Cómo convertir un guion en un video con IA: el flujo completo, del guion terminado al render

Tenés un guion terminado —sesenta líneas de voz en off, una escena por párrafo, hasta los chistes pulidos— y el instinto es pegarlo entero en el cuadro de texto del generador. El resultado es siempre el mismo: treinta segundos de pesadilla donde el personaje cambia de cara cada cuatro segundos y nadie entiende el mensaje. No es culpa del modelo ni del guion: los motores de video actuales generan un plano corto por corrida, y un guion son decenas de planos con continuidad entre ellos. Convertir uno en el otro no es un prompt, es un flujo de trabajo, y el flujo tiene cuatro pasos: partir el guion en escenas, hacer el storyboard barato, generar todo como un solo proyecto con un planificador que sostenga la coherencia, y editar la salida como material bruto que es.

Esta guía recorre los cuatro pasos, con un micro caso al final: un guion de 300 palabras de lanzamiento, convertido en un video de unos noventa segundos, con la cuenta de créditos a la vista. Si todavía no tenés el guion escrito y querés empezar desde una lista de ideas sueltas, leé primero la guía de bocetos (en inglés, make video by script); acá asumimos que el documento existe.

Por qué un guion terminado es la mejor entrada que le podés dar a la máquina

Los modelos de texto-a-video se dirigen mejor cuando la dirección ya viene estructurada. Un guion —de cortometraje, de anuncio, de video explicativo con voz en off— te regala información que un prompt de una sola frase no tiene:

• Los cortes de escena ya están marcados; nadie tiene que adivinar dónde cambia el plano.
• Cada escena suele tener un sujeto y una acción, que es exactamente el grano que un motor maneja bien.
• El diálogo o la locución fijan una duración por escena, y esa duración te dice qué tan largo tiene que ser el clip.
• El ambiente y la hora del día ya viven en las acotaciones, que son media imagen de tu prompt lista.

Compará eso con «haceme un video sobre mi producto»: el pedido sin estructura obliga al modelo —o a vos— a inventar las decisiones creativas en el momento más caro de la línea de producción, el render. Cuando el guion vino primero, esas decisiones ya están tomadas y son baratas de cambiar: editar una frase no cuesta nada; re-renderizar una escena cuesta créditos y tiempo.

Paso 1: partí el guion en escenas y etiquetá cada una

Tomá el documento y arma una lista numerada donde cada ítem sea una sola idea visual. Para un video explicativo, una escena por frase o por golpe de locución funciona; para una secuencia de ficción, cada encabezado de localización es una escena natural.

A cada escena escribile cuatro etiquetas, una línea por etiqueta:

1. Sujeto y acción: quién o qué está en cuadro y qué cambia. «La dueña del tostador habla a cámara junto a la ensacadora» es una escena. También lo es «la mano del barista empuja la bolsa sellada hacia cámara».
2. Ambiente y hora: una cláusula basta; el motor completa el resto.
3. Cámara: plano y movimiento en términos de rodaje real —plano medio con acercamiento lento, cámara fija sobre trípode, órbita suave—. Si un director de fotografía podría ejecutar la línea en un set, un modelo de video normalmente puede intentarla.
4. Duración objetivo: leé la línea de locución en voz alta y cronometrala. Un clip de cuatro segundos bajo una frase de nueve se ve roto por más lindo que salga.

Mantené los prompts cortos: una escena de veinticinco a cuarenta y cinco palabras rinde mejor que un párrafo entero. La estructura que más funciona —sujeto, movimiento, ambiente, cámara, estilo, en ese orden— está desarrollada en la guía para escribir un prompt de video con IA; y si querés frases probadas para robar lenguaje de cámara, la biblioteca de 50 ejemplos de prompt sirve igual en español.

Paso 2: storyboardeá barato, no saltees el paso

Storyboarding suena a la parte artística que todo el mundo saltea. En un pipeline de IA es la palanca de calidad más barata que tenés, por dos razones.

La primera: un fotograma fijo es una instrucción muchísimo más precisa que el texto. Si la escena es «la ensacadora al atardecer, luz cálida cruzando el polvo de café», generar una sola imagen de esa composición cuesta créditos de un dígito —las claves en calidad baja salen uno o dos créditos—. Aprobás o regenerás la foto, y recién entonces esa foto aprobada entra al motor de video como primer cuadro. El image-to-video te da control de composición que un prompt de puro texto no te da, y el camino completo —de la foto aprobada al movimiento— está paso a paso en la guía para convertir una imagen en video.

La segunda: para un proyecto de varias escenas, la versión práctica del storyboard es generar un fotograma clave por escena, ordenarlos en un documento y pasar la lista leyéndola en silencio como si fueran tarjetas vacías. Si la secuencia no se entiende como historia sin sonido, el problema es el guion, y arreglarlo ahora sale cero: movés una línea de texto. Un encuadre malo descubierto en el render cuesta créditos y una espera; el mismo encuadre malo descubierto acá cuesta un tecleo.

Paso 3: generá las escenas como un solo proyecto, no como doce clips sueltos

Acá se rompe la mayoría de los intentos caseros: doce clips generados por separado nunca terminan de cerrar. La luz se corre, la cara del personaje cambia entre planos, la cocina de la escena tres no es la cocina de la escena dos. Juntarlos produce el tráiler de una película que no existe.

Este es exactamente el problema que la generación multi-escena resuelve. El Project Director de Moosky toma el brief o el guion, arma la lista de escenas y las genera como un proyecto con personajes, ambientes y estilo compartidos, no como doce corridas ajenas. Revisás el plan y la descripción de cada escena antes de que se renderice nada —editar una descripción en la revisión es gratis—, aprobás una vez, y la corrida recorre la secuencia completa con continuidad entre planos. La página de guion a video muestra el flujo con ejemplos en vivo.

La parte económica, honesta y verificable: la planificación entra dentro de los 50 créditos de permiso que la cuenta nueva recibe solo para conversar el brief (guion, escenas, prompts, presupuesto), y nada se factura hasta que aprobás; la cotización completa aparece en pantalla antes de renderizar, y la lista de escenas arranca con un piso deliberado de 500 créditos (US$5) para que una corrida no se muera a medias por saldo vacío. El render de cada plano sale del saldo compartido a 100 créditos por dólar: un borrador en Wan 3.0 a 480P ronda los 49 créditos la toma de cinco segundos, un plano hero del mismo plano subido a 1080P son unos 164, y un clip de LTX 2.5 a 720P con audio nativo anda por los 80. La grilla motor por motor y la aritmética de re-tiros están en cuánto cuesta un video con IA, y la letra chica del saldo de regalo —qué cubre y qué no— en la guía de qué es realmente gratis.

Si el proyecto es de un solo plano o preferís manejar cada render a mano, el composer de generación corre los mismos motores por clip, y la elección importa por tipo de escena: planos cinemáticos con personaje piden un motor, cortes rápidos de producto piden otro.

Pase lo que pases, hay un truco que separa un video de una colección de clips: mantené fijo un mismo clúster de estilo en todas las escenas —una sola decisión de luz, una sola graduación de color, una sola textura—. «Luz principal cálida, graduación ámbar, grano suave» repetido en cada prompt de escena es lo que hace que doce clips se lean como un video.

Paso 4: locución en español y edición como material bruto

Los clips generados son crudo, no pieza terminada, y tienen que pasar por un montaje como pasaría cualquier footage:

• Recortá cada clip al golpe: si la acción ocurre entre los segundos dos y seis, el resto de la cabeza y la cola se corta.
• Tirá la voz en off o la cama musical primero y montá las imágenes sobre ella, no al revés. Los problemas de duración que no se veían por clip se vuelven evidentes contra la locución.
• Trabajá las uniones: cortes en L, un fundido entre localidades, texto sobre los planos de ambientación. Un video de IA con edición real alrededor deja de leerse como video de IA.
• Los outliers se arreglan re-rodando solo esa escena: en un proyecto se regenera el plano malo, no la secuencia. Toda la economía de planificar antes de renderizar está en esa frase.

Y sobre la locución, la capa que en español importa más que en inglés: el acento vende o entrega. Si el personaje habla, o el narrador presenta, querés que suene a tu mercado —no a la voz genérica del motor leyéndote un acento prestado—. Con los motores de voz actuales la prueba es de tres tomas: un mismo párrafo en tres lecturas y elegís por naturalidad, no por fidelidad al texto (que es idéntica en las tres). La guía de clonación de voz en español cubre qué motores nombran bien el español y cómo pasar la prueba de las tres tomas con los créditos de alta.

Micro caso: un guion de lanzamiento de 300 palabras, en 90 segundos

Una forma habitual: el dueño de un tostador de café de especialidad escribió un guion de 300 palabras para lanzar su suscripción. No tiene footage, ni actor, ni presupuesto para ninguno de los dos. El pipeline de arriba, corrido:

1. Partido: el guion se divide en 9 golpes de locución. Dos son de presentadora hablando a cámara (el problema, el cierre), cuatro son de producto (el grano cayendo, la balanza, el sellado, la caja), tres son de atmósfera (la mañana del barrio, el vapor, el primer trago).
2. Storyboard: los cuatro planos de producto no necesitan generación —grabar el producto real con el teléfono le gana a cualquier render y sale gratis—. Las tres atmósferas reciben un fotograma clave cada una, aprobado antes de cualquier render de video.
3. Generación: todo corre como un solo proyecto de Director con el guion de brief, así la presentadora y la cocina del local se mantienen iguales entre la escena uno y la nueve, y las atmósferas comparten una sola graduación. Dos escenas piden una segunda toma en la revisión; ambas se detectan antes del render completo.
4. Montaje: la locución grabada primero, los cortes sobre ella, textos de beneficio sobre los planos de producto, un fundido entre el acto del problema y el de la solución. Cincuenta y pico segundos de clips aprobados terminan en un video de unos noventa segundos con títulos y cierre.

El costo total lo dominan los pocos renders de video, no los re-tiros, porque los pasos uno y dos movieron los errores caros al extremo barato de la línea. Esa es la disciplina entera del guion a video: cada decisión que tomás antes de un render es una decisión que no cuesta nada cambiar. Para el cálculo completo de un video terminado —planificación gratis, borradores, render final, el rango típico de US$13 a US$25— la cuenta mesa por mesa está en cuánto cuesta un video con IA.

Dónde llega hoy el guion a video (y dónde no)

Las expectativas calibradas evitan la mitad de las frustraciones. El diálogo largo con sincronización labial precisa sigue siendo una lotería: los planos hablados cortos funcionan, y para los largos conviene voz en off sobre imágenes de apoyo. El texto dentro de la escena generada —carteles, etiquetas de envase, marquesinas— sigue sin ser confiable: los rótulos que tienen que leerse se componen en el montaje, no se le piden al modelo. Y los ambientes muy específicos de tu marca —tu local real, tu empaque exacto— responden mejor desde fotos del objeto real que desde descripciones: subí la foto, animá la foto.

Un guion es el artefacto más barato de la producción de video y el más estructural. Escribilo, partilo en escenas, storyboardealo por centavos, generelo como un solo proyecto y montelo. Los modelos renderizan; el guion dirige.

¿Preferís ver el flujo entero antes de escribir una línea? La página de guion a video y el Project Director corren con el saldo de la cuenta nueva —los 10 créditos de alta alcanzan para la primera tanda de fotogramas clave—. Y si querés el original en inglés de esta guía, con el caso SaaS completo, está en How to Turn a Script into a Video with AI.