Este tutorial recorre mi trabajo de exploración, pruebas y ejecución del motor de películas, un método basado en skills de Claude para crear películas con IA a partir de un argumento, con sus personajes y escenarios.
El Motor de películas es la puesta en práctica de mucha teoría estudiada y ensayada pero es un procedimiento en desarrollo y evolución.
La idea se basa en crear las skills necesarias para generar prompts optimizados de generación de imágenes y vídeos (para distintos modelos de IA) y, luego, crear una súper skill que utilice aquellas para crear películas basadas en un argumento.
Para especificar detalles técnicos distintos a los que se han puesto por defecto, se modifica la súper skill. Si hay cambios en los modelos de creación de imágenes o vídeos (o modelos nuevos), se modifican sus skills o se crean skills nuevas. Para ello, hay una meta skill (metaskill que crea skills para optimizar prompts) con la que podemos crear skills específicas de cada modelo (ver la lista incluida aquí).
El Motor de películas crea el guion y proporciona los prompts optimizados para generar personajes, escenarios y los clips. También es capaz de generar los archivos de audio, mediante el MCP de conexión con ElevenLabs. (Sincronización labial en un clip de Google Flow (Omni 1.1 Flash). ) Pero esto es opcional, ya que puedes generar las voces y las narraciones directamente con la función «de texto a voz» de ElevenLabs. Naturalmente, puedes modificar a tu gusto, todos los prompts antes de escribirlos en la herramienta de IA que vayas a utilizar (ChatGPT, Google Flow, etc.) y, a veces, tendrás que volver a generar los clips o las imágenes si no te gusta el resultado.
Por favor, revisa todos los artículos que hemos publicado sobre creación de personajes y películas en Blogpocket:
Empieza por saber cómo crear los mejores prompts para gobernar los modelos más conocidos (enlace a la lista un poco más arriba). El punto de inicio es: Cómo crear una metaskill de Claude que escribe prompts para cualquier modelo de imagen o vídeo (enlace al artículo un poco más arriba).
Después hay que aprender a crear personajes. Lo primero es Cómo crear el rostro de un personaje (face card).
Este Vídeo de los miedos del blogger 2026 (cómo se ha hecho) podría ser un ejemplo sencillo de lo que puedes hacer sin muchas complicaciones. Eso sí, la música siempre en Suno. Y los diálogos, como ya hemos apuntado, en ElevenLabs.
Para aprender a sincronizar bien los labios, está este post: Sincronización labial en un clip de Google Flow (Omni 1.1 Flash) (enlace al artículo un poco más arriba).
Finalmente, puedes aprender a realizar vídeos en bucle.
Contexto
El siguiente tutorial de Joaquín Barberá me inspiró para construir mi propio motor de generación de vídeos. Échale un vistazo y luego vuelve aquí porque vas a descubrir el método definitivo para crear vídeos (con Omni 1.1 Flash o Seedance 2.5).
El vídeo de Joaquín Barberá está orientado a crear un canal de YouTube de un tipo específico. Pero a mí me dio la idea de construir un método más general.
Tras la creación con el método de Joaquín Barberá de la película que se incluye dentro del videoclip de Et Maintenant? (Cléo Velly), me di cuenta de que realmente la función, que cumple el documento llamado «MOTOR DE DOCUMENTALES 3D — GOOGLE OMNI 1.1 FLASH» y que es el primero que hay que subir a DeepSeek, se puede implementar perfectamente como una skill de Claude.
Si ya tenemos esa metaskill que crea skills para optimizar prompts para cualquier modelo, de la que hablaba en la introducción, ¿qué nos impide crear otra skill que sea el motor de generación de películas usando aquellas skills?
Así que la parte más general del documento «MOTOR DE DOCUMENTALES 3D — GOOGLE OMNI 1.1 FLASH» sería el punto de partida para nuestra skill «Motor de películas» (independiente del modelo a usar).
¿Y qué sucede con el PDF «SOURCE PDF-publicado-youtube.pdf» que hay que subir también a Deepseek en el método de Joaquín Barberá? Simplemente, desaparece y debe sustituirse por una descripción, lo más detallada posible del argumento de la película.
Documento «Motor de películas»
Este documento, que se irá perfeccionando a medida que vayamos produciendo películas, puede contener inicialmente lo siguiente, y se lo pasaríamos a Claude en la fase de creación de la skill «Motor de películas»
MOTOR DE PELÍCULAS
Estas son las indicaciones operativas de producción para películas. Está diseñado para interactuar con modelos LLM avanzados (Gemini, Claude, GPT) y producir prompts técnicos listos para ser procesados por los motores de generación de vídeo de última generación Google Omni 1.1 Flash (con límite estricto de 10 segundos por generación) o Seedance 2.5 (máximo 30 segundos); y los motores de generación de imagen GPT Image 5 o Nano Banana 2.
El sistema utiliza como combustible de datos una descripción lo más detallada posible del argumento de la película. Si los detalles son escasos, el sistema se adaptará a lo que falte tratando de construir un argumento profesional con planteamiento, nudo y desenlace. Si no se proporcionan estos detalles, el sistema inventará el argumento, con el mismo objetivo: construir un argumento profesional con planteamiento, nudo y desenlace
El proceso es 100% dinámico y strictly secuencial por estados. No existen guiones ni demostraciones bloqueadas.
MOTORES OBJETIVO Y PARÁMETROS TÉCNICOS
Generación de Vídeo: Google Omni 1.1 Flash (Máx. 10s por clip) o Seedance 2.5 (Máx 30s por clip)
Formato de prompt: Párrafos narrativo-técnicos continuos de alta densidad descriptiva.
Ventana de tiempo por clip: Bloques de máximo 10 segundos (rango óptimo: 5 a 10 segundos) ajustados para renderizado de alta velocidad y máxima estabilidad visual.
Movimiento de cámara: Una única trayectoria limpia por toma (panorámica, dolly o avance lento) para evitar aberraciones visuales dentro de la ventana de 10s.
Pistas de audio y voz: Indicaciones explícitas integradas para la síntesis de efectos de sonido (SFX), atmósfera ambiental y diseño sonoro coordinado dentro de los 10 segundos.
UTILIZAR LA SKILL generador-prompts-gemini-omni (para Omni 1.1 Flash) o generador-prompts-seendance (para Seedance 2.5) para optimizar el/los prompts propuestos.
Generación de Imágenes: GPT Image 5 y Nano Banana
Personajes (Estado 3): Prompts en proporción de aspecto 1:1 (cuadrado) sobre fondo blanco infinito (Modo A), enfocado en el aislamiento del sujeto y la precisión de vestuario.
UNIVERSO VISUAL Y CÓDIGO ESTÉTICO
Sujetos, atuendos, ubicaciones y utensislios, definidos en los detalles del argumento de la película.
Renderizado
Por defecto: Fotorrealismo 3D cinematográfico, Unreal Engine 5, Octane Render, 8K, lente anamórfica, profundidad de campo reducida, iluminación volumétrica y tono observacional. Si en los detalles del argumento de la película, se aporta otro renderizado, usar ese.
ESTRUCTURA NARRATIVA Y REDACCIÓN
Planteamiento, nudo y desenlace.
FLUJO DE ESTADOS DEL SISTEMA
ESTADO 0 — Ingesta y Calibración
El asistente solicita al usuario los detalles del argumento de la película y el modelo a utilizar. Al recibirlo, calcula la tasa de palabras por segundo (WPS) e indica:
«Argumento procesado para [modelo a utilizar] (Máx. 10s/clip o 30s/clip). WPS calculado: [N]. Escribe ‘empezar’ para generar las ideas.»
ESTADO 1 — Ideas de título para la película
Genera 10 títulos inéditos basados en los detalles del argumento.
Finaliza con: «Elige un número del 1 al 10»
ESTADO 2 — Redacción del Guión Continuo
Solicita la duración deseada (1 a 10 min) y genera un guión original ajustado a la tasa WPS, aplicando la apertura en frío y el suspenso final.
Finaliza con: «Escribe ‘siguiente’ para diseñar los personajes.»
ESTADO 3 — Prompts de Personajes (GPT Image 5 / Nano Banana)
Genera prompts en formato 1:1 optimizados para GPT Image 5 y Nano Banana. Define el código de color y vestuario de cada sujeto sobre vacío blanco.
Finaliza con: «Genera las referencias en GPT Image 5 / Nano Banana y escribe ‘siguiente’ para los capítulos de vídeo.»
ESTADO 4 — Prompts de Vídeo (Google Omni 1.1 Flash — Máximo 10s) o (Seedance 2.5 – Máximo 30s)
Divide el guión en bloques de vídeo de MÁXIMO 10 SEGUNDOS (típicamente entre 5 y 10s cada uno)o MÁXIMO 30 SEGUNDOS.
Cálculo de capítulos ajustado a 10s máx o 30s máx.
Cada bloque especifica:
PROMPT DE VÍDEO: Texto unificado de descripción visual y movimiento de cámara para una duración de hasta el máximo de segundos.
CAPA DE AUDIO Y SFX: Detalle de efectos sonoros, entorno y música.
LOTE DE PERSONAJES: Parámetros de consistencia visual del personaje.
Finaliza con: «Escribe ‘siguiente’ para las miniaturas.»
ESTADO 5 — Exportación Final
Compila todos los prompts y guiones de la sesión en un bloque de datos listo para producción
Es un documento que contiene errores e imprecisiones. Pero Claude te propondrá los cambios y te hará sugerencias para mejorarlo.
Con el documento verificado y aprobado por ti, Claude creará la skill.
En principio, la skill funcionaría así:
El documento corregido está en motor-peliculas/SKILL.md, ya con la forma final de la skill. Los cambios principales respecto al original:
- Un solo mensaje de entrada. Pide modelo, argumento, duración, relación de aspecto e idioma, y solo pregunta lo que falte. La única parada es elegir título, y desaparece si el argumento ya lo trae.
- Reglas de vídeo separadas por modelo. Omni trabaja con párrafo continuo y clips de 3 a 10 s. Seedance usa cuatro bloques, línea de tiempo y clips de hasta 30 s. Cada uno con su sintaxis de referencias y de audio.
- WPS fijo por idioma (2,5 palabras/s en español) con un margen del 20 % para que el diálogo quepa en cada clip.
- Personajes con código P1, P2… y escenarios con E1, E2… Cada clip indica qué imagen adjuntar y con qué etiqueta. Con Seedance se añade una hoja de tres vistas por personaje.
- Formato compacto por clip (prompt y traducción, sin ficha ni variantes) y entrega en tandas de 15 cuando la película es larga.
- Estilo por defecto descriptivo, sin Unreal ni 8K.
- Delega en las skills de cada modelo. Las lee antes de redactar, sin copiar sus reglas, así que cuando actualices una el motor hereda el cambio.
Prueba
Para probarlo, quisimos crear la misma minipelícula del videoclip Et maintenant? de Cléo Velly.
1) Seedance 2.5; 2) Una mujer joven elegante vestida con un vestido largo y antifaz acude a una fiesta de disfraces. Entre toda la gente, la mujer joven se fija en un hombre disfrazado de mago. Él le ofrece a ella una rosa que ella recibe en la mano, salen de la mano a la calle (es de noche), la última escena es dentro de un coche, vista del coche circulando desde arriba por la ciudad. Los personajes son maniquíes (Figuras lisas de plástico pulido estilo maniquí, con cabeza lisa en forma de huevo, sin ojos, nariz, boca ni orejas. Proporciones y articulación anatómica humana.
Rojo mate sólido: Sujeto principal / Protagonista.
Negro mate sólido: Antagonista institucional o fuerzas de seguridad.
Blanco pulido: Civiles, multitud y transeúntes.
Uniformes fotorrealistas sobre cuerpo de maniquí: Trajes de policía, pilotos o guardias colocados sobre la anatomía de maniquí blanco.); 3) Un minuto; 4) 9:16 y 5) español.
Claude te da el guion, los prompts y te dice lo que tienes que crear y adjuntar en cada generación.
Uso práctico: la primera escena de la película de Hiro y Yumi
Para transformar el primer capítulo de «Hiro y Yumi» (V2) en una serie de escenas, con los personajes y escenarios, vamos a utilizar el Motor de Películas.
Para ello, creamos un proyecto nuevo en Claude y en una nueva conversación, adjuntamos el texto (PDF) del primer capítulo de «Hiro y Yumi» (V2). Y le pedimos:
Me gustaría hacer una prueba y si sale bien, desarrollar este proyecto. Utilizando la skill para crear vídeos con Seedance 2.5 y a partir del texto que te adjunto (capítulo I), darme el guion y los prompts para crear los vídeos. Los protagonistas de la historia son Hiro y Yumi dos jóvenes japoneses que se aman y que se ven obligados a separarse, porque a Yumi le ofrecen un puesto en Paris. La gran pregunta de la historia es: ¿qué podría suceder para que vuelvan a juntarse? Toma el documento adjunto como guion, el formato 16:9.
Una vez aclarado que se usará ChatGPT para crear las imágenes, que el vídeo durará 2 minutos y que el idioma será el español, Claude nos da los prompts para crear personajes (vista única y triple), escenarios y vídeo. Vamos a ver aquí el resultado de la primera escena.
Prompts para crear el personaje de Hiro
Result: Character reference image, a single full-body photograph of one man, front view, centered, square format.
Scene: seamless pure white infinite backdrop, even soft studio lighting.
Subject: Hiro, a 32-year-old Japanese man, slim build, standing in a neutral relaxed pose facing the camera, arms at his sides, full body with bare feet visible. Slightly long messy black hair falling over his forehead, light stubble, tired dark brown eyes, calm serious expression.
Details: oversized charcoal-grey cotton shirt, sleeves rolled to the elbows, small stains of black and ochre oil paint on the shirt and on his fingers; loose dark grey drawstring trousers. Photorealistic, natural skin texture, real photograph.
Constraints: no shadows, no props, no background objects, no text, no watermark.
[hay que adjuntar la cara la imagen de una vista del personaje] Image 1: the character. Keep his face, hair, body and clothing exactly as in Image 1; do not redesign the character.
Result: Horizontal character turnaround sheet showing the same man three times side by side: front view, three-quarter view, side profile, full body, feet visible.
Scene: seamless pure white infinite backdrop, even soft studio lighting.
Subject: Hiro, 32-year-old Japanese man, slim, messy black hair, light stubble, oversized charcoal-grey shirt with black and ochre paint stains, loose dark grey drawstring trousers, barefoot, neutral pose.
Details: photorealistic, identical scale and lighting in the three views.
Constraints: no shadows, no props, no labels, no text, no watermark.
Prompt para crear el escenario (calle de Nakano)
Result: Photorealistic wide street-level shot of a quiet Tokyo neighborhood near a train station at night, 16:9 cinematic frame.
Scene: Nakano, December 2020. The entrance of a covered shopping arcade with lights still on and shutters half down, low post-war buildings next to newer concrete towers, overhead power cables, asphalt reflecting amber streetlights. In the background, a grey residential block with a single lit window on an upper floor.
Details: muted, subdued atmosphere, amber and cold blue palette, light haze, shallow depth of field.
Constraints: no people, shop signs blurred and unreadable, no watermark.
Escena 1
Clip 1 · 00:00–00:14 · 14 s · Escena 1
Tipo: Nuevo
Adjuntar: Image 1 = P1 (Hiro, tres vistas), Image 2 = E3 (calle de Nakano)
Image 1 is Hiro: take his face, hair, body and clothing from it. Image 2 is the Nakano street at night: take the location, architecture and lighting from it.
Tokyo at night narrows down to a quiet Nakano street in December 2020 and ends on Hiro’s lit window; contemplative cinematic drama, slow camera.
0-4s: Extreme wide aerial shot of Tokyo at night, dense city lights under a light haze, slow push forward and downward.
4-9s: Cut to the station area and the covered arcade entrance from Image 2: lights on, shutters half down, a few pedestrians in face masks walk slowly, a schoolgirl with a school bag, a tired salaryman, an elderly woman carrying shopping bags. Static wide shot, then a slow pan right.
9-14s: Cut to a low-angle shot of the grey residential block; slow push in toward the single lit upper-floor window, where Hiro’s silhouette stands behind the glass, still.
Sound: , , quiet city hum.
Hiro’s voice-over (calm, low, introspective), in Spanish: {Tokio no dormía. Nunca lo hacía. Pero yo había aprendido a dormir en medio del ruido.}
Cinematic photorealism, shallow depth of field, soft volumetric light, amber streetlights against cold blue night, subdued atmosphere. No music, no background music, no BGM, no score, no instrumental, no melody, no synth effects, no ambient pad; only ambient sounds and voice-over. No subtitles.
Generamos, dentro de OpenArt, a 480p y exploraremos la opción de que Claude nos convierta el vídeo a 1080p.
Comparativa con Google Flow (Omni 1.1 Flash)
Generar vídeos de Seedance cuesta mucho dinero. Excepto si usas un programa local en tu ordenador (que requiere mucha memoria y espacio en disco), tienes que hacerlo en 480p (lo más barato). En OpenArt, generar un vídeo de 480p consume bastantes créditos. Una alternativa es hacerlo en Google Flow (u otra herramienta). Aunque hay diferencias notables, en realismo y duración de los clips, los prompts optimizados son totalmente diferentes. En el manejo de audio también existen diferencias.
Para utilizar Google Flow, a la hora de generar los vídeos (los personajes creados en ChatGPT sirven perfectamente) únicamente hay que decirle a Claude que utilice la skill para generar prompts optimizados para Omni 1.1 Flash.
La velocidad de generación es muchísimo mayor en Google Flow y, además, permite la mejora de la resolución sin gasto adicional a 1080p.
Sin embargo, a menudo, hay alucinaciones en los vídeos de Google Flow. Eso implica perfeccionar el prompt y editar o volver a generar. Una alternativa, para esos vídeos que se resisten, emplear Seedance 2.5 o, incluso, Kling 4.0
Pero por precio, velocidad de generación, calidad, posibilidad de descarga a 1080p yo me decantaría por Google Flow. Las alucinaciones, al fin y al cabo, se pueden eliminar rehaciendo el vídeo. Y, además, se puede utilizar ElevenLabs para generar las voces, asignar voces a los personajes y hacer que hable, tal y como explica Joaquín Barberá en el siguiente vídeo:
Generación de voces en Google Flow
A cada personaje se le asigna una voz y la conserva en todos los clips.
Las voces de referencia solo funcionan en generaciones con ingredientes. Todos tus clips los llevan, así que no hay problema.
Tomemos la cuarta escena como ejemplo. Para sincronizar el archivo de ElevenLabs con el clip 4, utilicé el editor ScreenFlow.
El motor de películas funcionando
Una vez que hemos entrenado la skill motor-peliculas, como hemos visto en este artículo hasta aquí, seremos capaces de crear vídeos con escenas (clips) generados en Google Flow (Omni 1.1 Flash) con personajes y escenarios generados en ChatGPT.
La skill Motor de películas convierte un argumento en una película lista para producir: guion, prompts de personajes y escenarios para GPT Image 2.5 Sunburst o Nano Banana 2 y prompts de vídeo clip a clip para Gemini Omni 1.1 Flash o Seedance 2.5. Se usa cuando se pide el motor de películas, una película, un corto o un guion con prompts de vídeo.
Para que funcione, hay que aportar a la skill el modelo de vídeo y un argumento, del detalle que quiera. La skill elige o propone el título y entrega en el chat, listo para copiar, el guion completo, los prompts de referencia de personajes y escenarios para el modelo de imagen elegido y los prompts de vídeo divididos en clips ajustados al modelo de vídeo elegido.
Motores:
- Imagen: GPT Image 2.5 Sunburst (
gpt-image-2.5-sunburst, skillgenerador-prompts-gpt-image-2-5-sunburst) o Nano Banana 2 (Gemini 3.1 Flash Image, skillgenerador-prompts-nano-banana-2). - Vídeo: Gemini Omni 1.1 Flash (skill
generador-prompts-gemini-omni) o Seedance 2.5 (skillgenerador-prompts-seedance).
Esta skill no repite las reglas de prompting de cada modelo. Antes de redactar prompts, se lee el archivo SKILL.md del modelo de imagen elegido y el del modelo de vídeo elegido, y se aplican sus directrices. Si esas skills cambian, el motor hereda los cambios.
Ejemplo: segundo capítulo de Hiro y Yumi
Abrimos un nuevo chat en Claude, dentro del proyecto de Hiro y Yumi; adjuntamos el texto del capítulo 2 (a efectos de argumento) y escribimos el prompt:
/motor-peliculas el texto para el guion es este: [texto del capítulo]. Utilizaremos ChatGPT para crear las imágenes y Omni 1.1 Flash para los vídeos. Sincronización labial con Elevenlabs. Los personajes de Hiro y Yumi ya están creados.
Nótese la simplicidad del prompt. Su «potencial» está en la skill motor-peliculas. Y ahí es donde se encuentra la complejidad de este método. Una vez que tienes la skill desarrollada (y que se puede ir perfeccionando), solo hay que darle el argumento, no los detalles técnicos de la película. Si quieres mejorar los aspectos técnicos, se modifica la skill.
La skill responde con el plan de creación de la película, desde la creación de personajes y escenarios hasta la generación de clips y diálogos.
Conviene hacer un pequeño paréntesis respecto a los diálogos. La skill crea prompts (según el argumento proporcionado) con dos tipos de diálogos.
- Voces en off. No requieren sincronización labial
- Personajes hablando. Requieren sincronización labial.
En este artículo se explica cómo optimizar la sincronización labial: Sincronización labial en un clip de Google Flow (Omni 1.1 Flash).
Como Claude posee MCP para conectarse con ElevenLabs, si lo especificas en el prompt, también se generarán las voces optimizadas (más creíbles que las generadas por defecto en Google Flow). Al final, solo habrá que realizar el montaje en el editor superponiendo el clip original con la voz de ElevenLabs.
A continuación, ejemplo de un clip con voz en off.
Clip 1 · 00:00–00:10 · 10 s · Escena 1
Tipo: Nuevo
Adjuntar: <image1> = P2B (Yumi, oficina), <image2> = E5 (azotea)
Voz: V.O. Yumi en el montaje
Prompt:
One continuous shot, no jump cuts. A slow aerial push-in over Tokyo at night in early June 2020, the city lit but strangely quiet, few cars on the avenues, toward the office rooftop from the second @image2 . The camera descends into a medium shot of Yumi from the first @image1, straight shoulder-length black hair, navy blazer over a cream turtleneck, as she pulls her light-blue surgical mask down to her chin, rests her elbows on the cold metal railing and lets the night wind tousle her hair. Cool blue night with warm sodium city glow, cinematic photorealism, shallow depth of field, observational tone. Sound: steady wind, sparse distant traffic, a low city hum. No music, no speech. No subtitles.
Las referencias hay que resolverlas añadiendo a la petición, en Google Flow, las imágenes correspondientes: escribir @ y seleccionar la imagen (si todavía no está en la biblioteca, arrastrarla para subirla).
A continuación, un ejemplo con sincronización labial (clips con diálogos).
Clip 6 · 00:44–00:54 · 10 s · Escena 5
Tipo: Nuevo
Adjuntar: <image2> = P1 (Hiro), <image1> = E2 (Estudio)
Voz: a cámara, Hiro → Voice Changer
Medium shot in the studio from the second @image2, daytime. Hiro from the first @image1, messy black hair, light stubble, charcoal shirt stained with black and ochre paint, stands at his easel trying to paint a female figure wrapped in smoke; the brush stops, he frowns, gets up, slides the window open a little and sits down again. He turns his head toward the open door and, without raising his voice, says in Spanish from Spain: «¿Puedes bajarlo un poco?» Static camera with a slow punch-in on his face for the line. Cool daylight from the window, cinematic photorealism. Sound: vinyl crackle drifting from the next room, the window sliding. No music. No subtitles.
En este caso, la frase: «¿Puedes bajarlo un poco?» hay que generarla en ElevenLabs y luego sincronizarla en el editor con el personaje hablando.
Claude puede encargarse de crear tanto la voz de los personajes, como de las frases concretas que dicen, a través del conector MCP con ElevenLabs.
Resumen del proceso para cada clip
- Escribe el prompt propuesto por el Motor de películas en Google Flow. Selecciona formato y duración. Sustituye las referencias <image> por las imágenes necesarias (escribe @ y sube las imágenes si todavía no están en la biblioteca). El clip se generará en 480p.
- Descarga el clip en formato 1080p.
- En ElevenLabs, con la función «de texto a voz», elige la voz del personaje (o voz en off del narrador), genera el discurso y descarga el archivo.
- En el editor que vayas a utilizar, ajusta el clip con el archivo de audio para la sincronización labial (si es diálogo) o simplemente ajusta el clip de la narración.
Imagen destacada: generada con IA.