CAPÍTULO 01
Qué puede hacer Grok Imagine hoy.
Conviene distinguir lo disponible en Grok.com o las aplicaciones móviles de las funciones documentadas para la API. El despliegue puede ser gradual: si un botón no aparece, no significa necesariamente que estés haciendo algo mal.
Última revisión: 24 de agosto de 2026. Imagine Video 1.5 añadió vídeo desde texto, 1080p nativo, referencias de imagen y voz y control multirreferencia. Imagine Image 2.0 es el modo de calidad para crear y editar imágenes con mayor precisión.
Generar sin imagen inicial
Describe el plano completo. Grok combina la creación visual inicial con la animación y puede producir audio junto al vídeo.
Animar una imagen maestra
Es la vía más controlable: tú decides antes el personaje, el vestuario, el lugar, la época, la composición y el formato.
Personaje, lugar y objeto
Cada imagen puede fijar un elemento. La comunicación oficial anuncia hasta siete referencias en una generación.
Consistencia vocal
Una referencia vocal puede ayudar a conservar la misma voz entre escenas. En API, el acceso puede requerir solicitud.
Cambiar sin rehacer todo
La API documenta edición de vídeo mediante instrucciones: reestilizar, añadir o retirar objetos y controlar el movimiento.
Crear y corregir fotogramas
Genera o edita con lenguaje natural. La API admite hasta tres imágenes en una edición múltiple y salidas 1K o 2K.
CAPÍTULO 02
El método completo, de la idea al montaje.
Para una pieza corta, trabaja por planos de 4 a 10 segundos. Una sola generación larga concentra demasiadas decisiones y hace más difícil corregir identidad, manos, objetos, diálogo y continuidad.
01BRIEF
Define propósito y audiencia
Escribe una frase: «Quiero que alumnado de 12 años comprenda cómo funcionaba una fábrica de hojalata en 1936».
02FUENTES
Documenta lo verificable
Reúne fechas, planos, fotografías, mapas, vestuario, arquitectura, herramientas y testimonios. Separa hechos, hipótesis y licencia artística.
03GUION
Divide en escenas y planos
Una escena es una unidad narrativa; un plano es una toma concreta. Asigna a cada plano una sola acción principal y una función: situar, explicar, emocionar o conectar.
04BIBLIA VISUAL
Crea fichas de continuidad
Para cada personaje fija edad aparente, rasgos, ropa, proporciones, voz, actitud y elementos invariables. Haz lo mismo con cada localización.
05KEYFRAME
Genera la imagen maestra
Antes de animar, corrige época, manos, objetos, texto, luz, encuadre y espacio para el movimiento. Guarda el mejor fotograma como referencia.
06GENERACIÓN
Anima con una orden contenida
Describe acción, cámara y ambiente. Si hay diálogo, usa una frase breve por plano e indica quién habla y cómo suena.
07CONTROL
Revisa fotograma a fotograma
Comprueba identidad, anatomía, continuidad, dirección de mirada, labios, fondo, física, época, artefactos y audio.
08EDICIÓN
Monta y mezcla fuera del generador
Ordena planos, recorta comienzos y finales débiles, añade narración, música, efectos y subtítulos. No sobrecargues cada clip con todo.
CAPÍTULO 03
Crear y editar la imagen antes de animarla.
La calidad del vídeo depende mucho del fotograma inicial. Una composición estable, coherente y legible reduce desviaciones durante la animación.
Creación desde texto
- Define sujeto, lugar, época y acción congelada.
- Añade plano, ángulo, lente aproximada y profundidad.
- Especifica luz, paleta, textura y formato.
- Incluye lo que debe permanecer ausente.
Edición de una imagen
- Empieza por «Mantén sin cambios…».
- Describe una modificación por iteración.
- Delimita posición, tamaño, color y relación espacial.
- Repite rasgos críticos que no deben alterarse.
Edición multirreferencia
Usa una imagen para el personaje, otra para el espacio y otra para un objeto o estilo. En la API de Imagen 2.0 se documentan hasta tres imágenes de entrada para una edición.
Prueba de animabilidad
Antes de aceptar la imagen, pregunta: ¿hay espacio hacia donde caminará?, ¿las manos se ven claras?, ¿el fondo tiene elementos que podrían deformarse?, ¿la boca se ve si habrá diálogo?
Imagen maestra histórica
Mantén la arquitectura de la fotografía de referencia. Reconstrucción histórica fotorrealista… Sin maquinaria moderna, sin plástico, sin luces LED, sin texto ni logotipos inventados.
Edición precisa
Mantén exactamente rostro, postura, iluminación, fondo y encuadre. Cambia únicamente la prenda indicada… Conserva todos los demás elementos.
CAPÍTULO 04
Vídeo con referencias: cómo mantener la identidad.
No amontones siete fotografías sin función. Asigna una misión clara a cada referencia y nómbrala en la instrucción: personaje, localización, objeto, vestuario, estilo, iluminación o voz.
| Referencia | Qué debe fijar | Cómo prepararla | Cómo citarla en el prompt |
|---|---|---|---|
| Personaje | Rostro, edad, pelo, proporciones y vestuario base. | Fondo simple, buena luz, rostro visible y sin filtros extremos. | «REF 1 fija identidad y vestuario». |
| Localización | Arquitectura, distribución, materiales y época. | Plano amplio, perspectiva clara, sin personas que confundan. | «REF 2 fija el interior; no rediseñarlo». |
| Objeto | Forma, escala, materiales, color y detalles. | Varios ángulos si es esencial; escala comprensible. | «REF 3 fija la prensa del fondo». |
| Estilo | Contraste, grano, paleta y tratamiento fotográfico. | Evita que compita con referencias históricas documentales. | «REF 4 solo determina color y textura». |
| Voz | Timbre, ritmo, acento y personalidad sonora. | Muestra limpia, sin música, eco ni otra voz superpuesta. | «Voz grave, pausada; conservar entre escenas». |
Empieza con pocas
Prueba primero personaje + lugar. Añade una tercera referencia solo si el objeto o vestuario no queda estable.
Evita contradicciones
Si dos referencias muestran ropa, edades o luces distintas, el modelo deberá improvisar cuál manda. Indica prioridad.
Repite los invariantes
«Mismo rostro, misma altura, misma chaqueta, misma voz». La referencia ayuda, pero la orden explícita sigue siendo útil.
Un cambio por toma
Mantén personaje y lugar; cambia solo acción o cámara. Después cambia lugar manteniendo personaje. Así identificas dónde falla.
CAPÍTULO 05
Cómo escribir un prompt que se pueda dirigir.
El prompt debe ser continuo, pero internamente ordenado. Empieza por lo esencial y termina con restricciones. Evita listas de adjetivos que se contradicen o movimientos simultáneos imposibles.
SUJETO＋ACCIÓN＋ESPACIO / ÉPOCA＋PLANO Y ÁNGULO＋MOVIMIENTO DE CÁMARA＋LUZ Y COLOR＋AUDIO / DIÁLOGO＋DURACIÓN / FORMATO＋RESTRICCIONES
Plano medio corto de Nova, niña rubia de diez años con ojos azules, dentro de la fábrica de La Llauna en 1936. Mira a cámara y dice una sola frase en catalán de Badalona. La cámara realiza un push-in muy lento; al fondo, obreros trabajan de forma contenida y verosímil. Luz cálida lateral, tonos de acero y ámbar, sonido ambiente industrial suave, 8 segundos, vertical 9:16. Mantener exactamente rostro, ropa, época y arquitectura; sin deformaciones, sin texto, sin objetos modernos.
Una acción dominante
«Camina tres pasos y se detiene» es controlable. «Corre, gira, salta, saluda y habla» multiplica los puntos de fallo.
Movimiento medible
Di «push-in lento de un metro» o «paneo suave de izquierda a derecha». «Cámara dinámica» no explica qué debe ocurrir.
Diálogo breve y atribuido
Nombre del hablante, idioma, acento, emoción, frase exacta y regla «solo habla este personaje».
Restricciones observables
«Sin coches modernos» se puede comprobar. «Que quede perfecto» no aporta ninguna decisión visual.
CAPÍTULO 06
Laboratorio: construye tu prompt.
Selecciona una combinación y úsala como primer borrador. Después sustituye los campos genéricos por detalles concretos de tu escena y añade las referencias disponibles.
PROMPT BASE
CAPÍTULO 07
Metodología para reconstrucciones históricas.
Una reconstrucción convincente no es solo «estilo antiguo». Debe respetar la arquitectura, tecnología, vestuario, organización social y cultura material del momento. Marca siempre qué está documentado y qué es recreación probable.
Formula preguntas comprobables
¿En qué fecha exacta ocurre? ¿Qué actividad se realizaba? ¿Qué máquinas existían? ¿Cómo era la fachada? ¿Quién trabajaba allí? ¿Qué parte se conserva?
Fuentes primarias: fotos, planos, prensa, archivosFuentes secundarias: museos, estudios, catálogosTestimonios: memoria con fecha y contexto
Crea una tabla de certeza
Clasifica cada elemento como «confirmado», «probable», «desconocido» o «licencia narrativa». No rellenes automáticamente los vacíos con clichés visuales.
Construye por capas
Primero espacio y arquitectura; después maquinaria y objetos; luego vestuario y personas; al final atmósfera, luz, sonido y movimiento.
Fija un fotograma maestro
Genera un plano general aprobado del lugar y úsalo como referencia. De él deriva planos medios y detalles para evitar que cada toma invente una fábrica diferente.
Busca anacronismos
Revisa plástico, tipografías, señales, pavimento, instalaciones eléctricas, cierres, cascos, herramientas, gestos, diversidad de vestuario y normas sociales de la época.
Informa al espectador
Presenta la pieza como reconstrucción con IA, cita las fuentes y no hagas pasar un fotograma generado por una fotografía auténtica.
PLANTILLA DE RECONSTRUCCIÓN
Reconstrucción histórica verosímil de [lugar] en [fecha exacta], basada en [referencias]. Deben conservarse [arquitectura confirmada]. Aparecen [personas y acción documentada] usando [objetos y tecnología de época]. [Tipo de plano], [ángulo], [movimiento]. Iluminación [fuente realista], paleta [colores], textura [soporte fotográfico]. Audio: [ambiente]. Duración [x], formato [ratio]. No incluir [anacronismos concretos]. Los elementos no documentados deben ser discretos y plausibles, sin rótulos ni símbolos inventados.
CAPÍTULO 08
Diccionario del lenguaje cinematográfico.
Busca un término o filtra por familia. Cada ficha explica qué produce narrativamente y ofrece una formulación útil para el prompt.
CAPÍTULO 09
Continuidad, sonido y montaje.
Un conjunto de clips solo se convierte en vídeo cuando el espectador entiende dónde está, quién actúa, qué cambia y por qué debe seguir mirando.
| Elemento | Regla práctica | Error frecuente |
|---|---|---|
| Raccord de mirada | Si A mira a la derecha, el contraplano debe situar a B de forma coherente. | Los personajes parecen mirar fuera de escena. |
| Eje de 180° | Mantén la cámara en el mismo lado del eje imaginario de acción. | Las direcciones se invierten entre planos. |
| Movimiento | Corta durante una acción compartida o completa el gesto en el siguiente plano. | La mano o el cuerpo saltan de posición. |
| Vestuario y objetos | Usa la misma ficha y las mismas referencias en toda la secuencia. | Cambian color, tamaño, lado o cantidad. |
| Ambiente | Mantén una cama sonora común por escena y añade efectos puntuales. | Cada clip tiene un ruido de fondo distinto. |
| Diálogo | Una idea y una frase corta por plano; deja aire antes y después. | El final se corta o la sincronía se degrada. |
| Ritmo | Alterna planos de situación, acción y detalle según la información. | Todos los planos duran igual y tienen la misma escala. |
| Subtítulos | Dos líneas como máximo, alto contraste y margen seguro. | Texto demasiado bajo, pequeño o tapado por la interfaz social. |
Sonido diegético
Pertenece al mundo de la escena: máquinas, pasos, voces, viento. Ayuda a hacer creíble una reconstrucción.
Sonido extradiegético
Música o narración que el personaje no oye. Úsalo para guiar tono y explicación, no para ocultar un audio deficiente.
Corte en J
El audio del plano siguiente comienza antes de verlo. Suaviza transiciones y prepara el cambio de escena.
Corte en L
La imagen cambia, pero el audio del plano anterior continúa. Mantiene continuidad emocional o explicativa.
CAPÍTULO 10
Diagnóstico: corregir sin empezar de cero.
Cambia una variable cada vez. Si modificas acción, cámara, lugar, luz y voz simultáneamente, no sabrás qué solución funcionó.
El personaje cambia
Reduce referencias contradictorias, usa una imagen frontal limpia, repite invariantes y simplifica la acción.
Prueba: cámara fija + acción mínima.El fondo se deforma
Evita órbitas amplias, fija el lugar con una referencia general y usa push-in o paneo corto.
Prueba: movimiento menor y profundidad clara.Los labios no sincronizan
Acorta la frase, muestra bien la boca, elimina otros hablantes, reduce movimiento corporal y especifica idioma y voz.
Prueba: 6–8 segundos, una sola oración.La cámara va al revés
Describe inicio, dirección y final: «paneo desde la puerta de la izquierda hasta la prensa central».
Prueba: sustituye «dinámica» por una trayectoria.Movimiento exagerado
Usa «sutil», «contenido», «lento», «estable» y limita la distancia. Elimina adjetivos como épico o frenético si no son necesarios.
Prueba: una acción y un movimiento.Aparecen objetos modernos
Nombra anacronismos concretos y refuerza época, materiales y fuentes documentales. Revisa también tipografías y señalización.
Prueba: lista negativa específica.El clip empieza o termina mal
Pide pausa inicial y final, genera algo más de duración y recorta en montaje. No pongas la acción clave en el último segundo.
Prueba: «medio segundo quieto al final».Demasiadas cosas suceden
Divide el plano: situación, acción, reacción y detalle. La edición une mejor cuatro tomas claras que una imposible.
Prueba: convierte verbos extra en nuevos planos.CAPÍTULO 11
Lista final y uso responsable.
La capacidad técnica no sustituye el consentimiento, los derechos de autor, la privacidad ni el rigor histórico y educativo.
Consentimiento e identidad
No clones el rostro o la voz de una persona sin autorización. No fabriques situaciones engañosas atribuidas a personas reales.
Derechos y procedencia
Comprueba licencias de fotos, música, voces y archivos. Conserva una hoja de fuentes y permisos del proyecto.
Menores y privacidad
Evita datos identificables y material sensible. Utiliza personajes ficticios o recursos autorizados en actividades educativas.
Transparencia
Etiqueta las reconstrucciones y escenas generadas. Explica qué parte se basa en documentos y cuál es una interpretación visual.
CONTROL ANTES DE PUBLICAR