Actuación sutil en vídeo con IA: palabras de expresión facial que funcionan

Escribe «a sad woman» en un modelo de vídeo y obtienes una cara triste como lo es la de una foto de stock: toda la boca, todo el ceño, a la vez y sostenido hasta que acaba el clip. Escribe «she looks down, then back up» (baja la mirada y luego vuelve a subirla) y obtienes algo que un montador podría usar. La actuación en pantalla es sobre todo pequeña, y un clip es corto, así que lo pequeño es lo único que cabe.

Este artículo trata solo de la cara: qué palabras usar, cuántas y cuándo dejar de pelear con un modelo y empezar desde una imagen. El trabajo de cámara es otro asunto, que se cubre en nueve movimientos de cámara para vídeo con IA. Todos los personajes de abajo son inventados; nada de esto necesita la foto de una persona real, y no deberías usar una sin tener derecho a ello.

Por qué «emotivo» no te da nada

Una emoción es la etiqueta de algo que ocurre con el tiempo. Un modelo de vídeo renderiza fotogramas, así que necesita el hecho, no la etiqueta. «Desolado» no dice si los ojos bajan, si la barbilla tiembla o si los hombros se hunden, así que el modelo hace la media de todas las caras desoladas que ha visto, y esa media es una máscara.

La solución es cambiar la etiqueta por un comportamiento que podrías filmar. Pregúntate qué vería realmente una cámara y escribe eso. A continuación tienes el vocabulario corto al que siempre vuelvo.

Ocho acciones pequeñas que se leen en pantalla

• Una mirada. «Her eyes flick to the door, then back to the letter» (sus ojos saltan a la puerta y vuelven a la carta). Una mirada necesita un origen y un destino, como un movimiento de cámara. Sin destino, los ojos vagan.
• Una respiración contenida. «She stops breathing for a moment, chest still, then lets out a slow exhale» (deja de respirar un instante, el pecho inmóvil, y suelta el aire despacio). Se lee como tensión y casi no le cuesta nada a la cara, porque nada en ella tiene que cambiar.
• Media sonrisa. «One corner of the mouth lifts slightly and falls» (una comisura de la boca sube un poco y baja). Di «slightly» y dilo solo una vez. Las sonrisas sin matizar enseñan todos los dientes.
• Un parpadeo lento. «A single slow blink» (un único parpadeo lento). Sugiere cansancio, calma o una decisión, y es el movimiento de ojos que los modelos manejan con más fiabilidad.
• Tragar saliva. «He swallows, jaw tight» (traga saliva, la mandíbula tensa). Nervios en una sola palabra, sobre todo en la garganta, así que la cara se mantiene estable.
• Un gesto de ceja. «Left eyebrow lifts a little» (la ceja izquierda se levanta un poco). Una ceja, una dirección.
• Apartar la mirada. «She turns her eyes to the window and does not look back» (vuelve los ojos hacia la ventana y no mira atrás). Una cara que deja de actuar para el objetivo es más fácil de renderizar que una que mantiene el contacto visual.
• Quietud. «Face almost motionless, only the eyes move» (cara casi inmóvil, solo se mueven los ojos). La indicación más infravalorada que existe.

Gasta una expresión por clip

Un clip corto tiene sitio para un solo momento: algo está ahí, algo cambia, algo se asienta. Si pides tres emociones seguidas, el modelo las comprime en un parpadeo, con la cara transformándose entre ellas. Elige el cambio que importa y deja el resto del clip en calma. En el estudio los clips duran como mucho 30 segundos, e incluso uno largo lleva mejor un solo momento que una cadena de ellos.

Qué hace que una cara se deforme

Las caras se deforman cuando el modelo recibe más cosas que cambiar de las que puede mantener coherentes. Las causas habituales, en el orden en que me las encuentro:

1. 01Una pila de palabras de emoción. «Angry, sad, hopeful, afraid» no tiene una cara única, así que prueba las cuatro. Reduce a un solo comportamiento.
2. 02Un giro rápido de cabeza. Pasar de perfil a frente obliga al modelo a inventar el lado lejano de la cabeza. Escribe «turns slowly» (gira despacio) y limítalo a un cuarto de vuelta, o suprime el giro y usa dos clips.
3. 03Mucha acción de la boca. Reír, gritar y hablar mueven dientes, labios y mejillas a la vez. Si lo necesitas, que sea breve y mantén el plano lo bastante abierto para que los pequeños errores no se noten.
4. 04Manos que cruzan la cara. Una mano que tapa un ojo y luego se va a menudo se lleva el ojo con ella.
5. 05Varias caras a la vez. Cada cara extra recibe menos atención del modelo. Pon la actuación en una sola persona y deja a las demás como fondo desenfocado.
6. 06Una cámara a la deriva. Un movimiento más una expresión son dos trabajos. Fija la cámara cuando la cara es lo importante.

Encuadra la cara para que el momento se lea

Una mirada o un parpadeo son unos pocos píxeles de movimiento. En un plano general desaparecen. Pide un plano medio corto o un primer plano, di que los ojos son el sujeto y deja espacio vacío en la dirección en que mira el personaje. Mantén la luz quieta mientras la cara actúa; un cambio de luz encima de una expresión se lee como parpadeo, como en cambios de luz en vídeo con IA sin parpadeos.

Cuándo empezar desde una imagen fija

Si la cara del personaje tiene que verse igual en varios clips, o ya tienes la cara exacta que te gusta, no le pidas a un prompt de texto que la invente otra vez. Crea primero la imagen con un modelo de texto a imagen o de edición, como un modelo de edición de imágenes, hasta que la cara esté bien, y luego anímala con imagen a vídeo. La imagen fija quién es. Tu prompt solo tiene que decir lo que hace la cara, en una sola frase, sin describir la cara en sí.

Elige una imagen en la que la cara esté relajada y un poco descentrada, con los ojos abiertos y la boca cerrada o apenas abierta. Un fotograma captado en plena carcajada no deja al clip adónde ir. Prueba la redacción primero en un borrador barato; el flujo de borrador, bloqueo y acabado explica cómo, y P-Video-2 de imagen a vídeo tiene un interruptor de borrador para ello.

Dónde falla esto

Los modelos no actúan. Producen fotogramas que se parecen a actuar, así que una media sonrisa puede volver como una sonrisa completa, una mirada puede acabar en el objeto equivocado y un parpadeo puede quedarse a medias. Cuenta con repetir unas cuantas veces, cambia una palabra por intento y quédate con las tomas que se leen. Los primeros planos de ojos y bocas son además donde los modelos perdonan menos, y ninguna redacción elimina el riesgo del todo. Si una cara no funciona tras unos intentos, abre el plano o divídelo en dos clips más simples.