consistente en Veo 3.1, indicaciones de cámara, iluminación y audio, prompts negativos, semillas, imágenes de referencia de primer y último fotograma, además de solución de problemas para los fallos que todo el mundo sufre — sujetos que se deforman, instrucciones ignoradas y mala sincronización labial. Puedes probar cada técnica en nuestro generador de Veo 3.1, que funciona con créditos por generación y créditos gratuitos para usuarios nuevos.
Cómo lee un prompt Veo 3.1
Veo 3.1 no analiza tu prompt como una lista de verificación. Construye una única escena coherente a partir de toda la descripción, y las contradicciones se resuelven en silencio — normalmente no a tu favor. De ahí se derivan dos consecuencias prácticas.
Pon primero lo que más importa. Veo 3.1 da más peso al comienzo de un prompt, así que coloca tu sujeto y la acción principal al principio y guarda los adornos estilísticos para el final.
Una escena, un prompt. Un solo clip dura 4, 6 u 8 segundos. Meter tres momentos narrativos en ocho segundos produce un movimiento apresurado y confuso — escribe un momento claro por generación y luego encadena los clips en tu editor.
La estructura de prompt de seis partes
La fórmula de prompt más fiable para Veo 3.1 tiene seis componentes, aproximadamente en este orden:
- Sujeto — quién o qué protagoniza el plano, con 2–3 detalles visuales concretos ("una mujer de unos 60 años con pelo plateado y un abrigo de lana rojo").
- Acción — una cosa clara que hace el sujeto ("vierte lentamente café en una taza de cerámica desportillada").
- Escenario — dónde y cuándo ("en un restaurante de carretera en penumbra al amanecer, la lluvia resbalando por la ventana detrás de ella").
- Cámara — tamaño del plano y movimiento ("plano medio corto, dolly-in lento").
- Iluminación y estilo — atmósfera, color, gramática cinematográfica ("luz principal cálida de tungsteno, luz azul fría de ventana, poca profundidad de campo, rodado en película de 35mm").
- Audio — lo que oímos ("lluvia suave, el tintineo de la cerámica, el zumbido bajo de un refrigerador; sin música").
Cuando una generación de Veo 3.1 sale mal, la pieza que falta es casi siempre una de estas seis.
El vocabulario cinematográfico que Veo 3.1 entiende
Veo 3.1 responde con fuerza al lenguaje cinematográfico real. Las palabras vagas como "cinematográfico" o "épico" hacen poco; la terminología específica hace mucho.
| Elemento del prompt | Qué controla | Frases que funcionan bien |
|---|---|---|
| Tamaño del plano | Encuadre e intimidad | gran plano general, plano medio, primer plano, primerísimo primer plano |
| Movimiento de cámara | Movimiento del encuadre | dolly-in lento, plano de seguimiento cámara en mano, plano de grúa ascendente, plano fijo bloqueado, órbita alrededor del sujeto |
| Lente y profundidad | Carácter óptico | poca profundidad de campo, lente de retrato de 85mm, gran angular de 24mm, destello de lente anamórfica |
| Iluminación | Atmósfera y realismo | contraluz de hora dorada, luz suave de cielo nublado, luz principal dura de una sola fuente, luces prácticas de neón, luz volumétrica entre la niebla |
| Estilo | Aspecto general | rodado en película de 35mm, estilo documental, grano de película de los 70, look comercial limpio, cine negro atmosférico |
| Audio | Diseño sonoro | ruido ambiental de calle, pasos sobre grava, multitud amortiguada, diálogo del personaje entre comillas, sin música |
Movimiento de cámara: elige uno y comprométete
El error más común con Veo 3.1 es apilar movimientos de cámara — "un plano de dron que hace dolly-in, luego panea a la izquierda y sube en grúa". Elige un movimiento por clip; si necesitas dos, eso son dos clips. Y no subestimes los planos fijos: un encuadre bloqueado con un movimiento fuerte del sujeto a menudo se ve más caro que una cámara virtual tambaleante, y Veo 3.1 lo renderiza con menos artefactos.
Las indicaciones de audio son parte del prompt
Veo 3.1 genera audio nativo y toma la dirección de audio al pie de la letra — si no mencionas el sonido, obtienes una suposición genérica. Tres hábitos ayudan:
- Nombra la base ambiental: "tráfico distante y viento" o "tono de sala silencioso" ancla la escena.
- Pon el diálogo entre comillas y atribúyelo: el hombre dice: "Deberíamos habernos ido hace una hora". Las líneas de menos de diez palabras sincronizan mucho mejor que los discursos.
- Di "sin música" explícitamente si planeas musicalizar el clip tú mismo; de lo contrario, Veo 3.1 a menudo añade su propia banda sonora, que es difícil de quitar limpiamente.
Prompts negativos, semillas e imágenes de referencia en Veo 3.1
Más allá del prompt de texto, Veo 3.1 te da tres palancas de control que separan a los usuarios casuales de quienes publican trabajo real.
Prompts negativos: di lo que no quieres
Un prompt negativo enumera elementos a suprimir: textos superpuestos, marcas de agua, personas de más, renderizado caricaturesco, temblor de cámara. Formúlalos como sustantivos y adjetivos simples, no como frases — "borroso, baja resolución, subtítulos, manos distorsionadas" funciona mejor que "por favor no lo hagas borroso". Y recuerda que los prompts negativos limpian artefactos recurrentes; no pueden arreglar un prompt principal vago.
Semillas: reproducibilidad y variación controlada
En veo4.dev, Veo 3.1 acepta un valor de semilla opcional. El mismo prompt más la misma semilla produce una salida muy similar; cambia solo la semilla y obtienes una toma nueva de las mismas instrucciones. El flujo de trabajo profesional: itera sobre la redacción con una semilla fija para poder saber si cada edición causó la diferencia, y luego varía la semilla al final para generar tomas y elegir la mejor.
Imágenes de referencia de primer y último fotograma
Veo 3.1 admite imagen a video con una referencia tanto de primer fotograma como de último fotograma — la herramienta de consistencia más fuerte que tiene el modelo:
- Solo primer fotograma: el clip empieza exactamente en tu imagen y anima hacia adelante. Ideal para mantener consistente un personaje, producto o activo de marca a lo largo de una serie de clips.
- Primero más último fotograma: Veo 3.1 interpola una trayectoria de movimiento entre las dos imágenes — así se consiguen transiciones deliberadas, como una puerta cerrada en el primer fotograma y abierta en el último.
Cuando uses imágenes de referencia, acorta el prompt de texto. La imagen ya lleva el sujeto, el escenario y el estilo; tu texto debería describir sobre todo el movimiento y el audio. Consulta nuestra guía de imagen a video para el flujo de trabajo completo.
Relación de aspecto y duración: decide antes de escribir el prompt
Veo 3.1 en nuestra plataforma produce salida en 16:9 o 9:16, a 720p o 1080p, en clips de 4, 6 u 8 segundos — y estas decisiones cambian cómo deberías escribir el prompt.
16:9 (horizontal) conviene a los planos de situación, las escenas de diálogo y el movimiento horizontal de cámara. 9:16 (vertical) es la elección correcta para Shorts, Reels y TikTok — pero compón para ese formato: sujetos individuales, encuadre centrado y movimiento vertical, no vistas panorámicas aplastadas en la pantalla de un teléfono.
En cuanto a la duración, más corto suele ser más nítido. Un clip de Veo 3.1 de 4 segundos mantiene el detalle y la coherencia mejor que uno de 8, y cuesta menos créditos. Reserva los 8 segundos para planos que genuinamente necesiten el tiempo — una revelación lenta, una línea completa de diálogo, un movimiento de cámara entero. Las tarifas actuales de créditos están en nuestra página de precios.
Cinco prompts de ejemplo completos para Veo 3.1
Cada ejemplo es un prompt completo que puedes pegar y adaptar. Fíjate en cómo siguen la estructura de seis partes.
1. Primer plano con diálogo (16:9, 8s)
Primer plano de un pescador de unos 50 años con barba gris y chaqueta impermeable naranja, de pie en un muelle mojado al amanecer. Mira más allá de la cámara y dice: "La tormenta llega más rápido de lo que dijeron". Plano fijo bloqueado, poca profundidad de campo. Luz fría y azulada de cielo nublado, niebla al fondo. Audio: olas suaves del puerto, gaviotas a lo lejos, su voz clara y cercana. Sin música.
2. Plano estrella de producto (16:9, 4s)
Un estuche de auriculares inalámbricos negro mate girando lentamente sobre una superficie de mármol blanco. La tapa se abre con suavidad y revela los auriculares en su interior. Ambiente de estudio, fondo gris claro sin costuras. Órbita lenta alrededor del producto, lente de 85mm, enfoque nítido. Luz principal suave y difusa con una sutil luz de contorno. Audio: clic mecánico silencioso al abrirse la tapa, leve zumbido ambiental. Sin música, sin texto, sin logotipos.
3. Clip social vertical (9:16, 6s)
Una mujer joven con pelo oscuro y rizado, con un impermeable amarillo, salta sobre un charco en una acera urbana lluviosa de noche, riendo. Plano de seguimiento cámara en mano que la sigue desde el lateral. Letreros de neón de tiendas reflejados en el pavimento mojado, poca profundidad de campo. Etalonaje vibrante y saturado. Audio: lluvia sobre el pavimento, pasos que salpican, tráfico distante, su risa breve.
4. Imagen a video con primer fotograma (usando una foto de referencia de tu producto o personaje)
El personaje de la imagen de referencia gira la cabeza hacia la ventana y sonríe levemente mientras la luz del sol se desplaza por su rostro. Plano medio corto fijo, sin movimiento de cámara. Luz cálida de tarde que cambia gradualmente. Audio: tono de sala silencioso, canto de pájaros al otro lado de la ventana. Sin música, sin diálogo.
5. Transición con primer más último fotograma
Transición suave desde el cuaderno cerrado del primer fotograma hasta el cuaderno abierto del último fotograma. Una mano entra desde la derecha y abre la cubierta en un movimiento delicado. Plano cenital fijo sobre un escritorio de madera, luz suave de ventana desde la izquierda. Audio: susurro de papel, golpe suave de la cubierta al caer. Sin música.
Para una biblioteca más profunda de prompts probados, consulta nuestra colección de mejores prompts y la guía de prompts de Veo más general.
Solución de problemas: fallos comunes de Veo 3.1
Incluso los buenos prompts fallan a veces. Así se arreglan los fallos habituales.
Sujetos que se deforman y se derriten
Cuando las caras se derriten o los objetos cambian de forma a mitad del clip, las causas habituales son demasiado movimiento simultáneo, demasiados sujetos o un clip demasiado largo. Reduce a un sujeto y una acción, acorta a 4 segundos, ralentiza la cámara y añade "distorsionado, deformación, anatomía deformada, extremidades de más" al prompt negativo. Si un personaje sigue derivando, una imagen de referencia de primer fotograma ancla la identidad mucho mejor que el texto.
Instrucciones ignoradas
Si Veo 3.1 sigue saltándose un detalle, normalmente está enterrado al final de un prompt largo o contradicho en otra parte. Mueve el elemento ignorado más al principio, recorta los adjetivos que compiten y busca conflictos — "noche" pero también "colores brillantes iluminados por el sol". Luego vuelve a ejecutar con la misma semilla para confirmar que la edición realmente ayudó.
Mal diálogo y mala sincronización labial
La sincronización labial se degrada con líneas largas, varios hablantes y caras en ángulo. Mantén el diálogo por debajo de diez palabras, un hablante por clip, la cara hacia la cámara en plano medio o más cercano, y pon la línea exacta entre comillas. Si la sincronización sigue fallando, genera la actuación en silencio y graba la voz por separado.
Salida plana y genérica
Si los clips se ven bien pero aburridos, reemplaza las palabras de categoría por detalles concretos: no "un coche en una carretera" sino "una polvorienta camioneta familiar de los años 80 en una autopista desértica agrietada". La especificidad es la mejora de calidad más barata que ofrece Veo 3.1.
Preguntas frecuentes
¿Qué hace bueno a un prompt de Veo 3.1?
Un buen prompt de Veo 3.1 se lee como la descripción de un plano: sujeto con detalles concretos, una acción clara, escenario, un solo movimiento de cámara, iluminación y estilo, y dirección de audio explícita. Pon primero el sujeto y la acción, y limítate a una escena por clip.
¿Veo 3.1 admite prompts negativos?
Sí. Usa el campo de prompt negativo para artefactos recurrentes — textos superpuestos, marcas de agua, desenfoque, manos distorsionadas, música no deseada. Escríbelos como sustantivos y adjetivos separados por comas, y mantén la lista corta y dirigida.
¿Cómo funcionan las semillas en Veo 3.1?
Una semilla hace la generación reproducible: el mismo prompt con la misma semilla devuelve resultados muy similares. Fija la semilla mientras refinas la redacción para aislar el efecto de cada edición, y luego varíala al final para producir tomas alternativas.
¿Para qué sirven las imágenes de primer y último fotograma?
Una imagen de primer fotograma inicia el clip exactamente en tu referencia, manteniendo personajes y productos consistentes a lo largo de una serie. Añadir una imagen de último fotograma hace que Veo 3.1 anime una transición entre los dos estados — ideal para revelaciones y cambios de escena controlados.
¿Por qué mi video de Veo 3.1 se deforma o se derrite?
La deformación suele venir de prompts sobrecargados: varios sujetos, movimientos de cámara apilados o una duración de 8 segundos cuando bastaban 4. Simplifica a un sujeto y una acción, acorta el clip y añade términos relacionados con la anatomía al prompt negativo.
¿Es gratis probar Veo 3.1?
Los usuarios nuevos en veo4.dev reciben créditos gratuitos, y la generación se cobra por clip en lugar de mediante una suscripción. Los clips más largos y de mayor resolución cuestan más créditos — consulta los precios para los detalles. Google también ofrece Veo a través de sus propios productos; nuestra plataforma es una alternativa multimodelo independiente.
En resumen
Veo 3.1 no es una máquina tragamonedas — es un equipo de cámara que hace exactamente lo que le dices, y solo lo que le dices. Los creadores que obtienen resultados consistentes y cinematográficos trabajan todos igual: prompts de seis partes en lenguaje cinematográfico real, una escena por clip, audio dirigido explícitamente, semillas fijas durante la iteración e imágenes de referencia allí donde importa la consistencia. Adopta ese flujo de trabajo y tu tasa de aciertos pasa de la suerte ocasional a algo con lo que puedes planificar un calendario de contenidos. Y la estructura se transfiere: el mismo enfoque mejora los resultados en Sora 2, Kling y todos los demás modelos de nuestra plataforma.