Saltar al contenido
Una profesional organiza en una mesa un micrófono, una cámara, elementos de video y una ficha de salida para representar un flujo de trabajo multimodal.
ChatGPT y modelos

Prompting multimodal: escribir para voz, imagen, video y acción

Escribir para varias modalidades con IA exige un brief por modalidad y revisión con el sentido correspondiente. Empieza encadenando dos: texto más imagen. Cada modalidad pide su propio brief: voz necesita guion hablable, imagen necesita composición, video necesita planos, acción necesita límites.

Por · Equipo de contenido y revisiónPublicado: 5 min de lectura

Última actualización:

Puntos clave

Los puntos que más importan

  • Cada modalidad pide su propio brief: voz necesita guion hablable, imagen necesita composición, video necesita planos, acción necesita límites.
  • Un solo flujo puede encadenarlas: investiga en texto, ilustra con imagen, narra con voz.
  • La revisión cambia por modalidad: oído para audio, ojo para imagen, criterio para acciones.

La misma idea no se le pide igual a un guion, una imagen, un video o una decisión. Aquí tienes cuatro briefs para conservar el objetivo mientras cambia la forma de la entrega.

Un prompt multimodal útil no empieza con “haz algo increíble”. Empieza con una tarea, una audiencia y una salida que otra persona pueda revisar. La ventaja no está en probar todas las herramientas, sino en elegir un flujo pequeño, comprobar el resultado y guardar el procedimiento cuando sea repetible.

Una tarea, cuatro entregas

Antes de escribir, define cinco elementos: quién debe actuar, qué debe hacer, qué contexto necesita, en qué formato debe responder y qué límites debe respetar. Estos campos reducen las respuestas genéricas y hacen más fácil detectar lo que falta.

La “acción” de este artículo no es otro formato de archivo. Es el paso que sigue a la salida: una decisión, una revisión o un flujo de trabajo que alguien pueda ejecutar.

Campos que estructuran un brief de prompting

La imagen resume la secuencia: reunir el material, convertirlo en un brief legible y revisar la salida con un criterio visible. No hace falta copiar la composición; basta con conservar ese orden al trabajar.

Cuatro briefs listos para copiar

Reemplaza los campos entre corchetes antes de ejecutar cada brief.

1. Voz: convertir notas en un guion claro

Rol: Actúa como editor de guiones de voz para [audiencia].

Tarea: Convierte estas notas en un guion oral sobre [tema]:
[pega aquí las notas o fuentes]

Contexto: El objetivo es que la audiencia pueda [resultado concreto].
El tono debe ser [cercano/profesional/educativo] y el idioma, español natural.

Formato: Entrega un título, una apertura directa, el guion dividido en
bloques breves y una frase final que indique el siguiente paso.

Restricciones: No inventes datos, citas ni experiencias. Conserva las ideas
importantes, elimina repeticiones y marca como [dato por confirmar] cualquier
afirmación que no esté respaldada por las notas. Escribe para ser escuchado,
no como un informe.

2. Imagen: explicar una idea con una composición

Rol: Actúa como director de arte para una pieza editorial educativa.

Tarea: Diseña una imagen que represente [idea o flujo de trabajo] para
[audiencia]. El sujeto principal es [sujeto].

Contexto: La imagen debe ayudar a entender [concepto concreto], no decorar
sin relación. La escena ocurre en [lugar o fondo].

Formato: Devuelve un prompt visual final con sujeto, composición, iluminación,
punto de vista de cámara, fondo y relación de aspecto. Añade un texto
alternativo descriptivo.

Restricciones: No inventes capturas de productos, logotipos, testimonios ni
resultados. No incluyas texto legible dentro de la imagen salvo que se solicite
explícitamente. Evita elementos que distraigan del concepto.

3. Video: pasar una explicación a escenas revisables

Rol: Actúa como realizador de un video explicativo breve.

Tarea: Convierte este contenido en una secuencia sobre [tema]:
[pega el texto o el guion revisado]

Contexto: La audiencia es [audiencia] y al terminar debe comprender o poder
hacer [resultado observable].

Formato: Presenta una tabla con número de escena, imagen o acción visible,
narración, texto en pantalla y transición. Termina con una lista de elementos
que deben revisarse antes de publicar.

Restricciones: No agregues hechos que no estén en el material. Mantén una idea
principal por escena, poco texto en pantalla y una narración natural. Distingue
entre un ejemplo ilustrativo y un dato comprobado.

4. Acción: convertir el material en un flujo de trabajo

Rol: Actúa como diseñador de flujos de trabajo para [persona o equipo].

Tarea: Convierte el material siguiente en una acción concreta:
[pega el guion, imagen, video o síntesis]

Contexto: La tarea real es [tarea]. La entrada disponible es [entrada] y la
salida necesaria es [salida]. El resultado debe poder revisarse antes de usarse.

Formato: Entrega objetivo, pasos numerados, criterio de aprobación, responsable
de la revisión y una muestra mínima que permita comprobar el resultado.

Restricciones: Diseña un solo flujo pequeño. No prometas ahorro, ventas,
aprendizaje ni calidad que no se hayan medido. No supongas herramientas,
permisos, datos o funciones que no estén indicados. Señala la información
imprescindible que falte.

Revisión humana de una salida generada con IA antes de usarla

Mini checklist de revisión

Antes de conservar una salida, comprueba:

  • ¿La tarea y la audiencia están definidas?
  • ¿El brief separa rol, tarea, contexto, formato y restricciones?
  • ¿La salida se puede revisar con una muestra concreta?
  • ¿Distingue hechos, ejemplos y datos pendientes?
  • ¿Existe un siguiente paso que pueda ejecutarse o medirse?

Si falta una respuesta, corrige el brief antes de añadir otra herramienta. Un flujo pequeño y revisable suele ser más útil que una cadena larga de instrucciones.

De la salida a la práctica

El prompting multimodal no consiste en repetir la misma instrucción para voz, imagen y video. Consiste en conservar el objetivo mientras cambia la forma de la entrega. Una explicación puede convertirse en guion; el guion puede orientar una composición; la composición puede integrarse en una secuencia; y todo ello puede terminar en una acción que alguien revise y use.

Guarda el prompt que funcionó junto con su contexto y su criterio de aprobación. Así, una respuesta útil puede convertirse en una práctica repetible en lugar de quedarse como un resultado aislado.

Siguiente paso: explora la Biblioteca de prompts de Aulas de IA y elige una práctica que puedas comprobar con una muestra real. Si prefieres una ruta guiada, consulta Cursos y continúa aprendiendo inteligencia artificial en español.

Cómo hacer videos con Claude

Consulta las lecciones, los ejercicios disponibles y las condiciones de acceso en la página de este curso.

Ver temario y opciones de acceso

Preguntas frecuentes

Preguntas que este tema suele generar

¿Un mismo prompt sirve para texto e imagen?
No. El texto necesita audiencia y estructura; la imagen necesita sujeto, estilo, luz y composición. Traduce la idea, no las palabras.
¿Por dónde empiezo con multimodal?
Encadenando texto más imagen: investiga y redacta primero, ilustra después con brief visual. Suma voz o video cuando ese flujo funcione.
¿Qué reviso en cada modalidad?
Texto: datos y tono. Imagen: manos, texto interno, marca. Audio: pronunciación y ritmo. Acción: permisos y reversibilidad.

Fuentes

Referencias externas

  1. OpenAI developer documentation— OpenAI
  2. Artificial Intelligence Risk Management Framework— NIST

Siguiente curso recomendado

Cómo hacer videos con Claude

Mega curso de Aulas de IA: aprende a crear videos animados profesionales con Claude, sin saber animar. 20 estilos (tipografía cinética, isométrico, Bauhaus, pizarra, blueprint, pixel art, documental y más), cada uno en una lección práctica donde Claude hace el video en horizontal 16:9 y vertical 9:16. Incluye los prompts de cada lección y los 20 videos que hizo Claude, en MP4, para descargar. 20 clases. Este curso por US$30, en un solo pago. También está incluido en el acceso a toda la escuela.

La matrícula incluye todos los cursos actuales y los nuevos que publiquemos, libros, prompts y materiales. Paga en 3, 6 o 12 cuotas (desde US$9 al mes) o US$80 en un pago.

Ayuda y soporte