La segunda mitad de los videos cortos con IA: de «¿se puede generar?» a «¿quién dirige?»

--- title: La segunda mitad de los videos cortos con IA: de «¿se puede generar?» a «¿quién dirige?» slug: ai短视频的下半场-从能不能生成到谁来当导演 meta_title: La segunda mitad de los videos cortos con IA: la competencia es quién puede dirigir meta_description: La beta de Kling 4.0, los 48 episodios de 《砚边青梅》 (Ciruelo verde junto al tintero) creados por una sola persona y con más de cien millones de reproducciones, y el premio internacional de 《合龙》 (El cierre) muestran que la competencia en video con IA ha pasado de la calidad de imagen a la actuación y el control narrativo. category: ai tags: video corto con IA, Kling 4.0, series cortas con IA, cómics animados con IA, Kling, likli, generación de video con IA, controlabilidad, fotogramas clave ---

En los primeros días de octubre, en el círculo chino del video con IA ocurrieron varias cosas que, vistas en conjunto, resultan muy interesantes.

Kuaishou hizo una campaña de expectativa para Kling 4.0 en la New York Advertising Week y anunció oficialmente su lanzamiento en octubre. Las personas que ya probaron la versión Fast no centran sus comentarios en la fluidez del movimiento, sino en las expresiones faciales, las microrreacciones, el lenguaje corporal y el sentido del ritmo. Como dice la comunidad, el estándar pasó de «¿se mueve?» a «¿actúa?». Al mismo tiempo, se informó de que Kuaishou está probando internamente un agente de creación de video con IA llamado likli, que cubre toda la cadena desde la idea hasta el producto final, dirigido a series cortas, comercio electrónico y marketing de marca.

Por otro lado, una creadora con el seudónimo Wanwan asumió en solitario, durante dos meses, el guion, la dirección, el montaje y la dirección de arte, y creó los 48 episodios de la serie histórica corta con IA 《砚边青梅》 (Ciruelo verde junto al tintero). En Hongguo superó los cien millones de reproducciones, y las búsquedas de temas relacionados en Douyin rebasaron los doscientos millones. La historia trata de Yan Jiming, sobrino de Yan Zhenqing, el joven que en el 《祭侄文稿》 (Borrador de una elegía para mi sobrino) solo queda registrado con las palabras «asesinado».

Unos días antes, en el primer Festival de Cine de Inteligencia Artificial de Astaná, el cortometraje de 17 minutos 《合龙》 (El cierre), del equipo chino 2xLabs, ganó el premio a la mejor historia en la sección de competición abierta.

Los tres hechos pertenecen a productos, creación individual y jurados internacionales, pero apuntan al mismo cambio: la primera prueba del video con IA ya se superó.

La primera prueba evaluaba la calidad de imagen; la segunda, el control

En los últimos dos años, los lanzamientos de modelos de video solían girar en torno a unos cuantos indicadores cuantificables: resolución, duración y naturalidad del movimiento. Estos indicadores son importantes, pero solo responden a una pregunta: ¿puedes generar algo que parezca un video?

Las especificaciones de Kling 4.0 elevan aún más esas cifras: generación nativa de 30 segundos por vez, 4K, 1080p 10-bit HDR, formato ultraancho 21:9, referencias multimodales ampliadas a 15, 10 fotogramas clave y un límite de 8000 tokens por prompt. CICC Media, en su actualización, lo calificó como una «guerra de especificaciones» y señaló que las mejoras de la versión 4.0 en continuidad de planos largos, control de fotogramas clave y referencias multimodales reducen el umbral para escenarios de alta precisión como series de duración media-larga y efectos especiales audiovisuales.

Pero lo que realmente vale la pena observar es por qué se actualiza así. Si 30 segundos son suficientes o si 4K es lo bastante nítido son problemas para los creadores de cortometrajes; para los equipos de cine y televisión, en cambio, son solo la entrada. Lo que quiere un equipo de rodaje no es un plano bonito, sino diez planos que puedan encadenarse.

Una película hecha por una sola persona y un corto de diecisiete minutos: lo que demuestran no es lo mismo

El valor de 《砚边青梅》 (Ciruelo verde junto al tintero) no está en la cifra de 48 episodios, sino en su modo de producción. El método de Wanwan consistió en fijar primero los anclajes históricos: el desenlace de Yan Jiming, la lealtad y el sacrificio de la familia Yan, la identidad del mensajero; nada de eso lo cambió. Donde los libros de historia no escribieron, ella completó: la juventud de Yan Jiming, cómo atravesó el bloqueo del ejército rebelde para transmitir mensajes. Ella resume esto como «ser una persona que completa los trazos de la historia».

Esta idea coincide con la dirección evolutiva de los productos de video con IA. Generar no es lo difícil; lo difícil es hacer que el modelo sepa qué no se puede tocar y qué hay que completar.

El equipo de 《合龙》 (El cierre) explicó de forma más directa la estructura de costes. Más de diez personas, un mes y medio, y un coste de cómputo inferior a 100 000 yuanes, de los cuales la generación formal del video solo llevó poco más de una semana. La mayor parte del tiempo restante se dedicó a pulir el guion y definir el estilo visual. Vale la pena anotar lo que dijo el director de ejecución Wang Yuchen en una entrevista: la tecnología se actualiza rápido, las imágenes deslumbrantes se copian con facilidad, y son el pensamiento propio del creador y su expresión cultural los que dan carácter a la obra.

En otras palabras, la parte que ahorra dinero es la generación; la que consume tiempo sigue siendo la creación.

El tamaño del mercado y las políticas están completando la otra mitad

Según previsiones de instituciones, en 2026 el mercado nacional de series con IA y cómics animados con IA podría superar los 40 000 millones de yuanes. Detrás de esta cifra están los movimientos de las plataformas: Douyin, Hongguo y Kuaishou impulsan series cortas interactivas con IA, y las marcas están desplazando presupuesto hacia este ámbito.

Cuando el ecosistema de contenido se expande, los problemas también llegan. La capacidad de producción de series cortas con IA ya es muy alta; según algunas estadísticas, en ocho meses se produjeron 430 000 series cortas, de las cuales el 90 % fueron generadas por máquinas. Tras la sobrecapacidad, el público empieza a distinguir una cosa: qué producciones tienen a alguien contando una historia en serio. Que la obra de Wanwan se volviera popular no dependió de la tecnología, sino de que primero pensó con claridad cómo debía ser recordada una persona.

Una reflexión para los equipos de contenido

Para los equipos que crean contenido, la verdadera línea divisoria en la segunda mitad de 2026 no estará en la calidad de imagen. Los 4K y los 30 segundos de Kling 4.0 serán alcanzados; Nano Banana 2.1 reducirá a la mitad el precio de los resultados y Seedream 5.0 Pro hará precisa la edición por regiones; todo eso se convertirá en estándar del sector.

Lo que realmente marcará la diferencia son tres capacidades: descomponer un plano en fotogramas clave reutilizables, garantizar que un personaje se mantenga coherente en varios planos y plasmar los criterios creativos en el flujo de trabajo para que el modelo los ejecute de forma repetida. Las dos primeras son cuestiones de herramientas; la tercera es una cuestión de personas.

Que Wanwan hiciera sola 48 episodios no se debió a cuántas técnicas de prompts dominara. Primero tuvo una historia que valía la pena contar, y solo entonces los problemas técnicos restantes encontraron dónde asentarse.