Medios y entretenimiento · Producción de video con IA generativa
De un guion a escenas animadas fieles a sus personajes, con cada toma versionada, revisada y costeada
Una editorial de medios tenía una serie infantil original y ningún estudio de animación. Tratamos el video generativo como un problema de ingeniería: una biblia de la serie compilada en cada prompt, un revisor de IA calibrado contra una persona y un registro de costos detrás de cada cuadro.
1/8 → 8/8
Keyframes fieles al personaje antes y después de la primera revisión de reglas
2 niveles
Versiones Standard y Premium de la misma escena, cada una con su costo medido por minuto terminado
½ ¢
Costo de cada revisión automática de calidad hecha por un modelo de visión
< 2 semanas
De un guion en un procesador de texto a una escena piloto terminada y un sistema de producción funcionando
01
El problema
El cliente tenía una serie preescolar original: un elenco de personajes animales, renders hechos con una herramienta de IA de consumo, unos pocos segundos de voz grabada por personaje y un primer guion en un archivo de texto. Quería un episodio animado semanal a un precio predecible. La animación tradicional estaba fuera de su presupuesto.
Sus propios experimentos con video de IA de consumo dejaron ver el problema real. Los personajes cambiaban de una toma a otra, dos personajes terminaban compartiendo la misma voz y el escenario se transformaba cada vez que se movía la cámara. Nadie podía decir cuánto cuesta de verdad un minuto producido con IA, cuántos intentos necesita una toma ni cuánta revisión humana requiere.
02
Por qué era difícil
- Mantener a los personajes consistentes entre tomas y motores. Los primeros keyframes inventaban animales de más, y los accesorios cambiaban a mitad del clip. Además, cada motor de video tiene su propio estilo.
- Animales que hablan con las voces del cliente. La mayoría de los modelos de lip sync excluye rostros no humanos, y el motor con mejor imagen inventaba su propia voz y pronunciaba mal el nombre de un protagonista.
- Continuidad espacial. Los fondos se contradecían entre ángulos de cámara: muebles que se movían, objetos que se multiplicaban, la pared equivocada detrás de un personaje.
- El propio revisor de IA no era confiable. Las revisiones visuales variaban entre corridas y se les escapaban detalles pequeños del fondo hasta que se calibraron contra el juicio humano.
- Costos y proveedores en movimiento: precios por créditos en cada proveedor, funciones bloqueadas detrás de planes empresariales y versiones nuevas de modelos lanzadas a mitad del proyecto.
03
Qué construimos
Un pipeline de producción basado en archivos y dirigido por un orquestador de IA, donde cada etapa corre como código y una persona aprueba en tres puntos de control. Nada llega al productor sin pasar por las reglas, la revisión automática y la edición.
04
Dónde está la innovación
01
Los prompts se compilan, nunca se escriben a mano
Cada personaje tiene una ficha: detalles que nunca pueden cambiar, cómo se mueve, su escala real, cómo se pronuncia su nombre. Junto con las reglas de la serie para cámara, elenco, física y escenarios, se compila en cada prompt. Cada cambio de regla es una versión nueva con registro de qué cambió, por qué, el resultado y el costo. El conocimiento vive en el proyecto, no en un modelo, así que sobrevive a cualquier cambio de proveedor.
02
Cada rechazo se convierte en una regla ejecutable
Cuando el productor rechaza una toma, el motivo se vuelve una regla, una revisión automática y un caso de regresión. El build falla si alguna regla no tiene una revisión que la cubra. El pipeline aprende de cada cuadro rechazado en lugar de repetir el error en la siguiente toma.
03
Un revisor de IA, calibrado contra una persona
La revisión de calidad se divide en preguntas acotadas, porque una pregunta acotada obtiene mejores respuestas: quién está en la toma, si cada personaje es fiel a su ficha, si la boca coincide con la línea, si las palabras dichas son las correctas, si el escenario coincide con el ángulo anterior. El modelo revisor se eligió comparando sus veredictos con los de una persona, y donde los modelos de visión juzgan mal, mide la visión por computadora clásica: el movimiento de cámara se rastrea a partir de puntos del fondo y el color se compara con las tomas vecinas.
04
Primero la voz del cliente, la imagen se ajusta a ella
La voz clonada se fija antes de que exista cualquier video, a cerca de 1% del tono del hablante original. Cuando el motor con mejor imagen inventaba su propio ritmo, cada línea del cliente se alineaba y se estiraba unos pocos puntos porcentuales sobre el movimiento de boca de ese motor. La imagen queda intacta, y la voz y las palabras del cliente quedan exactas.
05
El mismo cuarto, por construcción
Los modelos de imagen redibujan un escenario un poco distinto desde cada ángulo. Después de probar alternativas, incluido un bloqueo en 3D, lo que funcionó fue generar un solo movimiento de cámara continuo desde el escenario aprobado y sacar todos los demás ángulos de esa misma toma. La consistencia sale de cómo se construye el escenario, no de esperar que cada prompt coincida.
06
La corrección más barata que pueda funcionar
Un enrutador de reparaciones manda cada defecto a la corrección más económica que pueda resolverlo: una corrección de color local para temas de estilo, una edición puntual para defectos pequeños, una regeneración completa para problemas de geometría. El video pagado queda bloqueado hasta que todas las imágenes fijas están aprobadas. Esa regla existe porque una vez se generó un lote de video antes de tiempo.
05
Lo que mostraron las mediciones
Cada toma, cada revisión y cada llamada pagada quedó registrada con su receta completa. Eso convirtió la “animación con IA” de una demo en algo con economía unitaria, y dejó ver los puntos débiles del revisor antes de que llegaran al cliente.
Intentos por toma aprobada
Medido durante el piloto. Premium usa un motor más cinematográfico y ajusta la voz del cliente después.
Coincidencia entre el revisor de IA y el productor humano
Rondas de calibración durante la construcción. El lip sync era el punto débil, así que se recalibró en lugar de confiar en él.
06
Resultados
- Una escena piloto completa en dos niveles de calidad, Standard y Premium 1080p, ambas producidas de punta a punta por el pipeline.
- Un catálogo de la serie listo para producción: fichas de personaje, model sheets y los escenarios del cliente reconstruidos como sets consistentes desde varios ángulos.
- Economía unitaria medida en lugar de estimada: cerca de un reintento cada tres tomas en Standard y cerca de dos intentos por toma en Premium, con cada llamada pagada registrada.
- Un gasto en IA de cientos de dólares, no de miles, para llegar a calidad de producción, y cerca de medio centavo por revisión automática de calidad.
- Un guion que duraba casi el triple de lo previsto se detectó el primer día, antes de renderizar un solo cuadro.
- Los datos se convirtieron en la base de un modelo de precios por minuto con dos niveles y de una propuesta de piloto a precio fijo.
Vibración de cámara, antes y después de la corrección medida
Porcentaje de cuadros con vibración en las tomas probadas, medido rastreando puntos del fondo, no preguntándole a un modelo.
07
Lo que aprendimos en el camino
Una palabra en la línea de estilo
El protagonista seguía pareciendo un peluche. La causa era una sola palabra en la descripción de estilo global, compilada en cada prompt desde la primera versión. Como los prompts se compilaban y versionaban, bastó un cambio para corregir todas las tomas futuras.
Ningún atajo llega al productor
Una prueba apurada en la app de un proveedor se saltó las reglas, la revisión y la edición, y se notó: dos personajes con la misma voz y cortes bruscos. Desde entonces, nada llega a un revisor humano sin pasar por el pipeline completo, sea cual sea el motor.
El conocimiento vive en el proyecto, no en los pesos del modelo
Se propuso hacer fine-tuning de modelos locales para que “recordaran” lo que funciona. La respuesta fue que las reglas versionadas ya son esa memoria, y a diferencia de los pesos de un modelo, viajan con el proyecto a cualquier proveedor.
Stack
- Node.js
- Python
- ffmpeg
- Visión por computadora (feature tracking, RANSAC)
- Blender
- SQLite + búsqueda vectorial
- Modelos de imagen y visión de Gemini
- Modelos de video (Veo, Kling, Seedance y otros)
- Clonación de voz
- Reconocimiento de voz
- Claude Code (orquestador + subagentes)
- Vercel
¿La IA ya casi sirve para su proceso creativo?
La convertimos en un pipeline gobernado: reglas que se pueden versionar, revisiones en las que se puede confiar y un costo que se puede predecir antes de escalar.
Agende su discovery sessionLa identidad del cliente, sus personajes, la región y los términos comerciales se omiten. No se muestra ningún cuadro de los personajes ni escenarios del cliente, y el funcionamiento interno del pipeline se describe solo a nivel de método. Entregado como brazo tecnológico especializado de una agencia de producción y desarrollo, que tenía la relación directa con el cliente.