Guía de prompts de Wan 3.0: seis fórmulas oficiales, de una línea a un guion multiplano

Alibaba lanzó Wan 3.0 con un manual para creadores, y lo más útil que hay dentro no es la lista de funciones: son seis fórmulas de prompt, cada una con sus ejemplos trabajados y los clips que esos ejemplos produjeron. Casi nada de eso ha llegado al español.

Esta guía es esa sección, desplegada y traducida: cada fórmula de abajo es la del manual, y cada prompt está impreso completo para que puedas pegarlo directamente en un Playground. Donde el manual acompaña un prompt con un clip, ese clip está incrustado al lado.

Todo lo que sigue funciona en el Playground de Pixo con Wan 3.0 — hasta 30 segundos, con audio nativo.

Con qué cuenta el prompt

Antes de las fórmulas, la caja en la que viven. Los límites de Wan 3.0 son inusualmente generosos, y varias de las fórmulas solo tienen sentido cuando los conoces:

Dos de estas líneas cambian cómo escribes. El techo de 20.000 caracteres es lo que hace practicable la fórmula multiplano: puedes guionizar diez planos con diálogo y no acercarte ni de lejos. Y la exclusión primer/último fotograma ↔ referencia es una bifurcación que eliges antes de escribir: o le das a Wan un fotograma y describes el movimiento, o le das referencias y describes quién hace qué. No hay prompt que haga las dos cosas.

Fórmula 1 — Básica: quién, dónde, haciendo qué

El punto de entrada del manual, pensado para quien genera su primer video con IA. Tres bloques, ni uno más:

Prompt = sujeto + escenario + movimiento

• Sujeto — aquello de lo que trata el video. El manual es deliberadamente amplio aquí: una persona, un animal, una planta, un objeto o algo que no existe físicamente. Es el ancla de la que cuelga el resto del prompt, y el único bloque que no puedes dejar implícito.
• Escenario — el entorno en el que está el sujeto, fondo y primer plano incluidos, lugar real o inventado. Sáltatelo y el modelo elige; nómbralo y habrás fijado más o menos la mitad del encuadre.
• Movimiento — qué se mueve y cuánto. Vale la pena interiorizar el rango del propio manual: el movimiento incluye la quietud, el movimiento pequeño, el movimiento amplio, el movimiento de una parte o una deriva de todo el encuadre. «Movimiento» no es solo acción: declarar que algo permanece quieto también es una instrucción de movimiento, y Wan 3.0 la obedece.

La fórmula básica es además la que más se beneficia de una sola palabra de estilo al principio. Esta es la entrada de la mesa de plastilina del manual, apenas más larga que un tuit y aun así con una pequeña historia completa:

Animación dibujada a mano, pincelada de óleo, paleta de color fría. En una granja del campo estadounidense, un platillo volante se acerca desde la distancia; un haz de luz verde se dispara desde su parte inferior y se lleva a una de las vacas de la granja; no muy lejos, en una habitación de la segunda planta, un niño pequeño lo ve todo.

Léelo contra la fórmula: palabras de estilo, luego escenario (una granja del campo estadounidense), luego sujeto (el platillo), luego movimiento en tres tiempos encadenados (se acerca, lanza el haz, se lleva la vaca) y después un segundo sujeto cuyo movimiento es mirar. Dos frases, y todos los bloques llenos. Ese es el estándar que realmente pide la fórmula básica: no longitud, cobertura.

Fórmula 2 — Avanzada: tres bloques más

Cuando los tres básicos ya son un hábito, el manual añade tres más. Mismo orden, a continuación:

Prompt = sujeto + escenario + movimiento
       + control estético + estilización + sonido

En este nivel los tres primeros bloques reciben además descripciones: el manual separa el sustantivo del detalle que se le cuelga.

• Descripción del sujeto — el detalle de apariencia, escrito como adjetivos o frases cortas. Los ejemplos del manual: «una joven miao de pelo negro con vestimenta de minoría étnica», «una inmortal voladora de otro mundo, con ropajes andrajosos pero ornamentados y un par de extrañas alas hechas de fragmentos de ruinas desplegadas a su espalda». Sustantivos concretos y materiales, no adjetivos sobre el ánimo.
• Descripción del escenario — el mismo tratamiento para el entorno, y el bloque que fija en silencio tu iluminación. Nombrar superficies y su estado («tierra naranja agrietada», «barandillas metálicas mojadas») le da al render algo contra lo que rebotar la luz; «una granja» no le da nada, y recibes de vuelta una luz ambiente genérica.
• Descripción del movimiento — amplitud, velocidad y el efecto que produce el movimiento. Los tres ejemplos del manual son precisamente eso: «oscilando violentamente», «moviéndose lentamente», «rompió el cristal». El tercero es el interesante: describir la consecuencia es una instrucción de movimiento.

Y luego los tres bloques nuevos:

• Control estético — fuente de luz, ambiente lumínico, escala de plano, ángulo de visión, óptica, movimiento de cámara. Este es el bloque de fotografía, y de aquí sale casi todo el «valor de producción» percibido. Ser vago aquí significa que el modelo elige un plano medio seguro con luz plana.
• Estilización — el nombre del lenguaje visual. Los ejemplos del manual: «ciberpunk», «ilustración de línea», «páramo posapocalíptico». Una o dos palabras, colocadas pronto, haciendo un trabajo enorme. La biblioteca de estilos al final de este artículo son doce de estas, cada una con la formulación que la dispara.
• Sonido — ambiente de fondo, música de fondo, diálogo de los personajes, narración. Y, crucialmente, el timbre se describe con palabras: «una voz grave y mixta», «una voz tierna». La fórmula 4 desmonta esto a fondo.

La entrada de cine de catástrofes del manual es la fórmula avanzada en plena extensión: un párrafo global que carga con estilo, sujeto y ánimo, luego diez tiempos numerados y luego un párrafo que musicaliza todo el conjunto. Su bloque de apertura:

Una aparición de monstruo marino de 30 segundos con verdadera textura cinematográfica; ambiente general referenciado a un blockbuster hollywoodiense de catástrofe y monstruos. La historia abre con un pequeño barco pesquero peleando contra la tormenta, con la marca «WAN» claramente visible en el casco. La cámara establece primero el estado brutal del mar y lo pequeño y frágil que es el barco, y después construye presión mediante el detalle — alteración en la superficie, una sombra bajo el agua, el casco temblando, un oleaje antinatural — hasta que por fin una bestia abisal inmensa, al estilo de un kaiju de Pacific Rim, rompe hacia fuera del agua. En todo momento: realismo, peso, escala verdadera, impacto violento del agua, luz de alto contraste bajo la lluvia y los relámpagos; enfatizar la textura de efectos visuales de cine, el volumen del agua de mar, el detalle húmedo de la piel de la criatura y la presencia opresiva de algo enorme.
Tiempo 1: noche, mar azotado por la tormenta, verdadera textura cinematográfica. Un plano general muestra un pequeño barco pesquero abriéndose paso entre olas enormes — el casco viejo, resbaladizo, machacado por el mar, las letras blancas «WAN» claramente visibles en su costado. El agua es violenta, el viento arrastra cortinas de lluvia sobre ella, nubes negras ruedan por encima y un relámpago lejano ilumina brevemente todo el paisaje marino. Enfatizar el agua de mar real, el entorno de tormenta, el detalle del casco y una sensación de diminuta indefensión.
Tiempo 2: plano medio corto de la proa o del costado de la cubierta. Las olas golpean el casco y barren la cubierta; cabos, redes y barandillas metálicas se agitan con el viento y la lluvia. La cámara cabecea con el barco para dar una sensación real de balanceo, con la lluvia golpeando la óptica y las superficies del barco. La marca WAN vuelve a cruzar brevemente el encuadre. Enfatizar los materiales reales, el mal tiempo, el metal y la madera empapados y un peligro de supervivencia agudo.
Tiempo 3: desde el punto de vista del barco, mirando hacia delante sobre el mar. Dentro de la tormenta, el oleaje desarrolla una elevación enorme y antinatural, como si algo inmenso se acercara rápido desde abajo. Se forma un vórtice gigantesco, el agua se agita mal, la cresta es empujada desde abajo, las corrientes están desordenadas. Cuando un relámpago ilumina la superficie, una sombra vaga y gigantesca es apenas visible en la profundidad. Enfatizar el suspense, la presión del mar y el pavor de un gigante que se acerca.

Fíjate de qué está hecho cada tiempo. Todos abren nombrando un plano (general / medio corto / punto de vista) y cierran con una línea de intención de dirección: «enfatizar el agua de mar real, el entorno de tormenta, el detalle del casco y una sensación de diminuta indefensión». Esa frase de cierre es la costumbre del manual que merece la pena robar: después de describir lo que hay en el encuadre, di para qué está el encuadre. En medio, los tiempos situados en el barco enumeran materiales (metal mojado, madera, cabo, redes, barandillas) mientras que los tiempos en mar abierto, como el tiempo 3, no nombran ninguno: ahí fuera no hay nada que tocar, así que el presupuesto de detalle se va al comportamiento del agua.

El bloque de sonido, en este mismo prompt, es un párrafo final que musicaliza los 30 segundos como un arco:

Música al estilo de una película hollywoodiense de catástrofe y monstruos. Abrir con ambiente grave, un retumbe subgrave de aguas profundas, percusión escasa y cuerdas opresivas para construir inquietud dentro de la tormenta; a medida que la superficie empieza a moverse, superponer pulsos de bajo más fuertes, una sensación de impacto metálico y tensión de cuerdas que se acumula; justo antes de que la criatura emerja, mantener la música en una suspensión casi de aliento contenido que sigue subiendo; cuando rompe el agua, estallar en metales enormes, percusión pesada e impacto de baja frecuencia para un clímax a escala de catástrofe; cerrar con notas sostenidas pesadas, opresivas y apocalípticas y percusión que refuerzan la imagen épica de la bestia erguida sobre el mar.

Cuatro estados, clavados a cuatro momentos de la historia. Es una hoja de música, no un adjetivo — y es la diferencia entre «música cinematográfica» y una partitura que golpea cuando golpea el monstruo.

Fórmula 3 — Imagen y primer/último fotograma: solo movimiento y cámara

Cuando aportas un primer fotograma (o un primero y un último), la imagen ya ha decidido el sujeto, el escenario y el estilo. Repetirlos en el prompt es, en el mejor caso, presupuesto desperdiciado y, en el peor, una fuente de conflicto. Así que la fórmula se reduce a dos bloques:

Prompt = movimiento + movimiento de cámara

• Movimiento — atado a lo que se ve realmente en la imagen: esta persona, este animal, corriendo, saludando. El manual señala expresamente el uso de adverbios para controlar grado y velocidad — «rápidamente», «lentamente». Como el encuadre está fijado, los adverbios son casi toda la superficie de control que te queda.
• Movimiento de cámara — solo si quieres uno. Escríbelo con sencillez: «acercamiento», «travelling a la izquierda». Y lo inverso importa igual: si la cámara no debe moverse, el manual dice que hay que decirlo, con «plano fijo». Callarse aquí no es lo mismo que pedir una cámara bloqueada.

El espadachín a la tinta del manual es el caso de primer fotograma más claro del libro. Entra una imagen; el prompt es una escaleta con marcas de tiempo en la que casi cada línea es una instrucción de cámara o de movimiento, y el estilo se menciona una sola vez, al final del todo — como recordatorio de preservar el aspecto del fotograma de entrada, no como una dirección artística nueva. Este es el primero de sus cinco tiempos:

Los archivos de referencia de la demostración

Nuestra traducción del prompt oficial del manual para esta fórmula

(0:00 - 0:03) Cámara: plano medio.
Encuadre: continuar la escena de bosque de bambú a la tinta de @Image1. El espadachín con sombrero de paja y túnica negra de tinta, su silueta erguida en el centro de la niebla arremolinada y las sombras oscilantes del bambú.
Acción: su mano izquierda descansa levemente sobre la empuñadura; hojas de bambú caen con el viento.
Ambiente: silencioso, opresivo; el grano de la aguada de tinta claramente visible.

El tiempo está escrito como líneas etiquetadas, y las etiquetas se eligen tiempo a tiempo en vez de estar fijadas: solo Cámara abre los cinco. Encuadre y Detalle aparecen en la mayoría; Historia, Acción, Pelea, Ambiente y Texto en pantalla van y vienen según lo que el tiempo necesite. Lo estable es la forma: cámara primero, luego una línea etiquetada por asunto, un asunto por línea. Fíjate también en que Encuadre se usa aquí para decir continuar @Image1, no para volver a describirla. El segundo tiempo muestra cómo se desplazan las etiquetas cuando llega la historia:

(0:03 - 0:08) Tiempo narrativo. Cámara: primer plano.
 
Historia: el espadachín percibe intención asesina.
Encuadre: la cámara se acerca rápido hasta un primer plano bajo el sombrero.
Detalle: en el borde del sombrero, un par de ojos fieros y resueltos, una mirada como una hoja. Una «gota de sudor» a la tinta se desliza por su frente.
Acción: su mano derecha se cierra lentamente sobre la empuñadura, los nudillos palideciendo. Las hojas de bambú caen más deprisa.

Dos cosas se generalizan. Primero, los adverbios son los que trabajan: acercarse rápido, cerrarse lentamente, hojas cayendo más deprisa — grado y velocidad, exactamente lo que pide la fórmula. Segundo, el prompt cierra volviendo a nombrar la imagen de origen e indicando que su estilo de tinta en blanco y negro se mantenga durante todo el clip. Con un primer fotograma, la instrucción de estilo es una instrucción de preservación.

Fórmula 4 — Sonido: voz, efectos, música

Wan 3.0 genera audio de forma nativa, así que el sonido no es posproducción: es texto de prompt. El manual da una fórmula con tres subfórmulas debajo, y las subfórmulas son la parte útil:

Prompt = voz + efectos de sonido + música (BGM)
 
voz               = «lo que dice el personaje» + emoción + entonación
                  + ritmo + timbre + acento
efecto de sonido  = material de la fuente + la acción + el espacio ambiente
música (BGM)      = la propia pieza + su género

Voz. Seis bloques, y el primero no se negocia: escribe las palabras reales. El ejemplo del manual es un hombre haciendo monólogo que dice «Estudia mucho, mejora cada día» — tono relajado, ritmo moderado, voz clara y brillante, inglés estadounidense. Fíjate en que el bloque de acento es independiente del idioma de tu prompt, y en que el «timbre» se describe con palabras corrientes: el manual ofrece en otro sitio una voz grave y mixta, una voz tierna.

Efecto de sonido. Los tres bloques existen para impedirte escribir «un golpe seco». El ejemplo del manual: una pequeña bola de vidrio cae de una mesa a un suelo de madera y hace «bang», en un interior silencioso. Material, acción, sala. Cambia el material a goma y la misma frase produce un sonido completamente distinto; quita el material y obtienes un promedio de todos.

Música. La subfórmula más corta, y el ejemplo del manual muestra que va pegada a una escena, no flotando: una noche de lluvia, un pasillo estrecho y sombrío con una ventana al fondo, con música de fondo de estilo suspense. La escena y el género de un tirón.

Un caso que las tres subfórmulas no cubren es el audio que llega como archivo subido en vez de como descripción — para eso, la tabla de referencias del manual tiene una entrada de baile que le entrega a Wan un archivo de audio y después dedica todo el prompt a describir cómo debe responderle el cuerpo:

Vertical 9:16, plano entero, cámara fija y estable. Una joven de pelo largo y negro, con top blanco de manga larga bordado con flores, falda plisada blanca con cinturón negro y zapatillas blancas de plataforma, baila estilo idol al ritmo del audio aportado en una cocina moderna minimalista. Fondo: armarios gris claro, isla blanca, ventanas con la noche oscura; un panel de relleno cuadrado detrás de ella forma una luz de contorno; iluminación interior blanca fría.
Coreografiar según el ritmo, el tempo y las subidas emocionales del audio aportado: los tiempos fuertes reciben movimientos nítidos y amplios y poses sostenidas; los pasajes suaves reciben ondas del cuerpo delicadas y figuras de manos; el estribillo recibe movimiento más denso y explosivo. Baile de estilo idol de principio a fin — continuo, fluido, rítmico y expresivo, totalmente sincronizado con el pulso del audio.
Movimiento suave, proporciones de las extremidades naturales.

El segundo párrafo es un mapeo, no una descripción: tiempo fuerte → este tipo de movimiento, sección tranquila → aquel otro, estribillo → más denso. Ese es el gesto general para cualquier audio subido: no estás describiendo la música, le estás diciendo a Wan cómo debe responder la imagen a cada uno de sus estados.

Fórmula 5 — Referencia: pon @ al recurso y luego dirígelo

La referencia-a-video mantiene coherentes a lo largo del clip generado las personas, lugares y voces que subes. La fórmula tiene tres bloques:

Prompt = @recurso referenciado + acción + diálogo

• @recurso referenciado — cita los archivos subidos por número, en orden de subida: @Image1, @Video2, @Audio1. El consejo clave del manual: puedes poner @ al mismo recurso varias veces, en distintos puntos del prompt, y así es como el vínculo se vuelve preciso en lugar de aproximado. Una @ no es una declaración que se hace una vez arriba: es un puntero que sueltas donde haga falta.
• Acción — el estado de movimiento del sujeto referenciado: quietud, un cambio de expresión o emoción, un movimiento corporal, una fuerza externa que actúa sobre él, un cambio de posición. Una imagen de referencia es una pose, y sin bloque de acción el modelo tiende a animar alrededor de esa pose en vez de a partir de ella. Nombrar el estado de movimiento es lo que convierte un fijo en una interpretación — y «quietud» es una respuesta legítima, no una respuesta vacía.
• Diálogo — lo que dicen. Un hablante o varios en conversación, y el timbre puede ser en sí mismo una referencia: «timbre de voz referenciado a @Audio1».

Bajo la misma fórmula caben dos variantes:

• Referencia temporal de video — referenciar el contenido temporal de un clip en vez de su sujeto: la acción, el movimiento de cámara, el efecto. La formulación del manual: «referenciar el trabajo de cámara de @Video1».
• Referencia de maqueta blanca (previz) — meter una previsualización 3D en volúmenes grises y convertirla en un plano acabado. El manual da la frase para copiar: «Convierte este video de previsualización 3D en una película acabada; sustituye [X] de la previsualización por el personaje [Y].»

El ejemplo de cuento de hadas del propio manual es la demostración compacta de los tres bloques a la vez:

Una escena de cuento de hadas infantil. @Image1 está saltando y jugando en la hierba; @Image2 toca el piano bajo un manzano al lado; una manzana cae sobre la cabeza de @Image2; @Image1, referenciando el timbre de @Audio1, señala alegremente a @Image2 y dice: «¡Vas a ser científico!»

Tres recursos, seis menciones con @, una línea de diálogo escrita entera. @Image1 aparece dos veces — una como sujeto de una acción, otra como hablante — y @Image2 tres: como pianista, como la cabeza sobre la que cae la manzana y como aquello que se señala. Ese es el consejo de «vuelve a ponerle @ donde aplique» en la práctica: el recurso se vuelve a citar en cada punto en el que participa, no se declara una sola vez.

Aquí está la misma gramática aplicada a una lámina de storyboard, de la tabla de referencias del manual. Una lámina subida se convierte en seis planos:

Referenciando el storyboard de @Image1. Plano 1: general de un pequeño andén de tren en una noche de lluvia — una chica de pelo largo está sola bajo un paraguas azul, luz cálida derramándose desde el edificio de la estación tras ella, colinas verdes perdidas en la bruma de lluvia al fondo. Plano 2: medio — la chica con su paraguas y un chico de pelo corto con mochila escolar están frente a frente en el andén, la lluvia cayendo a cántaros, la vía alejándose entre ellos. Plano 3: rodado a través de la tela transparente del paraguas con las gotas resbalando por ella, un primer plano del rostro de la chica; tiene los ojos enrojecidos y dice en voz baja {Escríbeme cuando llegues}. Plano 4: sobre el hombro del chico hacia la chica — a lo lejos un tren avanza despacio con el faro encendido, el halo extendiéndose por la lluvia. Plano 5: primer plano de sus manos mientras la chica aprieta una nota doblada en la del chico, con la yema de los dedos temblando levemente. Plano 6: la chica sola al borde del andén, mirando la vía alejarse en la distancia, el chico ya no a su lado, la lluvia amainando.

Fíjate en las llaves del diálogo: dice en voz baja {Escríbeme cuando llegues}. El manual usa llaves para acotar la frase exacta y separarla de la descripción que la rodea, un hábito útil en cualquier prompt donde narración y diálogo comparten frase.

Fórmula 6 — Multiplano: el prompt como guion técnico

La última fórmula es aquella para la que existe el presupuesto de 20.000 caracteres. Genera una narración multiplano coherente en una sola generación, manteniendo sujeto, escenario y ánimo consistentes de un corte a otro:

Prompt = descripción general + número de plano + marca de tiempo + contenido del plano

• Descripción general — un resumen breve de todo el video: tema, estilo narrativo, emoción dominante, el evento central. Existe para que el modelo tenga una lectura global antes de empezar por el plano 1, y es lo que mantiene el plano 7 dentro de la misma película que el plano 1.
• Número de plano — numera cada plano. Es la columna vertebral estructural; sin ella, un prompt largo se lee como una parrafada continua y el modelo decide dónde van los cortes.
• Marca de tiempo — el rango temporal que ocupa cada plano, que es lo que ata la lista de planos a la duración real de la salida. Diez planos en 30 segundos es una película distinta de tres, y las marcas de tiempo son cómo dices cuál.
• Contenido del plano — para cada plano, el comportamiento concreto de las personas y objetos que hay en él: acción, habla, expresión, postura. Dentro de un plano estás escribiendo un prompt normal de un solo plano: las fórmulas anteriores se aplican sin cambios.

El ejemplo trabajado del manual es deliberadamente pequeño, para que la estructura se vea:

Contada desde una perspectiva en tercera persona, esta es una pieza breve sobre rendirse y volver a encontrar la esperanza. Plano 1 [0-3 s] Un chico está sentado solo en un rincón del patio, con la cabeza gacha sobre una carta que tiene en las manos, y después suspira en voz baja, con la mirada perdida. Plano 2 [4-6 s] Corte seco, cámara fija, centrada en los ojos del chico — lágrimas brillando, llenas de pérdida e impotencia. Plano 3 [7-10 s] Corte seco, la escena se traslada a un aula sencilla. Una chica de mirada dulce y firme, vestida con sencillez, con una sonrisa dulce y firme en la cara, se acerca a consolarlo.

Una línea de resumen y luego tres planos que llevan cada uno un número, un rango de tiempo entre corchetes, la transición que entra en ellos, la cámara y la interpretación. Diez segundos de película en cuatro frases.

A escala mayor, el mismo esqueleto produce un corto de 30 segundos. El plano secuencia de la Costa Oeste del manual abre con la descripción general más un bloque de personaje, y luego cuatro planos numerados con rangos de tiempo — y cada plano después del primero empieza con «Sin corte», que es la forma en que una lista de planos produce una toma continua en vez de cuatro planos separados:

Un espectáculo visual de plano secuencia de 30 segundos, calidad de cine y alta intensidad. Estilo general: «fantasismo callejero de la Costa Oeste» — un lenguaje visual que cruza el grano del video de skate callejero de los 90 con el pulido de un blockbuster publicitario moderno. Etiquetar toda la película para un «sol de California» extremo: un cielo azul saturado en contraste duro con las sombras de las palmeras bajo el sol directo, el aire cargado del calor del asfalto, el raspado metálico de las ruedas de un carrito de la compra y una rebeldía adolescente sin miedo. La perspectiva del espacio se estira a medida que el héroe acelera; la cámara construye fuerza visual mediante un seguimiento en contrapicado extremo y un recorrido físico a gran velocidad por el escenario.
 
El héroe es un chaval con estilo, con camisa de rayas de bloques de color y gorra de béisbol negra, cuya expresión pasa de la desidia perezosa a la euforia al romper su límite; en la segunda localización el héroe es el mismo chaval, pero aparece en la dimensión real en postura de observador.
 
Plano 1, 0-6 s:
Abrir en un primer plano — el chaval repantingado dentro de un carrito de la compra de acero rojo, detrás de él un bulevar californiano recto e icónico y palmeras altísimas. Cuando la música arranca, la cámara ejecuta un retroceso extremadamente rápido y se hunde al nivel del suelo, pegada a la rueda en contrapicado muy bajo. El chaval empieza a bajar en tromba por la cuesta empinada, el carrito martilleando el asfalto, los coches a ambos lados saliendo disparados hacia atrás, la cámara captando una sensación de aceleración casi enloquecida.
 
Plano 2, 7-15 s:
Sin corte. La cámara sigue pegada al suelo como un skater, y en el instante en que él supera una rampa tosca de contrachapado, acompaña el movimiento hacia arriba en una parábola elegante. El carrito se lanza al aire; la cámara pasa por debajo. Delante, una valla publicitaria gigante llena rápidamente todo el campo de visión, y la cámara se lanza hacia ella en un acercamiento «de retícula» improbable, apuntando directo al centro de la valla.
 
Plano 3, 16-24 s:
Sin corte. El chaval y el carrito se incrustan directamente en la valla gigante, rompiendo el muro dimensional. En el instante del contacto su cuerpo tridimensional se aplana; aparecen en el encuadre textura real de papel rasgado y tinta con glitch de color. Manteniendo aún su postura de bajada, se ha convertido en una pieza de arte plano sobre la valla. La cámara ejecuta entonces una órbita horizontal de 180 grados y después se lanza desde lo alto de vuelta al nivel del suelo.
 
Plano 4, 25-30 s:
Sin corte. La cámara aterriza con suavidad en la calle justo debajo de la valla, donde aparece otra versión «real» del chaval. Se detiene, se baja lentamente la visera de la gorra y mira hacia arriba, a su yo congelado en la valla, con una sonrisa levemente divertida. La cámara sigue su línea de mirada en un zoom rápido y se asienta en el agujero rasgado junto a la palabra «WAN» de la valla. La música funde un beat de hip-hop de alta energía con el sonido físico de una película pasando por la bobina; la información visual es altamente condensada y llena de rebeldía con estilo.

La misma cabecera de plano numerado funciona también con un plano único, que es como el manual escribe su entrada de comedia — una toma de 30 segundos cuya estructura entera son panorámicas rápidas entre dos caras, declarada una vez en una cabecera y luego ejecutada línea a línea:

Plano 1 [0 s-30 s]
Primer plano, a la altura de los ojos, panorámicas rápidas continuas, plano secuencia (un único movimiento de cámara ininterrumpido):
A la izquierda del encuadre, un director con chaleco de director negro y moderno y auriculares profesionales de gama alta, con una cámara de cine profesional enorme colocada abajo a su izquierda. A la derecha, un galán enchufado con maquillaje impecable, flequillo coreano de coma a la moda y traje a medida. El fondo es un plató profesional amplio: un croma verde enorme, varios trípodes C de nivel cinematográfico que se alzan altos, cables enredados, y eléctricos, maquilladores y demás equipo moviéndose atareados por él.
Iluminación de plató profesional. Una fuente LED de ventana difusora entra desde la derecha e ilumina uniformemente las caras de los protagonistas, con el color de la escena pleno y rico. El equipo de cámara y el croma del fondo proyectan sombras tenues bajo la abundante luz de plató, dando la textura real y atareada de un rodaje moderno de gran presupuesto.

El prompt completo continúa en un único párrafo largo que alterna una frase del director con una panorámica de latigazo a la cara del actor y una reacción descrita, seis veces seguidas — el diálogo escrito entero cada vez y «no cortar» repetido en cada panorámica. Cuando un solo plano tiene que cargar con toda una película, la repetición es la instrucción.

La biblioteca de estilos: doce acabados y qué los dispara

La tabla de apertura del manual son doce entradas, cada una un género con un prompt completo y el clip que produjo. Leída como referencia, es un libro de frases: la segunda columna es la formulación que realmente fija el acabado, y casi siempre está en la primera frase del prompt.

Algunas notas para leer esta tabla. La fila 12 está etiquetada como plastilina en el manual, pero su prompt pide animación dibujada a mano con pincelada de óleo: la etiqueta describe la fila de la tabla, el prompt describe la salida, y fue el prompt el que decidió el acabado. Las filas 3, 4, 6 y 12 son los mismos clips usados como ejemplo antes en este artículo; el manual también los reutiliza entre secciones.

Más útil todavía: fíjate en lo pocas que son de una sola palabra. Las que aguantan 30 segundos emparejan un medio («animación 2D», «corto 3D», «plano secuencia cinematográfico») con una regla de luz o de color («iluminación cinematográfica de alto contraste», «cian y naranja», «luz de luna blanca y fría como luz principal dura»). «Ciberpunk» a secas te da una conjetura; «ciberpunk, luz principal de neón de alto contraste, sombras desaturadas» te da un acabado que puedes repetir de un plano a otro.

Juntando las seis

Las fórmulas se anidan en vez de competir. En la práctica:

1. Empieza por la básica. Sujeto, escenario, movimiento. Si la línea única ya está cerca, has terminado — Wan 3.0 hace películas de verdad a partir de frases sueltas.
2. Añade los bloques avanzados donde la salida te decepcionó. ¿Imagen plana? Eso es control estético. ¿Genérica? Eso es estilización. ¿Muda o mal musicalizada? Eso es el bloque de sonido.
3. Elige tu modo de entrada antes de escribir. Primer/último fotograma o referencias, nunca ambos. Con un fotograma, suelta todo menos movimiento y cámara. Con referencias, ponles @ repetidamente y escribe el diálogo entero.
4. Recurre a la fórmula multiplano cuando la idea tenga un medio. Descripción general, planos numerados, marcas de tiempo, contenido. Añade «Sin corte» entre planos si quieres una toma continua en vez de una secuencia.

Ejecútalo en Pixo

1. Regístrate en pixo.video — las cuentas nuevas empiezan con créditos gratis.
2. Abre el Playground y elige Wan 3.0 como modelo.
3. Pega cualquier prompt de esta guía, adjunta tus archivos de referencia y genera — de 2 a 30 segundos, de 480p a 1080p, con audio nativo.