Hace un par de años, "hacer cine" con una sola persona era una broma de mal gusto. Hoy, con un buen guion y una herramienta bien pensada, puedes pasar de una idea escrita en un cuaderno a un vídeo corto con estética de película. La diferencia entre quedarte atascado y avanzar no está en tener la GPU más potente, sino en entender el flujo de trabajo. Aquí te cuento cómo lo hago yo usando MiniMax H3 dentro de 墨川导演台 (MiniMax H3 AI Director Desk), un escritorio de dirección pensado justamente para quienes hacemos vídeo corto IA, texto a vídeo y microdramas.
Si vienes del mundo del montaje tradicional, piensa en esta herramienta como una sala de edición donde el "metraje" lo genera la IA, pero tú sigues siendo el director: decides planos, ritmo, coherencia de personajes y sonido. Nada de magia negra, solo un pipeline ordenado. 🙂
Del prompt al guion: el primer paso que casi todos saltan
El error más común del principiante es escribir un prompt larguísimo y pedirle a la IA que "haga una película". Eso no funciona. Un vídeo corto necesita estructura. Y aquí entra una función que me ahorra horas: el AI 编剧 (guionista IA).
Puedes conversar con él en cinco idiomas: chino, inglés, español, árabe y japonés. Le describes tu idea —por ejemplo, "un detective cansado encuentra una carta que cambia su noche"— y el sistema te devuelve un guion de seis segmentos con borrador de storyboard. Lo importante: no es solo un chat que escupe texto. La IA responde y escribe de verdad el borrador en tu 剧本库 (biblioteca de guiones), donde luego gestionas guiones, episodios y tarjetas de storyboard.
Mi consejo práctico: no aceptes el primer borrador. Pídele variaciones del tono ("más noir", "más tierno", "ritmo más lento en el segmento 3"). Como el guion se guarda en la biblioteca, puedes comparar versiones sin perder nada.
Construir coherencia: el secreto de que tu vídeo no parezca un collage
Aquí está el punto donde la mayoría de los vídeos IA se caen: el personaje cambia de cara entre planos, o el escenario muta sin sentido. La solución no es rezar, es usar bien las bibliotecas.
En el 资产库 (biblioteca de activos) subes imágenes de referencia para personajes, escenarios, props y vídeos de referencia. Esa referencia es la que mantiene la consistencia de personaje y escena entre planos. Piénsalo como el vestuario y el maquillaje de un rodaje: si el actor cambia de chaqueta en cada toma, el espectador se pierde.
Para generar esas referencias uso el AI 制图 (generación de imágenes), que hace texto a imagen e imagen a imagen. De ahí saco primer frame, último frame y referencias de personaje para cada tarjeta de storyboard. Tener el primer y último frame definidos es lo que permite que el ensamblaje entre planos (分镜衔接) se sienta fluido.
Después, en el 项目库 (biblioteca de proyectos) organizas las tareas y versiones por proyecto, y lanzas generación por plano individual o por lotes. El motor principal es MiniMax H3, y la inferencia en la nube corre sobre flujos de trabajo de ComfyUI, con soporte para consistencia por referencia, unión de planos y cola por lotes.
Un truco de dirección: genera primero los planos "ancla" (el plano que define al personaje y el que define el escenario). Cuando esos dos te convencen, el resto del vídeo se apoya en ellos.
Voz, música y montaje: donde el vídeo deja de ser un experimento
Un vídeo corto sin buen audio se siente amateur, aunque la imagen sea preciosa. Para eso está la 音频库 (biblioteca de audio), con clonación de voz, lip sync (对口型), música de fondo y efectos de sonido. Y el AI 配音 (doblaje IA) usa IndexTTS 2.5 multilingüe con control de emoción. Ese control emocional es clave: la misma frase dicha con calma o con urgencia cambia por completo la escena.
También puedes generar AI MV (vídeo musical con IA) si tu proyecto es más musical que narrativo.
Mientras todo esto corre, el AI 日志 / 系统志 (registro IA / registro del sistema) te muestra en tiempo real los logs de generación y el estado del sistema. No lo ignores: cuando un plano falla, el log te dice por dónde va el problema, y eso te ahorra reintentos a ciegas.
Sobre el montaje final: recuerda que estás haciendo texto a vídeo con estructura de director, así que el ritmo lo marcas tú. Planos cortos para tensión, planos largos para emoción.
Dónde ejecutarlo: local, nube o API
Tienes tres modos reales de funcionamiento:
- Despliegue local: corre en tu propio PC con GPU, la inferencia es local.
- Despliegue en la nube: te conectas a tu propio servidor GPU alquilado, con inferencia vía túnel SSH.
- Llamada por API: integras las capacidades del escritorio de dirección por interfaz.
El despliegue en la nube soporta GPU en la nube genérica, con AutoDL, Alibaba Cloud, Tencent Cloud, 仙宫云 (Xiangongyun) y servidores SSH personalizados. Se conecta al ComfyUI en la nube vía SSH, con aislamiento automático de puertos por túnel local, así que varios usuarios no se cruzan. Y para las funciones de guionista IA / conversación, puedes conectar tu propia API Key de LLM.
Si quieres probar el flujo en la nube con 仙宫云, el proceso real es este:
- Conéctate a la imagen privada de 仙宫云 (no es pública).
- Regístrate de nuevo en https://www.xiangongyun.com/register/B1H9M6 y rellena el código de invitación B1H9M6.
- Tras registrarte y verificarte, envía tu ID de cuenta de 仙宫云 al servicio de atención (por ejemplo,
ac401472-db02-5df3-xxxx-xxxxxxxxxxx). - Cuando activen tu cuenta de prueba, verás la imagen del escritorio de dirección; despliega una instancia con ella.
- Con la instancia en marcha, pulsa SSH a la derecha y obtén host, puerto y contraseña; rellénalos en la página 「云部署」 del escritorio (SSH Host / SSH Port / SSH 密码).
- Pulsa 「验证 SSH」; si pasa, pulsa 「启动云端 ComfyUI」 y espera el mensaje verde de éxito.
- Ya puedes escribir tu guion y probar la generación de vídeo.
Para dudas concretas de configuración, lo mejor es consultar directamente. Puedes escribir al WeChat de atención: ymcandai, o buscar la tienda de Taobao「杨墨川AI」. En Douyin / Xiaohongshu / 视频号 aparece como 「杨墨川」, y el correo de soporte es info@ymcdirector.com. La web oficial es www.ymcdirector.com y el blog oficial blog.ymcdirector.com. Cualquier detalle de precios o requisitos, confírmalo con la web o con el WeChat de atención, porque cambia según el entorno.
Conclusión y siguiente paso
Convertir un prompt en una película MiniMax H3 no es pulsar un botón: es dirigir. Escribe un guion de seis segmentos, fija referencias de personaje y escena, genera planos ancla, cuida la voz y la música, y revisa los logs cuando algo falle. Ese orden es lo que separa un vídeo corto IA que se ve amateur de uno que se ve intencionado.
Mi recomendación para hoy: elige una idea pequeña, de un solo personaje y una sola localización, y hazla completa de principio a fin. Cuando termines ese primer vídeo, el pipeline ya será tuyo.
