Spot para un cliente (Immo-Wizard, una plataforma inmobiliaria alemana), 100 % IA, hecho en una tarde: un mensajero de la Edad de Piedra envía el dossier de una propiedad por pterosaurio, al pterosaurio se lo comen y el jefe lo despide. 33 segundos, 13 planos, poco más de 400 créditos de Higgsfield. 151 de ellos se fueron en un borrador que tiré a la basura. (Video abajo, con subtítulos en alemán. La traducción está al final del post.) El primer borrador era técnicamente limpio: cortes precisos, caras reconocibles. Pero se notaba a kilómetros que era IA, y cada plano estaba quieto como una foto de pasaporte. El problema no era el modelo de video, sino la imagen inicial. Mi agente había generado las imágenes iniciales con GPT Image y había escrito "locked tripod" en cada plano. Y yo lo aprobé. Un modelo de video hereda el look de su primer fotograma. Si la imagen inicial parece un anuncio de crema facial, la película será un anuncio de crema facial. Segundo intento, 98 minutos desde tirar el borrador hasta el archivo final: 1. Soul 2.0 sin mi personaje. Solo lugar, luz, grano y tela, con un preset de película. En la imagen aparece cualquier cavernícola, da igual. (Imagen 1, centro) 2. Seedream 5.5 coloca al personaje. Una frase de prompt, tres imágenes de referencia: "change the man in image 1 to the man in image 2, change the role of the man to the role in image 3". Nada más. (Imagen 1, derecha) 3. Seedance 2.5 con el frame de estilo como imagen inicial, borrador en 480p y un movimiento de cámara con nombre en cada plano: dolly, grúa, push-in. Nada de cámara temblorosa. 4. Acabado en DaVinci Resolve: upscale, cuatro capas de etalonaje y un zoom suave en cada plano. Claude Code arma la línea de tiempo y las pistas de audio por script, el ajuste fino de color lo hago a mano. En resumen: Soul construye el look de cine, Seedream trae al personaje y Seedance solo mueve lo que ya se ve real. Lo que salió mal: - La cueva tenía un salto de luz: plano general frío, primer plano cálido. La solución fue otra frase en Seedream ("change the lighting to evening golden hour, leave everything else exactly as it is") y una nueva generación por 45 créditos. (Imagen 2) - La música necesitó tres intentos en Suno: primero demasiado amable, luego demasiado dramática y al final comedia de espías de los 60. La tercera encaja. - Ni intenté el lip sync en alemán. Los dos gruñen un idioma inventado y los subtítulos llevan el texto. (La Edad de Piedra perdona mucho.) - El jefe sostiene un hueso verde menta. Venía en la imagen de referencia, lo vi demasiado tarde y se queda como easter egg.

Faderline CC, un centro de mando de redes sociales para mis tres marcas. Corre en vivo en una computadora pequeña en mi casa, con datos reales de 7 plataformas (de Instagram a Spotify), que n8n recoge cada mañana a las 6. Además está Lucia SI, una agente hecha con el Claude Agent SDK que escribe informes y prepara respuestas (no sale nada sin mi aprobación). El código lo escribió Claude Code. Yo decidí, revisé y aporté los errores. Abajo hay un recorrido en video de 3 minutos y capturas de pantalla. La interfaz y el video están en alemán.

Vio Lucia ahora canta en vivo: una cúpula, un escenario en el lago, una azotea, una taberna, una playa bajo la lluvia. 5 reels en 3 días, y ninguno de esos conciertos existió jamás. El modelo fue una cantante de IA que llegó a 77,8k seguidores en 80 días con exactamente este formato: lugares pequeños, algo que no encaja (zapatillas de running en una taberna, shorts en un lago a 9 grados) & el público grabando con el móvil. La cadena: 1. Elegir la parte de la canción, separar la voz con BS-RoFormer 2. Keyframes con el sándwich de Soul 2 -> escena sin personaje, añadir a Vio, pasada de Soul encima 3. Imagen del escenario vacío sin Vio como referencia del espacio 4. Seedance 2.5 Omni Reference: imagen hero primero, la voz como referencia de audio, borrador en 480p, luego 1080p 5. Resolve a 48 fps, 4 capas de color, -14 LUFS Y luego lo curioso: pasé horas moviendo y estirando los clips para que encajaran con mi canción de estudio. Pero el sonido que Seedance genera por sí mismo (sala, público, voz desde la referencia de audio) sonaba más real que mi propia canción. Viendo los reels de Lana olvidé que no eran grabaciones reales - nunca me había pasado. Lo que salió mal: 1. Imagen inicial ajena -> Vio de repente tenía otra cara. Solución: imagen hero como primera referencia, sin imagen inicial. 2. Whisper sobre la mezcla final alucinó un bucle infinito (primero hay que separar la voz). 3. La IA vistió a Vio con unos shorts con el logo de una marca deportiva que nadie pidió. 4. Mi propia pipeline tiró el mejor audio de todo el lote en la primera versión (un parámetro, tres letras). Todos los prompts, créditos y pasos están en el PDF (en inglés), los 5 clips van adjuntos - dos de ellos ya en la nueva versión con el audio del clip. Pregunta: ¿usáis el audio generado o siempre ponéis vuestra canción encima? ¡A los comentarios!

Comparto el proceso de mi último reel con Vio, mi artista IA: recrea un solo de batería en el aire de una escena de culto. 23 segundos, una toma. Así lo hice: 1. Hoja de detalles con 15 fotos reales de su outfit (reloj, anillos, cadena, zapatillas) 2. Hoja de personaje en 3 vistas, y una versión sin cabeza para que la cara exista una sola vez 3. Primer fotograma con Soul 2 para un look de cámara real (32 imágenes, 0 créditos) 4. Transferencia de movimiento con Genjutsu, con la boca más tranquila que el original Coste total: 258,5 créditos. Similitud facial medida: 0,87 en la hoja de personaje. Lo que aprendí: Genjutsu siempre usa el formato del video de referencia, ignora el 9:16. Reel: https://www.instagram.com/reel/De8AKcuCtKM/ El PDF (en inglés) va adjunto.

Para todos los que construyen una cara de IA que tiene que verse igual en cada post: medí la mía. Dos días, 51 fotos reales, un Soul entrenado, 188 remakes de imágenes antiguas y un sándwich de Soul, GPT y Soul. Esta vez no a ojo, sino medido: similitud ArcFace con mis fotos reales, de 0 a 1. Mis fotos reales entre sí: 0,81. Lo que salió (imágenes 1 a 6): 1) Las mejores imágenes de Soul 2 llegan a 0,78 a 0,82, eso es nivel de foto. La media se queda en 0,72. Soul 2 te clava en los favoritos, no en cada imagen. (Imagen 1: la misma cara de 2019 a hoy, original a la izquierda, Soul 2 a la derecha) 2) El remake con imagen de referencia no mejora las imágenes antiguas, las nivela. De 66 pares mejoró el 48,5 %, la diferencia mediana es de menos 0,01. Una imagen de Midjourney saltó de 0,07 a 0,73, mi mejor imagen de ComfyUI bajó de 0,86 a 0,79. (Imagen 5) 3) El sándwich (Soul sin personaje, luego GPT Image 2.5 con un elemento, luego Soul con personaje) suma 0,04: de 0,74 a 0,78. A cambio: menos dispersión y ninguna luz quemada. La etapa GPT marca 0,81, pero tiene la piel más lisa de toda la cadena. (Imagen 2) 4) Un remake es una imagen nueva. Solo sobrevive un tercio de la composición (r 0,30). Si necesitas la composición, usa una edición local en GPT con "leave everything else exactly as it is": r 0,998, identidad igual. Solo tiene que coincidir el formato. (Imagen 3) 5) Donde Soul 2 pierde: los perfiles dan 0,12 menos que de frente, en grupos la cara más grande no es automáticamente la tuya, el color de pelo y los accesorios vienen de la referencia, y el color de ojos es invisible para la métrica. (Imagen 4) 6) Costes: Soul 2 en la web fue gratis para los 328 remakes, GPT 2.5 costó 2,75 créditos por imagen, una pasada de sándwich 2,99. Lo que no valió la pena: 106,50 créditos por un retrato de estudio que resultó igual de bueno que el elemento que Higgsfield crea gratis durante el entrenamiento. (Imagen 6) Mis reglas: • De cuatro a ocho variantes por idea, nunca una.