Hice un capítulo de anime con Vidu Q3 en una tarde

Esto es una escena de shonen de batalla que he generado yo desde cero. Bueno, yo y la IA me ha ayudado un poquito. Sin dibujar un solo frame, sin animadores, mucho menos sin saber animar cuadro a cuadro. Y el resultado me ha dejado sin palabras.

Mira, mira.

Y es que me propuse un reto: crear una escena de anime tipo shonen completa usando solo inteligencia artificial. Personaje consistente, acción de verdad, un choque final épico. Y lo hice con Baidu y su nuevo modelo Q3. Y te voy a enseñar el proceso completo paso a paso. Y si llegas al final, vas a poder ver la escena completa y el momento exacto en el que pensé: Uf, esto es otro nivel. Y este vídeo está patrocinado por la gente de Baidu, que son los sponsors de este vídeo. Pero eso sí, te aseguro que si la herramienta no me hubiera convencido, no estaría haciéndolo. Realmente me ha dejado muy, muy sorprendido para bien. Y vamos a empezar por el principio, y es que esto lo he dividido en 4 fases: el concepto, después diseño del personaje, la animación, que es donde ocurre la magia, y después el montaje final usando un timing un poco de anime. Así que nada, vamos a ponernos manos a la obra. Y lo primero que voy a hacer es irme a un modelo de lenguaje y que me ayude con la idea que tengo en la cabeza. Y yo lo que quiero es un concepto shonen de batalla clásico de anime. 2 guerreros, auras opuestas, un duelo en una ciudad en ruinas. Y lo que voy a hacer es básicamente decirle a ChatGPT que me ayude a desarrollar los conceptos para a partir de ahí generar mis personajes y la historia que quiero contar. Y aquí lo importante no es escribir una novela ni pedirle a ChatGPT que os haga todo el trabajo, porque al final va a terminar haciendo algo que no se siente vuestro al 100%. Si tenéis una idea en mente, darle el mayor contexto posible para que él simplemente os guíe en qué podéis hacer para que el resultado final sea un poco más llamativo. No le pidáis que os haga todo el trabajo porque al final no queda bien. Y yo tengo más o menos claros cómo quiero mis personajes. Quiero uno que tenga un aura cian y el antagonista con aura carmesí, y tengo la escena más o menos clara en mi cabeza. Así que le voy a decir a ChatGPT qué es lo que quiero que él genere. Necesito generar un concepto para un shonen de batalla. Tengo dos guerreros con auras opuestas y un duelo en una ciudad en ruinas. El protagonista tiene el aura cian y el antagonista el aura carmesí. Quiero que haya una lucha final épica y me gustaría que me ayudaras a definir una historia que tenga una presentación, un nudo y un desenlace. Y más o menos con algo parecido a esto yo puedo tener un punto de partida para ver qué ideas me da ChatGPT, si son buenas o si son genéricas y malas, y decir que itere. Tengo que tener un buen punto de partida porque si no no va a salir bien. Así que yo le voy a decir generar y vamos a ver qué me devuelve. Y ChatGPT me ha ido dando ideas, me ha dado un título, una premisa, una presentación, un nudo, un desenlace, un tema central, imágenes para el clímax. Y a partir de aquí yo lo que voy a ir es seleccionando qué me gusta, qué no me gusta y qué puedo adaptar a esa idea que tengo en mente. Y ahora voy a irme a la fase más importante definir los personajes. Y yo los personajes también los voy a generar dentro de Baidu, porque no solamente tiene un motor de vídeo, también tiene un motor de imagen donde además puedo elegir modelos de los más conocidos que más usa todo el mundo. Si selecciono la categoría de imágenes, puedo decir que quiero generar con pues un montón de modelos: GPT Image, Nano Banana, o los propios de Baidu. Yo en este caso voy a elegir GPT Image 2, 16:9. Voy a empezar con el primer personaje y hay cosas que tengo muy claras: la estética tiene que ser anime, ojos intensos, pelo que tenga volumen. Y después lo que generaré es una hoja de personajes, las 3 vistas necesarias para que el personaje tenga continuidad y no cambie de escena en escena. Y esta es la descripción del personaje que yo le voy a dar a ChatGPT Image, y en la propia descripción quiero que me genere las 3 vistas. Yo aquí le estoy diciendo que quiero un turnaround, la vista del personaje rotada con fondo neutro, y que tenga 3 vistas: perfil, frontal y de espaldas, para que el modelo no vaya a tener luego dudas cuando yo use eso como referencia de personaje. Y este es mi primer personaje, el protagonista, y le he añadido la descripción de cómo tengo, cómo imagino que que debería ser. Y lo voy a hacer como text to image porque por ahora no tengo ninguna referencia que subirle. Así que ya con todo esto le vamos a decir crear. Y ahora vamos con el antagonista, el enemigo de mi personaje, y voy a hacer algo muy parecido. Y sobre cómo funcionaba Baidu y cómo podíamos usar personajes y un montón más de sus características, yo ya hice este vídeo de aquí donde te explicaba cómo podías generar personajes consistentes. Si no lo has visto, pues yo te recomiendo que le eches un vistazo porque te va a mostrar cosas bastante más en profundidad de lo que lo voy a hacer en este. Y si quieres, le puedes echar un vistazo, pausas este, ves el anterior y luego continúas. Y si no, pues lo ves luego. Y ya tengo a mi villano. Y mirad qué fantasía, tengo las 3 vistas, tiene una máscara y tiene un símbolo misterioso en su ropa. Yo creo que esto va a quedar una fantasía. Y ya tengo mis 2 personajes. ¿Qué me haría falta? Me haría falta el entorno. Así le vamos a dar cosas para que la IA no tenga que inventarse nada, porque ya sabéis que sin contexto los modelos, las IA generativas, los modelos de lenguaje, lo que sea, tienden a inventarse cosas y rellenar los huecos que no les damos. Así que yo he creado un prompt donde le defino cómo quiero que sea ese primer plano descriptivo del entorno donde va a producirse la lucha. Y así utilizaré tanto mi personaje protagonista como el antagonista, como ese escenario para que no cambie entre tomas. Y le voy a decir generar. También usamos GPT Image 2 y vamos a ver cuál es el resultado, si nos gusta o si tenemos que cambiar algo, porque si queremos cambiar algo también podemos hacerlo. Fijaros que tengo la opción de Quick Edit. Tengo varias opciones como upscale, la descarga directa de la imagen o añadir a referencias. Si algo no me gusta, le digo Quick Edit y automáticamente aparece aquí y le puedo pedir lo que quiera. Y antes de empezar a generar el vídeo, lo que tengo que tener claro es el shot list, la secuencia de planos que necesito generar para contar mi historia. En este caso es una historia de pelea, pero tengo que tener claro qué es lo que voy a mostrar en cada momento. Qué escalas de planos, si es un primer plano, si es un plano general. Lo lógico es que empiece con un plano general para que el espectador pueda ver dónde transcurre la acción, y después irme a diferentes planos más cortos para hacer énfasis en algunas de las partes de la pelea, la confrontación, cualquiera de los detalles que necesite. Por ejemplo, puede ser un plano detalle de los puños o un plano corto de la cara del villano. Todo eso es un trabajo que debo hacer antes de empezar a generar cosas. Si tengo todo claro, el resultado va a ser mucho mejor y, sobre todo, no voy a perder tiempo generando cosas que igual no necesito. Tengo que tener muy claro en mi cabeza cómo me gustaría generar mi secuencia de acción y dividirla en varios planos. Es decir, pues voy a hacer, no sé, 6 planos, 8 planos, 10 planos, los que necesites para contar tu historia. Y al hecho de tenerlos todos nombrados con sus detalles técnicos para luego llevarte al modelo es a lo que se llama shot list. Y si todavía no lo usas, yo creo que es algo que deberías empezar a utilizar ya mismo porque te va a ahorrar un montón de tiempo y sobre todo un montón de créditos. Y fijaros, ya tengo mi escenario muy acorde al título que le he puesto a la historia, que es Eclipse. Tiene un eclipse y tiene una pinta muy épica. Cosas flotando, ideal para que los dos personajes peleen en él. Y es la azotea de un edificio en ruinas. Así que como ya tenemos el shot list más o menos claro, vamos a empezar a generar nuestros planos. Y lo que voy a hacer es coger mis personajes y añadirlos a referencias. Yo voy a utilizar este, por ejemplo, y le voy a decir que tiene un nombre que es Villano. También le puedo anclar una voz. Por ejemplo, voy a utilizar japonés. Este me gusta para mi personaje principal y para el malo este de aquí. Gentle Butter va a ser la voz de mi personaje villano. Y si tengo más imágenes, las puedo cargar aquí o directamente decirle que solamente quiero esta vista con 3 generaciones. Y Baidu ha hecho un escaneo de la imagen y ha hecho una descripción que yo debería revisar y ver si hay algo que no esté correcto o no sea o no se parezca a lo que yo tengo en mente. Yo creo que lo ha hecho bastante bien y lo que le voy a decir es confirmar. Y ya tengo a mi villano. Y ahora vamos a ir con el héroe. Vamos a llamarlo héroe. Para la voz, esta me había gustado mucho y vamos a continuar al siguiente paso. Y aquí lo mismo, va a hacer una descripción de la imagen basada en lo que él detecta. A ver si está bien. Yo creo que sí y le vamos a decir generar. Ya tenemos nuestros personajes generados y además tenemos la primera imagen que va a servir de partida para todo este mundo que vamos a crear. Así que yo me voy a ir a Image to Video, voy a asegurarme de tener seleccionado Baidu Q3, vamos a ir a 1080p, H.265 y el modo de creación cinemático. Y lo que vamos a hacer es poder seleccionar o Image to Video o Reference to Video. Yo en este caso voy a seleccionar referencia y voy a subirle la imagen que hemos generado como primera referencia. Y ahora lo que puedo hacer es darle mi primer prompt. Mi primer prompt va a ser la escena número 1 y quiero que sea una escena donde introducimos el escenario. Y esta puede funcionar muy bien, así que voy a pegar el prompt y este es mi prompt. Le voy a decir que la etiqueta de imagen va aquí, un rooftop destruido. Como imagen 1. Y yo creo que la duración para esto, con 5 segundos para el primer plano, yo creo que podría ser más que suficiente. Así que vamos a generarla y vamos a empezar a hacer el resto de escenas. En la siguiente ya voy a introducir a uno de los personajes. En esta, por ahora, no estoy introduciendo personajes, solo el entorno. Y para la primera escena del personaje, cambiar esto, plano medio del protagonista en el rooftop, en el techo de ese rascacielos. Y como referencia le digo que héroe. Y ahora vamos a decir el protagonista, y aquí lo nombramos héroe, en un rooftop destruido. Y aquí lo vamos a nombrar con arroba también. Y esta es la explicación de lo que necesito. Yo creo que con 5 o 6 segundos va a ser más que suficiente. Vamos a subirlo a 6 y vamos a crear la primera escena con nuestro personaje principal. Y ahora voy a hacer lo mismo, voy a borrar al héroe y voy a añadir al villano. Borramos nuestro prompt anterior y ahora vamos a hacer lo mismo con nuestro villano. Cargamos la referencia del entorno y le vamos a decir que queremos usar al villano. Y ahora le pegamos el prompt, y este es el prompt del antagonista. Y ahora os voy a explicar un poco cómo he generado esos prompts Pero es muy sencillo. Simplemente hago una descripción de cómo es la acción que quiero mostrar en esa escena. Y es importante que, como son escenas no muy largas, aunque Baidu tiene la opción de generar multishots, yo no quiero sobrecargar mucho la acción y voy a hacer diferentes generaciones para cada uno de esos planos que tengo en mi cabeza. Y simplemente lo que hago es describir qué es lo que quiero. El antagonista aparece, plano medio, está en la parte opuesta del rooftop y describo un poco cómo quiero que ese personaje actúe y la estética del plano en general. Esa estética que la puedo reutilizar de uno a otro porque todos son parte de la misma historia. Y vamos a simplemente nombrar que el antagonista es nuestro villano y que el Destroyed Rooftop es nuestra imagen 1. Y yo voy a mover las etiquetas a la parte del texto que considere. Este plano también lo voy a dejar en 6 segundos y de nuevo le digo crear. Y ya has visto que es súper sencillo. Hemos creado nuestro personaje y a partir de eso le decimos a Baidu que lo use como referencia y no tengo más que empezar a desarrollar los prompts de todos los planos que hemos definido en nuestra shot list. Como el peso más grande viene ya de las imágenes de referencia y del personaje, no tengo más que centrarme en qué sucede, cómo se mueve la cámara, ¿Qué acción está sucediendo? ¿Qué hace el personaje? ¿Cómo lo hace? ¿Cómo se mueve y cómo actúa la cámara? ¿Qué tipo de plano? Y si la cámara se está moviendo rápido, la cámara se mueve lenta, está fija o es cámara en mano. Y después el estilo. Aunque en mis imágenes ya queda claro que es un estilo manga, yo puedo darle detalles relevantes al modelo de cómo quiero que mi escena se vea. Tengo algo en mente, algo concreto que necesito plasmar. Este es el momento de incluirlo en mis prompts. Y si lo de escribir prompts se te da un poco mal y no sabes muy bien cómo hacerlo, siempre puedes explicarle a un modelo de lenguaje todos esos datos de los que hemos hablado y decirle que en base a eso estructure un prompt para utilizar en el modelo, en este caso Baidu. Q3, y te va a dar algo más estructurado que a lo que vas a poder llegar tú si estás empezando en esto. Así que si estás empezando, yo creo que eso es una buena ayuda, pero eso sí, tienes que darle contexto. Si solo le pides dame un prompt, lo que te va a dar va a ser bastante, bastante malo. Y hazle mucho hincapié, y esto es importante, en que no repita la información de las imágenes. Tú le puedes dar las imágenes y decirle que a partir de eso lo use como referencia para describir la acción, pero que no se ponga a repetir lo mismo que va a ver el modelo ya en la imagen. ¿Quieres ver cómo lo hago? En un modelo de lenguaje, en la misma conversación donde hemos estado hablando con ChatGPT sobre cómo era nuestra historia, puedo darle estas dos imágenes y explicarle lo que quiero. Necesito un prompt de vídeo estructurado para utilizar en el modelo Baidu Q3, donde mi personaje principal, imagen 1, está de pie en el entorno de la imagen 2, se prepara para la lucha en posición de combate, y vemos como su aura brilla, y alrededor de donde está parado una energía empieza a mover el polvo y hacer que las piedras que hay en el suelo se levanten levitando. La cámara en mano, con movimientos rápidos, se acerca a su cara, frunce el ceño en señal de que está en modo combate. Evita describir las imágenes porque ya las voy a usar como referencia, y hazlo del modo más estructurado para que el modelo de vídeo lo entienda perfectamente. La estética tipo anime shonen y quiero que los movimientos vayan muy marcados para que parezcan propios de un anime real. Yo simplemente le he puesto un poco en contexto de lo que quiero y de lo que quiero que evite. Y ya con esto lo voy a enviar y ChatGPT me va a ayudar un poco a estructurar todo eso, si es que a mí me cuesta generar prompts con un poco de sentido. Sobre todo si estás empezando, pues no está nada mal. Fijaros que os está diciendo esto de aquí al principio de arriba de usa la imagen 1 como no sé qué. Eso no es necesario, vale. A partir de estilo, escena, acción, cámara movement, esto no está mal. Y después nos dice que hay un ending frame, que hay un prompt negativo. Todo esto básicamente igual no lo necesitamos. Yo creo que podríamos coger esto Desde acción hasta iluminación. Y con eso podemos irnos a Baidu o decirle a ChatGPT: revisa todas tus fuentes para darme el mejor esquema de prompts que Baidu Q3 acepte. No me des una descripción tan larga como la que has hecho. Esto no lo entiende bien lo de Baidu. Vamos a cambiarlo y le vamos a decir que regenere. Porque yo francamente esto lo veo un poco largo. Que busque fuentes y a partir de ahí diga, ah, pues este es el esquema que mejor te va a funcionar. Y fijaros que ya ha buscado información y lo que ha hecho es decir, el esquema ideal es este de aquí. Lo mismo, el reference lock no lo necesitamos porque ya está en el modelo, y que vamos a describir acción, cámara, el timing, si lo hubiera, el estilo y las cosas que debe evitar. Y este ya es un prompt con un poco más de sentido. A mí este tipo de cosas no me gusta hacerlas porque considero que le estamos dando, aunque queramos, menos contexto del que debiéramos. Por eso la idea de decirle oye, busca información no está mal. Lo que yo suelo hacer si necesito automatizar tareas es buscar la información yo y en base a todas las webs, los documentos oficiales de cada modelo, generar un proyecto en ChatGPT, darle todo ese material como guía de lo que tiene que hacer, y a partir de ahí, en un entorno controlado donde él recuerda que tiene que hacer X pasos, le voy pidiendo lo que me hace falta. Esto os va a ser útil si estáis empezando. Si ya lleváis tiempo generando vídeo con IA, No es necesario y seguramente ya sabréis cómo pedirle las cosas a prácticamente cualquier modelo porque todos son bastante similares. Así que si esto os ayuda, ¿por qué no? Y fijaros qué maravilla, mis 3 primeras escenas ya están. Esta es la número 1, el establishing shot. Vemos el eclipse, los planos cortos, una locura. Vamos a ver cómo Presentamos a nuestro personaje principal y fijaros cómo el personaje mantiene su estructura, se prepara para la lucha. No me digáis que no es increíble. Y vamos a presentar al antagonista, una maravilla. Y el anime sin sonido no es anime. Sin audio esto es una caspa, ¿me oyes? Así que aquí hay que poner mucha atención en los efectos de sonido. Baidu genera efectos de sonido y voces, es capaz de generar vídeo con audio de forma nativa, lo cual está muy bien. Y en el caso de la música, puedo utilizar un montón de plataformas, tenemos algunas de pago y tenemos algunas gratuitas. Incluso puedo utilizar Liria 3 dentro de Gemini de forma gratuita hasta 30 segundos, lo cual no está nada mal, y es lo que vamos a hacer antes de pasar a la edición. Y en el caso de la edición puedes usar lo que quieras. Ya sabes que a mí me gusta mucho particularmente utilizar DaVinci Resolve porque, entre otras cosas, soy formador certificado por Blackmagic de DaVinci Resolve y lo uso un montón en mi trabajo, ya sea personal o para clientes. Y tú también lo puedes usar de forma gratuita, con algunas limitaciones y algunas funciones que solo están disponibles en la versión Studio. Pero de forma totalmente funcional. Nada de te dejo probarlo un poco y luego paga suscripción. No, puedes usarlo de forma prácticamente ilimitada. Eso sí, no con todos los beneficios de la versión Studio, pero que vas a poder editar tu vídeo, hacer corrección de color y una cosa épica, seguro. Y si recién estás empezando y lo tuyo no es la edición de vídeo, pues lo puedes editar incluso desde el móvil. Usando Edits, que es totalmente gratuito. Eso sí, está más pensado para formato vertical, otro tipo de plataformas como podría ser, pues no sé, CapCut. Así que vamos a generar con Gemini la banda sonora y después os enseño el resultado final. Y yo estoy en Google Gemini y directamente lo que voy a decir es botón más, crear más herramientas, crear música. Y aquí tengo un montón de presets: rap, pop, kawaii metal. Kawaii metal no está mal, pero bueno, lo nuestro es japonés. Así que lo que voy a hacer es describirle qué es lo que quiero. Necesito una banda sonora para un shonen de lucha que se llama Eclipse, estilo anime, donde dos personajes luchan en la última planta de un rascacielos en una ciudad prácticamente destruida. Tiene una estética oscura, de lucha, acción y quiero que sea una música rápida. Que la letra sea en japonés, pero que diga Casupamán y Eclipse. Lo de Casupamán no tiene nada que ver, lo he metido aquí gratuitamente. Es algo que si me sigues en Instagram ya sabrás por qué lo digo. Ya con esto directamente le voy a decir generar. Y ya mira, ya ha terminado. Tengo mi banda sonora. Vamos a oírla.

Setsuko no Sora.

Una fantasía. Así que ya hemos generado nuestro shot list, tenemos la música, hemos generado algunos efectos de sonido. Ya solo queda la edición y hacer un pedazo de pieza épica. Y esta es la escena completa, he hecho la edición, no hay trucos, no hay cortes, tal cual lo que hemos generado en Baidu, editado para que tenga más ritmo. Y a ver qué te parece.

Zetsu kono sora, kurakechi takaras no machi, tatakae no kage ga kasanaru.

Dale like o dale hype, pero hazlo ya. ¿Qué te ha parecido? ¿Es perfecto? Hombre, pues no es perfecto. Si hubiera tenido más tiempo, hubiera retocado más cosas, pero lo hemos hecho superrápido. Personajes consistentes, estilo consistente, espacio consistente, hecho solo con IA, sin arruinarme gastando créditos y sobre todo sin ser animador. Hace solo un año esto era imposible de hacer. Mi veredicto en esto: Baidu Q3 es increíble para secuencias de anime de acción. Es de lo mejorcito que he probado, sobre todo por el precio que tiene, que es increíblemente más barato que muchos otros. El link para que lo pruebes está en la descripción. Y lo mejor es que te dan créditos gratis para que valores si es el modelo que necesitas o no. Y si te gustaría que siguiera generando cosas e hiciera de esta escena algo más largo, déjamelo en comentarios. Si tienes alguna duda, lo mismo, trato de contestarlos casi todos. A los haters, igual no tanto. Y si te ha gustado la lucha, hombre, un buen like no te cuesta nada. Y si eres de esos que llegas hasta aquí y este canal te ha aparecido de la nada sugerido por YouTube, y todavía no me sigues, creo que es un momento ideal para que le des a ese botón de follow y actives la campana para no perderte mi próximo vídeo. Yo no sé si esto de la campana funciona o no, tampoco sé si el botón de hype funciona o no, pero no te cuesta nada probarlo. Y si quieres estar al día con la IA generativa, tengo una newsletter que igual te interesa y el link también lo tienes en la descripción de este vídeo. Yo ya me despido hasta el próximo vídeo. Espero que pruebes Baidu, espero que me digas qué te ha parecido, que crees escenas épicas tipo shonen o lo que quieras, y nos vemos en el próximo tutorial.

Chao. Let it drop. Let it drop.