Saltar al contenido
← Canción a canciónVideoclips con IA: lo que se puede imaginar y lo que hay que decidir

Por ·

Videoclips con IA: lo que se puede imaginar y lo que hay que decidir

Al pulsar se carga contenido de YouTube, que puede instalar sus propias cookies. Política de cookies

Cada vez que alguien descubre cómo están hechos mis videoclips, la conversación suele ir hacia el mismo sitio: «entonces lo hace la máquina». Y entiendo de dónde viene la frase. Con inteligencia artificial se puede imaginar casi cualquier cosa. Una pirámide de cristal con el suelo convertido en pista de baile. Un torero con alas bajo una cúpula de hierro. Un chihuahua solo, en sombra, delante de un sol rosa enorme. Si lo puedes describir, hoy existe una herramienta capaz de devolverte una imagen parecida.

Pero imaginar no es lo mismo que hacer un videoclip. Un videoclip es una sucesión de decisiones, y casi ninguna de ellas la toma la herramienta. Lo cuento siempre de la misma manera porque me parece lo justo: soy letrista, compositor y productor musical, la música y la interpretación vocal de mis canciones se hacen con IA, y con los vídeos hago de montador más que de director, porque elijo entre muchísimas imágenes generadas, las corto y las ordeno.

Este texto va de esa segunda parte. De lo que queda por decidir cuando la imaginación ya no es el problema.

Lo que se puede imaginar

Empiezo por lo fácil, que es también lo más vistoso. El vídeo que acompaña a este post es el de «Louvre», y es un buen ejemplo de hasta dónde llega lo imaginable. El Louvre del clip es un decorado inventado: tiene la pirámide de cristal en el centro, el palacio de piedra alrededor, las farolas encendidas, la fuente. Todo es reconocible y, a la vez, todo está un poco desplazado. El suelo brilla con rayas de luz rosa y azul como si fuera la pista de un club, la fuente echa agua fucsia, y en el interior el palacio se ha convertido en discoteca. Lo conté con calma en el recorrido escena a escena por el videoclip de «Louvre».

Tres fotogramas del videoclip de «Louvre»: una chica con vestido negro ante la pirámide iluminada sobre un suelo con rayas de neón, otra con vestido rojo en una sala de espejos con bolas de discoteca y una bailarina de espaldas frente a la pirámide

En otros vídeos lo imaginable va por otro lado. En «No te vuelvo a mirar más» hay un torero con alas que pasa buena parte del clip bajo una cúpula enorme de hierro y cristal, como la de un invernadero antiguo, con la luz cayéndole encima en polvo dorado. En el de «El calcetín» hay una verja dorada, un cojín que va en el carrito del supermercado y un flamenco hinchable, y lo repasé plano a plano en este otro post. Nada de eso habría sido fácil de conseguir con el presupuesto de un proyecto independiente si hubiera tenido que construirlo, alquilarlo o pedir permisos de rodaje.

Así que sí: la imaginación, hoy, sale barata. Y precisamente por eso deja de ser lo que distingue un vídeo de otro.

Lo que hay que decidir

Cuando cualquier imagen es posible, la pregunta ya no es «¿se puede?», sino «¿cuál, cuándo y para qué?». Estas son las seis decisiones que, en mi caso, ocupan casi todo el trabajo.

### 1. Qué imagen se queda y cuál se descarta

La primera decisión es la más silenciosa. Para un solo plano que acaba en el vídeo hay muchas imágenes generadas que no llegan. Algunas fallan por detalles técnicos que cualquiera reconoce: una mano rara, una cara que cambia de un segundo a otro, un fondo que se deshace. Pero la mayoría de las que descarto no tienen ningún error. Simplemente no son la canción.

Esto es lo que más me cuesta explicar a quien no ha montado nunca. Una imagen puede ser preciosa y estar de más. Una mariposa espectacular delante de la pirámide no sirve si la estrofa que suena en ese momento pide algo pequeño. Elegir es, sobre todo, renunciar, y en un trabajo en el que las opciones son prácticamente infinitas, renunciar bien es casi todo el oficio.

### 2. En qué orden se cuenta

La segunda decisión es el montaje propiamente dicho. Un videoclip no es una galería de imágenes bonitas puestas en fila: es una forma de contar en el tiempo. Qué se ve primero, qué se guarda para el final, cuándo vuelve un escenario que ya habíamos visto.

En «Louvre» el orden hace casi todo el trabajo. El clip se toma su tiempo para enseñar el palacio desde lejos de vez en cuando, como si quisiera recordarnos dónde estamos antes de volver a meterse entre los cuerpos. Y el último plano cierra el círculo: dos chicos vuelan en horizontal delante de una pirámide dibujada con líneas de neón rosa. La pirámide ya no es de cristal, es un dibujo de luz, casi un cartel de club. El monumento termina convertido en lo que el vídeo quería que fuese desde el principio: un lugar de fiesta. Ese cierre no lo «imagina» nadie por separado. Aparece porque alguien decide que ese plano va al final y no a la mitad.

En «El calcetín» pasa algo parecido con los cortes serios: entre escenas absurdas de cojines y almohadas, el vídeo mete planos de un chico engominado de perfil, casi de anuncio de colonia, que sirven de contraste. Si estuvieran en otro sitio, el chiste no funcionaría.

### 3. Que nadie del vídeo sea alguien

La tercera decisión es ética antes que estética, y para mí no es negociable: las personas que aparecen en mis videoclips están generadas y no representan a nadie real. Lo he dicho en otros textos del blog y lo repito aquí porque es una de las preguntas que más me hacen.

Con estas herramientas sería técnicamente posible poner la cara de cualquiera en cualquier situación. Justo por eso hay que tener muy claro dónde no se va. Mis canciones hablan a menudo de exparejas, de narcisistas, de impostores, de gente que miente y jura. Son personajes, y el vídeo tiene que dejar claro que son personajes. Si el protagonista de una canción sobre un ex se pareciera a una persona concreta, el clip dejaría de ser una ficción para convertirse en otra cosa, y eso no lo quiero.

### 4. Cuánto se parece un lugar real

La cuarta decisión es más sutil. «Louvre» usa un sitio que existe, y además uno de los más fotografiados del mundo. Pero lo usa desplazado: suelo de neón, agua fucsia, un palacio convertido en discoteca, chicos que flotan sobre la pirámide en un haz de luz. Hay un plano breve en el que se ve al fondo, pequeña e iluminada, la torre de hierro más famosa de París. Nadie que vea el clip va a pensar que eso pasó de verdad una noche en el museo.

Y esa es exactamente la línea que importa. La Comisión Europea, en sus preguntas frecuentes sobre el artículo 50 del Reglamento de Inteligencia Artificial, explica que para que algo cuente como deepfake tienen que darse tres condiciones a la vez: un parecido alto con lo que simula, que eso simulado exista o pueda existir de forma verosímil, y que el contenido pueda parecer auténtico o verdadero a quien lo ve. Un decorado que se parece al Louvre pero tiene fuentes fucsias y gente volando juega claramente en el terreno de la fantasía. Decidir cuánto se parece algo a la realidad, y cuánto se aleja, forma parte del montaje tanto como el color o el ritmo.

### 5. Decir cómo está hecho

La quinta decisión es contarlo. En mi web hay una política editorial con un apartado de transparencia sobre la IA, y en mis textos lo repito casi como una muletilla: yo escribo las letras y produzco las canciones, la música y la interpretación vocal se hacen con inteligencia artificial, y las imágenes de los videoclips se generan con herramientas de IA a partir de mis ideas.

No es solo una cuestión de principios. Las reglas también van en esa dirección. YouTube pide desde el 18 de marzo de 2024 que los creadores indiquen, al subir un vídeo, cuándo un contenido realista ha sido alterado o generado de forma sintética, y en ese caso muestra una etiqueta en la descripción. Y en la Unión Europea, el artículo 50 del Reglamento de IA se aplica desde el 2 de agosto de 2026: quien use un sistema de IA para generar o manipular imagen, audio o vídeo que constituya un deepfake tiene que decir que el contenido es artificial. Para las obras que son evidentemente artísticas, creativas, satíricas o de ficción, el propio texto limita esa obligación a revelar que existe contenido generado «de una manera adecuada que no dificulte la exhibición o el disfrute de la obra».

Me gusta esa formulación, porque describe bastante bien lo que intento hacer: decirlo claro, en el sitio donde la gente lo va a leer, sin poner un cartel encima de cada plano que estropee la canción. Quien quiera saber cómo funciona tiene la respuesta en la descripción, en la web y en cada texto del blog. Quien solo quiera bailar, que baile. Hablé de la otra cara de esta relación, la de la IA como personaje dentro de las propias canciones, en este artículo sobre «Discutiendo con la IA».

### 6. Que todo parezca el mismo planeta

La sexta decisión es la que une todas las demás. Cuando cada plano puede tener cualquier estética, el riesgo es que un videoclip parezca un muestrario y que diez videoclips parezcan diez proyectos distintos. Por eso Planeta Gayfolk tiene una identidad visual propia que defino y dirijo de principio a fin: portadas, videoclips, títulos y concepto.

Si uno recorre el canal desde la página de vídeos, hay cosas que se repiten a propósito. Rosas y fucsias por todas partes. Neones por el suelo y en los pasillos. Trajes de luces que aparecen donde menos te los esperas. Planetas enormes en el cielo, a veces con dos lunas. Construcciones de cristal, de la pirámide del Louvre a la cúpula de «No te vuelvo a mirar más», que ya junté en otro post sobre las casas de cristal de Planeta Gayfolk. Nada de eso sale solo. Es el resultado de descartar, una y otra vez, imágenes que estaban bien pero que no eran de este planeta.

Esa coherencia también se ve fuera de los clips largos. En la galería están las fotos con las que me presento, y en los shorts hay piezas mucho más breves, pensadas para el móvil, donde la elección todavía pesa más: en pocos segundos no hay sitio para un plano que sobre.

Lo que no decide la máquina

Hay una idea que se repite mucho cuando se habla de vídeo con inteligencia artificial: que, si cualquiera puede generar imágenes, ya no hay mérito. Yo lo veo justo al revés. Cuando producir una imagen deja de ser caro, lo único que queda para distinguir un trabajo de otro es el criterio. Qué se elige, en qué orden, qué no se enseña nunca, cómo se cuenta y cómo se mantiene un mundo reconocible de un vídeo a otro.

Un ejemplo pequeño, que conté en el post sobre el videoclip de «Chihuahua»: hay un chico de rosa en el clip, con trajes que cambian, pero el que manda es el perro. Hay muchos planos en los que el chihuahua está solo, corriendo por la arena o de perfil ante el sol. Esa jerarquía, quién protagoniza y quién acompaña, no viene de ninguna herramienta. Viene de mirar muchas imágenes y decidir qué historia cuentan juntas.

Lo mismo pasa con algo tan concreto como el título. En el canal, los vídeos llevan el nombre de la canción seguido de «VIDEOCLIP OFICIAL» y «PLANETA GAYFOLK». Es una decisión pequeña, casi burocrática, pero dice algo: esto pertenece a un universo, y ese universo tiene nombre.

Una forma de mirar

Si tuviera que resumirlo en una frase, diría que la inteligencia artificial me ha quitado el problema de no poder imaginar en grande, pero no me ha quitado ninguna de las preguntas importantes. Al contrario: las ha puesto todas delante, a la vez, sin excusas de presupuesto. Ya no puedo decir «no lo hice porque no se podía». Solo puedo decir «no lo hice porque no era la canción».

Hay quien ve en todo esto una amenaza y hay quien ve una herramienta para quienes nunca tuvieron un plató. Las dos cosas pueden ser ciertas a la vez. Yo me quedo con mirar los vídeos con calma, y en el diario de Planeta Gayfolk hay una audioguía no oficial del videoclip de «Louvre» que mira el mismo vídeo desde fuera, como quien recorre un museo con unos cascos puestos. Si después de leer esto vuelves a ver el clip que hay arriba, prueba a fijarte menos en lo que aparece y más en lo que falta. Ahí, en lo que no está, es donde se ven las decisiones.

Compartir