Guía de prompts de LTX 2.3: cómo estructurar un prompt, con clips de antes y después

Le describes una escena a LTX 2.3 y te devuelve cinco segundos de un fotograma precioso en el que casi no pasa nada. O la pareja a la que pediste que bailara termina en dos segundos y se queda ahí parada. O la cámara se va a un sitio al que nunca la mandaste. LTX 2.3, el modelo abierto de audio y video que Lightricks lanzó en marzo de 2026, está pensado para seguir de cerca los prompts detallados, así que la mayoría de estos fallos empiezan en el prompt. Un prompt mejor no te asegura todos los momentos, como muestran nuestras pruebas más abajo, pero es la parte que controlas tú.

Respuesta corta: escribe un prompt para LTX 2.3 como un director que da instrucciones a un operador de cámara. Un solo párrafo en presente: el plano y el lugar, quién sale en cuadro y qué lleva puesto, las acciones en el orden en que ocurren, un solo movimiento de cámara y dónde termina, una sola fuente de luz y una última línea que empieza por Audio:. Entre cuatro y ocho frases bastan para un clip de 5 segundos; un clip más largo necesita más momentos, no más adjetivos. En imagen a video, no describas la imagen: escribe solo lo que se mueve. El endpoint de la API no tiene campo de prompt negativo ni opción de mejora de prompts, así que tus palabras son toda la instrucción (el botón Enhance del Playground puede redactártelas antes). En una ejecución con la misma seed por cada par, reescribir cuatro prompts débiles de esta manera convirtió clips en bucle o posados en clips que reproducían la mayoría de los momentos escritos y en orden; ninguna reescritura consiguió todos.

Este es el esqueleto:

[Shot size] in [place, time of day]. An adult [man/woman] in [his/her] [age band] with [hair, one distinguishing feature] [and skin tone or look, if it matters], wearing [each garment: colour, fabric]. [First action], then [second action], then [how it ends]. The camera [one move, described relative to the person] and [where it stops]. [One light source: where it is and what it lights]; [haze, rain or reflections], [palette, grain]. Audio: [the room or place], [one or two specific sounds], [music, or "no music"].

Si cargas una LoRA, pon su palabra de activación antes de la primera frase.

Y un clip real escrito así. Es una toma de muestra publicada en la página del modelo LTX-2.3 LoRA, no una de nuestras primeras ejecuciones, y se generó sin LoRA, de modo que es LTX 2.3 a secas:

A woman in her late twenties with short natural curls and warm brown skin, wearing a cobalt-blue satin slip dress, walks slowly away from the camera down an empty glass aquarium tunnel after closing time, barefoot, her heels dangling from one hand. A giant manta ray glides overhead and its shadow sweeps across her; blue caustic light ripples over her bare shoulders and back. She stops, turns her head and gives a smouldering glance back over her shoulder. The camera follows behind her, then holds. 35mm anamorphic, deep teal and cobalt grade, film grain. Audio: muffled hum of water, soft bare footsteps, one low cello note.

Cada frase cumple una función: quién es ella y qué lleva, qué pasa por encima y qué hace la luz, qué hace al final y qué hace la cámara. El prompt nunca dice "dynamic" ni "cinematic shot", y no lo necesita.

Los ejemplos de esta guía se quedan en el extremo sugerente: personajes adultos, ropa, ambiente y luz. La estructura no cambia con el nivel de contenido; lo que pongas en las frases de vestuario y acción lo decides tú.

La versión de 30 segundos

• Un párrafo, en presente, en el orden de la toma. Sin listas de etiquetas, sin "masterpiece, 8k", sin viñetas.
• Acciones en secuencia. Únelas con "then" (luego) y di cómo termina el clip. Empieza con aproximadamente un momento cada dos segundos: tres para un clip de 5 segundos, cuatro para uno de 8. Es un punto de partida sacado de estas ejecuciones, no una regla. Si el final se desvía, vale la pena probar marcas del tipo "0-2s:": en nuestra única ejecución, el final quedó bien resuelto.
• Un solo movimiento de cámara, relativo a la persona, con un punto final. "The camera dollies in until she fills the frame from the waist up, then holds" (la cámara avanza hasta que ella llena el cuadro de la cintura para arriba y luego se queda fija), no "dynamic camera". Aun así puede ignorarse: en nuestra ejecución, la persona caminó hacia la cámara.
• Una sola fuente de luz y sobre qué cae. Las palabras de ambiente no iluminan nada.
• Señales físicas, no sentimientos. "She tilts her head and smiles at the mirror" (ladea la cabeza y sonríe al espejo), no "she feels confident" (se siente segura).
• Termina con Audio:. Todos los clips de este endpoint llevan banda sonora y no hay un interruptor para quitarla.
• Imagen a video: escribe solo lo que cambia. La imagen ya fija a la persona, la ropa y la habitación.
• Espera la mayoría de los momentos, no todos. Todas las reescrituras de abajo omitieron o cambiaron al menos una cosa. Revisa cada clip y vuelve a generar antes de reescribir.
• Unos $0.18 por un borrador de 5 segundos a 480p. Usa los borradores para afinar la redacción; una nueva ejecución a 720p con la misma seed dio un clip distinto.

Qué recomienda Lightricks y dónde se contradicen sus propias guías

Lightricks publica los consejos en los que se apoya esta guía. Su guía de prompts de LTX-2.3 (marzo de 2026) pide seis cosas en cada prompt: establecer el plano, ambientar la escena, describir la acción como una secuencia, definir a los personajes, indicar cómo y cuándo se mueve la cámara y describir el audio. Añade tres puntos que importan en la práctica:

• Expresa la emoción a través del cuerpo. "Triste" o "confundido" le da poco al modelo para dibujar; una mirada de lado, una pausa, una voz que se quiebra le dan algo que animar.
• Ajusta el prompt a la duración del clip. Un prompt de diez palabras para un clip de diez segundos deja al modelo sin dirección suficiente, y tiende a correr por la acción.
• Evita lo que hace mal: texto legible y logotipos, física caótica, escenas con mucha gente, luz contradictoria e instrucciones numéricas como "pans right at 2 degrees per second" (panorámica a la derecha a 2 grados por segundo).

La guía de prompts en la documentación de LTX añade una extensión (entre cuatro y ocho frases descriptivas para una toma continua) y una advertencia: no pegues sin cambios en LTX un prompt escrito para otro modelo de video, con su sintaxis de etiquetas o su lista de planos. Reescríbelo como un párrafo fluido.

Dos páginas de la propia Lightricks se contradicen, y se nota en los resúmenes de los buscadores. La guía principal dice que los prompts más largos y detallados funcionan mejor de forma constante y abre con el plano. Su artículo sobre prompts por ámbito dice que te quedes por debajo de 200 palabras y empieces directamente por la acción. Las dos se encuentran en el medio: los prompts de 5 segundos de esta guía tienen entre 85 y 125 palabras y el de 8 segundos, unas 140, todos muy por debajo de 200. Nosotros ponemos el plano primero y la acción principal en la segunda frase; no hemos probado si el orden por sí solo cambia el resultado.

Cuatro prompts débiles, reescritos y ejecutados

Cada par de abajo es una forma habitual de escribir un prompt débil y la misma idea reescrita con la estructura anterior. Las dos versiones se ejecutaron una vez en el endpoint LTX-2.3 LoRA sin ninguna LoRA cargada, es decir, LTX 2.3 a secas: texto a video en 16:9 en las pruebas 1, 2 y 4, imagen a video en la prueba 3, todo a 480p y con la misma seed en las dos versiones de cada par. Los clips son primeras ejecuciones del 16 de octubre de 2026, no los mejores de varios intentos. Cada prompt se ejecutó una sola vez, así que lee cada resultado como lo que pasó en esa ejecución, no como una regla.

1. Acciones en orden: llenar un clip de 8 segundos

Un prompt corto para un clip largo es el error del que Lightricks advierte primero. Aquí tienes una idea de 13 palabras y la misma idea con cinco momentos, ambas a 8 segundos.

Prompt débil

An adult couple dancing slowly in a kitchen at night, romantic, cinematic, 4k.

Prompt reescrito

Medium shot in a small apartment kitchen at night. An adult man in his thirties with short dark hair, in a white shirt with the sleeves rolled up, sets two wine glasses down on the counter. He turns to an adult woman in her late twenties with a loose blonde ponytail and a dark green silk slip dress and holds out his hand. She laughs, takes it and lets him pull her close. They sway through a slow half turn, her cheek on his shoulder, and she closes her eyes. The camera stays still at counter height and lets them turn in front of it. One warm pendant lamp over the counter lights their faces; the window behind them is dark blue. Audio: a slow soul song from a record player, her soft laugh, the clink of the glasses.

Qué pasó en esta ejecución:

• El prompt débil repitió un solo movimiento en bucle. Durante los 8 segundos la pareja se abraza y se balancea en el sitio: sin copas, sin nada que haga avanzar la escena, y el vestido de ella salió en una extraña mezcla de colores.
• La reescritura reprodujo en orden sus primeros momentos. Dejan las copas, él le tiende la mano, ella la toma y él la acerca. La cámara fija se mantuvo.
• También añadió una cosa y sustituyó otra. Hacia el segundo 3 aparece un beso que el prompt nunca menciona, y el final es distinto: en lugar de apoyar la mejilla en su hombro con los ojos cerrados, ella camina hacia la cámara y sale de foco.

Qué aporta la reescritura y por qué:

• Cada persona recibe una franja de edad, el pelo y una prenda, para que el modelo no se los invente, y la segunda persona se presenta en el momento en que entra en la acción.
• Los momentos van en el orden en que ocurren, uno o dos por frase, y el último ("she closes her eyes", cierra los ojos) está para darle al clip un final al que llegar en vez de un bucle. Esta ejecución escribió su propio final de todos modos; la versión con marcas de tiempo de más abajo lo hizo mejor.
• A la cámara se le dice que se quede quieta, para que lo único que se mueva sean las dos personas. Lightricks advierte que apilar acciones en una sola toma cuesta claridad.
• Una lámpara, una ventana, para que la luz tenga una sola lógica.

Ejecuta el prompt reescrito → Antes de ejecutarlo, pon Duration en 8 y Resolution en 480p.

Marcas de tiempo: los mismos momentos marcados de "0-2s" a "6-8s"

La gente pregunta si las marcas de tiempo funcionan, y algunos generadores de prompts las escriben. Volvimos a ejecutar los mismos momentos marcando cada uno con "0-2s:", "2-4s:" y así sucesivamente, con la misma seed y los mismos ajustes:

Medium shot in a small apartment kitchen at night. An adult man in his thirties with short dark hair, in a white shirt with the sleeves rolled up, and an adult woman in her late twenties with a loose blonde ponytail and a dark green silk slip dress. 0-2s: he sets two wine glasses down on the counter. 2-4s: he turns to her and holds out his hand; she laughs and takes it. 4-6s: he pulls her close and they sway through a slow half turn. 6-8s: her cheek rests on his shoulder and she closes her eyes. The camera stays still at counter height. One warm pendant lamp over the counter lights their faces; the window behind them is dark blue. Audio: a slow soul song from a record player, her soft laugh, the clink of the glasses.

En esta ejecución, la mayoría de los momentos aparecieron en orden, aunque no al pie de la letra: en lugar de dejar dos copas, él le da una, el medio giro apenas se nota y hacia el segundo 6 sus caras se juntan en un casi-beso que el prompt no pedía. Aun así terminó cerca de donde decía el prompt, en un abrazo con la cabeza de ella contra su cuello y su hombro. No apareció ningún texto de marcas de tiempo en pantalla. Así que, en esta única ejecución, la versión con marcas de tiempo resolvió el último momento y la versión normal no; es una ejecución de cada una, por lo que conviene tratar las marcas de tiempo como un recurso de desempate para probar cuando un final se desvía, no como una regla.

Cómo encaja esto con el consejo de Lightricks: su guía pide lenguaje natural y advierte contra el exceso de restricciones numéricas, como "exactly 3 birds flying left to right at 45 degrees" (exactamente 3 pájaros volando de izquierda a derecha a 45 grados), pero no dice nada sobre marcadores de segmento. Aquí funcionaron como señales de orden adicionales. Siguen siendo solo palabras en el prompt, no fotogramas clave, así que no esperes que un momento caiga en el segundo exacto.

2. Cámara: nombra un movimiento y dónde termina

"Dynamic camera movement" le dice al modelo que una cámara debe moverse, pero no cómo, hacia dónde ni cuándo detenerse.

Prompt débil

Cinematic shot of an adult woman on a hotel balcony at night, dynamic camera movement, epic, beautiful, 4k.

Prompt reescrito

Wide shot of a hotel balcony at night, the city lit up far below. An adult woman in her thirties with dark wavy hair, in a black satin evening dress, barefoot, leans on the railing with her back to the camera. The camera dollies in slowly from the open balcony door toward her. As it reaches a medium shot, she turns her head over her shoulder and looks into the lens with a small smile. The camera stops and holds on her face and shoulders. Warm light from the room behind the camera falls on her back; the city behind her is soft blue bokeh. Audio: distant traffic, a light wind, faint party music from two floors down.

Qué pasó en esta ejecución:

• "Dynamic camera movement" produjo un lento travelling de alejamiento. La cámara empieza fuera del edificio, se aleja y sube, y ella queda pequeña en el cuadro, con un top dorado corto. Nada de eso es dinámico.
• La reescritura acertó con la persona y falló con la cámara. Ella de espaldas al objetivo en la barandilla, el giro y la sonrisa, y la ciudad como bokeh azul: todo salió. El travelling de acercamiento no: en lugar de que la cámara avanzara hasta un plano medio y se detuviera, ella camina hacia la cámara. Además, en el cristal de la puerta abierta se ve un tenue doble de ella.

La reescritura sigue el consejo oficial de describir el movimiento en relación con la persona y de decir cómo se ve al terminar: empieza en plano general, avanza hacia su espalda y debería acabar en un plano medio de su rostro y sus hombros. En esta ejecución el modelo llegó a un encuadre parecido haciendo que ella caminara hacia la cámara. Nombrar un movimiento lo hace más probable, no seguro. Si el movimiento importa más que la acción, dale menos que hacer a la persona ("she stays at the railing and only turns her head", se queda en la barandilla y solo gira la cabeza), para que caminar hacia el objetivo no sea la forma fácil de cambiar el encuadre; así lo probaríamos la próxima vez, no es una solución comprobada. Palabras útiles para movimientos, de la guía de LTX: follows (sigue), tracks (acompaña), pans across (panorámica), circles around (gira alrededor), tilts up (inclina hacia arriba), pushes in o pulls back (acerca o aleja), overhead (cenital), handheld (cámara en mano), over the shoulder (sobre el hombro), static frame (cuadro fijo). Usa uno por clip. Si quieres que la cámara se quede quieta mientras la persona se mueve, escribe "the camera stays still" o "static frame"; nuestra guía de cámara fija explica cómo distinguir un movimiento planeado de un zoom no deseado.

3. Imagen a video: escribe lo que se mueve, no lo que hay en la imagen

En imagen a video, el fotograma inicial ya fija a la persona, la ropa, la habitación y la forma del clip. Volver a describirlos gasta el prompt en cosas que el modelo ya puede ver.

El fotograma inicial de este par:

Prompt débil (describe la imagen)

A handsome adult man with stubble in a charcoal shirt sitting on a hotel bed at golden hour holding a coffee cup, cinematic, realistic, high quality, 4k.

Prompt reescrito (solo lo que cambia)

He takes a slow sip of coffee, lowers the cup to his knee and turns from the window to look straight into the lens. A half-smile, then he runs his free hand back through his hair. The camera pushes in slowly from a medium shot to a close-up on his face and stops. The sheer curtain lifts once in a breeze and the sunlight flickers across his cheek. One continuous shot. Audio: quiet room tone, the curtain rustling, a gull far outside, no music.

Qué pasó en esta ejecución:

• Describir la imagen devolvió la imagen, con un poco de movimiento. Levanta despacio la taza y bebe una vez mirando por la ventana; no pasa nada nuevo.
• Describir el cambio produjo el cambio. El sorbo, el giro hacia el objetivo, la mano pasando por el pelo y el acercamiento a un primer plano ocurrieron, y su cara siguió siendo la misma persona del primer al último fotograma.
• Se saltó un paso. Nunca baja la taza hasta la rodilla; simplemente desaparece a mitad del clip. No pudimos ver si la cortina se movía.

La reescritura empieza con un verbo y nunca nombra su camisa, la cama ni la hora: eso ya lo tiene el fotograma. Da tres acciones pequeñas que pueden ocurrir desde una pose sentada, un movimiento de cámara con un punto final, un cambio en la luz y "one continuous shot" (una toma continua), que Lightricks recomienda para imagen a video salvo que quieras cortar a otra cosa desde la imagen inicial. El utensilio es donde falló: si la taza importa, dale a dejarla su propia frase o termina el clip antes de que la suelte. Es una sugerencia, no algo que hayamos vuelto a ejecutar.

Ejecuta el prompt reescrito en imagen a video → Sube primero tu propio fotograma; el enlace solo rellena el prompt.

4. Luz y sonido: una fuente, una línea Audio

Las palabras de ambiente ("moody", "atmospheric", "beautiful lighting") describen una sensación, no una luz.

Prompt débil

Sensual moody scene of an adult woman at a mirror, beautiful lighting, atmospheric, romantic vibe, cinematic, 4k.

Prompt reescrito

Medium close-up at a vintage vanity mirror late at night. An adult woman in her early thirties with copper-red hair loosely pinned up, in an ivory satin robe tied at the waist, fastens a pearl earring while she watches her reflection. She tilts her head, lets one strand of hair fall against her neck and smiles at the mirror. The only light is the row of warm bulbs around the mirror: it lights her face and the satin from the front and leaves the room behind her in deep shadow. A thin haze drifts through the bulb light. Amber and ivory palette, soft film grain. Audio: the faint hum of the bulbs, the click of the earring clasp, slow jazz from another room.

Qué pasó en esta ejecución:

• Las palabras de ambiente dieron una luz plana y mezclada, y una toma posada. La luz del día de una ventana y las bombillas a ambos lados iluminan todo por igual, y el clip se convierte en una pose de glamour con una mano levantándole el pelo. Sin descripción, el modelo también eligió quién es ella: una mujer de aspecto distinto con una camisola de hombros descubiertos.
• Una fuente nombrada dio una sola luz. Las bombillas del espejo son la única luz, la habitación de atrás se oscurece, y el pendiente, la inclinación de la cabeza y la sonrisa al espejo ocurren. La neblina apenas se nota, y el reflejo no coincide con ella: el espejo muestra a una mujer de frente a la cámara mientras ella está sentada de perfil.
• La línea Audio dio música, no claramente los detalles. Revisamos estas dos bandas sonoras con software, no de oído, así que tómalo como algo aproximado. Encontró una música orquestal dramática con algunos clics metálicos suaves en el clip débil, que no tenía línea Audio, y piano y cuerdas suaves en la reescritura. Ninguna tiene voz. De los tres sonidos que nombraba la reescritura (el zumbido de las bombillas, el cierre del pendiente, jazz desde otra habitación), no pudimos distinguir ni el zumbido ni el jazz; hay un clic breve hacia el momento en que se pone el pendiente, pero no sabemos si es el cierre o una nota de piano.

La frase de luz de la reescritura nombra la fuente ("the row of warm bulbs around the mirror", la hilera de bombillas cálidas alrededor del espejo), qué ilumina y qué deja a oscuras. Eso es lo que la guía de LTX llama lógica de luz coherente: una fuente con una dirección. La línea Audio: enumera el sonido ambiente, un sonido ligado a la acción (el cierre del pendiente) y la música; en esta ejecución el modelo se quedó solo con la idea de una música tranquila. Los espejos son un riesgo aparte: si hay uno en la toma, revisa el reflejo, o déjalo pequeño o desenfocado.

Ejecuta el prompt reescrito →

Cómo escribir la línea Audio

El endpoint LTX-2.3 LoRA siempre devuelve sonido generado junto con la imagen, así que si no lo pones en el prompt, el modelo elige algo: en la prueba 4, una música orquestal dramática.

• Ponla al final, en una línea que empiece por Audio:. Así lo pide la propia guía del endpoint, y hace que el sonido sea fácil de encontrar y de cambiar al revisar.
• Nombra el lugar, luego uno o dos sonidos concretos y luego la música. "Rain on the glass, a low roll of thunder, no music" (lluvia en el cristal, un trueno grave, sin música) le da al modelo tres cosas que hacer. "Atmospheric sound" no le da ninguna. Aun así, no cuentes con los detalles: en nuestra prueba del espejo, la pista conservó el ambiente (música suave, sin voz) y los sonidos nombrados en su mayoría no se oyeron con claridad. Cuando un efecto exacto importe, añádelo en un editor.
• Liga un sonido a una acción cuando puedas: un cierre que hace clic, copas que tintinean, una puerta que se cierra. Le da al sonido un momento en el que caer, aunque en la única prueba que revisamos no se oyó con claridad.
• El diálogo va entre comillas, frases cortas con una pausa física entre ellas, según la guía de Lightricks: He looks up from the glass and says, "You're late." A beat, then a half-smile: "I waited anyway." No hemos probado la sincronización labial en este endpoint, así que revisa cada línea hablada antes de fiarte de ella.
• Espera un sonido más débil cuando no hay voz. La ficha del modelo de Lightricks señala que el audio generado sin voz puede ser de menor calidad.
• Solo revisamos las dos bandas sonoras de la prueba 4, con software y no de oído, así que esta guía no extrae conclusiones sobre el sonido de los demás clips.

Las versiones LTX 2.3 Spicy son distintas: no tienen campo de audio, y las pistas que devuelven suelen ser silenciosas o casi, así que evalúa esos clips en tu editor. Para ver cómo se comporta una línea Audio en una muestra más grande, nuestra prueba de bandas sonoras de LTX-2 19B midió 55 pistas en el modelo LTX anterior.

Preparar un primer fotograma para imagen a video

En imagen a video, la imagen hace la mayor parte del trabajo, así que la mayoría de los arreglos se hacen antes de escribir el prompt.

• El fotograma fija la forma. Una imagen 9:16 da un clip 9:16; imagen a video no tiene ajuste de relación de aspecto.
• Deja espacio para el movimiento. Un recorte ajustado de la cara no puede producir un paso adelante; un giro hacia la cámara necesita la cara visible al inicio.
• Resuelve la ropa y la pose en la imagen fija. Un prompt de video es un mal sitio para arreglar una prenda o una mano, y cambiarlas con palabras obliga al clip a negociar entre la imagen y el texto.
• Mantén el texto fuera del cuadro. Los carteles, los subtítulos y los logotipos pasan al clip y se difuminan al moverse.
• En el endpoint LTX-2.3 LoRA el prompt es obligatorio; en las versiones Spicy es opcional, y con solo el fotograma el modelo elige un pequeño movimiento.

Las versiones Spicy tienen un inconveniente más: sus páginas de modelo advierten de que un clip puede salir más revelador de lo que pedían el fotograma o el prompt. Si un clip debe mantenerse en un nivel sugerente, usa el modelo base y revisa cada fotograma en cualquier caso.

Ajustes que cambian tu resultado y tu factura

Los clips son de 24 fotogramas por segundo con pista estéreo. No hay campo de prompt negativo, ni límite de longitud del prompt, ni opción de mejora de prompts.

Cuánto cuesta un clip en LTX-2.3 LoRA ($0.06 fijos por clip más una tarifa por segundo; cargar LoRAs no cuesta nada extra):

Nuestros 12 clips de prueba se facturaron exactamente por estos importes: $0.252 por cada clip de 8 segundos a 480p, $0.18 por cada uno de 5 segundos y $0.24 por la nueva ejecución a 720p, $2.436 en total. La mayoría volvió en 18 a 25 segundos; unos pocos tardaron entre 43 y 57.

Un ciclo razonable: cuatro borradores de 5 segundos a 480p ($0.72) para afinar la redacción, y luego dos o tres ejecuciones a la resolución con la que vas a entregar para elegir una toma (tres ejecuciones de 10 segundos a 720p cuestan $1.26), unos $2 por un plano terminado. La siguiente prueba muestra por qué esas ejecuciones finales no se pueden saltar.

¿El borrador a 480p predice el render a 720p?

Una resolución nueva es una generación nueva. Volvimos a ejecutar a 720p, con la misma seed, el prompt reescrito del balcón de la prueba 2:

Volvió como un clip completamente distinto, con un error nuevo. A 720p ella empieza de frente a la cámara en la barandilla, mientras una segunda copia suya, con el mismo pelo y vestido, está en primer plano junto a la puerta, de espaldas al objetivo; después la toma se asienta en esa segunda figura mientras mira por encima del hombro y sonríe. El encuadre acaba más cerca de lo que pedía el prompt, pero añadiendo una persona, no acercando la cámara.

Así que, en esta ejecución, cambiar la resolución fue otra tirada de dados, no una copia más nítida del borrador. Usa 480p para comprobar si la redacción funciona; juzga el encuadre y el movimiento a la resolución con la que vas a entregar, y presupuesta unas cuantas ejecuciones ahí.

Cuando el clip sale mal: síntomas y arreglos

Vuelve a generar antes de reescribir: un clip es una tirada de dados. Si el mismo fallo vuelve con una segunda seed, cambia el prompt.

Dos plantillas para copiar

Las dos se ejecutaron una vez, el 16 de octubre de 2026, en LTX 2.3 de texto a video a 480p, 5 segundos, sin LoRA. Cambia las personas, la ropa y el lugar; conserva la función de cada frase.

Plantilla A: vertical, una persona, una mirada atrás (9:16)

Vertical medium shot in a dark loft on a rainy night. An adult woman in her late twenties with a sleek black bob, in an oversized white button-down shirt and black tailored shorts, leans one shoulder against a tall rain-streaked window. She draws one finger slowly down the glass, then turns her head and looks back over her shoulder into the lens. The camera drifts slowly to the right and stops on her face in profile against the city lights. Cold blue light from the city comes through the window; a warm lamp behind the camera catches her cheek. Audio: rain against the glass, a low roll of distant thunder, no music.

En esta ejecución ella apoya la mano en el cristal en lugar de pasar un dedo por él, y luego mira por encima del hombro al objetivo mientras la cámara se mueve a la derecha y se acerca a su cara. La luz fría de la ciudad y el relleno cálido están los dos; la lluvia en la ventana apenas se ve, y la toma empezó más abierta que el plano medio pedido, con ella entera en cuadro. El prompt no describía su cara ni su tono de piel, así que eligió el modelo; si el aspecto importa, escríbelo.

Ejecuta la plantilla A → Pon Aspect ratio en 9:16; la palabra "Vertical" en el prompt no define el cuadro.

Plantilla B: dos adultos en una toma (16:9)

Medium two-shot inside a parked vintage car at night in heavy rain. On the left, an adult man in his thirties with a short beard and a dark leather jacket sits behind the wheel. On the right, an adult woman in her thirties with long auburn hair and a black cocktail dress turns toward him. She reaches over and straightens his collar; he catches her hand and kisses her knuckles, and they both laugh. Rain streams down the windshield and red and green neon from a diner sign slides across their faces. The camera stays still on the dashboard, facing them. Audio: rain drumming on the roof, the engine idling, their quiet laughter.

En esta ejecución cada persona se quedó en su lado, con su propia ropa y su pelo. Ella se inclina hacia su barbilla y su cuello de camisa y los dos se ríen; el neón se desliza sobre ellos y la cámara se mantiene. Él nunca le atrapa la mano para besarle los nudillos: se omitió la segunda acción del momento.

Ejecuta la plantilla B →

Para dos personas, el patrón que las mantuvo separadas aquí: "two adults", quién se sienta dónde, un aspecto para cada una y una cámara quieta para que el modelo solo tenga que mover a las personas. Dales un momento compartido; nuestra plantilla pidió dos seguidos y el segundo se omitió.

Un system prompt, si un LLM escribe tus prompts

Una petición habitual es un system prompt que convierta una idea de una línea en un prompt para LTX 2.3. Los pipelines locales de Lightricks incluyen para esto un mejorador de prompts opcional, y su documentación dice que ayuda más cuando el prompt es corto, tosco o escrito para otro modelo, y menos cuando el prompt ya sigue la estructura. En nuestro Playground, el botón Enhance hace el mismo trabajo por una fracción de centavo, conservando tus palabras y añadiendo cámara, luz y ritmo. Desde la API, o en tus propias herramientas, usa cualquier modelo de lenguaje con un system prompt corto como este:

You turn a short video idea into one prompt for LTX 2.3. The user will give the clip length in seconds. Write about one action beat for every two seconds of clip. Write a single paragraph in the present tense, four to eight sentences, under 200 words, longer for longer clips. Order: the shot size and the place; each person (an adult, with an age band, hair and clothing with colour and fabric); the actions in the order they happen, joined with "then", ending on a clear final moment; one camera move described relative to the person and where it stops; one light source and what it lights. End with a line that starts with "Audio:" and names the ambience, one or two specific sounds and whether there is music. Use physical actions instead of emotion words. No on-screen text, no numbers for angles or speeds, no tag lists, no quality words such as "4k" or "masterpiece". Keep the people, clothing and actions exactly as the user wrote them and add no new ones. For image-to-video, do not describe what is already in the picture: write only what moves and changes. Return only the prompt.

Envía la idea con su duración, por ejemplo: Clip length: 8 seconds. A couple slow-dancing in their kitchen at night.

Lee lo que devuelve antes de ejecutarlo. Un modelo que reescribe puede añadir objetos, personas o movimientos de cámara que no pediste, y si ejecutas LTX 2.3 en local, la negativa del mejorador puede acabar siendo el prompt que anima el modelo de video; nuestra prueba NSFW de LTX 2.3 explica ese fallo y cómo lo evitan los usuarios locales.

LTX 2.3, Spicy o Spicy LoRA: qué cambia para el prompt

Las tres están construidas sobre LTX 2.3 y valen las mismas reglas de escritura. Lo que cambia es lo que tiene que aportar el prompt:

En las versiones Spicy el fotograma lleva el contenido y el prompt es una breve nota de movimiento: una o dos acciones y una nota de cámara, nada sobre lo que el fotograma ya muestra, por ejemplo "She turns her head toward the lens and smiles; the camera pushes in slowly and holds." Es un ejemplo sin probar de la extensión a la que apuntar; la reseña de LTX 2.3 Spicy tiene prompts que sí se ejecutaron. Hasta dónde llega cada una de las tres con contenido adulto es otra cuestión: en nuestra prueba NSFW de LTX 2.3 (enlazada en las preguntas frecuentes de abajo), el modelo base no rechazó ninguna de las 21 solicitudes, representó las escenas moderadas tal como estaban escritas y suavizó la mayoría de las más fuertes, mientras que LTX 2.3 Spicy llegó más lejos a partir de un fotograma inicial. Un prompt mejor escrito hace que el clip siga tu dirección; no cambia lo que el modelo aprendió a dibujar.

Pruébalo en el Playground y luego en la API

1. Abre LTX-2.3 LoRA de texto a video y quédate en la pestaña Playground. Crea una cuenta para ejecutarlo.
2. Pega un prompt, o usa uno de los enlaces "Ejecuta" de arriba, que lo rellenan por ti.
3. Pon Resolution en 480p y Duration según tus momentos. Deja LoRAs vacío para ejecutar LTX 2.3 a secas. Si solo tienes una idea de una línea, Enhance puede redactar el párrafo completo para que lo edites.
4. Mira el precio que se muestra, ejecútalo, cambia una frase y vuelve a ejecutar. Anota la seed de una toma que valga la pena conservar.

La misma petición desde código, aquí con una versión abreviada de la reescritura de la prueba 4; solo prompt es obligatorio:

curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  --data '{
    "model": "lightricks/ltx-2.3-lora/text-to-video",
    "input": {
      "prompt": "Medium close-up at a vintage vanity mirror late at night. An adult woman in her early thirties with copper-red hair loosely pinned up, in an ivory satin robe, fastens a pearl earring while she watches her reflection, then smiles at the mirror. The only light is the row of warm bulbs around the mirror. Audio: the faint hum of the bulbs, slow jazz from another room.",
      "resolution": "480p",
      "duration_seconds": 5,
      "aspect_ratio": "16:9",
      "seed": 20261016
    }
  }'

El sondeo (polling), los callbacks y todos los campos están en la referencia de la API.

Preguntas frecuentes

¿Qué longitud debe tener un prompt de LTX 2.3?

Entre cuatro y ocho frases para una toma continua, que es lo que sugiere la documentación de Lightricks, y normalmente entre 60 y 150 palabras. Escálalo con el clip: uno de 10 segundos necesita más momentos que uno de 5. Nuestro endpoint no tiene límite de caracteres, pero pasadas unas 200 palabras normalmente estás describiendo más de lo que el clip puede mostrar.

¿LTX 2.3 admite prompts negativos?

No en nuestros endpoints de LTX 2.3: no hay campo de prompt negativo. Describe lo que quieres ver ("sharp focus", "the camera stays still") en vez de lo que no, y usa con moderación restricciones cortas como "no readable text" o "no music", comprobando que se cumplieron.

¿Se pueden usar marcas de tiempo en los prompts de LTX 2.3?

Vale la pena probarlas cuando un final se desvía: en nuestra única prueba de 8 segundos, los momentos marcados de "0-2s:" a "6-8s:" se reprodujeron casi todos en orden y resolvieron el último momento que la versión normal no consiguió, sin números en pantalla. Escribe primero los momentos en orden; Lightricks recomienda lenguaje natural, y una ejecución no es una regla.

¿Existe un generador o mejorador de prompts para LTX 2.3?

Los pipelines locales de Lightricks y las plantillas de ComfyUI incluyen un mejorador de prompts opcional, un modelo de lenguaje que reescribe tu prompt antes de generar. En nuestro Playground el botón Enhance reescribe una idea corta para el modelo seleccionado, normalmente por una décima de centavo; el endpoint de la API en sí no tiene opción de mejorador. El system prompt de arriba hace el mismo trabajo con cualquier modelo de lenguaje que ya uses.

¿Los prompts de LTX 2.3 funcionan en LTX 2.5?

La estructura se mantiene. LTX 2.5 añade funciones que 2.3 no tiene, como varios planos unidos por cortes en un mismo prompt y ajustar la duración del clip a la acción que describes; nuestra guía de LTX 2.5 tiene prompts escritos para él.

¿LTX 2.3 está sin censura?

Eso depende del modelo y del endpoint, no de cómo estructures el prompt. Los resultados nivel por nivel están en nuestra prueba NSFW de LTX 2.3.

Tu parte

No añadimos ningún filtro de contenido propio, y eso no cambia quién es responsable de los clips. Todas las personas que aparezcan deben ser adultas. No representes a una persona real e identificable sin su consentimiento, y anima solo imágenes sobre las que tengas derechos. Eres responsable de la ley del lugar donde publiques.

Escribe el primero

Toma una idea que ya tengas y escríbela en seis frases: el plano, la persona, tres momentos unidos por "then", un movimiento de cámara con final, una luz y una línea Audio. Ejecútalo a 480p durante 5 segundos en LTX 2.3 y luego cambia una frase cada vez. Veinte borradores cuestan $3.60.