Ir al contenido

Guía · Prompts · Actualizado el oct 2026

Guía de prompts para OmniHuman 2: dirige gestos, emoción y cámara

Un buen prompt para OmniHuman 2 es breve, físico y específico. El audio ya decide qué dice la persona y cuándo se mueven sus labios; el prompt decide todo lo demás: cómo coloca el cuerpo, hacia dónde mira, qué gestos caen en qué frase y qué hace la cámara.

Foto+Voz=Video

Voz
¿No tienes foto? Prueba:
  • Vista previa gratis
  • Acceso con Google
  • Archivos privados
Anuncios UGC
Cantando
Varias personas
por video
5 min
de salida
720p
personas por escena
Varias
idiomas
6

Esta guía te da una estructura sencilla, el vocabulario al que responde el modelo y ejemplos listos para copiar para los formatos más comunes. Cada ejemplo está pensado para pegarse en el campo de dirección del estudio y ajustarse a tu foto.

Cómo estructurar un prompt para OmniHuman 2

Piensa en tres huecos: interpretación, gesto y cámara. La interpretación es el tono general («cálido y seguro», «juguetón», «presentador de noticias serio»). El gesto son una o dos acciones concretas («cuenta con los dedos», «señala al espectador», «acerca el frasco al lente»). La cámara es un solo movimiento o encuadre («plano medio fijo», «acercamiento lento», «órbita suave hacia la izquierda»).

Mantenlo por debajo de unas 40 palabras. Los prompts largos con muchas acciones que compiten entre sí suelen producir un movimiento recargado y poco natural; es mejor renderizar dos veces con dos prompts enfocados que una vez con uno sobrecargado.

Indicaciones de cámara

Usa un solo movimiento por clip. Estas frases son claras y se entienden bien:

  • «plano medio fijo»: tranquilo, estilo presentador; ideal para videos explicativos largos.
  • «acercamiento lento»: aumenta la intensidad; genial para ganchos de anuncios y frases emotivas.
  • «órbita suave alrededor del sujeto»: da más valor de producción a las canciones.
  • «sensación de cámara en mano, ligero balanceo»: hace que los clips estilo UGC parezcan grabados con el celular.
  • «plano general y luego zoom lento sobre quien habla»: útil en escenas grupales.

Gestos y lenguaje corporal

Nombra el gesto y, si importa, cuándo ocurre: «levanta una ceja en la pregunta», «abre ambas manos en “todos”», «asiente mientras escucha». Las tomas de producto funcionan mejor cuando el producto ya está en la foto; así el prompt puede pedirle a la persona que lo levante, lo incline o lo señale.

Para el canto, describe la respiración y el movimiento en lugar de las formas de la boca —«cierra los ojos en las notas largas, se balancea al ritmo, mano en el pecho en el estribillo»— y deja que el audio guíe los labios.

Ejemplos de prompts por formato

Cambia los detalles según tu propia foto y tu audio.

  1. 1Gancho UGC de skincareemocionada, habla rápido, acerca el frasco a la cámara en la primera frase, sensación de cámara en mano
  2. 2Anuncio del fundadortranquilo y seguro, gestos con las manos abiertas, plano medio fijo, pequeña sonrisa al final
  3. 3Baladaojos cerrados en las notas largas, balanceo suave, órbita lenta, expresión suave y emotiva
  4. 4Podcast con dos presentadoreshabla el presentador de la izquierda, el de la derecha asiente y reacciona, plano general fijo, conversación relajada
  5. 5Leccióntono de profesor, cuenta los puntos con los dedos, mira hacia abajo como si leyera notas, plano fijo
  6. 6Saludo de mascotaalegre, saluda con la mano al principio, rebota ligeramente, acercamiento lento

Idiomas y solución de problemas

Puedes escribir la dirección en inglés, chino, japonés, coreano, español (México) o indonesio. El audio hablado puede estar en cualquier idioma: la sincronización labial sigue al sonido, no al prompt.

Si el movimiento se ve exagerado, quita adjetivos como «muy» y «dramático». Si parece que no pasa nada, comprueba que el gesto sea físicamente posible en el encuadre: las manos no pueden gesticular si la foto es un primer plano cerrado de la cara.

Errores comunes al escribir prompts

El error más frecuente es describir el guion en lugar de la interpretación. Escribir «explica nuestros nuevos precios» no aporta nada, porque el audio ya lleva las palabras; «se inclina hacia delante y da un golpecito en la mesa con cada precio» le da al modelo algo que hacer.

El segundo es la contradicción: pedir un plano fijo y una órbita, o una interpretación tranquila y saltos enérgicos, en el mismo clip. Cuando las instrucciones chocan, el movimiento se vuelve confuso. Decide un solo tono y un solo comportamiento de cámara por render.

  • Evita los extremos emocionales salvo que el audio los acompañe: una frase susurrada con «gritando con rabia» se ve rota.
  • No pidas que aparezcan objetos que no están en la foto; añádelos a la imagen.
  • Omite la jerga técnica de cine que el modelo no tiene por qué conocer, como marcas concretas de lentes.

Cómo iterar sin desperdiciar créditos

Fija primero la foto y el audio, y luego cambia solo el prompt entre renders de prueba. Haz un fragmento de cinco segundos de la frase más importante con dos o tres variantes de prompt y compáralas: a 50 créditos cada una, esa comparación cuesta menos que un render largo que no da en el blanco.

Cuando un prompt funcione, guárdalo con el proyecto como un «preset de dirección» reutilizable para ese presentador. Las series se ven más coherentes cuando cada episodio parte del mismo texto de dirección.

Preguntas frecuentes

¿Es obligatorio escribir un prompt?

No. Sin prompt, OmniHuman 2 elige un movimiento natural a partir del audio. Un prompt ayuda cuando quieres gestos o trabajo de cámara concretos.

¿Qué longitud debe tener mi prompt?

Una o dos frases, de menos de unas 40 palabras. Los prompts enfocados dan un movimiento más limpio.

¿El prompt puede cambiar lo que dice la persona?

No. La voz y el movimiento de los labios salen del audio; el prompt controla la interpretación y la cámara.

¿Puedo dirigir a varias personas?

Sí. Describe a cada persona por su posición, por ejemplo «la persona de la izquierda habla, la de la derecha reacciona».

¿En qué idiomas puedo escribir el prompt?

Inglés, chino, japonés, coreano, español (México) e indonesio figuran como idiomas compatibles.

¿Por qué no aparece mi gesto?

Normalmente porque el encuadre oculta las manos o el prompt pide demasiadas acciones. Usa una foto más amplia y menos instrucciones.

Sigue explorando

Haz que tu foto hable.

Vista previa gratis.