Texto vs imagen vs referencia: cómo elegir la entrada correcta para tu dibujo animado

Casi siempre alrededor de la quinta o sexta generación llega el momento en que dejas de preguntarte “¿por qué se ve distinto?” y empiezas a preguntarte “¿por qué se ve distinto cada vez?”. Ese es el momento de dejar de alargar el prompt y cambiar de modo de entrada.

Un creador de dibujos animados actual te deja empezar desde varios tipos de material, y cada uno te da una cantidad distinta de control a cambio de una cantidad distinta de libertad. Elegir el correcto suele mejorar la calidad más que pulir cualquier prompt.

Los cuatro modos de un vistazo

Texto a video: máxima libertad, mínimo control

Describes una escena y el modelo lo inventa todo. Es el modo para cuando estás probando — todavía no sabes cómo debe verse el video y quieres ver opciones.

Úsalo cuando: no tienes ilustraciones, estás probando una idea, quieres algo distinto cada vez, o el personaje no necesita volver a aparecer.

Su verdadera debilidad es la deriva de identidad. Solo tus palabras deciden el aspecto del personaje, así que el mismo prompt dos veces da dos personajes distintos. Los rasgos físicos fijos (“un ojo azul y uno verde, el hombro izquierdo abollado”) ayudan, pero son una guía, no una garantía.

Consejo práctico: texto a video es también el único modo en el que eliges libremente el formato. Si agregas una imagen o un video de origen, el modelo hereda la forma de ese archivo.

Imagen a video: el primer cuadro es tuyo

Subes una imagen y el modelo la trata como el primer cuadro y anima a partir de ahí. Lo que se ve en esa imagen — el diseño del personaje, la paleta, la composición, la luz — queda fijo al principio y tiende a mantenerse.

Úsalo cuando: ya tienes un diseño de personaje, un logotipo, una foto de producto, arte conceptual o un dibujo infantil que quieres animar. También cuando una generación de texto acierta la idea pero no el estilo. Haz una imagen fija que te guste y anímala.

Aquí el papel del prompt cambia por completo. Ya no tienes que describir el aspecto. La imagen ya lo hizo. Lo que describes es lo que pasa. “La zorra gira la cabeza hacia la ventana y mueve una oreja” es un buen prompt de imagen a video. “Una zorra animada en un bosque” es un prompt desperdiciado, porque solo describe la imagen que ya diste.

Restricción a tener en cuenta: el resultado hereda el formato de la imagen. Si necesitas un video vertical 9:16, recorta la imagen de origen a 9:16 antes de subirla. En este modo no puedes cambiar el formato.

Primer y último cuadro: tú decides el destino

Das dos imágenes — una como primer cuadro y otra como último — y el modelo anima un movimiento natural entre las dos. Es el modo menos usado, y resuelve el problema más molesto del video generado: el final.

En una generación normal eliges el inicio, pero no el final. Para cualquier cosa que deba terminar en algo concreto, esa es una restricción real. Primer y último cuadro le da la vuelta.

Úsalo para:

• Animaciones de logotipo. Empieza en el caos y termina en el logotipo exactamente como dice tu manual de marca.
• Transformaciones. De oruga a mariposa, de escritorio desordenado a ordenado, de boceto a terminado. El modelo resuelve la parte difícil del medio, y tú decides los extremos.
• Antes y después. Demos de producto en las que el resultado tiene que ser exacto, no imaginado.
• Loops. Usa la misma imagen al inicio y al final y obtienes un clip que vuelve al principio. Perfecto para fondos en loop y publicaciones que se repiten.

Restricciones: el formato se hereda de la imagen del primer cuadro, y las dos imágenes necesitan una conexión natural. Si pides pasar en 30 segundos de un bosque en acuarela a una nave espacial en pixel art, saldrá algo incoherente. El modelo interpola; no teletransporta.

Referencia a video: la misma identidad en muchas escenas

En lugar de un cuadro, das un conjunto de referencias — un personaje desde varios ángulos, objetos, lugares — y el modelo los lleva a tomas nuevas que no aparecen en ninguna referencia.

Esta es la diferencia entre hacer un video y hacer una serie. Con referencias, un personaje reconocible del episodio 1 puede aparecer en el episodio 4, en un lugar que nunca filmaste, haciendo algo que nunca dibujaste.

Úsalo cuando: la consistencia es lo que importa — marcas centradas en una mascota, un elenco recurrente, un grupo de anuncios que tienen que verse relacionados.

Cómo preparar buenas referencias:

• Muestra al personaje grande y nítido, de preferencia sobre fondo liso.
• Dos o tres ángulos mejor que uno. Con una vista de frente y una a 45 grados desaparece casi toda duda sobre la cara.
• Luz neutra. Una luz de color fuerte en la referencia se interpreta como parte de la paleta del personaje.
• En el prompt, llámalo con un nombre corto y siempre igual — “el gato mascota naranja” — para que las palabras y las imágenes coincidan sobre de quién se habla.

Puedes dar varias referencias en una sola generación, así que no tienes que elegir entre personaje, vestuario, objetos o ambiente: los das juntos.

El flujo de decisión

En la práctica, a la mayoría le conviene avanzar en este orden.

1. Empieza con texto. Haz 3 o 4 generaciones rápidas para encontrar el concepto y el estilo que funcionan. Es exploración, así que todavía no pulas.
2. Cuando esté casi listo, saca un cuadro. Saca una imagen fija que te guste de esa generación, cambia a imagen a video y úsala como primer cuadro. Así se fija el aspecto.
3. Si el final importa, agrega el último cuadro. Sobre todo en lo que termina en un logotipo, un producto o una pose final.
4. Si necesitas más de un video, junta referencias. Cuando tengas un personaje que quieres conservar, reúne 2 o 3 imágenes fijas limpias y usa el modo de referencia de ahí en adelante.

El error que comete casi todo el mundo es hacer el trabajo del paso 4 con la herramienta del paso 1. Intentar fijar con prompts de texto cada vez más detallados un personaje que solo una imagen puede fijar. El texto describe; la imagen especifica. Usa la correcta.

Y si lo que quieres es una historia larga de varios minutos, no necesitas armar todo esto a mano. Elige la duración en el estudio y toda la historia se planea de principio a fin con el mismo elenco.

Lo que ningún modo resuelve

Quedan dos límites en cualquier modo de entrada, y conviene saberlos antes de planear un proyecto alrededor de ellos. El texto renderizado en pantalla — letreros, etiquetas, subtítulos — no es confiable en ningún modelo actual. Agrégalo después en un editor. Y todavía no puedes pedir una sincronía exacta cuadro por cuadro con una narración pregrabada. Si el clip tiene que caer en un golpe en el 00:14, planea editar el sonido para que coincida con la imagen, no la imagen con el sonido.

Todo lo demás depende de elegir el material de partida correcto. Prueba la misma idea en dos modos en el creador de dibujos animados. Con una generación de cada uno, la diferencia de control queda clarísima.