Como socios de lanzamiento conjunto de WAN 2.6, en Ima Studio hemos dedicado las últimas dos semanas a probar exhaustivamente sus funcionalidades principales. Hoy se lanza oficialmente. Basándonos en nuestras pruebas prácticas y el uso diario, hemos elaborado esta guía rápida de WAN 2.6, que incluye cómo iniciar una prueba gratuita en Ima Studio y cómo obtener excelentes resultados rápidamente.
Lo que obtendrás de esta guía:
- La forma más rápida de generar una minihistoria completa de 10 a 15 segundos (no solo un clip corto).
- Cómo utilizar la narración en múltiples planos sin perder coherencia.
- Cómo usar un video de referencia para mantener un personaje estable
- Plantillas de indicaciones prácticas que realmente usamos en las pruebas.
1) ¿En qué destaca WAN 2.6 (según nuestras pruebas)?
Tras realizar numerosas pruebas en diferentes escenarios, descubrimos que WAN 2.6 es especialmente eficaz cuando se utiliza como un "generador completo de vídeos cortos" en lugar de como una herramienta para crear clips de una sola toma.
Estas son las tres capacidades que más importaron en nuestras pruebas:
Narrativa con múltiples planos que da la sensación de estar editada.
En lugar de generar una toma continua, WAN 2.6 puede producir una secuencia que se asemeja a múltiples cortes dentro de un mismo video. En la práctica, esta es la diferencia entre un simple clip y una breve narración.“
Generación de audio priorizando el sonido (voz, diálogos y efectos de sonido satisfactorios).
Si creas un guion gráfico para el sonido, no solo para las imágenes, WAN 2.6 suele ofrecerte resultados más nítidos. Las mayores mejoras se observaron en:
- Escenas cortas con voz en off
- momentos de diálogo entre dos personas
- ASMR, cocina sincronizada con el ritmo y efectos de sonido "temporizados".
Caracteres basados en referencias (cuando la coherencia importa)
Cuando necesitas que la misma persona, mascota o personaje siga siendo el protagonista, recomendamos usar referencias. Es la diferencia entre una "vibración similar" y un "sujeto claramente reconocible".“
2) Inicia una prueba gratuita en Ima Studio (la opción más rápida)
Si lo único que quieres es tu primer resultado impactante en cuestión de minutos, haz esto:
- Abierto WAN 2.6 en Estudio Ima
- Elige un modo:
- Texto a vídeo Si quieres una historia desde cero
- Imagen a vídeo Si ya tienes un fotograma clave fuerte
- Referencia al vídeo Si necesitas coherencia de personajes
- Elige un objetivo sencillo para la primera carrera:
- De 12 a 15 segundos en total
- De 3 a 5 disparos, no más.
- un tema principal, no varios temas que compitan entre sí.
Si la primera generación te parece desordenada, normalmente no es culpa del modelo, sino de la estructura de las indicaciones (lo solucionaremos en las siguientes secciones).
3) El flujo de trabajo más rápido para lograr la “primera victoria” (lo usamos en pruebas internas).
Cuando probamos un nuevo modelo, no empezamos con guiones complicados. Empezamos con una estructura predecible.
Nuestra fórmula de inicio recomendada
- Longitud total: De 12 a 15 segundos
- Tomas: 3 a 4
- Ritmo de disparo: 3s + 4s + 4s (+ final opcional)
- Un elemento distintivo que se repite en todas las tomas (atuendo, color, detalle definitorio).
Plantilla multifoto lista para copiar
Vídeo cinematográfico vertical de 9:16, duración total de 12 a 15 segundos. Toma 1 (3 s): Establecer el sujeto principal y el escenario (primer plano o plano medio). Toma 2 (4 s): Desarrollar la acción, mantener el mismo sujeto, añadir un nuevo detalle. Toma 3 (4 s): Destacar el momento (detalle macro, cámara lenta o reacción clave). Toma 4 (3-4 s): Toma final del héroe, final limpio, ambiente claro. Estilo: (ultrarrealista / anime / arcilla / etc.) Cámara: (primer plano, cámara en mano, dolly in, pan lento) Iluminación: (luz diurna suave / luz de contorno dramática / noche neón) Audio: (voz en off / diálogo / música + sincronización de efectos de sonido)
Por qué funciona: Obliga al modelo a "pensar como un editor". No se trata solo de describir una escena, sino de describir una secuencia.
4) Cómo mantener la coherencia de los personajes en varias tomas
Esta es la queja más común que tienen las personas con la generación de videos con múltiples tomas, y también es la más fácil de solucionar.
La solución: repetir los elementos de identidad en cada toma.
En lugar de definir a tu personaje una sola vez, repite de 2 a 3 puntos de referencia en cada toma:
- atuendo o uniforme
- estilo o color de cabello
- un objeto distintivo (gafas, bufanda, guitarra, casco)
- una regla de estilo estable (realismo cinematográfico, sombreado estilo anime, etc.)
Ejemplo de repetición de ancla
Sujeto principal: un joven chef con delantal blanco, pelo corto y negro y una cálida sonrisa. Toma 1: el joven chef con delantal blanco... Toma 2: el mismo joven chef con delantal blanco... Toma 3: el mismo joven chef con delantal blanco...
Puede parecer repetitivo para los humanos, pero es precisamente lo que reduce la deriva.
5) Sincronización de audio que realmente se siente intencional.
En nuestras pruebas, el mayor salto en la calidad percibida se produjo al tratar el sonido como una línea de tiempo.
Patrón de indicaciones de voz en off
- mantén la voz limpia
- mantén la música de fondo a bajo volumen.
- Mantén el guion corto.
Una persona habla a la cámara con movimientos labiales naturales. Audio: voz en off clara en mandarín, música a bajo volumen, mínimo ruido de fondo.
Patrón de diálogo de dos personas
- definir el comportamiento del hablante
- Mantengan las filas cortas
- pedir separación y claridad
Dos personajes hablan. Personaje A: tono rápido y seguro. Personaje B: reacción más lenta y confusa. Audio: clara separación entre los interlocutores, sonido ambiente natural, sin música que opaque el diálogo.
Patrón de efectos de sonido sincronizados con el ritmo
Las palabras mágicas son anclas de sincronización:
- “en el ritmo lento”
- “en el bombo”
- “justo en el momento de la caída”
- “sincronizar cada golpe”
Cada golpe seco de cuchillo coincide exactamente con el ritmo del bombo. El chisporroteo de la sartén comienza precisamente en el primer tiempo de la frase del sintetizador.
6) Referencia al vídeo: cómo conseguimos la mejor consistencia.
Si utilizas entradas de referencia, la regla práctica es sencilla:
Utilice “carácter1 / carácter2” de forma consistente.
Escribe tu consigna usando personaje1, personaje2, etc., y mantenga esas etiquetas estables durante toda la indicación.
Referencia única
El personaje 1 concede una breve entrevista callejera a la cámara. El rostro y la voz del personaje 1 deben ser coherentes con la referencia. Audio: voz clara, ambiente sutil, sin ruido de fondo.
Dos referencias
El personaje 1 canta mientras el personaje 2 baila a su lado. Mantén la apariencia de ambos personajes concordante con la de la imagen de referencia.
Grabar clips de referencia con información útil
Lo que mejor funcionó en nuestras pruebas:
- Iluminación nítida, ángulos limpios
- Primer plano + ligeros giros para los rostros
- menos distracciones de fondo
- Si te importan los rasgos de la voz, incluye audio limpio.
7) Paquete de indicaciones listas para copiar (las que realmente recomendamos)
1) Cocina con múltiples tomas y efectos de sonido sincronizados con el ritmo (15 s)
Cortometraje cinematográfico vertical de cocina de 9:16, total 15 segundos. Toma 1 (3 s): Primer plano de un chef cortando verduras en una tabla de madera bajo la brillante luz de la cocina. Toma 2 (4 s): Cada golpe de cuchillo coincide exactamente con el bombo de una pista de faro. Toma 3 (4 s): Los ingredientes caen en una sartén caliente; el chisporroteo comienza precisamente en el primer tiempo de una frase de sintetizador. Toma 4 (4 s): Movimiento lento de los ingredientes en la sartén, vapor que se eleva, diseño de sonido limpio, ritmo satisfactorio. Audio: música + efectos de sonido de corte y chisporroteo sincronizados, mezcla limpia, sin ruidos molestos.
2) Diálogo entre dos personas, ritmo cómico cinematográfico
Escena cinematográfica ultrarrealista, iluminación lateral dramática, duración total de 12 a 15 segundos. Toma 1 (4 s): Dos antiguos guerreros de terracota se encuentran en un foso polvoriento, con una tensión latente. Toma 2 (5 s): El guerrero A se inclina y habla muy rápido, con tono seguro y movimiento labial nítido. Toma 3 (6 s): El guerrero B reacciona con expresión confusa, ojos muy abiertos, ligera inclinación de cabeza, con una sincronización cómica perfecta. Audio: Diálogo claro entre dos personas, sonido ambiente natural, sin música que opaque las voces.
3) Demostración del producto que parece editada
Demostración de producto limpia y vertical de 9:16, total 12 segundos. Toma 1 (3 s): Producto sobre un escritorio minimalista, luz natural suave, primer plano del elemento principal. Toma 2 (5 s): Manos que muestran la característica principal, acercamiento suave de la cámara. Toma 3 (4 s): Toma final del elemento principal con texto mínimo en pantalla, estética moderna. Audio: música de fondo suave, sutil efecto de sonido de clic de la interfaz de usuario, sin voz en off.
4) Carácter basado en referencia (referencia única)
El personaje 1 camina por una calle iluminada con luces de neón por la noche, con efecto bokeh cinematográfico y expresión segura. Mantén la expresión facial y la voz del personaje 1 coherentes con la referencia. Audio: ambiente urbano sutil, sin ruido de fondo.
8) lo que arreglamos con más frecuencia
- Las tomas múltiples dan una imagen caótica: redúcelas a 3 o 4 tomas y deja claro el propósito de cada una.
- Desviación del personaje: repetir los puntos de anclaje por toma
- El diálogo suena ruidoso: pide una voz clara, música baja y un ambiente minimalista.
- Los efectos de sonido no se sincronizan: especifique los puntos de referencia de tiempo (tiempo fuerte, bombo, caída).
Acerca del autor
