Encadenando Veo 3.1 y NanoBanana con Gemini

En el desarrollo de soluciones con inteligencia generativa suele aparecer un patrón muy práctico llamado encadenamiento de modelos o model chaining que consiste en orquestar varios modelos para obtener un resultado final coherente y de alta calidad. En este artículo explico un flujo concreto usando Gemini 2.5 Pro para razonamiento y diseño de prompts, NanoBanana para generar la imagen base y Veo 3.1 para convertir esa imagen en video, simulando la grabación nocturna de una cámara tipo timbre mostrando a un zorro fénec jugando con piezas de LEGO.

Stack empleado y roles: Gemini 2.5 Pro como motor de prompt engineering y razonamiento visual, NanoBanana para obtener la imagen estática en formato vertical 9:16, y Veo 3.1 Fast para animar la imagen aplicando física y movimiento mientras se mantiene la estética de cámara fija.

Fase 1 La imagen base. El reto más difícil es fijar el tono visual y la consistencia del personaje. En lugar de adivinar palabras clave se utiliza un modelo de razonamiento para generar un prompt detallado. En este caso la intención era una estética de visión nocturna por infrarrojos, grano suave, tinte monocromático verdoso, perspectiva ojo de pez desde la cámara del timbre hacia un felpudo, un zorro fénec con orejas grandes y ojos reflectantes rodeado de piezas de LEGO dispuestas para formar un saludo en letras de bloques, y un overlay digital en la esquina con texto tipo FRONT DOOR LIVE y marca temporal. Ese nivel de detalle ayuda a introducir imperfecciones controladas como grano y distorsión de lente que aumentan la verosimilitud. El resultado con NanoBanana fue una imagen estática casi perfecta en cuanto a iluminación plana de IR, ojos reflectantes y ángulo característico de timbre.

Fase 2 Animación. Los modelos de video tienden a inventar movimientos no deseados si se les da libertad. Por eso el prompt de animación se centra en interacciones concretas y restricciones de cámara. En este caso la secuencia descrita fue el zorro mirando hacia las piezas, extendiendo suavemente una pata para empujar una pieza cerca del saludo HI y luego volviendo a mirar a la cámara con expresión juguetona y orejas que se mueven. Se especificó que la cámara debía permanecer fija. Esa indicación es crítica para mantener la sensación de dispositivo montado en la puerta. El prompt junto con la imagen estática se introdujeron en Veo 3.1 Fast para generar el clip.

Fase 3 Análisis del resultado. Aciertos importantes: coherencia temporal en textura y luminancia, la capa de grano se mantiene estable y no parpadea; la distorsión ojo de pez se respeta durante el movimiento y el zorro se desplaza dentro del espacio 3D aparente; la dinámica de orejas fue convincente y añade realismo biológico; y la cámara permaneció visualmente fija, reforzando la estética de dispositivo de seguridad.

Limitaciones detectadas: permanencia de objetos rígidos como las piezas de LEGO, donde la física rígida falla y los ladrillos tienden a deformarse o fundirse visualmente durante el contacto; la interpretación del gesto se desvió hacia un movimiento más amplio del cuerpo en lugar de un simple movimiento de pata; las superposiciones de texto y la marca temporal perdieron estabilidad al animar los píxeles detrás, provocando borrosidad y errores de OCR; y el felpudo se trató a menudo como una textura en vez de un plano 3D real, lo que generó distorsiones geométricas en las letras conforme el zorro se movía.

Conclusiones y recomendaciones prácticas. Usar un LLM para diseñar prompts es un multiplicador de eficiencia para flujos multimodales. Para mejorar resultados conviene ser extremadamente específico en la fase de imagen sobre ángulos de cámara, lente y estética lumínica, y en la fase de video describir con precisión articulaciones, restricciones de cámara y la física esperada para objetos rígidos. Anticipar que los fondos y overlays textuales son puntos débiles y considerar máscaras o capas separadas para texto y elementos GUI cuando sea posible.

Sobre Q2BSTUDIO. En Q2BSTUDIO somos una empresa de desarrollo de software y aplicaciones a medida especializada en soluciones de inteligencia artificial e integración de modelos, ciberseguridad y servicios cloud. Ofrecemos desarrollo de aplicaciones a medida y software a medida para proyectos que requieren desde prototipos de IA hasta productos escalables y seguros. Si buscas potenciar procesos con IA para empresas o construir agentes IA a medida podemos ayudarte con estrategias completas y despliegues en servicios cloud aws y azure. Con experiencia en seguridad y pentesting garantizamos que las soluciones cumplen requisitos de protección y cumplimiento.

Si quieres ver cómo aplicamos inteligencias generativas y soluciones a medida en proyectos reales conoce nuestras opciones de Inteligencia artificial y solicita una consultoría para integrar agentes IA, servicios inteligencia de negocio o Power BI. Para desarrollar aplicaciones concretas y multiplataforma consulta nuestra oferta de aplicaciones a medida.

Palabras clave integradas naturalmente: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi. Si te interesa un prototipo de video generativo o un pipeline de model chaining personalizado, en Q2BSTUDIO diseñamos la arquitectura, los prompts y la integración con despliegue seguro en la nube para que pases de la prueba de concepto al producto listo para producción.