Clips de IA a pantalla completa, y por fin hablan

Cuando una escena mostraba una foto o un clip de IA, el motor de render la trataba como una tarjeta de lujo. Metía la imagen hacia dentro por tres lados y, abajo, por toda la zona de subtítulos, y luego añadía un borde, esquinas redondeadas y una sombra.

Medimos lo que eso suponía en un vídeo de 1920 por 1080. El clip ocupaba el 54 % de la altura del fotograma, un tercio de la pantalla era un degradado vacío y, como la caja era mucho más ancha que el clip, este se recortaba para encajar. La imagen a sangre ya existía, pero solo en los vídeos verticales.

El tratamiento de tarjeta es para las tarjetas. Una foto y un fragmento de película son la imagen, y la imagen es el encuadre. Márgenes, borde, esquinas y sombra desaparecen en todos los formatos, y un clip 16:9 llena ahora un vídeo 16:9 sin ningún recorte.

El segundo comentario resultó ser el primero visto desde otro ángulo. Los subtítulos se dibujaban en el espacio que la tarjeta dejaba debajo, así que nunca estaban sobre la imagen.

Llenar el encuadre juntó dos capas que nunca se habían encontrado, y el primer render tras el cambio mostró las dos:

• la pequeña insignia de la marca de agua sube a la misma zona segura que el subtítulo de la escena, y quedaba en la misma línea
• la sombra a todo lo ancho del subtítulo, que antes se desvanecía en el borde inferior de la tarjeta, ahora terminaba en el aire y trazaba una línea dura sobre la imagen

Reconstruimos el subtítulo como un rótulo inferior de verdad: las palabras sobre una placa a su medida, apartadas tanto de la zona segura como de la insignia. Un fotograma, una capa para cada función, y ninguna se pelea por los mismos píxeles.

Veo 3 genera diálogo y sonido ambiente junto con la imagen. Si una instrucción dice que un personaje pronuncia una frase, el clip vuelve con esa frase dicha. Hasta ahora nuestros vídeos solo guardaban la imagen: los clips se almacenaban sin su sonido y el reproductor los silenciaba.

Ahora el sonido se queda. Cada clip conserva su audio, codificado para encajar con el resto del vídeo, y la versión muda solo se usa cuando la fuente de verdad no tiene sonido. También pedimos audio a Veo 3 de forma explícita en cada petición, para que un clip con sonido sea decisión nuestra y no un efecto secundario de la versión del modelo.

Un test hace concreta la promesa: un clip creado con un tono debe conservar su sonido tras nuestra preparación, y un clip mudo debe prepararse igualmente sin error.

Un clip con sonido plantea una pregunta obvia: ¿qué pasa cuando el narrador también habla? Seguimos la regla de un editor.

Una escena sin narración pertenece al clip. Reproduce el sonido del clip a pleno volumen, y eso te da el momento a cámara: una persona en pantalla diciendo su frase. Una escena narrada mantiene el ambiente del clip como un fondo suave bajo la voz, para que una calle siga sonando a calle sin competir con la voz en off.

El motor sabe en qué caso está a partir de la propia escena, así que no tienes que configurar nada. Los vídeos hechos antes de hoy no cambian: sus clips se guardaron mudos y siguen mudos.

Una función que nadie conoce es una función que nadie usa, así que el catálogo de escenas lo dice claramente: una frase entre comillas dentro de la instrucción de generación de un clip se pronuncia en el clip. En la práctica:

1. 1Describe el plano como siempre: quién aparece, dónde y qué hace.
2. 2Pon entre comillas las palabras que dice.
3. 3Quita la narración de esa escena si quieres que el personaje tenga la palabra, o mantenla si su frase es solo un momento de fondo.

Funciona desde el editor, desde nuestra API y desde los asistentes de IA que crean vídeos por ti. Mira lo que pueden hacer los clips generados en la página de clips de IA y empieza un vídeo para probar uno.