La IA se delata por la piel brillante, una luz que no sale de ningún sitio y un encuadre demasiado limpio. El realismo viene de tres cosas: la forma de rodar en la primera frase del prompt, una piel con pequeñas imperfecciones y una luz que sale de algo visible en la escena.
Para fotos de personas usa GPT Image 2 o Nano Banana 2; para video, Seedance 2.5 o Wan 3.0.
Imagen documental, cámara en mano con movimiento suave. Una mujer joven de pelo largo y rubio, con un abrigo largo verde oliva, pantalones claros y zapatos verde oliva, cruza por un paso de peatones una calle de ciudad entre edificios antiguos de piedra. Del hombro cuelga un bolso grande de ante. Al principio camina de lado a la cámara, luego se da la vuelta y se aleja, con el pelo levantado por el viento. La cámara gira con suavidad y la sigue. Luz diurna de día nublado, algunos coches al fondo de la calle. Sin música, sin movimientos bruscos de cámara, sin embellecer el rostro.
Esa frase define la luz, la nitidez y la composición de todo el encuadre.
Termina con una línea de exclusiones: sin piel de plástico, sin zonas quemadas, sin colores saturados, no embellecer la cara.
Un personaje al aire libre consigue luz y piel naturales con más facilidad que en un estudio.
Mantén la cara grande: en un plano general una cara pequeña pierde detalle. Para conservar el aspecto de una persona real, adjunta su foto y escribe «la imagen 1 define la cara; no cambiar ni embellecer la cara».
En Seedance 2.5 activa primero el borrador: un clip en 480p cuesta menos y ya muestra si la escena se ve viva; un borrador bueno se termina en 1080p.
Si la cara cambió, reduce el movimiento y cierra más el plano.

Foto amateur a pulso, objetivo de 35 mm, poca profundidad de campo. Una mujer de unos treinta años está sentada junto a la ventana de la cocina, sujeta una taza con las dos manos y mira un poco al lado de la cámara. Luz de día suave desde una ventana a la izquierda, la mitad derecha de la cara en sombra ligera. Poros visibles, pecas en la nariz, mejillas algo sonrosadas, algunos mechones sueltos. Encuadre un poco descentrado, grano natural. Sin piel de plástico, sin zonas quemadas, sin colores saturados, no embellecer la cara.

Foto tomada con el brazo extendido, un poco desde abajo y de lado. Un chico de unos veinticinco años con sudadera gris está en una calle después de la lluvia, con escaparates desenfocados detrás. Luz de una farola encima y de un escaparate a un lado, cálida y desigual. Barba de dos días, ojeras, pelo mojado pegado a la frente. Ligera falta de nitidez y ruido, como con poca luz. Sin teléfono en el encuadre. Sin brillo, sin simetría perfecta en la cara.
Las señales principales son la piel lisa y brillante, una cara perfectamente simétrica, una luz sin fuente visible y la misma nitidez en todo el encuadre. Una cámara real no graba así: tiene ruido, bordes suaves, una ventana quemada y sombra donde la luz no llega.
Palabras como «realista», «4K» o «ultradetallado» no añaden realismo. Lo añaden los detalles visibles: de dónde viene la luz, cómo es la piel, cómo se tomó la foto, qué entró en el encuadre por casualidad.
Arma el prompt con seis partes en este orden: forma de rodar, personaje y lugar, luz, piel y ropa, imperfecciones, exclusiones.
| Qué describir | Cómo escribirlo | Qué evitar |
|---|---|---|
| Forma de rodar | «foto amateur a pulso», «película de 35 mm», «flash directo y duro» | palabras vagas como «foto profesional» |
| Objetivo | «85 mm, retrato, fondo desenfocado», «35 mm, foto callejera» | mezclar varios estilos en un encuadre |
| Piel | poros, pecas, lunares, líneas finas, ligero rubor | «piel perfecta», «cara lisa» |
| Luz | fuente y lado: «ventana a la izquierda», «farola encima» | luz de estudio sin motivo |
| Imperfecciones | ligera falta de nitidez, grano, encuadre algo descentrado | simetría perfecta y brillo |
| Exclusiones | «sin piel de plástico, sin zonas quemadas, no embellecer la cara» | un prompt sin límites |
También puedes hacer más realista una foto que ya tienes: súbela a GPT Image 2 o Nano Banana 2, describe un solo cambio, por ejemplo textura de piel natural y luz de ventana, y pide que el resto quede igual.
Una toma de móvil se reconoce por sus detalles: gran angular, brazo extendido o ángulo bajo, horizonte torcido, luz mezclada, ruido en las sombras. Describe justo eso.
El modelo puede entender «grabado con el móvil» al pie de la letra y meter un teléfono en el encuadre. Describe el ángulo y la calidad de imagen sin nombrar el aparato; si aun así aparece, añade «sin teléfono en el encuadre».
En video funciona igual: «cámara en mano, ligero temblor, la cámara va un poco detrás del personaje». Una cámara real pesa y no flota libremente, por eso un giro suave alrededor de una cara delata la generación.
Menos movimiento significa menos errores: uno o dos personajes, una o dos acciones, cámara tranquila o fija. Las peleas, los saltos y los giros rápidos van en otra generación.
Si el video parte de una foto, prepara la foto con la luz de la escena: una persona sacada de una foto de estudio parece pegada en otro encuadre. El grano y el ruido del fotograma inicial pasan al video, así que deja el fotograma limpio y pide el grano en el prompt del video.
Describe el peso y la física: qué cae sobre qué, cómo se mueven la tela y el pelo con el viento. Nombra los sonidos con precisión: pasos sobre grava, el zumbido de la nevera. Una toma de la vida real casi siempre necesita la línea «sin música».
Más resolución no siempre es más real: en Seedance 2.0, el 1080p a menudo se ve más natural que el 4K.
Elige el modelo según la tarea y añade realismo con el prompt y las referencias.
| Tarea | Modelo | Qué indicar |
|---|---|---|
| Foto de una persona parecida a una real | GPT Image 2 | su foto como referencia, «no cambiar ni embellecer la cara», luz natural |
| Foto realista desde texto, serie con un mismo estilo | Nano Banana 2 | plantilla de estilo de toma, luego personaje, lugar y encuadre |
| Video realista con personas y gestos | Seedance 2.5 | forma de rodar, piel, acción por segundos, sonido, exclusiones; empieza con borrador |
| Clip tipo selfie con una frase | Wan 3.0 | foto del personaje, la frase como texto o audio, números en la frase escritos con letras |
| Hoja de personaje para una serie de clips | GPT Image 2 | tres vistas: cara de frente, perfil, cuerpo entero; fondo blanco, luz uniforme |
Nano Banana Pro, MiniMax H3 y Gemini Omni sirven menos para primeros planos de piel: la piel suele salir lisa o brillante. Gemini Omni destaca sobre todo en la edición de un video ya hecho.
Describe cómo se tomó, la fuente de luz y una piel con pequeñas imperfecciones, y al final enumera lo que no debe aparecer: piel de plástico, zonas quemadas, cara embellecida. Las palabras «realista» y «4K» por sí solas no ayudan.
En Mixer AI usa GPT Image 2 o Nano Banana 2 para fotos de personas. GPT Image 2 mantiene mejor una cara a partir de una referencia; Nano Banana 2 va bien para series con una misma plantilla.
Seedance 2.5 para personas y gestos, Wan 3.0 para clips tipo selfie con una frase. Ambos aceptan una foto del personaje como referencia, y eso suma mucho realismo.
Normalmente por la luz de estudio y por no describir la piel en el prompt. Añade poros y pequeñas imperfecciones, luz de una fuente de la escena y la exclusión «sin piel de plástico».
Sí: súbela a GPT Image 2 o Nano Banana 2, describe un cambio como una textura de piel natural y pide que el resto quede igual. Después revisa que la cara no haya cambiado.