Skip to content

Imagen de referencia de escena: define primero el lugar antes de rodar ​

Esta página entrega el Material 3: imagen de referencia de escena del paquete de material. 3.2 Imágenes de referencia de personaje fijaron de forma definitiva «cómo es» el viejo Chen; esta página fija «dónde está él» — el paso elevado, la tormenta, las escaleras, el charco, todo pintado de una vez en una sola imagen de escena con IA. Esta imagen cumple después tres funciones: referencia para reconocer el lugar en todo el metraje, primer fotograma de los planos sin personajes e imagen base de composición de los planos con personajes (la división de las tres funciones y la lista de verificación forman parte del diseño didáctico de este curso; las operaciones de generación de imágenes reutilizan la página correspondiente de la sección de comfyui).

Qué podrás hacer al terminar ​

  • Derivar la lista de escenas a partir del guion gráfico y determinar cuántas imágenes de escena con IA generar — la imagen principal de escena más las imágenes de primer plano de atrezzo, ni una más ni una menos
  • Escribir un párrafo de entorno fijo que solo contenga elementos filmables y guardarlo como un archivo independiente al mismo nivel que la ficha de personaje
  • Generar la imagen principal de escena en vertical según la proporción del metraje final y superar tres verificaciones: contra el guion gráfico, contra el párrafo de entorno fijo y con la iluminación conforme a lo acordado para todo el metraje
  • Saber explicar cómo la imagen de escena se usa directamente como primer fotograma de imagen a video — en los planos donde el viejo Chen no aparece, ella se hace cargo
  • Saber componer con la imagen de escena y las imágenes de referencia del viejo Chen el primer fotograma del plano «persona en la escena»

Tu situación actual ​

  • «Generé diez planos y el paso elevado era a veces de hormigón y a veces de hierro forjado, la lluvia a veces era un diluvio y a veces no se veía — una sola escena rodada en diez lugares.»
  • «Escribí en el prompt “paso elevado bajo tormenta, atmósfera opresiva” y lo que salió fue un paso elevado en día soleado con un filtro grisáceo encima — el modelo no logra pintar las palabras “opresiva”.»
  • «Hice con esmero un juego completo de imágenes de referencia de personaje, pero para la escena escribía el prompt sobre la marcha en cada plano — la persona flotaba, y el lugar también.»

Cuándo usar esta técnica ​

Cuando necesites:

  • Convertir el «lugar» del guion gráfico en una imagen de escena con IA definitiva, y que todas las escenas del metraje se reconozcan a partir de ella
  • Preparar imágenes que sirvan directamente como primer fotograma para los planos donde el viejo Chen no aparece (01 escaleras bajo tormenta, 03 pantalla del móvil, 07 primer plano de la tapa de la caja)
  • Preparar la imagen base para los planos donde el viejo Chen sí aparece, y al generar cada plano componer el primer fotograma de «persona en la escena»

Y no quieras:

  • Improvisar la escena sobre la marcha en cada plano, con el mismo paso elevado distinto en cada uno de diez planos
  • Descubrir después de empezar a rodar que la imagen de escena se pintó en horizontal y no sirve para un metraje en vertical
  • Que el estilo de la escena y el del personaje choquen, y que al componer el primer fotograma las dos imágenes se disputen

🎒 Preparativos antes de empezar ​

  • Haber completado 3.0 Material de personajes y escenas: saber que el paquete de material debe entregar tres cosas, y que esta página entrega el Material 3
  • Guion gráfico ya cerrado: 2.4 Guion gráfico — la lista de escenas se deriva de él
  • Imágenes de referencia del viejo Chen completas: 3.2 Imágenes de referencia de personaje — se usan para componer la «persona en la escena»
  • Haber elegido la ruta de producción (1.3 Dos rutas de producción): la ruta local requiere una máquina con ComfyUI bien instalado, la ruta en la nube requiere una cuenta de plataforma
  • Ruta local: haber completado la primera generación de imágenes — saber cargar el flujo de trabajo, escribir prompts y ejecutar con Ctrl+Enter
  • Ruta en la nube: tener activada la función de generación de imágenes de la plataforma usada — las operaciones de cada plataforma no se han verificado en esta sección, sigue los tutoriales de cada plataforma
  • Crear una carpeta separada para las imágenes de escena — guardarlas aparte de las imágenes de referencia de personaje de 3.2

Idea central ​

En un cortometraje de práctica de escena única, la escena es el «actor» con más tiempo en pantalla. «Bonito incluso derrumbado» 10 planos: el viejo Chen puede descansar en los planos 01, 03 y 07; el paso elevado, la tormenta, las escaleras y el charco están en servicio en casi todos los planos. Al público le saca de la historia tanto «que el lugar cambie» como «que la cara cambie» — 2.5 Verificación de continuidad ya estableció reglas para la luz: tormenta en todo el metraje, luz difusa de día nublado, sin aclarar a mitad de camino. Establecidas las reglas, hay que darle al modelo un modelo base que copiar — esa es la imagen de referencia de escena (en la industria audiovisual suele llamarse «arte conceptual de escena»; este curso la llama Material 3).

Cumple tres funciones (diseño didáctico de este curso):

FunciónCuándo se usa
«Foto de caracterización» de la escenaReferencia para reconocer el lugar en todo el metraje: tanto la verificación de continuidad como la revisión de montaje la usan para comparar
Primer fotograma de los planos sin personajes01 escaleras bajo tormenta, 03 pantalla del móvil, 07 primer plano de la tapa de la caja — imagen a video la toma directamente como primer fotograma
Imagen base de los planos con personajes02, 04, 06, 08, 10 — se compone con las imágenes de referencia del viejo Chen para obtener el primer fotograma de «persona en la escena»

Las dos últimas funciones se basan en el modo de entrada del flujo de trabajo oficial: ComfyUI Wan2.2 tutorial oficial — el flujo de trabajo de imagen a video consiste en subir en el nodo Load Image la imagen que servirá de primer fotograma (paso 5 del flujo de trabajo 14B I2V; el flujo de trabajo 5B habilita el nodo Load image con el atajo Ctrl+B). El plano empieza a moverse tal como es el primer fotograma — la imagen de escena no es una ilustración, es material de producción.

División del trabajo con 3.1: las personas a su lado, los lugares al suyo. El párrafo de descripción fija de 3.1 solo se ocupa de «quién es esta persona, cómo es y qué lleva puesto» — el clima y el lugar se dejaron fuera a propósito. Esta página establece para la escena un párrafo de entorno fijo equivalente: el paso elevado, la tormenta, las escaleras y el charco quedan fijados en un solo párrafo. A partir de entonces, el prompt de cada plano = párrafo de descripción fija (persona) + párrafo de entorno fijo (lugar) + acción y composición de ese plano concreto — los dos primeros párrafos no cambian ni una palabra; lo único que cambia es la última línea.

Cómo escribir el entorno: aprende del estilo de los ejemplos oficiales. En los prompts de ejemplo de imagen a video del repositorio oficial de Wan2.2, el fondo se escribe así:

Un paisaje de playa desenfocado forma el fondo, con aguas cristalinas, verdes colinas lejanas y un cielo azul salpicado de nubes blancas. (Un paisaje de playa desenfocado forma el fondo: aguas cristalinas, verdes colinas lejanas, un cielo azul salpicado de nubes blancas.)

Aguas cristalinas, colinas verdes, cielo azul con nubes blancas: todos son elementos concretos que se pueden filmar, sin una sola palabra de atmósfera. Esto sigue la misma línea que la regla de 2.2 imagen: sujeto-verbo-objeto, prohibidas las palabras abstractas.

Por último, dejemos claro el límite de la fuente: el flujo oficial de Runway, «idear la historia → storyboard → referencias de personajes → generar varios clips cortos → editar y combinar», menciona explícitamente las referencias de personajes (véase 1.1 el mapa completo del curso); aplicar el mismo enfoque a las escenas, definiendo primero el lugar antes de empezar a rodar, es una extensión didáctica de este curso.

Solo se escribe la escena en el promptPrompt + imagen de referencia de escena
¿Cómo sabe el modelo cómo es el paso elevado?Cada vez lo reimagina desde el textoCopia mirando la imagen de la escena
El paso elevado en diez tomasLotería: hormigón o forja, al azarCon una base común, la deriva disminuye
Primer fotograma de tomas sin personajesSe imagina la imagen sobre la marcha en cada toma, difícil unificar el estiloLa imagen de escena se usa directamente
Riesgo residualEl clima y la luz derivan en cualquier momentoAún puede haber pequeñas derivas: se detectan con la comprobación de 2.5

Sígueme paso a paso ​

A continuación seguimos usando «Bonito incluso derrumbado» como demostración completa (ejemplo didáctico de este curso; puedes hacerlo todo con tu propia pieza).

Paso 1: deducir la lista de escenas a partir del storyboard: las imágenes de escena con IA están al servicio de las tomas ​

Por qué: la misma lógica que la lista de planos de 3.2: la imagen está al servicio de la toma. Qué toma necesita qué imagen, eso es lo que se prepara en escenas: primero se hace la lista y luego se abren las herramientas; fuera de la lista no se dibuja nada; si falta una imagen dentro de la lista, esa toma seguirá dependiendo de la adivinanza.

Operación: abre el storyboard de 2.4 y divide las 10 tomas en tres grupos según «si Lao Chen aparece en cuadro y de dónde viene el primer fotograma» (plantilla didáctica de este curso):

GrupoTomasDe dónde viene el primer fotograma
Lao Chen no aparece en cuadro01 Plano general·escalera bajo lluvia torrencial / 03 Primer plano·pantalla del móvil / 07 Primer plano·tapa de la caja al caerLa escena genera directamente la imagen y se usa tal cual
Lao Chen en cuadro02, 04, 06, 08, 10La imagen de escena como base, compuesta con la imagen de referencia de Lao Chen
Solo una parte de Lao Chen en cuadro05 Primer plano·suela resbalando / 09 Primer plano·mano uniendo la nata3.2 Referencia recortada de la parte + composición con elementos de la escena

Del primer grupo se lee directamente qué imágenes «deben salir del lado de escena»; sumando las imágenes base que necesita el segundo grupo, la lista de escenas tiene tres imágenes en total (plantilla didáctica de este curso):

A generarContenido de la imagenA quién sirve
Imagen de escena principalBajo el paso elevado·lluvia torrencial·escalera·charco (vacío, sin personajes)01 Directamente como primer fotograma; 02/04/06/08/10 como imagen base de composición
Imagen de atrezzo·pantalla del móvilPrimer plano de un móvil con la pantalla encendida03 Directamente como primer fotograma
Imagen de atrezzo·caja de pastelTapa caída abierta, la nata derrumbada por un lado07 Directamente como primer fotograma; 09 como imagen base de composición

El tercer grupo (05/09) no necesita imágenes de escena separadas: la escalera bajo la suela y la caja de pastel junto al charco salen todas de la imagen de escena principal y de las imágenes de atrezzo; cómo usarlas se ve en el paso 5.

Deberías ver: una lista de escenas de tres filas, cada una de las cuales remite a un número de toma concreto; ninguna fila es «esta imagen seguro que queda bien, así que la dibujo».

  • Lista de escenas completa: cada imagen remite a un número de toma concreto, sin imágenes de más

Paso 2: escribir el bloque de entorno fijo: los prompts de entorno solo describen cosas que se pueden filmar ​

Por qué: el bloque de entorno fijo es la versión de escena del bloque de descripción fija: en adelante, todos los prompts que involucren esta escena lo citarán entero, sin cambiar ni una palabra. Solo hay una regla de oro: escribir solo cosas que se pueden filmar. La descripción del fondo del ejemplo oficial (aguas cristalinas, colinas verdes, cielo azul con nubes blancas) son todos elementos concretos; veredictos emocionales como «opresivo», «inmenso» o «con aire cotidiano» no los puede dibujar el modelo, e insertarlos a la fuerza es dejar que el modelo adivine al azar.

Operación: contrastando con el storyboard y la línea de luz establecida en 2.5 (lluvia torrencial en todo el metraje, luz difusa de día nublado, sin despejar a mitad), escribe el lugar de «Bonito incluso derrumbado» en un párrafo y guárdalo en un archivo aparte (por ejemplo 场景卡_天桥下.txt, con la convención de nombres unificada en 3.5):

text
Bajo un paso elevado urbano, día de lluvia torrencial, luz difusa de día nublado;
una escalera de hormigón gris bajo el puente, con un charco de agua acumulada al pie de la escalera,
pilares del puente de textura áspera, suelo mojado y reflectante, hilos de lluvia claramente visibles.

Qué contiene cada una de las tres líneas (plantilla didáctica de este curso):

LíneaQué contieneValor en «Bonito incluso derrumbado»
Línea 1Lugar + clima + luzBajo el paso elevado, lluvia torrencial, luz difusa de día nublado
Línea 2Elementos fijos: lo que siempre está en este lugarEscalera de hormigón, charco al pie de la escalera, pilares del puente
Línea 3Detalles de textura: la clave para que dos generaciones se parezcanMojado y reflectante, hilos de lluvia claramente visibles

Fíjate en que la línea 2 dice «la escalera está bajo el puente, el charco al pie de la escalera»: es la relación geográfica fijada por la comprobación de continuidad de 2.5 (Lao Chen sube corriendo hacia la escalera desde abajo y cae de nuevo al charco al pie de la escalera); el bloque de entorno debe escribirla tal cual, sin dejar que el lugar generado choque con la acción.

Al terminar, haz una autorevisión: ¿cada línea puede entregarse a un fotógrafo como lista de montaje? «Atmósfera opresiva» no sirve; «hilos de lluvia claramente visibles» sí.

💡 ¿Quieres ver cómo escriben los prompts los autores oficiales?

Wan2.2 tiene una guía oficial de prompts (documentación en línea, hay que abrirla en un navegador). La forma de escribir el entorno en esta página se basa en los prompts de ejemplo del repositorio oficial; el vocabulario de movimientos de cámara y acciones de la guía se usará de forma sistemática más adelante, en 4.2 Prompts de acción y movimientos de cámara.

Deberías ver: una descripción del entorno sin palabras de emoción, sin números de plano y sin el viejo Chen, guardada como archivo independiente: a partir de ahora es, junto con 角色卡_老陈.txt, un par de bloques de texto fijo con el mismo rango.

  • El bloque fijo de entorno se guarda como archivo independiente; al leerlo de principio a fin: sin palabras abstractas, sin acciones, sin personajes

Paso 3: generar la imagen principal de la escena en formato vertical: la proporción sigue a la del vídeo final ​

Por qué: la imagen principal de la escena se usará directamente como primer fotograma, y la proporción del primer fotograma se transmite al vídeo de principio a fin: el repositorio oficial de Wan2.2 indica que, en las tareas de imagen a vídeo, la relación de aspecto del vídeo generado sigue a la de la imagen de entrada original. El vídeo de práctica es un corto vertical, así que la imagen de la escena debe generarse en formato vertical desde la primera: si se llega al paso de generación con una imagen horizontal, el recorte daña la composición y el estiramiento daña la calidad; cualquier arreglo sale perdiendo.

Operación: prompt = bloque fijo de entorno (pegado entero, sin cambiar ni una palabra) + una línea de composición (plantilla didáctica de este curso):

text
Bajo un paso elevado urbano, día de lluvia torrencial, luz difusa de día nublado;
una escalera de hormigón gris bajo el puente, con un charco de agua acumulada al pie de la escalera,
pilares del puente de textura áspera, suelo mojado y reflectante, hilos de lluvia claramente visibles.
Composición en plano general vertical, escalones centrados, sin personas

Las tres primeras líneas nunca cambian; la última es la tarea para esta imagen concreta: exactamente igual que las reglas de montaje de 3.2, solo que el bloque fijo pasa de la ficha de personaje a la ficha de escena.

La herramienta de generación se elige según la ruta:

Forma A: texto a imagen local con ComfyUI (predeterminada en la ruta local) ​

  • El modelo de generación de imágenes se elige según la máquina: flujo de trabajo Qwen-Image (20B; la documentación oficial indica que el prompt admite chino y otros idiomas, así que el bloque fijo de entorno se pega directamente en chino), o el más ligero Z-Image-Turbo (6B, funciona con 16GB de VRAM, genera en 8 pasos)
  • Quien no haya ejecutado aún ComfyUI, que pase primero por la primera generación de imágenes
  • La proporción de salida se ajusta a vertical en los ajustes de tamaño del flujo de trabajo elegido; la proporción de referencia es el objetivo del vídeo final: la resolución vertical 720P del vídeo TI2V-5B es 704×1280 (repositorio oficial); prepara la imagen de escena con esa proporción, es lo más fluido como primer fotograma

Forma B: generar imágenes en plataforma en la nube (ruta de nube) ​

  • Usa la función de texto a imagen de tu plataforma; el prompt se monta igual y la proporción se elige en vertical
  • Las operaciones de interfaz y los precios de cada plataforma no se han verificado en esta sección; sigue los tutoriales de cada plataforma; registra el número de generaciones en la 1.4 tabla de costes y registro de pruebas

Deberías ver: entre las imágenes candidatas están el paso elevado, los escalones de hormigón, los charcos y los hilos de lluvia, composición vertical y sin personas en la imagen. Genera varias de reserva: la imagen principal de la escena es la «foto de local fija» de todo el vídeo y merece varias tiradas para elegir la más acertada.

Antes de darla por definitiva, pasa tres líneas de verificación (plantilla de verificación de este curso):

Línea de aceptaciónQué mirarY qué hacer entonces
Línea del guion técnico01 Están todos los elementos del plano general: paso elevado, escalones, charcos, lluvia torrencialSi falta algo, casi siempre es que el bloque de entorno no se pegó completo; vuelve a tirar
Línea del bloque de entornoCoteja punto por punto con el bloque fijo de entorno: escalones de hormigón (no barandilla de hierro forjado), luz difusa de día nublado (no dorada del atardecer)Si no coincide, cambia de candidata; si todas fallan, revisa el prompt
Línea de la luzCoherente con lo acordado en 2.5: tormenta y cielo nublado, sin aclarar a mitad: esta imagen fija la luz de todo el vídeoUna imagen con luz incorrecta, por bonita que sea, no puede darse por definitiva
  • La imagen principal de la escena pasa las tres líneas: elementos del guion técnicos completos, bloque de entorno cotejado punto por punto, luz coherente con lo acordado para todo el vídeo

Paso 4: derivar los primeros planos de atrezzo: la pantalla del móvil y la caja de tarta ​

Por qué: como 03 y 07 el viejo Chen no aparecen en pantalla, las imágenes de atrezzo se usan directamente como primer fotograma. Pero el atrezzo no puede inventarse cada uno por su cuenta: la caja de tarta debe ser la caja blanca con lazo rojo de la imagen de referencia de cuerpo entero 3.2, y el móvil debe ser el que aparece una y otra vez en 02, 04, 10. Misma idea que al derivar múltiples puntos de vista en 3.2: si hay modelo base, se copia del modelo base; solo si no lo hay se extrae del texto, y una vez extraído queda fijado: no lo improvises plano a plano.

Operación: dos imágenes de atrezzo, dos caminos (plantilla didáctica de este curso), ambas en formato vertical, porque también son primeros fotogramas:

Imagen de atrezzoFuente recomendadaCómo hacerla
Pantalla del móvil (03)Texto a imagen directo (el móvil no tiene modelo base)Escribe el prompt con detalle: «primer plano de la pantalla de un smartphone negro, pantalla encendida mostrando el nombre de una llamada entrante, con un telón de lluvia desenfocado de fondo»; para el nombre en chino en la pantalla es más fiable un modelo que admita renderizado de texto en chino: Qwen-Image y Z-Image-Turbo indican oficialmente ambos que admiten renderizado de texto en chino e inglés
Caja de tarta (07)Derivar de la 3.2 imagen de referencia de cuerpo entero (recomendado)En local, editar con Kontext: instrucción en inglés «Open the cake box lid with the cream collapsed on one side, maintaining the same white box and red ribbon» (los prompts de Kontext solo admiten inglés; la forma de escribir la instrucción está en esa página); en la nube, usar la función de imagen a imagen de la plataforma, tomando la imagen de cuerpo entero como referencia

Para el móvil, añade tres acuerdos más (plantilla didáctica de este curso):

  1. El aspecto del móvil (smartphone negro) queda fijado a partir de esta imagen: volverá a aparecer en 02, 04, 10, y de ahora en adelante todo prompt que incluya el móvil lleva la misma frase
  2. El nombre de la llamada entrante es el que fijaste en tu guion; si el guion no le puso nombre, ponlo ahora: la pantalla de 03 y la conexión de 10 lo usarán
  3. En la imagen, evita en lo posible incluir manos: si aparecen manos, se añade una verificación más de «que coincida con la 3.2 referencia local de manos»

Deberías ver: en la carpeta de escena hay dos imágenes de atrezzo verticales más: la pantalla del móvil encendida y la caja de tarta abierta con la nata caída a un lado. Vistas lado a lado, la caja de tarta y la caja de la 3.2 imagen de referencia de cuerpo entero son la misma caja: caja blanca y lazo rojo coinciden.

  • Las dos imágenes de atrezzo están listas: en vertical, coherentes con el material existente; el nombre en la pantalla del móvil cotejado letra por letra

Paso 5: enganchar el siguiente eslabón: cómo alimentar la imagen de escena a cada plano ​

Por qué: igual que el paso 5 de 3.2: el material entregado no es una pieza de exposición encerrada en una carpeta. La imagen de escena tiene tres usos fijos en las etapas posteriores del flujo; si ahora se establecen las convenciones, en generación de tomas se puede empezar a trabajar directamente.

Uso 1: tomas sin personajes, la imagen de escena sirve directamente como primer fotograma. La entrada del flujo de trabajo de imagen a vídeo es una imagen de primer fotograma—en el flujo de trabajo 14B I2V del ComfyUI tutorial oficial de Wan2.2, el paso 5 es «subir en el nodo Load Image la imagen que servirá como primer fotograma»; el flujo de trabajo 5B usa Ctrl+B para habilitar el nodo Load image y subir la imagen. 01 sube la imagen de escena principal, 03 sube la pantalla del móvil, 07 sube la caja de pastel—según cuál subas, la toma empieza a moverse desde esa. La primera ejecución completa se hace en 4.1 la primera toma; los detalles del flujo de trabajo se ven en Wan2.2 14B imagen a vídeo y Wan2.2 5B.

Uso 2: tomas con personajes, la imagen de escena sirve como imagen base para componer el primer fotograma. Aquí se materializa la convención de dos capas establecida en el paso 5 de 3.2, con la escena aportando la imagen base:

CapaQué se usaQué controla
Capa de textoSegmento fijo de descripción + segmento fijo de entorno al promptFija por separado al personaje y al lugar
Capa de imagenImagen de escena como base + imagen de referencia de Lao Chen como referencia de personajeEl modelo copia el lugar y la cara de ellas

La ruta local usa la referencia de múltiples imágenes de Kontext: se alimentan juntas la imagen de referencia de Lao Chen y la imagen de escena (la plantilla trae preinstalada una segunda entrada de imágenes, ImageStitch combina las dos imágenes en una referencia común), y una instrucción en inglés hace que Lao Chen aparezca en la posición indicada de la escena; la ruta en la nube usa la función de imágenes de referencia de la plataforma (la operación no se verificó en esta sección, sigue el tutorial de la plataforma). 05/09 las dos tomas de detalle siguen el mismo camino: 3.2 la referencia del detalle recortado del zapato y de la mano + las imágenes de los escalones y de la caja de pastel como base.

Uso 3: la imagen sirve como referencia en la comprobación de continuidad. En las líneas de luz y de posición de la 2.5 comprobación de continuidad, lo que se compara al revisar es la imagen de escena principal—si en alguna toma la lluvia se detuvo o la barandilla cambió, basta con comparar con la imagen de escena principal para que se revele.

Convención de archivado(se detalla de forma unificada en 3.5): las imágenes de escena y las imágenes de referencia de personajes van en carpetas separadas; nombre de archivo = nombre de escena o utilería_uso_vnúmero de versión (por ejemplo 天桥下_主场景_v1.png, 蛋糕盒_摔开_v1.png); el número de versión solo aumenta, nunca se sobrescribe—el registro de reintentos debe poder rastrear qué versión era.

Deberías ver: en la carpeta de escena hay tres imágenes definitivas, junto a ellas están los dos textos 角色卡_老陈.txt y 场景卡_天桥下.txt; en la próxima lección, 3.4 consistencia de estilo, se hace la comprobación de todo el material completo.

  • Las tres imágenes archivadas según la convención, con nombre de archivo que incluye uso y número de versión; los dos segmentos de texto fijos están ambos

Punto de control ✅ ​

  • Las tres imágenes de la lista de escenas están: imagen de escena principal, pantalla del móvil, caja de pastel abierta por el golpe
  • La imagen principal de la escena pasa las tres líneas: elementos del guion técnicos completos, bloque de entorno cotejado punto por punto, luz coherente con lo acordado para todo el vídeo
  • El segmento fijo de entorno guardado como archivo independiente: sin palabras abstractas, sin acciones, sin personajes
  • Las tres imágenes son en formato vertical, con la misma proporción que el metraje final
  • Saber explicar los tres usos de la imagen de escena: primer fotograma directo en tomas sin personajes, imagen base de composición en tomas con personajes, referencia en la comprobación de continuidad

Advertencias sobre errores comunes ​

❌ Se eligió una imagen «bonita pero que no es tu locación» ​

Síntoma: la más fotogénica de las candidatas era un paso elevado bajo la luz dorada del atardecer, con la lluvia ya disminuida—al tomarla como definitiva, cada toma posterior «atardece con llovizna», y la escena de tormenta se convirtió en un filme lírico.

Causa: la selección de imágenes usó «pensamiento de imagen de atmósfera», eligiendo la imagen más bonita y no la más correcta. La imagen de escena principal define la luz y la locación de todo el filme; si ella está mal, todo el filme sale mal.

Qué hacer: seleccionar según las tres líneas de aceptación del paso 3: línea del guion técnico, línea del segmento de entorno, línea de luz. Si de verdad te gusta esa imagen del atardecer, guárdala para la próxima película, no la fuerces en esta.

❌ Se colaron palabras abstractas en el prompt de entorno ​

Síntoma: el segmento fijo de entorno decía «paso elevado en día lluvioso con atmósfera opresiva, que transmite el peso de la vida»—los resultados generados eran a veces buenos y a veces malos, y ni los reintentos lograban estabilizarlos.

Causa: «opresiva» y «peso» son juicios emocionales que el modelo no puede dibujar, solo puede adivinar al azar; y las imágenes adivinadas salen distintas cada vez, por lo que reintentar equivale a cambiar a otro lote de aleatoriedad.

Qué hacer: escribir solo lo que se puede filmar: tormenta, hilos de lluvia claramente visibles, luz difusa de día nublado, escaleras de cemento mojadas con reflejos resbaladizos. La descripción de fondo del ejemplo oficial (agua clara, montañas verdes, cielo azul con nubes blancas) es el modelo a seguir. La emoción se deja expresar a la escala de plano y a la acción; eso es asunto de 4.2 prompts de acción y movimiento de cámara.

❌ Por inercia se usó la proporción predeterminada y se dibujó una imagen horizontal ​

Síntoma: la herramienta de generación sacó la imagen con la proporción predeterminada y la imagen de escena principal quedó en horizontal—hasta el paso de imagen a vídeo no se descubrió: el vídeo sigue al primer fotograma en horizontal, y al montar en vertical se recorta un buen trocho arriba y abajo, arruinando toda la composición.

Causa: el repositorio oficial dice claramente que la relación de aspecto de la imagen a vídeo sigue a la imagen de entrada—la proporción que tenga el primer fotograma es la que tendrá el vídeo. Ahorrar esfuerzo en este paso condiciona todos los siguientes.

Qué hacer: desde el paso 3 generar las imágenes en vertical. Si ya se dibujaron en horizontal, hay que regenerarlas—regenerar una imagen es mucho más barato que rehacer diez tomas.

❌ El estilo de la imagen de escena y el de la imagen de referencia del personaje chocan ​

Síntoma: la imagen de escena principal es de estilo realista y la imagen de referencia de Lao Chen tiende al estilo anime—al llegar al paso 5 de composición de «persona en la escena», el modelo referencia a la vez dos bases que chocan, y la imagen resultante no encaja con ninguna de las dos.

Causa: la escena y el personaje se generan en páginas distintas, sin alinear el estilo. En la composición, ambas imágenes son la base; si las bases chocan, el producto choca necesariamente.

Qué hacer: al generar las imágenes de escena, usar en lo posible el mismo modelo de generación que para las imágenes de referencia de personajes, y escribir las palabras de estilo de forma idéntica en ambos prompts; la comprobación de estilo de todo el filme del sistema es asunto de la próxima lección, 3.4 consistencia de estilo, donde hay una lista de comprobación y una plantilla de prompt de estilo unificado.

Técnicas avanzadas (opcional) ​

La imagen de escena también puede usarse como «último fotograma». El flujo de trabajo de primer y último fotograma de Wan2.2 usa dos nodos Load Image, para subir por separado el primer y el último fotograma—si una toma de transición quiere ir de una imagen a otra, la imagen de escena de la toma siguiente puede prepararse de antemano como último fotograma. El filme de práctica es de una sola escena, así que por ahora no hace falta; cuando la segunda película tenga más escenas, este camino valdrá oro. El uso completo está en 4.3 control del sentido de la toma con primer y último fotograma.

Cuando la segunda película tenga más escenas, la forma de hacerlo es replicar «un segmento fijo de entorno + una imagen de escena principal» por escena: cada escena tiene su propio segmento de entorno, su imagen de escena principal y sus imágenes de utilería, sin compartir descripciones entre escenas. Lo que se practica en una sola escena es precisamente esta técnica; expandirla es solo cuestión de cantidad.

Resumen de esta lección ​

✅ En esta lección se entregó elmaterial 3: imágenes de referencia de escenarios:

  • La lista de escenarios se obtiene consultando en sentido inverso la tabla de storyboard: las imágenes de escenario generadas por IA están al servicio de los planos: los planos donde Lao Chen no aparece se usan directamente, y los planos donde sí aparece sirven como imagen base
  • El segmento de entorno fijo y el segmento de descripción fija están al mismo nivel: uno gestiona los lugares y el otro a las personas; ambos solo describen cosas que se pueden filmar
  • Las imágenes de escenario principal se generan en formato vertical: según lo oficial, la relación de aspecto de imagen a vídeo sigue a la imagen de entrada, así que la proporción es correcta desde la primera imagen
  • Las imágenes de utilería se derivan de material ya existente: la caja de pastel se modifica a partir de la imagen de referencia de cuerpo completo de 3.2; el teléfono, al no tener imagen base, se genera directamente con texto a imagen y su estilo queda definido de una sola vez
  • Se establecen tres usos: plano sin personajes como primer fotograma directo, plano con personajes como imagen base de composición, y verificación de continuidad como objeto de referencia

Repaso de los acuerdos clave:

AcuerdoValor recomendadoExplicación
Relación de aspecto de imágenes de escenarioVertical, igual que el metraje final (por ejemplo, 704×1280)Oficial: la relación de aspecto de imagen a vídeo sigue a la imagen de entrada
Ensamblaje del promptSegmento de entorno fijo completo + una línea de palabras de composiciónEl segmento de entorno no se modifica ni una palabra; las palabras de composición cambian según cada imagen
Forma de escribir el entornoSolo describir elementos que se puedan filmarFondo del ejemplo oficial: agua clara, montañas verdes, cielo azul con nubes blancas
Origen de las imágenes de utileríaPriorizar la derivación de material ya existenteCaja de pastel ← imagen de referencia de cuerpo completo; el teléfono solo se genera directamente si no hay imagen base
Archivadonombre_de_escenario_uso_vNúmeroDeVersiónEn carpeta separada de las imágenes de referencia de personajes; las versiones solo se añaden, nunca se sobrescriben

Avance de la próxima lección ​

Ya están listas las imágenes de personajes y de escenarios: hay que ponerlas juntas y mirarlas: ¿la imagen de referencia de Lao Chen y la imagen de escenario principal del paso elevado tienen un estilo unificado? ¿La iluminación es coherente? En la próxima lección 3.4 Unificación de estilo: que toda la película parezca un solo mundo, se repasa todo el conjunto de material con una verificación de estilo.

Aprenderás:

  • Lista de verificación de estilo de toda la película: imágenes de personajes, de escenarios y de utilería, una por una
  • Plantilla de prompt para unificar el estilo (diseñada para este curso)
  • Cómo la combinación de imagen de referencia + misma descripción de estilo mantiene el efecto de «parecer un solo mundo»
  • Los límites de la coherencia de estilo: hasta dónde se puede garantizar y qué no se promete

Tutoriales relacionados ​

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.