Motion control y el test del peso

Lección 12 de 22 del curso «Vídeo IA sin flops». Gratis, con animaciones y un test.

Movimiento desde un vídeo

Todo lo que describimos con palabras en este nivel se le puede dar al modelo directamente, en vídeo real. Eso es motion control: das tres entradas. El vídeo de referencia marca el movimiento y el timing. La imagen marca el personaje, o sea, quién se mueve. El prompt describe escena, luz y estilo. Según la guía de Kling, en este modo el prompt no debe volver a describir la acción: ya está en el vídeo y el texto chocaría con él. Por qué es potente: una persona real en la referencia ya se mueve con el peso, la anticipación y los arcos correctos, y el modelo traslada esa física a tu personaje. Una coreografía compleja que no cabe en palabras se resuelve en una toma.

Una buena referencia

El resultado depende de la referencia más que de nada, así que grábala con las reglas de la guía de Kling. 3–30 segundos, una toma continua: los cortes y movimientos de cámara confunden al sistema. Una persona en plano; si hay varias, el modelo coge la más grande. Cuerpo y cabeza enteros, con margen para que no se corten los brazos. Movimiento moderado y amplio, sin cruzar todo el plano: lo muy rápido y complejo se transfiere mal. Fondo liso y buen contraste para seguir brazos y piernas. Mira graba sus referencias con el móvil en un trípode frente a una pared blanca: es gratis y funciona mejor que cualquier clip bonito.

El encuadre debe coincidir

El error más común del novato: un retrato bonito en primer plano más un baile de cuerpo entero. El modelo no tiene con qué rellenar el cuerpo que no está en la imagen, así que inventa brazos y piernas, y la cara se deforma. La guía de Kling avisa: si el vídeo es de cuerpo entero, la imagen también. Igual con el ángulo: si en la referencia la persona está de tres cuartos y en la imagen de frente, aparecen temblores y “deriva” de proporciones. Antes de subir, pon la imagen y el primer fotograma del vídeo juntos y compara: mismo tamaño de plano, mismo ángulo, todo el cuerpo visible.

Dos modos de orientación

En Kling, el motion control tiene dos modos. “Según el vídeo” es el predeterminado: movimiento, gestos, cámara y orientación siguen la referencia, y el prompt solo ajusta detalles. Es lo mejor cuando grabaste tú la referencia y te gusta entera. “Según la imagen” toma del vídeo el movimiento y los gestos, pero la pose y la orientación quedan como en la imagen, y la cámara la marcas en el prompt. Sirve cuando tienes un fotograma perfecto del personaje, por ejemplo Mira de tres cuartos ante un escaparate, y no quieres romperlo. Prueba ambos modos con un borrador: la diferencia se ve enseguida.

Open source: Wan-Animate-2

Si quieres control total y no pagar por cada generación, hay una vía abierta. Wan-Animate-2 salió en agosto de 2026 con licencia Apache-2.0, que permite el uso comercial. El modelo anima un personaje de una imagen con el movimiento de un vídeo: de la referencia se extrae un esqueleto de pose y el personaje se mueve siguiéndolo. Funciona en ComfyUI, un programa gratuito donde el pipeline se arma con bloques de nodos, como un juego de construcción. Necesitas una buena tarjeta gráfica o un servidor en la nube con GPU. La pega es la barrera de entrada: configurarlo lleva una tarde, no un minuto. La ventaja: sin créditos, tu propio hardware y todos los parámetros bajo control.

¿De quién es el movimiento?

El motion control transfiere cualquier vídeo con tanta facilidad que tienta coger el baile viral de otro creador y “ponérselo” a tu modelo. Para un anuncio, es mala idea. Un vídeo ajeno es contenido ajeno, y que esté en abierto no da derecho a usarlo en un vídeo comercial. El autor puede denunciarlo en la plataforma, y para una marca es un golpe a la reputación. Opciones seguras: grabarte a ti o a un amigo con trípode, usar stock con licencia o acordarlo por escrito con el autor. De caras y voces ajenas hablaremos a fondo en el nivel de publicación.

El test del peso

El final del nivel es un checklist que lo reúne todo. Antes de publicar, pasa por él cada plano con personas. El centro de masas está sobre el apoyo y la carga cambia la postura. Los pies no patinan, las rodillas amortiguan pasos y saltos. Hay anticipación, arcos y continuidad en tela y pelo. El mundo responde: polvo, sonido, sombras, huellas que se quedan. Y todo revisado fotograma a fotograma a 0,25×, no a ojo. Si un plano pasa los cinco puntos, la gente dirá “esto está grabado”, aunque no sepa explicar por qué. Si no, sabrás exactamente qué cosa corregir en la siguiente iteración. Ahora lo fijamos con escenarios.

Ponte a prueba

1. Para motion control, Mira subió un selfie en primer plano y un vídeo de baile de cuerpo entero. Brazos y piernas salen raros y la cara se deforma. ¿Por qué?
   Respuesta correcta: El encuadre no coincide: un baile de cuerpo entero necesita una imagen de cuerpo entero. El modelo no tiene con qué rellenar el cuerpo que falta y se lo inventa. La guía de Kling exige que el encuadre coincida.
2. Mira grabó la referencia en mano y con dos cortes. La transferencia tiembla. ¿Qué hace?
   Respuesta correcta: Volver a grabar en una toma continua con trípode. Los cortes y el movimiento de cámara confunden al sistema. Una toma estable y continua es el requisito clave.
3. En el prompt de motion control, Mira volvió a describir el baile con detalle. Empeoró. ¿Qué debe decir el prompt?
   Respuesta correcta: La escena, la luz y el estilo, y dejar la acción al vídeo. El movimiento ya está en la referencia y el texto sobre la acción choca con él. El prompt se ocupa del entorno: lugar, luz, ropa, estilo.
4. Mira encontró el baile viral de otro creador y quiere pasarlo a su modelo para el anuncio. ¿Qué es lo correcto?
   Respuesta correcta: Grabar su propia referencia o acordarlo por escrito con el autor. Un vídeo ajeno es contenido ajeno. Un vídeo comercial necesita material propio o permiso explícito.

← El mundo responde al movimiento La misma cara en todo el vídeo →