Cómo diagnosticar un plano de IA con cuatro variaciones

Las primeras cuatro variaciones no son mi intento de terminar el plano. Son mi tanda de diagnóstico.

Esa distinción cambió mi forma de revisar el vídeo generado.

Si espero que uno de los cuatro resultados sea perfecto, juzgo la tanda como un conjunto de aciertos y fracasos. Si ninguno se salva sin tocarlo, doy por hecho que necesito otra generación.

Una tanda de diagnóstico plantea otra pregunta: ¿qué entendió la máquina, qué no supo resolver y qué segundos ya se pueden usar?

Así, los primeros cuatro resultados se convierten en el coste de decidir el siguiente paso.

Empieza con un prompt de plano breve y preciso

El método de producción separa dos niveles de instrucciones.

El documento maestro puede ser largo. Recoge personajes, vestuario, referencias espaciales de la localización, estilo y elementos prohibidos.

Mantengo el prompt de cada plano por debajo de los 400 caracteres, aunque el documento general de producción sea mucho más extenso.

Esto importa al diagnosticar. Si el prompt del plano intenta contener todo el proyecto, un resultado fallido no me dice qué instrucción causó el problema.

Quiero un prompt compacto que me permita comparar cuatro resultados con una misma petición clara.

El prompt describe la situación y el comportamiento visible del cuerpo. No depende de una palabra que nombre una emoción para conseguir una interpretación que se entienda.

En vez de nombrar un sentimiento, describo lo que hace el cuerpo: el paso se ralentiza, las manos caen o la persona se queda inmóvil.

Eso me da algo visible que examinar en cada variación.

Usa instrucciones fotográficas que puedas comprobar

Elimino etiquetas de calidad genéricas como «cinematográfico» y «alta calidad».

Esas palabras no me dan un resultado preciso que comparar entre cuatro clips. El vocabulario fotográfico sí.

El plano puede especificar una óptica anamórfica, grano, halación o un diafragma cerrado. Hay que nombrar la fuente de luz y hacer que aparezca en el encuadre, ya sea el sol, una ventana o una lámpara.

También se usaban indicaciones de luz natural al principio del prompt para reducir la sobreexposición típica de la máquina.

Al examinar las cuatro variaciones, ya puedo hacer preguntas directas. ¿Está presente la fuente de luz? ¿Está sobreexpuesto el encuadre? ¿El tratamiento fotográfico elegido se mantiene con la consistencia necesaria para usarlo?

La tanda aporta pruebas de cómo se interpretó el prompt.

Incluye la física en la petición

Los objetos generados pueden delatar un plano al instante.

El método de prompting verificado usaba la instrucción literal «no floating props» para eliminar el comportamiento ingrávido de los objetos.

Esa frase resulta útil porque establece una condición de revisión binaria. O los objetos respetan la relación física esperada o no la respetan.

Compruebo esa condición en las cuatro variaciones. Si se repite el mismo fallo físico, tengo un problema que resolver en el prompt. Si aparece solo en una parte de un clip, puede que aún tenga material aprovechable en el resto de la tanda.

La idea no es emitir un juicio global sobre cada variación. Es localizar los fotogramas exactos en los que el plano deja de funcionar.

Divide un plano cambiante en tramos temporales

Un mismo prompt puede contener varios momentos de acción si están delimitados por tiempos.

Por ejemplo:

[0 to 2s] She walks in. Door closes. She doesn't look up.
[2 to 5s] She sees him by the window. Her walk slows. Her hands drop.
[5 to 8s] She freezes. Not afraid, paralyzed by recognition.

Esta estructura permite introducir cambios de diálogo o interpretación sin crear un plano nuevo.

También da un orden claro a la revisión. Puedo comparar el tramo inicial de las cuatro variaciones, después el intermedio y luego el final.

Un resultado puede tener la mejor entrada. Otro, el momento de reconocimiento más limpio. Un tercero puede mantener la pose final sin deformaciones.

Eso no convierte automáticamente ningún clip completo en material utilizable. Me dice dónde están los segundos aprovechables.

Comprueba la cámara antes que la interpretación

El método evita la cámara frontal porque aplana la imagen.

Entre las alternativas están la vista en tres cuartos, el ángulo elevado de una cámara de seguridad, una composición desde una esquina y el ángulo holandés. El encuadre debe tener profundidad.

Lo compruebo pronto porque una interpretación que se entiende no puede arreglar una posición de cámara que incumple la composición prevista.

Entre las cuatro variaciones, busco la versión que mejor mantiene el ángulo y la profundidad espacial solicitados. Después reviso si esa versión también se sostiene en lo anatómico y lo físico.

La tanda de diagnóstico no es un concurso de belleza. Un fotograma impactante no basta si el plano no mantiene la coherencia durante todo el clip.

Comprueba la proporción de color como composición

El color también se puede especificar en proporciones medibles.

El método usa una estructura 60:30:10: el color dominante ocupa el 60 por ciento del encuadre; el secundario, el 30 por ciento; y el acento, el 10 por ciento.

No necesito que cada fotograma generado se comporte como un diagrama matemático. Sí necesito que la jerarquéa prevista siga siendo visible.

Si el acento se adueña de una variación, la composición ha cambiado. Si desaparece el color dominante, el plano ya no respeta el equilibrio solicitado.

Comparar cuatro resultados muestra si la instrucción de color es estable o si el siguiente prompt debe precisar mejor qué elementos representan cada parte de la proporción.

Verifica el estado del personaje

La identidad es solo una parte de la continuidad del personaje.

Antes de cada escena, el método registra las heridas presentes, la ropa dañada, la utilería y cualquier elemento que falte.

La referencia facial también requiere una preparación cuidadosa. El método exige recortar el rostro de la ficha de cuerpo entero antes de subirlo, para controlar la referencia que fija la identidad.

Compruebo las cuatro variaciones frente al estado actual del personaje. Un rostro bien reproducido no justifica que está intacta una prenda que debería estar dañada. Una herida correcta no salva un rostro deformado.

Aqué es donde revisar la tanda evita que vea lo que quiero ver. Una variación puede contener varias decisiones correctas y aun así fallar en continuidad.

Esas decisiones correctas siguen siendo pruebas útiles para el diagnóstico. Muestran qué instrucciones retuvo el modelo y cuáles necesitan refuerzo.

Verifica la localización mediante su objeto de referencia

La continuidad de la localización utiliza un objeto de referencia fijo.

Cada personaje se sitúa en relación con ese objeto en cada prompt. Antes de rodar una escena, el método prepara un exterior, una vista general del interior, otro ángulo interior y vistas de detalle. Las escenas complejas también cuentan con una planta cenital.

Esa preparación da a la tanda de diagnóstico un criterio espacial de comparación.

Puedo comparar dónde aparece el personaje en relación con el objeto de referencia. Puedo comprobar si el otro ángulo de cámara sigue perteneciendo al mismo interior. Puedo ver si el movimiento respeta el espacio previsto.

Sin el objeto fijo, cuatro variaciones pueden ofrecer cuatro habitaciones plausibles. Con él, puedo juzgar si representan la misma localización.

Revisa cada fotograma

Esta es la parte que no puedo saltarme.

Un solo fotograma defectuoso puede arruinar el plano. El primero y el último no bastan. Reviso el clip fotograma a fotograma antes de considerarlo utilizable.

Los tirones de imagen requieren la misma atención. Pueden deberse a fotogramas duplicados y no a la propia tasa de fotogramas.

Si veo un tirón, busco imágenes repetidas. No doy por hecho que el problema sean los fotogramas por segundo.

Este diagnóstico cambia la siguiente decisión. Ajustar la tasa de fotogramas no eliminaría la información visual duplicada. La tanda debe decirme qué ocurrió realmente antes de volver a generar.

Rescata los segundos que funcionan

Una generación fallida puede contener entre 2 y 5 segundos aprovechables.

Por eso no descarto una variación en cuanto falla uno de sus tramos. Primero marco la parte limpia.

El inicio puede funcionar antes de que se deforme el rostro. La parte intermedia puede contener la interpretación corporal correcta. Los últimos segundos pueden mantener la localización y la iluminación aunque el principio falle.

Esos tramos son material.

El coste de la primera tanda son cuatro variaciones. Lo que obtengo a cambio no se limita a un plano terminado. También incluye tramos limpios, patrones de fallo que se repiten y pruebas de qué partes del prompt ya funcionan.

Decide qué debe responder la segunda tanda

Después de revisar los cuatro clips, debería saber por qué voy a volver a generar.

Puede que el siguiente prompt necesite un comportamiento corporal más claro. Puede que necesite explicitar la física. Quizá haga falta una instrucción de cámara más firme, el estado correcto del personaje o una relación más precisa con el objeto de referencia de la localización.

Si se pronuncia un nombre o una palabra inventada, el diálogo puede usar una escritura fonética, con guiones y mayúsculas que marquen el acento, como Gan-del-FEE-nah.

Eso añade a la siguiente tanda otra condición que puedo escuchar y comparar.

El método de las cuatro variaciones no promete cuatro oportunidades de tener suerte. Me da cuatro pruebas. Las reviso atendiendo al encuadre, la luz, el comportamiento, la física, la continuidad, el espacio, el habla y cada fotograma.

Hoy, genera cuatro variaciones de un plano y márcalas como diagnóstico. Revisa cada fotograma, anota los tramos de entre 2 y 5 segundos que se salvan y escribe el siguiente prompt solo cuando puedas identificar el fallo que se repite.

---

Un método es lo que sigue funcionando la mañana en que no llega la inspiración.