Primero, aclaremos algo: ¿por qué leer este tutorial? ¿Qué podrás crear después de leerlo?
Si eres nuevo en Muse, el asistente personal de IA de Meta, es probable que solo lo uses para chatear, buscar información o generar algunas imágenes. Pero cuando intentas hacer un video corto completo y listo para publicar, seguramente te toparás con cuatro obstáculos:
- El rostro cambia en cada toma: La protagonista es una chica de cabello largo en un segundo y una persona completamente distinta al siguiente.
- Distorsiones durante el movimiento: Si el personaje hace movimientos amplios, las manos atraviesan el rostro o los rasgos se vuelven borrosos.
- Los videos largos se vuelven cámara lenta: Pedirle a la IA que "genere un video de 20 segundos" suele estirar 5 segundos de acción a 20 segundos, viéndose como una presentación de diapositivas con lag.
- Agotamiento de cuota: La generación de imágenes y videos consume rápidamente las cuotas gratuitas semanales; con unas cuantas pruebas ya no puedes continuar.
Esta no es una lista de funciones, sino un manual paso a paso para ir de 0 a 1.
Sigue los pasos a continuación y, aunque no tengas experiencia editando videos, podrás armar este flujo de trabajo:
- Conceptos básicos: Logra que la IA recuerde el mismo rostro del protagonista y grabe clips de 6 segundos de forma estable, sin distorsiones.
- Ahorra cuotas: Delega las tareas de renderizado a herramientas web totalmente gratuitas.
- Cámara y perspectiva avanzadas: Aprende a preparar ComfyUI, MiniMax H3 y Blender para tomas complejas como "órbita giratoria" o "acercamiento en calle", garantizando un resultado final estable.
En nuestra publicación anterior sobre el uso avanzado de Muse, explicamos cómo configurar 4 estaciones de trabajo: Radar de Cuotas Gratuitas, Flujo de Trabajo de Video con IA, Centro de Creación de Contenido y Panel de Tendencias. Revísala si te la perdiste; la configuración del panel de relevos hace referencia a ella.
https://x.com/loi_jinli/status/2120499400586014862
1. Preparación: cuentas, materiales y expectativas
Antes de abrir cualquier software, entiende los conceptos básicos y los tiempos estimados:
① Cuentas y materiales básicos
- 1 cuenta de Muse: Inicia sesión desde muse.ai o el cliente de escritorio. Revisa tu cuota restante (un clip de 6 segundos consume entre ~2% y 12% de la cuota semanal; empieza con pruebas cortas).
- 1 retrato frontal limpio: Iluminación uniforme, rasgos claros, sin lentes de sol ni flequillo. NO subas collages en cuadrícula; la IA podría aprender los bordes blancos e incluirlos en el video.
- Define la relación de aspecto desde el inicio: Usa `9:16` para formato vertical (TikTok, Reels) o `16:9` para horizontal (YouTube). No generes en horizontal para luego recortar a la fuerza en vertical; el recorte automático suele desalinear al sujeto.
② Tiempos de espera realistas
- Generar 1 imagen base: 20–40 segundos.
- Generar 1 clip de 5–6 segundos: 1–2 minutos.
- Guion completo de 30 segundos + generación segmentada: 15–30 minutos, incluyendo revisiones. Si está generando, espera con paciencia; no envíes mensajes repetidos.
③ Herramientas avanzadas (conócelas ahora, instálalas después)
Las secciones 5 a 7 usan estas herramientas externas gratuitas; las secciones 2 a 4 no las necesitan:
- [Meta AI](https://www.meta.ai/): Herramienta web gratuita para delegar imágenes y animaciones simples, ahorrando cuota de Muse.
- ComfyUI: Software de código abierto basado en nodos para flujos de trabajo con IA, ideal para lograr "fluidez (interpolación RIFE)" y "control preciso de cámara (MiniMax H3)". Requiere una GPU con 16 GB–24 GB de VRAM o cómputo en la nube.
- Blender: Software de modelado 3D de código abierto para definir perspectivas de calles o edificios sin distorsión antes de generar con IA.
2. Paso 1: Establece reglas primero en Muse
Los principiantes suelen pedir "una chica hermosa tomando café", lo que termina en música de fondo mala, subtítulos no deseados y manos deformes.
Inicia un chat nuevo. Aún no subas imágenes. Envía esta "regla de colaboración":
1Soy un usuario hispanohablante. Vamos a crear material para videos cortos con personajes consistentes. Sigue estrictamente estas 3 reglas:21. A menos que lo solicite explícitamente, NO agregues música de fondo (BGM), voz en off ni subtítulos en pantalla.32. Mantén las acciones del personaje sutiles o únicas. NADA de manos pasando frente al rostro.43. Después de cada generación, revisa tú mismo estos 4 puntos: "Consistencia del rostro, textura de la piel (que no parezca plástico), manos/acciones naturales, estabilidad de la iluminación". Reporta 1 posible problema que encuentres.
Nota: Estas reglas limitan los hábitos de generación. Para conectar cuentas externas o acceder a archivos, aprueba manualmente las ventanas emergentes de autorización en Configuración.
3. Paso 2: Bucle mínimo – Fija el rostro con 1 imagen
Objetivo: Crear el primer clip de 6 segundos con un rostro estable usando solo 1 foto.
① Guarda el perfil del personaje como "Memo"
Sube tu retrato frontal. Envía:
1Guarda los rasgos faciales de la persona en la imagen adjunta como un "Memo de Configuración de Personaje" reutilizable.2Requisitos:31. Registra ÚNICAMENTE la estructura facial, el peinado, el color de cabello y el tipo de cuerpo. NO registres el fondo, la iluminación ni la ropa.42. Muéstrame el texto completo del memo después de guardarlo.
Revisa la respuesta. Asegúrate de que no se hayan filtrado detalles del entorno (por ejemplo, "de pie en la puerta de un café"). Si los hay, responde: "Elimina las descripciones de fondo y ropa, conserva solo los rasgos faciales y del cabello, y vuelve a guardar".
② Genera el primer clip de prueba de 6 segundos
En el mismo chat, envía:
1Usa el "Memo de Configuración de Personaje" guardado y la imagen de referencia para generar un video de prueba vertical (9:16) de 6 segundos estilo selfie.2Escena: Interior con poca luz, lámpara de escritorio amarilla cálida iluminando el contorno del rostro. Conserva una textura de piel realista, sin suavizar demasiado.3Acción: Solo "mirar hacia un lado, luego volver a mirar a la cámara y parpadear naturalmente". Las manos permanecen quietas.4Envía el video y reporta los resultados de tu autoevaluación de 4 puntos.
Espera 1–2 minutos. Revisa el video.


③ Refina: Cambia una cosa a la vez
Si no estás satisfecho, no pidas varios cambios a la vez. En el mismo chat, envía:
1Mantén intactos el aspecto del personaje, el entorno de la habitación y la acción. Modifica SOLO esto:2Aumenta el brillo de la lámpara de escritorio un nivel para que el rostro se vea más claro. No cambies nada más.
Sí: Asegúrate de que el clip de 6 segundos tenga un rostro consistente, sin subtítulos extra y con ojos/piel naturales. No: Escribas tramas de 30 segundos antes de fijar el rostro.
4. Paso 3: Ahorra cuota delegando el renderizado a Meta AI
Cuando experimentas con más tomas, las cuotas de Muse se agotan rápido. Divide el flujo de trabajo: Muse escribe los prompts y actúa como control de calidad (bajo costo); Meta AI se encarga del renderizado pesado (gratis).
Pasos:
- Crea un "Panel de Relevos de Prompts" en el Espacio de Muse:
1No puedes hacer clic directamente en enlaces externos de Meta AI. Por favor, crea un "Panel de Relevos de Prompts" en Space.2Funciones:31. Cuando te describa una escena, escribe prompts completos e independientes para imágenes/animaciones y ponlos en el panel.42. Agrega un botón de "Copiar" y un enlace a https://www.meta.ai/ por cada prompt.53. Yo generaré el contenido en Meta AI, lo subiré aquí para que revises si hay errores y sugieras las siguientes versiones del prompt.
- Genera imágenes en Meta AI: Copia el prompt del panel y pégalo en meta.ai. Genera (~20 s). Puedes reintentar libremente.
- Anima en Meta AI: Haz clic en
Animate(predeterminado) oCustom animate(pega la descripción de acción de Muse). Opcionalmente agregaMusic. - Verifica en Muse: Sube el video de Meta AI de vuelta a Muse. Pide: "Revisa si hay errores en el rostro o la acción. Proporciona un prompt corregido si es necesario".

5. Paso 4: Evita la cámara lenta y suaviza los clips (videos de 20–30 s)
Obstáculos: Pedir "generar 20 s" directamente causa cámara lenta; el video crudo de la IA es entrecortado (16/24 fps).
① Crea una tabla de storyboard
Pídele a Muse que divida una idea de 30 s en seis tomas de 5 s:
1Divide esta idea en una tabla de storyboard vertical de 30 segundos y 6 tomas: [Persona caminando bajo la lluvia en Tokio, las calles transformándose en una ciudad de ciencia ficción con cada paso].2Columnas de la tabla:31. N.º de toma42. Duración (~5 s)53. Contenido visual64. Ángulo de cámara (Primer plano/Medio/General)75. Movimiento de cámara (Acercamiento/Alejamiento/Seguimiento)86. Transición a la siguiente toma9Requisito: La ropa y el rostro del protagonista deben ser idénticos en las 6 tomas.
② Evita el comando "Generar 20 s"
La IA ralentiza la acción si la obligas a estirar el tiempo. En su lugar, pide una generación segmentada:
1Genera las tomas 1 a 4 del storyboard concatenando segmentos de "10s + 10s". Mantén una velocidad física normal para caminar y para el entorno. NO hagas cámara lenta.
③ Usa interpolación RIFE para 60 fps
El video crudo de la IA suele ser de 16/24 fps. Usa RIFE para insertar fotogramas intermedios y lograr unos fluidos 60 fps.
- Fácil: Pídele a Muse: "Aplica el motor RIFE para interpolar el último video a 60 fps".
- Avanzado (ComfyUI): Importa el video a ComfyUI local. Sigue la Guía de Interpolación de Fotogramas de ComfyUI. Instala ComfyUI-Frame-Interpolation:
- Carga el flujo de trabajo Frame Interpolation.
- Ingresa el video y conecta el nodo `RIFE VFI` (modelo rife47 o 4.0–4.9).
- Configura el multiplicador en `2` (para 24/30 fps) o `4` (para 16 fps). Exporta mediante Video Combine a 60 fps.
6. Paso 5: Movimientos de cámara complejos (órbita giratoria) con MiniMax H3
Los prompts de solo texto fallan en movimientos cinematográficos como "el personaje gira la cabeza mientras la cámara orbita". Solución: Previzualización en Muse, refinamiento en ComfyUI + MiniMax H3.
Configuración: ComfyUI + MiniMax H3
Requiere 16 GB+ de VRAM o una GPU en la nube (Kaggle/Modal/Paperspace).
- Actualiza ComfyUI: Asegúrate de tener la última versión (soporte nativo para MiniMax H3).
- Descarga los modelos:
- Modelo base: Pesos MiniMax H3 Ref2VA desde Hugging Face →
ComfyUI/models/diffusion_models/. - LoRA Turbo de 8 pasos (recomendado): Descarga
minimax_h3_ref2v_turbo_8step_v1.0_768p_comfyui_bf16.safetensorssegún la Guía del Wiki de ComfyUI →ComfyUI/models/loras/. Reduce los pasos de más de 20 a solo 8.
Ejecución:
- Genera la previzualización en Muse:
1Genera un video de previzualización de 5 segundos:2Escena: Asiento junto a la ventana de un café por la tarde.3Acción/Cámara: Una persona con sudadera gris escucha que la llaman y gira la cabeza hacia atrás a la izquierda. Simultáneamente, la cámara orbita suavemente medio círculo desde el frente hasta la parte trasera diagonal. Trayectoria estable, encuadre limpio.
- Carga la plantilla de MiniMax H3 en ComfyUI: Usa la plantilla oficial video_minimax_h3_r2v.json. Conecta los nodos:
- Imagen de referencia: Tu retrato frontal.
- Video de referencia: La previzualización de 5 s de Muse.
- Cargador LoRA: Adjunta el LoRA Turbo de 8 pasos.
- Parámetros: Ancho 1344, Alto 768, Longitud 121 fotogramas (~5 s @ 24 fps), Pasos 8 (o 20 sin LoRA).
- Mejores prácticas para prompts: Según Experiencia con MiniMax-H3 Ref2VA, nunca dependas únicamente de las imágenes de referencia. Describe explícitamente el color de cabello y la ropa en cada segmento del prompt para evitar la "pérdida de memoria" y el cambio de rostros. Envía el prompt a la cola. Resultado: un video de 768p con sonido ambiental en cuestión de minutos.
Resumen de los nodos de la plantilla oficial:

Lista de verificación de conexiones de nodos:
- Línea principal: Cargador de modelo (MiniMax H3) → Cargador LoRA (Turbo) → MiniMaxH3ReferenceToVideo → Sampler (pasos=8) → Video Combine
- Entradas: Imagen de referencia ← Retrato; Video de referencia ← Previzualización de Muse
- Parámetros principales: ancho=1344, alto=768, longitud=121
7. Paso 6: Corrige la distorsión de perspectiva en calles con Blender + datos PLATEAU
Las calles generadas por IA suelen deformar los edificios. Solución: Fija la perspectiva con datos reales de ciudades en 3D, renderiza una base estática y luego anima con IA.
Configuración:
- Instala Blender: Software 3D gratuito y de código abierto.
- Obtén los datos: Descarga el plugin Plateau-Blender-Importer y los datos CityGML (.gml) del Proyecto PLATEAU de Japón (edificios y calles con altura real, precisión de hasta 1 m).
Ejecución:
- Instala el plugin: Edit → Preferences → Add-ons → Install .zip → Enable.
- Importa la manzana urbana: File → Import → Plateau City GML. No importes toda la ciudad (se bloqueará). Pídele a Muse que escriba un script de Python para Blender que filtre los edificios dentro de 500 m a 1 km de la cámara y les asigne códigos de colores.
- Renderiza la base estática: Posiciona la cámara virtual (a nivel de los ojos o aérea), ajusta el ángulo del sol. Presiona F12 para renderizar una imagen estática limpia.
- Anima con IA: Sube la imagen estática a Muse/Meta AI/ComfyUI. Prompt: "Mantén las estructuras de los edificios sin cambios. Agrega reflejos de neón en asfalto mojado, peatones con paraguas y un acercamiento lento de cámara hacia adelante". Como la geometría está fija, no habrá ninguna distorsión.
Controles de calidad:
- Base estática: Bloques blancos/grises, calles oscuras, profundidad y perspectiva claras, sin texturas.
- Video final: Compara el último fotograma con la base estática. Los bordes de los edificios deben mantenerse rectos, sin deformaciones gelatinosas.
8. Solución de problemas y lista de verificación del flujo de trabajo
Problemas comunes antes de publicar:
- Sujeto recortado en vertical: Si conviertes de 16:9 a 9:16, revisa la vista de pantalla completa. Asegúrate de que el rostro no quede cortado.
- Texto faltante al inicio: Los videos subtitulados por Muse suelen tener los primeros 0.2–0.5 s en blanco. Recorta el inicio o agrega subtítulos en CapCut/Jianying.
- Generación atascada: Si pasan más de 3 minutos, revisa el registro de actividad. Si solo devuelve texto, pregunta: "No veo ningún archivo de video. Confirma la generación y proporciona un enlace de reproducción".
- Derechos comerciales: El plan gratuito de Muse no garantiza explícitamente una licencia comercial. Para anuncios pagados, usa Muse solo para storyboards/memos/previzualizaciones. Renderiza los recursos finales localmente con modelos de código abierto (ComfyUI) y compónelos en tu software de edición.
Lista de autoevaluación:
- [ ] Preparé 1 retrato frontal limpio; revisé la cuota semanal de Muse.
- [ ] Envié 3 reglas de colaboración a Muse; apliqué la autoevaluación de 4 puntos.
- [ ] Completé la primera prueba de 6 segundos con rostro fijo; dominé el refinamiento de "un cambio a la vez".
- [ ] Creé el panel de relevos de Meta AI O usé la segmentación "10s+10s".
- [ ] Entendí cuándo usar RIFE (fluidez), ComfyUI MiniMax H3 (control de cámara) y Blender+PLATEAU (estabilidad de perspectiva).
Referencias y herramientas
- Ayuda de Meta: Generar imágenes y animaciones Vibes
- Tutorial de ComfyUI: Interpolación de fotogramas (RIFE)
- Wiki de ComfyUI: Guía de MiniMax H3 Turbo Ref2VA
- Tutorial oficial de importación a Blender de PLATEAU y GitHub del plugin
Sigue a @loi_jinli para crecer y ganar juntos.





