Descomposición de prompts en Gemini y Kling: cómo recrear una imagen de Pinterest con el estilo de tu marca

Si el resultado de una generación parece "casi bueno, pero no es lo que buscaba", lo habitual es que el problema no sea la herramienta, sino cómo está formulada la petición. Una autora de la comunidad rusófona de IA ha compartido un método concreto que funciona: descomponer el prompt en capas semánticas independientes permite acertar a la primera o a la segunda, en lugar de hacer decenas de iteraciones a ciegas.

Las herramientas del ejemplo son Gemini para generar imágenes y Kling para animarlas. El punto de partida fue una imagen de Pinterest. La tarea no era trivial: no copiarla, sino adaptarla al estilo de marca de la empresa, conservando el ambiente y la composición general y sustituyendo por completo los colores, los detalles y la estética según el manual de marca.

Aquí empieza la descomposición. En lugar de un único prompt largo, la autora dividió la imagen original en componentes: la escena general y la atmósfera, la paleta de colores, la iluminación, las texturas, el estilo de dibujo y los detalles del primer plano y del fondo. Cada elemento se describió por separado, capa a capa, afinando los detalles poco a poco.

Gemini se encargó de la generación. El principio clave no es "meterlo todo en un prompt y esperar suerte", sino un diálogo estructurado que va refinando cada elemento. Primero se define la escena general. Después se precisa el estilo. Luego se añade lo específico de la marca: los colores de la guía de estilo, los elementos característicos de la identidad y las decisiones visuales permitidas y prohibidas.

Este enfoque reduce drásticamente el número de iteraciones: el modelo recibe instrucciones claras en lugar de intentar adivinar la intención a partir de una descripción vaga.

Los modelos multimodales responden mejor a descriptores concretos que a definiciones abstractas. "Atardecer cálido" da un resultado impredecible. "Iluminación dorado-anaranjada en un ángulo de 45 grados, sombras largas y suaves" funciona de forma predecible. "Azul corporativo en el espíritu de la marca" es una instrucción difusa. "RGB 0, 82, 204, superficie brillante, sin degradados" ya es concreción. La descomposición del prompt traduce una imagen visual a un lenguaje que el modelo entiende sin ambigüedad.

Cuando la imagen quedó montada según la identidad, entró en juego Kling, una herramienta que anima imágenes estáticas con modelos generativos de vídeo. Aquí la descomposición también funciona: el prompt indica por separado qué debe moverse, a qué velocidad, en qué dirección y con qué intensidad.

Un prompt de animación no es la descripción de un vídeo, sino un conjunto de instrucciones para la física de la escena. Qué elementos permanecen estáticos, cuáles se mueven, cuán visible debe ser el movimiento y si hace falta un efecto sutil de "respiración" o una cinemática completa con dinámica de cámara.

El resultado final es una imagen de marca animada, creada sin diseñador ni videógrafo en unas horas de trabajo con dos herramientas.

El enfoque es escalable: los mismos principios sirven para contenido de redes sociales, banners publicitarios, materiales de presentación y cualquier visual que deba ajustarse al manual de marca. El método de descomposición de prompts se puede reproducir en cualquier proyecto, con cualquier identidad y con cualquier herramienta generativa. El principio no cambia; solo cambian los detalles concretos.

Si quieres aplicar este método: empieza con la descripción más detallada posible de la referencia original. Divídela en 5–7 características independientes. Escribe el prompt no como una frase larga, sino como una lista estructurada de parámetros. Comprueba cada capa por separado antes de montar la petición final.

Esta secuencia, y no la magia de una herramienta concreta, es la que da resultados predecibles con cualquier IA generativa.