🎬 Imagen → movimiento → voz: el stack cinematográfico

Te llevas esto: un workflow repetible de 30 minutos que produce un clip cinematográfico pulido partiendo de cero — sin cámara y sin actores.

Ahora encadenamos las capas. Este es el workflow que ejecutan los creadores de IA de verdad, los que publican a diario. Cuando lo hayas hecho tres veces, se convierte en memoria muscular.

El pipeline completo (memoriza el orden)

• 1. Concepto (5 min) — una sola frase. «Una suscripción de café que llega como una caja misteriosa». No abras ninguna herramienta hasta que tengas esa frase. Herramientas sin frase = horas tiradas a la basura.
• 2. Storyboard (5 min en Claude Code) — pega el concepto y pide un storyboard de 6 planos. Cada plano lleva: sujeto, entorno, movimiento de cámara y una palabra de ambiente. (Prompt más abajo.) No te estás comprometiendo a nada: te estás haciendo el brief a ti mismo.
• 3. Imágenes fijas (10 min en Nanobanana PRO) — genera una imagen fija por plano. Usa la misma frase ancla de estilo en todos los prompts para que el look se mantenga consistente. «...rodado con Arri Alexa, 35 mm, luz natural suave, paleta apagada teal-naranja». Repite tiradas hasta que las fijas parezcan de una misma película.
• 4. Movimiento (10 min en Higgsfield) — mete cada fija, elige el preset de Shot que dice el storyboard y genera al 30-40 % de movimiento. Repite las que salgan flojas. El objetivo son 6 clips de 5 segundos.
• 5. Voz (3 min en ElevenLabs) — pega tu línea de voz en off, elige una voz (o tu clon) y descarga el WAV. Mantén la voz en off por debajo de 100 palabras para un montaje de 30 segundos.
• 6. Montaje (10 min en CapCut o Descript) — suelta los 6 clips de movimiento en la línea de tiempo, pon la voz en off por debajo, añade subtítulos y cuadra los cortes con los acentos de la voz. Exporta 9:16 para vertical y 16:9 para horizontal. Exporta siempre los dos.

El truco de la consistencia de look que nadie enseña

Lo que hacen mal los principiantes

• Saltarse el storyboard. Generan 30 imágenes fijas al azar e intentan montarlas. No funciona: parece un collage de fotos de stock.
• No usar ancla de estilo. Cada plano parece de una película distinta. El ojo se agota.
• Irse a 4K desde el principio. Vas a publicar en un feed de móvil. Con 1080p sobra. Ahórrate el cómputo.
• Dejar la voz para el final. Prueba a poner la voz en segundo lugar: graba una voz en off provisional antes de las imágenes fijas y luego cuadra el visual a ella. El montaje respira muchísimo mejor.

Prompts