Reseña de Veo 3: qué aporta en un flujo real de motion design

Qué es realmente Veo 3 y qué no es

Veo 3 es el modelo de generación de video de tercera generación de Google DeepMind. Produce clips de hasta dos minutos a partir de prompts de texto o imagen, con una consistencia temporal notablemente mejor que sus predecesores. Esa última parte importa más que cualquier otra cifra de las especificaciones. La consistencia temporal es lo que hace que el video con IA parezca video en lugar de un pase de diapositivas de imágenes casi relacionadas.

Lo que Veo 3 no es, es un sustituto de un motion designer. No entiende los sistemas de marca, no tiene noción de jerarquía de composición y no sabrá que el rojo de tu cliente y el rojo del modelo son dos colores distintos. Cada resultado requiere revisión humana y, en la mayoría de los casos, trabajo de composición antes de estar listo para el cliente.

El posicionamiento con el que me he quedado: Veo 3 es un renderizador rápido de conceptos. Lleva las ideas de lo verbal a lo visual más rápido que cualquier herramienta que haya usado. La distancia entre la ideación y un resultado revisable, que antes se medía en horas, ahora se mide en minutos.

Dónde encaja Veo 3 en un pipeline real de motion design

El primer lugar donde lo probé fue en la fase de concepto. Cuando llega el brief de un cliente y necesito mostrarle tres opciones de dirección antes de comprometerme con la producción completa, Veo 3 me permite generar referencias visuales aproximadas que comunican infinitamente más que un storyboard estático. Los clientes responden al movimiento. Lo entienden de forma intuitiva de un modo que ni siquiera los mejores fotogramas estáticos transmiten.

El segundo caso de uso que de verdad me sorprendió fue la generación de fondos. Los videos de producto a menudo necesitan fondos de entorno —espacios de oficina, visualizaciones de datos abstractas, loops con textura— que normalmente requerirían licencias de material de archivo o tiempo de animación a medida. Veo 3 produce loops de fondo que, con una limpieza menor en After Effects, se ven totalmente profesionales.

Para lo que no lo uso: animación protagonista, trabajo de personajes o cualquier cosa que requiera un timing preciso ligado a una pista musical. El modelo no tiene sentido del compás musical y su timing es probabilístico. Para trabajo sincronizado con sonido, eso lo sigues construyendo a mano.

Una estructura de prompt que funciona de verdad para motion design

Después de unos 200 prompts en seis proyectos, encontré una estructura que produce resultados utilizables de forma consistente. Empieza por el comportamiento de la cámara, luego el sujeto, luego el entorno y luego el estilo visual. «Push-in lento sobre una interfaz holográfica brillante, flotando en una sala de servidores oscura, luz ambiental azul suave, profundidad de campo cinematográfica» produce resultados mucho más utilizables que «holograma de IA en una sala de servidores».

El prompting negativo importa más en Veo 3 que en modelos anteriores. Indicar de forma explícita lo que no quieres —«sin texto superpuesto, sin destello de lente, sin cortes bruscos»— moldea el resultado de forma significativa. El modelo parece ponderar las restricciones negativas de manera más fiable que en Veo 2.

• Empieza por el movimiento de cámara: push-in, pull-back, órbita, estático
• Describe el comportamiento del sujeto con precisión: «girando lentamente» supera a «en movimiento»
• Especifica el tipo de iluminación: ambiental, direccional, de contorno, resplandor neón
• Añade una referencia de estilo: «cinematográfico», «gráfico plano», «estilo motion graphics»
• Usa negativos para lo que el modelo tiende a añadir por defecto: sin destello de lente, sin texto

Las limitaciones con las que realmente me topé en el trabajo con clientes

Las manos y los rostros siguen siendo el terreno más débil del modelo. Para cualquier plano que requiera un rostro humano reconocible —videos de portavoz, contenido tipo testimonial, demos de producto con interacción humana—, la tasa de fotogramas listos para el cliente es lo bastante baja como para que me resulte más rápido construir esos planos de forma tradicional.

La representación de texto sigue siendo poco fiable. Si tu escena incluye texto legible en cuadro, no confíes en que Veo 3 lo genere correctamente. Compón el texto en la posproducción. Siempre.

La otra limitación real es la resolución de salida. En los niveles de calidad actuales, el escalado casi siempre es necesario para emisión o gran formato. Es un paso extra en el pipeline que hay que presupuestar. No es un impedimento —las herramientas de escalado son rápidas y buenas—, pero no tiene coste cero.

Cómo cambió mi calendario real de producción

En un reciente video de lanzamiento de un producto SaaS, usé Veo 3 para entornos de fondo, loops abstractos de visualización de datos y dirección de concepto. Lo que habría sido un proceso de preproducción de tres semanas tomó nueve días. El cliente tuvo más rondas de revisión de dirección porque yo podía generar alternativas en minutos en lugar de horas.

La cifra honesta: estimo que Veo 3 ahorró entre un 30 y un 40 % del tiempo total de producción en ese proyecto, concentrado casi por completo en las fases de concepto y de assets de entorno. En proyectos con menos trabajo de fondo y más animación de personajes, esa cifra baja de manera significativa. Sé qué tipo de proyecto tienes entre manos antes de decidir cuánto peso puede cargar Veo 3.