Control a nivel de guion gráfico en vídeo con IA: segmentos, fotogramas y modo edit

Todo vídeo de Nureta de más de 15 segundos se renderiza como una escena de varios planos unidos. La pregunta es quién escribe la lista de planos. La API tiene tres respuestas. Modo auto, por defecto: un director integrado planifica y renderiza todo a partir de un prompt. Modo advanced: envías tu propio guion gráfico segments[] y se renderiza al momento. Modo edit: el director (o tus segmentos) prepara un borrador, la tarea se detiene en estado planned y nada se renderiza hasta que lo apruebas. Los tres sirven para escenas de 16–180 segundos.

El control importa sobre todo en la narrativa adulta porque el ritmo es el producto. Una escena necesita preparación antes del clímax, los mismos personajes en cada plano y un vestuario y escenario que no cambien. El modo auto lo resuelve bien con la mayoría de prompts; los otros dos existen para estudios y apps que necesitan resultados predecibles y repetibles, como una serie con un personaje fijo o un formato en el que los beats tienen que caer en segundos concretos.

En el modo advanced envías un array segments junto al elemento de texto habitual. Cada segmento es un clip que se une a los demás, con un script, un duration_seconds opcional de 4 a 15 (por defecto 9), first_frame y last_frame opcionales y un indicador explicit. Los segmentos deben sumar 16–180 segundos, y ese total se convierte en la duración y el precio del vídeo. Por ejemplo: "segments":[{"script":"ella sale a la azotea con las luces de la ciudad detrás","duration_seconds":8,"explicit":false},{"script":"él se une a ella en la barandilla; se besan","duration_seconds":10,"explicit":false},{"script":"el plano del clímax","duration_seconds":12,"explicit":true}].

Escribe cada segmento como un único beat visual: quién está en pantalla, qué cambia y dónde está la cámara. Los guiones cortos y concretos se renderizan mejor que los párrafos, porque cada clip solo tiene unos segundos para mostrar una idea. Si ya generas guiones con la tarea seahorse-script de la API, a $0.01, cada escena devuelta (setting, beat, durationSeconds) se corresponde casi uno a uno con un segmento.

El indicador explicit responde una pregunta por plano: ¿ocurre de verdad un acto sexual en este plano? El modelo de vídeo no tiene conocimiento anatómico propio, así que los planos marcados con explicit: true pasan por un pipeline aparte de referencias anatómicas. Para que funcione, el guion del plano debe describir la acción de forma concreta; una frase vaga como «se acercan» en un plano explícito no adjunta referencias y sale suave.

Los planos con explicit: false son de preparación o de historia, como una mirada, una caricia, desvestirse o el después, y se renderizan solo a partir del texto, sin referencias anatómicas. Así la escena mantiene un ritmo de película: la preparación sigue siendo sugerente y el clímax es explícito, en vez de que todos los planos se promedien en el mismo registro. En el modo edit el director pone el indicador por ti y puedes cambiarlo plano a plano.

Fijar un first_frame o last_frame hace que ese plano se renderice condicionado por el fotograma: la imagen pasa a ser la primera o la última, algo útil para coincidir con una miniatura, continuar un clip anterior o terminar en una composición exacta. Los fotogramas se fijan en un clip suelto mediante el campo role de una imagen, en segmentos concretos o en el plan del modo edit.

Un fotograma fijado sustituye la referencia de personaje y de fondo de ese plano; no se pueden combinar. La identidad del plano sale entonces del propio fotograma, así que fija fotogramas que ya muestren a tu personaje o déjalos sin fijar y deja que la referencia compartida del personaje mantenga la coherencia. La misma regla vale para clips sueltos: envía un fotograma o imágenes de referencia (hasta 9), no ambos.

Envía con "mode":"edit" y una duración de más de 15 segundos. La tarea se cobra al enviarla, prepara un borrador y se detiene en planned. El campo scene contiene entonces un segmentCount, una vista previa characterImage y segments con index, script, durationSeconds, indicador explicit, una vista previa de fondo backgroundImage sin personas y los fotogramas fijados. Si definiste un callback_url, se envía una vez un evento de borrador listo, sin garantía de entrega, cuando el borrador queda en planned.

Dos endpoints editan el borrador. PUT …/tasks/:id/plan cambia campos en bruto por index (guion, duración, fotogramas; null quita un fotograma). La vía recomendada es PUT …/tasks/:id/plan/structured: editas el beat corto de cada plano y el servidor lo vuelve a desarrollar; el array segments manda, así que puedes reordenar, añadir o quitar planos; cada plano admite un fondo background_image; y los campos world, wardrobe y character de nivel superior sustituyen el estilo compartido. El redesarrollo es asíncrono: la llamada devuelve 202 y consultas hasta que la escena vuelve a planned con reexpandStatus en ready.

Las ediciones nunca cambian el precio. El total pagado queda fijado como scene.lockedDurationSeconds, y tanto las ediciones como el render rechazan un plan cuyas duraciones se desvíen, así que acortar un plano obliga a alargar otro. Cuando el plan está listo, POST …/tasks/:id/render inicia el render. Si cambias de idea antes, POST …/tasks/:id/cancel reembolsa todo al instante y cierra la tarea como cancelled. Los borradores que nunca renderizas se reembolsan automáticamente, igual que los renders fallidos.

El precio es por segundo desde un saldo prepago: $0.1888 por segundo en 480p, $0.2773 en 720p y $0.5428 en 1080p, así que un guion gráfico de 60 segundos en 480p cuesta unos $11.33 por muchas veces que lo edites. La app de Nureta ofrece el mismo editor a usuarios individuales (guion y duración por plano, fotogramas, fondo, World, Wardrobe y Character compartidos y un interruptor por plano para los planos explícitos), pero su precio es distinto: $1.29 por vídeo de 5 segundos en 480p, pagado en USDC.