1. Escena y sujeto. Empieza por lo que vemos y a qué distancia estamos. «Primer plano medio de una mujer junto a la ventana de un autobús surcada por la lluvia, de noche» fija el encuadre, el sujeto, el escenario y la hora en una sola línea. Los comienzos vagos producen videos genéricos.
2. Movimiento de cámara. Define un solo movimiento y su velocidad. «La cámara mantiene un avance constante», «una órbita lenta de 90 grados», «seguimiento cámara en mano, con descensos que acompañan el trayecto». La velocidad importa tanto como la dirección, y un clip sin movimiento definido tiende a quedarse quieto.
3. Movimiento y verbos de acción. Escribe las acciones en orden, como indicaciones de escena. «Exhala, empaña el cristal y luego limpia un pequeño círculo». Una acción para un clip de 5 segundos, tres o cuatro para uno de 15 a 20 segundos. Esta es la parte que convierte una fotografía en movimiento en un plano.
4. Indicaciones de audio. El modelo genera sonido, así que dirígelo. Cierra el prompt con los sonidos que quieres, descritos con precisión: «gaviotas que graznan a lo lejos», «zapatillas rozando el cemento», «silencio profundo, sin motores, roto por el viento». Entre una y tres indicaciones suele bastar. Añade «sin música» si solo quieres ambiente.
5. Estilo y atmósfera. Termina con el acabado visual: paleta, iluminación, lente, tratamiento de color y estilo de renderizado. «Sombras azules frías con un borde cálido de amanecer, tratamiento de color cinematográfico anamórfico» o «sombreado plano tipo cel shading, líneas de dibujo visibles, paleta ámbar cálida». Dejar el estilo para el final evita que le quite protagonismo a la acción.