01 La fórmula central
HappyHorse 1.1 entiende la dirección estructurada: quién, qué hace, cómo se mueve la cámara, dónde y con qué tono. Este capítulo descompone un buen prompt en cinco partes reutilizables y luego demuestra el esqueleto completo de una escena de alta complejidad con una muestra insignia de 15 segundos. Monta bien el esqueleto y cada capítulo posterior no es más que una extensión de él. Una premisa que recordar: HappyHorse produce video con sonido por defecto — deja el sonido sin escribir y el modelo improvisa, así que todo prompt debería llevar una capa de audio.
1.1 La fórmula básica del prompt
Todo empieza con una frase: sujeto y movimiento son las dos partes obligatorias; cámara, entorno y estilo se añaden según haga falta. Rueda primero el clip en tu cabeza y luego escríbelo siguiendo la fórmula. La duración es un control deslizante continuo de 3 a 15 segundos — planifica exactamente tanta acción como segundos elijas. Una segunda acción metida con calzador suele significar que las dos salen mal. El audio está siempre activado: dedica una línea al ambiente y otra a los efectos, y el clip vuelve completo.
[Sujeto] + [Movimiento] + opcional [Cámara] [Entorno] [Estilo]
Sujeto
El protagonista del encuadre — una persona, un animal o un producto. Cuanto más concreto, mejor.
Movimiento
Qué hace el sujeto, detallando partes del cuerpo y ritmo; los movimientos pequeños, lentos y continuos son los más seguros.
Cámara
Encuadre y movimiento de cámara: primer plano, acercamiento, travelling — un solo movimiento por plano.
Entorno
Escenario y atmósfera: lugar, hora del día, iluminación, clima.
Estilo
Dirección de arte y calidad de imagen: paleta de color, textura, nitidez.
Una caravana sobre las dunas
Prompt
Un desierto al atardecer. Una caravana de camellos avanza despacio por la cresta de una duna, las cargas sobre los lomos de los camellos se balancean a cada paso, el guía con una capa rojiza camina al frente. La cámara avanza lentamente en travelling desde un ángulo bajo lateral mientras el sol poniente estira las sombras de personas y camellos sobre la arena, con granos finos deslizándose a ras de suelo. Calidad cinematográfica, paleta dorada y cálida, gran riqueza de detalle. Audio: campanillas de camello que suenan suaves a cada paso, un zumbido grave de arena arrastrada por el viento a lo lejos, alguna respiración pesada ocasional de un camello.
Dos frases para sujeto + movimiento, una para la cámara y otra para el entorno, y las capas de estilo y audio para cerrar — eso es un prompt básico de HappyHorse sólido. Sugerido: 1080p, 21:9.
Una vuelta onboard de F1 en 15 segundos (muestra insignia)
Prompt
[Estilo y configuración de cámara] Metraje POV onboard de F1 ultra fotorrealista, montado justo detrás del casco del piloto sobre el arco antivuelco, idéntico al ángulo de la cámara onboard oficial de la F1. El primer plano inferior del encuadre captura el casco del piloto, el morro completo y el alerón delantero del coche extendiéndose hacia delante, con los coches rivales de F1 claramente visibles en pista. Simulación física hiperrealista que incluye vibración auténtica del coche, flexión del chasis, movimiento de la suspensión y batido aerodinámico. Calidad cinematográfica 8K, etalonaje real de retransmisión, desenfoque de movimiento en los elementos a alta velocidad, humo de neumáticos y restos de goma sobre la superficie de la pista. [0-4 segundos] El coche sale lanzado de una curva rápida a unos 280 km/h, el chasis sacudido con violencia por la vibración de los pianos al salir de la curva. Dos coches rivales de F1 aparecen justo delante, uno ligeramente a la izquierda y otro ligeramente a la derecha, sus difusores y alerones traseros llenando el encuadre. Las manos enguantadas del piloto hacen microcorrecciones en el volante, el coche zigzaguea levemente bajo la inestabilidad de la frenada. El rugido del motor es ensordecedor, todo el encuadre vibra con intensidad mecánica. El chirrido de neumáticos y el silbido de la carga aerodinámica llenan el audio. Los detalles de la superficie de la pista, las marcas de pintura y las trazadas de goma son hiperrealistas. [4-9 segundos] El coche se acerca a una chicane estrecha a velocidad de carrera plena, la frenada fuerte hunde el morro de forma dramática, todo el coche se estremece bajo una desaceleración de 5G. El casco del piloto se inclina hacia delante bajo la carga de la frenada. El coche gira bruscamente a la izquierda y de inmediato a la derecha a través de la chicane, el chasis balanceándose y guiñando con una transferencia de peso auténtica, los neumáticos deformándose visiblemente bajo la carga lateral. Un coche rival es adelantado con agresividad por el interior de la curva, los dos coches pasando a centímetros el uno del otro, la turbulencia del rebufo sacudiendo la cámara con violencia. Hilos de humo de neumático salen de las ruedas delanteras bajo la frenada con retención. [9-15 segundos] El coche acelera con fuerza al salir de la última curva hacia una recta larga, los neumáticos traseros pierden tracción un instante provocando un visible latigazo trasero y sobreviraje, el piloto atrapa el derrape con un contravolante seco. El coche se endereza y se dispara por la recta a velocidad creciente, los dos coches de delante haciéndose más pequeños en la distancia. Las gradas a ambos lados pasan difuminadas a velocidad extrema. El sonido del motor sube por el rango de revoluciones hasta tocar el corte de encendido, el piloto sube de marcha con las levas provocando interrupciones secas de par. La cámara tiembla continuamente con las imperfecciones del asfalto y la turbulencia aerodinámica. El último fotograma muestra el coche a toda velocidad con la calina de calor elevándose del asfalto por delante. [Mejora de calidad] Realismo auténtico de metraje onboard de F1, movimiento del coche basado en física real, recorrido de suspensión y flexión de chasis genuinos, comportamiento preciso de los neumáticos bajo carga, audio de motor y aerodinámica realista, desenfoque de movimiento cinematográfico en los elementos rápidos, etalonaje fiel a la retransmisión, superficie de pista hiperrealista con gránulos de goma y marcas de neumáticos, vibración de cámara realista y continua durante todo el clip, sin ningún suavizado artificial.
Una muestra insignia validada, al pie de la letra: [Estilo y configuración de cámara] fija el tono → los compases al segundo programan la acción (0-4 / 4-9 / 9-15) → [Mejora de calidad] cierra, con el audio (motor, chirrido de neumáticos, flujo de aire) escrito en cada compás — el esqueleto completo de una escena compleja de 15 segundos.
1.2 Elegir entre 9 relaciones de aspecto
HappyHorse 1.1 ofrece nueve relaciones de aspecto — las más de Molyin: 16:9, 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 21:9 y 9:21. Solo hay una regla para elegir — trabaja hacia atrás desde donde vas a publicar: 16:9 para video panorámico, 9:16 para feeds móviles verticales, 4:5 o 1:1 para publicaciones de feed, 21:9 para un aire panorámico cinematográfico, 9:21 para experimentos visuales ultraverticales. Decide el formato antes de generar; recortar después solo tira calidad a la basura.
Un solo en la sala de ensayo
Prompt
Una sala de ensayo bañada en luz de mañana. Una bailarina contemporánea con ropa de ensayo negra estira los brazos sobre el suelo de madera, luego se alza sobre las puntas y gira una vez, su falda se despliega con el giro antes de aterrizar en una pose quieta y controlada. Plano medio estático; la luz de la mañana entra sesgada por ventanales altos, con polvo fino flotando en los haces. Audio: el roce suave de las zapatillas de danza sobre la madera, un susurro de tela en el giro, un golpe seco y firme al aterrizar, y el tono de ambiente silencioso de la sala.
Precargado con 9:16 vertical — el encuadre estándar de los feeds móviles, y una figura de cuerpo entero lo llena a la perfección; la capa de audio le da aliento a la sala silenciosa.
1.3 Reproducir e iterar con la semilla
La semilla es el valor aleatorio de HappyHorse 1.1 — y una de las capacidades que lo distinguen. Fija la semilla y el mismo prompt reproduce un resultado muy similar: cambia una palabra y puedes ver exactamente qué hace esa palabra. Cambia la semilla y el mismo prompt se convierte en una tanda fresca de variaciones. Dos hábitos que merece la pena adquirir: anota la semilla cuando un resultado te convenza, y congela la semilla mientras haces pruebas A/B de redacción. Ten en cuenta que la generación es probabilística — la misma semilla no garantiza una salida idéntica píxel a píxel, pero la composición y el sujeto se mantienen mucho más estables que en una tirada aleatoria.
Un zorro rojo en el bosque nevado
Prompt
Un zorro rojo avanza a paso ligero por un bosque de abedules cubierto de nieve. Se detiene de golpe, con las orejas erguidas, escuchando — y entonces se lanza de cabeza a un montón de nieve, levantando una nube de polvo blanco. La cámara lo sigue con suavidad en plano medio; el sol de invierno entra sesgado entre los troncos y su aliento se condensa en vaho blanco en el aire frío. Audio: el crujido de las patas al compactar la nieve, el golpe sordo de la zambullida, el viento entre los abedules y uno o dos cantos lejanos de pájaros.
Precargado con la semilla 42 — cambia la redacción, conserva la semilla y compara exactamente qué hace cada ajuste; la capa de audio se somete a pruebas A/B de la misma manera.
02 Lip-sync y líneas habladas
El lip-sync es el escenario insignia de HappyHorse en el playground oficial: escribe la línea letra por letra entre comillas, adjunta la frase «lip-sync preciso» y el personaje la interpreta a cámara con exactitud. Una línea corta necesita una sola frase que cubra tono y encuadre; la interpretación más larga se divide en compases al segundo, una línea por compás. Los dos ejemplos de este capítulo son muestras oficiales validadas.
2.1 Interpretación de presentador de noticias
La interpretación de varias líneas se escribe como «configuración de cámara + compases al segundo + una línea por compás»: planta primero la escena y el encuadre, luego divide en 0-5 s y 5-10 s con una línea y una acción pequeña por compás (girarse hacia la segunda cámara), y cierra nombrando el «lip-sync preciso» más el tono de ambiente de la sala.
La intervención de apertura de un presentador (muestra oficial)
Prompt
Plano medio de un presentador de noticias profesional tras un elegante escritorio en un plató moderno de retransmisión, iluminación azul fría, pantallas que brillan suavemente detrás. 0-5 s: Mira a cámara y dice con voz clara y pausada: "Good evening. Tonight, a breakthrough that could change how millions of us work." 5-10 s: Se gira ligeramente hacia una segunda cámara: "We'll have the full story, and what it means for you, right after this." Lip-sync preciso, sutil tono de ambiente del plató, calidad de retransmisión nítida, poca profundidad de campo.
La muestra de lip-sync del playground oficial, al pie de la letra: dos líneas en 10 segundos divididas en 0-5 s / 5-10 s, la frase «lip-sync preciso» es obligatoria, y el tono de ambiente del plató le da espacio a la voz.
2.2 La sintaxis character y los skits verticales
La notación oficial para skits verticales nombra al personaje directamente con character1: «character1 hace algo en algún escenario, alza la vista y dice en inglés: la línea» — una frase empaqueta la escena, la acción, el idioma y la línea; combínala con el vertical 9:16 y tienes un skit listo para el feed.
Un guitarrista a las tres de la madrugada (muestra oficial)
Prompt
character1 en una habitación acogedora y tenue rasguea una vez, alza la vista y dice en inglés: "This next one I wrote at three in the morning." Luz cálida de ambiente real, íntimo, cinematográfico, lip-sync preciso.
La muestra oficial de la sintaxis character, al pie de la letra: character1 abre con nombre, «dice en inglés» fija el idioma, precargado con 9:16 vertical — cuanto más corta la línea, más estable la sincronía.
03 Imagen a video
Una imagen de primer fotograma más una frase sobre el movimiento, y HappyHorse 1.1 da vida a la imagen — el foco de tu prompt pasa de describir la escena a describir el movimiento y el sonido, porque la escena ya existe. Una regla estricta que recordar: la salida de imagen a video sigue automáticamente la relación de aspecto del primer fotograma, sin selector de formato. ¿Quieres un resultado en 9:16? Sube una imagen en 9:16. El control de la composición queda en tus manos.
3.1 Dar vida a una foto
Un prompt de imagen a video cubre solo tres cosas: qué se mueve, cómo se mueve y si la cámara se mueve. No fuerces cosas que no están en la imagen — en su lugar, «despierta» lo que ya está ahí: un dobladillo que ondea, agua que fluye, un farol que se balancea son movimientos pequeños de alta efectividad. Añade una línea como «conservar la textura original» y el estilo no se desviará. Escribe la capa de audio como siempre — una imagen fija no lleva información de audio propia.
Una canoa en el lago al amanecer
Prompt
Da vida a esta foto: una niebla fina se desliza lentamente sobre el lago, la canoa sube y baja con suavidad sobre pequeñas ondas, el farol colgado en su proa se balancea ligeramente, y un ave acuática alza el vuelo desde los juncos lejanos y roza el agua hacia la derecha del encuadre. Mantén la cámara estática, conservando en todo momento el aire de película en tonos fríos de la foto. Audio: pequeñas olas que chapotean contra el casco, el leve tintineo metálico del farol, el aleteo del ave rozando el agua, el susurro de los juncos lejanos.
Requiere 1 imagen de primer fotograma. Describe solo el movimiento, no la escena — «conservar el aspecto original» sostiene el estilo, y la capa de audio aporta lo que le falta a un fotograma fijo; el formato de salida sigue automáticamente al primer fotograma.
3.2 Presentación de producto
Para clips de producto de e-commerce, deja claras dos cosas: cómo se mueve el producto (girar, levitar, acercarse) y cómo lo acompaña la cámara. Añade «la apariencia del producto se mantiene fiel a la imagen» para fijar los detalles, y luego especifica iluminación y fondo — «iluminación de estudio, encuadre limpio» es la frase de cierre comodín de los videos de producto. El audio es el detalle que los clips de producto más olvidan: el clic de la tapa de una caja, una banda sonora con aire premium — pequeñas cosas que mueven la conversión.
Un jarrón de celadón en 360 grados
Prompt
El jarrón de celadón de la imagen reposa ante un fondo gris claro sin costuras y gira despacio a velocidad constante hasta completar una vuelta, su esmalte craquelado cambia de brillo bajo una luz de estudio suave. La cámara se acerca lentamente desde un plano medio hasta un primer plano del hombro, revelando el fino lustre del esmalte. La apariencia del producto se mantiene fiel a la imagen. Iluminación de nivel de estudio, limpio y premium. Audio: el tono de ambiente silencioso de una galería, respaldado por una banda sonora ambiental minimalista con aire premium.
Requiere 1 imagen de producto. «Rotación completa + acercamiento a primer plano» es la combinación estándar de presentación de producto — una banda sonora premium completa la pieza.
04 Referencia a video
Cuando las palabras no bastan para clavar un rostro — un personaje, un producto, una mascota — confíaselo a las imágenes de referencia. La referencia a video de HappyHorse 1.1 acepta solo imágenes, de 1 a 9, citadas en orden de subida como «Imagen 1», «Imagen 2». El modelo fija la apariencia a partir de tus imágenes mientras que la escena y la acción salen enteramente de tu texto. El reparto de papeles con imagen a video es simple: una imagen de referencia no es el primer fotograma — es la ficha del personaje.
4.1 La fórmula de referencia de personajes
Un prompt de referencia a video es una estructura de tres partes: saca el material a escena con «Imagen N», describe qué ocurre en la nueva escena y cierra con una línea de «mantener la consistencia». El orden de subida es el orden de numeración — la primera imagen es la Imagen 1, la segunda es la Imagen 2. Las tomas del mismo personaje desde varios ángulos funcionan mejor: el modelo construye una «ficha de personaje» completa y el rostro sobrevive a cualquier cambio de escena.
[Referencias: Imagen 1…] + [Descripción de la escena] + mantener [sujeto] consistente
Referencias
Solo imágenes, de 1 a 9, citadas como «Imagen N» en orden de subida.
Descripción de la escena
Qué ocurre en la nueva escena: acción, entorno, cámara — la imagen se genera desde cero, todo guiado por tus palabras.
Consistencia
Una línea de «mantenerse fiel a la referencia» refuerza el anclaje de la apariencia.
La vida diaria de un astronauta en órbita
Prompt
El gato con pelaje de esmoquin de la Imagen 1, vestido con un traje espacial blanco, flota despacio dentro de un módulo de la estación espacial. Curioso, extiende una pata para tocar una gota de agua a la deriva, mientras la Tierra azul gira lentamente al otro lado de la escotilla. La cámara lo orbita media vuelta. La apariencia del gato y del traje se mantiene fiel a la imagen de referencia. Calidad de animación 3D, gran riqueza de detalle. Audio: el zumbido grave del equipamiento de la estación, el leve vaivén de la gota perturbada, el silencio particular de la ingravidez.
Requiere 1 o más imágenes de referencia. «Imagen 1» se refiere a tu imagen de personaje subida; el cierre «mantenerse fiel» es la fórmula estándar para anclar la apariencia, y la capa de audio rellena la sensación de espacio de la cápsula.
4.2 Combinar varias imágenes
Cada imagen recibe una sola tarea: una para el personaje, una para el objeto de atrezo, una para el atuendo. Asigna cada papel en orden de subida — «Imagen 1», «Imagen 2» — y el modelo no los confundirá. Cuanto más importante sea el material, antes debe aparecer en el prompt: el protagonista siempre va antes que el atrezo.
El lanzamiento del ramo
Prompt
La novia de la Imagen 1 está de pie sobre unos escalones de piedra cubiertos de hiedra y, riendo, lanza por encima del hombro el ramo de peonías blancas de la Imagen 2; varias damas de honor lo alcanzan sonrientes mientras los pétalos se dispersan en el aire. Plano en contrapicado, la luz del sol de la tarde se filtra entre las hojas, cálido y natural. Las apariencias de las personas y del ramo se mantienen fieles a las imágenes de referencia. Audio: vítores y risas de los invitados, el susurro de los pétalos al dispersarse, el canto de los pájaros apenas audible a lo lejos.
Requiere 2 o más imágenes de referencia. Nombra cada papel de forma explícita — las personas como Imagen 1, el objeto como Imagen 2 — para que nada se cruce; los vítores son lo que de verdad da vida al momento.
05 Edición de video
Reescribir un video con lenguaje llano — ese es el terreno de HappyHorse Video Edit. Sube un clip de origen de 3–15 segundos y formula una instrucción sencilla: cambia el estilo, cambia el atuendo, cambia el objeto; todo lo demás queda intacto. La duración y la relación de aspecto de la salida siguen automáticamente al video de origen — no hay selectores de duración ni de formato. También puedes adjuntar hasta 5 imágenes de referencia para enseñarle al modelo en qué convertir las cosas.
5.1 Transferencia de estilo
Dale a todo el clip una nueva piel artística. La formulación de la muestra oficial es mínima: una línea — «recolorea toda la escena usando el estilo de la imagen de referencia» — combinada con una imagen de referencia del estilo objetivo. La imagen responde «¿en qué lo convierto?» con mucha más precisión que cien adjetivos. Sin imagen de referencia, nombra con palabras tres rasgos del estilo objetivo — pincelada, textura, paleta.
Recolorear por imagen de referencia (muestra oficial)
Prompt
Recolorea la escena usando el estilo de la imagen de referencia. Mantén el movimiento de cámara, la composición y el ritmo del video original sin cambios — solo cambian el etalonaje y la textura artística para igualar a la referencia.
Requiere 1 video de origen de 3–15 segundos + 1 imagen de referencia del estilo objetivo; este ejemplo cambia automáticamente a Video Edit, y la duración y el formato siguen al origen. La formulación central de la muestra oficial de recoloreado — el estilo se lo lleva la imagen de referencia, la narración queda intacta.
5.2 Reemplazo de elementos
Cambia ropa, objetos o productos sin tocar el resto del metraje: di claramente qué reemplazar y por qué cosa, y cierra con «todo lo demás queda sin cambios». Para los reemplazos, una imagen de referencia clava el nuevo aspecto — «el cárdigan beige de la Imagen 1» vale más que cien adjetivos.
Cambiar la chaqueta por un cárdigan
Prompt
Reemplaza la chaqueta de la persona en el video por el cárdigan de punto beige de la Imagen 1. El tejido debe plegarse de forma natural con el movimiento, y la textura y la dirección de la luz deben coincidir con el metraje original. Todo lo demás queda sin cambios.
Requiere un video de origen, más hasta 5 imágenes de referencia. «Reemplaza A por B + todo lo demás queda sin cambios» es la formulación de reemplazo más fiable.