El secreto del video IA es el keyframe

Quemé una buena cantidad de créditos antes de entenderlo. Escribía un prompt de video, apretaba generar, esperaba, y recibía una lotería: a veces salía algo usable, casi siempre no. Volvía a escribir, volvía a pagar, volvía a esperar. Pensaba que el problema era mi prompt. El problema era mi proceso.

El día que cambió todo fue cuando dejé de generar videos y empecé a generar keyframes. El keyframe es el cuadro inicial: la imagen fija desde la que arranca el clip. Y acá va el argumento completo del post en una línea: todas las decisiones importantes de un video IA se toman en la imagen, no en el video.

Pensalo por costos. Una imagen se genera en segundos y cuesta centavos de crédito; un video tarda minutos y cuesta muchísimo más. Si iterás en video, cada corrección —la luz, el encuadre, la cara del personaje, el color de la ropa— la pagás a precio de video. Si iterás en imagen, corregís muchas veces por el precio de un solo intento de video. Es el mismo trabajo creativo, a una fracción del costo y de la espera.

Y pensalo por control. Cuando el clip arranca de una imagen que ya aprobaste, el modelo solo tiene que resolver una cosa: el movimiento. La cara ya está, la luz ya está, la composición ya está. Cuando arranca de puro texto, tiene que inventar todo junto, y algo siempre sale mal. Por eso mi regla es simple: no animo nada que no aprobaría como foto. Si el cuadro quieto no me convence, el video en movimiento no lo va a arreglar; lo va a empeorar.

El cine real funciona igual, dicho sea de paso. Nadie prende la cámara sin storyboard: primero se decide cada plano en papel, barato, y recién después se rueda, caro. Los que generamos video con IA estábamos rodando sin storyboard y culpando a la cámara.

Mi flujo hoy es aburrido de tan simple: escribo la idea, genero el keyframe, lo itero hasta que es exactamente lo que quiero —y acá no negocio, "casi" no alcanza—, y recién entonces lo animo con image-to-video. ¿El movimiento todavía puede fallar? Sí, claro, esto no es magia. Pero falla en una sola dimensión, y regenerar movimiento sobre una imagen aprobada es un problema chico. Regenerar todo desde texto es empezar de cero cada vez.

Lo contraintuitivo es que este proceso se siente más lento —¿imágenes primero, en serio?— y termina siendo mucho más rápido y más barato. Menos intentos, menos sorpresas, menos créditos al tacho.

El botón de generar video no es el principio del proceso. Es el final. Todo lo que importa ya pasó antes, en una imagen quieta que nadie más va a ver.