10 emociones y 10 animaciones para que tu video con IA no suene robótico
La lista que prometí en el video: cómo dirigir tu voz clonada en Eleven v4 con Audio Tags, las 10 animaciones que le pido a Claude en Remotion, y el prompt exacto de cada una.
Por Annder Rey · 6 min de lectura
Si llegaste comentando "VOZ", esta es la lista. Y empiezo por lo que dije en el video, porque es la idea que ordena todo lo demás: tu video hecho con IA no suena robótico por culpa de la IA. Suena robótico porque le hablas como a un robot.
Le pegas el texto plano a ElevenLabs y te devuelve una lectura plana. Le pides a Claude "anima esto" y te devuelve la animación de siempre. Mismo tono, misma velocidad, mismas transiciones durante todo el video. Y la gente se va en el segundo dos.
La regla que uso es simple: una emoción por frase, y una animación por idea. El resto de esta guía es cómo aplicarla.
Si todavía no tienes montado el proyecto de Remotion con Claude, empieza por la guía paso a paso del video anterior. Esta asume que ya tienes eso funcionando.
Parte 1: la voz
Cómo funcionan los Audio Tags
Eleven v4 —el modelo de voz más reciente de ElevenLabs— interpreta indicaciones entre corchetes, como si le hablaras a un actor de doblaje. Los tags van en inglés y el texto en tu idioma:
[curious] ¿Sabías que Eleven v4 tiene más de treinta emociones?
[amazed] Y además puedes inventar las tuyas.Las reglas que hay que saber:
El tag va justo antes de las palabras que quieres afectar, y dura hasta que pongas otro. Si pones [excited] al inicio de un párrafo, todo el párrafo sale emocionado. Para cambiar de emoción, cambias de tag en el punto exacto del cambio.
Una emoción por frase. Si pones dos tags opuestos sobre las mismas palabras, la interpretación sale borrosa — ni una cosa ni la otra.
Puedes combinar y puedes inventar. Separa rasgos con comas dentro del mismo corchete ([serious, slower], [whispers, playful]) o describe la situación en lenguaje natural ([starting calm, then losing patience], [nervous, trying to sound confident]). Los tags no son una lista cerrada: son instrucciones.
No hay SSML ni control de velocidad. En v4 el ritmo se maneja desde el texto: [rushed] para acelerar, [slowly] para frenar, [pause] o [long pause] para un silencio claro, puntos suspensivos para una pausa corta y MAYÚSCULAS para enfatizar una palabra.
Los tags, por familia
Estos son los que ElevenLabs documenta oficialmente. Antes de usar uno, escúchalo con tu propia voz clonada — no todos le quedan igual de bien a todas las voces.
| Para qué | Tags |
|---|---|
| Alta energía | excited, playful, amazed, powerful, proud, optimistic, startled |
| Tensión | anxious, stressed, scared, confused, vulnerable, busy |
| Enojo o crítica | critical, bitter, mad, aggressive |
| Baja energía | tired, bored, distant, let down |
| Calma y reflexión | thoughtful, curious, trusting, peaceful, content |
| Volumen | whispers, softly, quietly, shouts |
| Ritmo | slowly, rushed, snappy, drawn out, pause, long pause |
| Reacciones humanas | sighs, laughs, gasps, clears throat, gulp |
Las 10 emociones del video
Así quedó el guion de voz, escena por escena. Úsalo como plantilla y cambia el texto por el tuyo:
01 [flat, monotone] Tu video hecho con IA no suena robótico por la IA…
[critical] suena robótico porque le hablas como a un ROBOT.
02 [bored] Mismo tono… misma velocidad… mismas transiciones.
[startled] Y la gente se va en el segundo dos.
03 [thoughtful] La regla es simple: una emoción por frase… y una
animación por idea. [optimistic] Mira.
04 [curious] ¿Sabías que Eleven v4 tiene más de treinta emociones?
[amazed] Y además puedes inventar las tuyas.
05 [rushed] Si quieres urgencia, se lo dices… [slowly] y si quieres
tensión… lo bajas… así. [pause] [playful] ¿Lo notaste?
06 [sighs] Lo que más delata a una IA es que nunca respira.
[laughs] Ponle un suspiro… o una risa… y cambia todo.
07 [confident, clear] Para explicar números, pídele a Claude un
gráfico que se construya… mientras hablas.
08 [excited] ¿Quieres que se vea caro? Pídele 3D… y luces de
cámara reales.
09 [serious, slower] Pero ojo… si no defines tu estilo, Claude elige
por ti. Y elige lo mismo que para todos. [powerful] Tu paleta, tu
tipografía y tu voz… son lo que hacen que NO sea genérico.
10 [warm, trusting] Armé una lista con estas animaciones, los tags de
voz… y el prompt exacto para cada una. [playful] Comenta VOZ… y te
la envío.Fíjate en la escena 6: lo que más delata a una voz de IA es que nunca respira. Un [sighs] o un [laughs] bien puesto hace más por la naturalidad que cualquier ajuste técnico.
Trucos para que salga bien
Genera dos o tres tomas de cada bloque y quédate con la mejor. Los tags orientan la interpretación, no la garantizan.
Dale contexto completo. v4 interpreta mejor cuando lee la escena entera que una frase suelta. Yo genero varias escenas seguidas y después corto el audio por escena.
Si un tag se lee en voz alta (a veces el modelo dice "suspiro" en vez de suspirar), descríbelo en lugar de nombrarlo, o cámbialo por una emoción vecina: [let down] en vez de [despair], por ejemplo.
Las pausas exactas en segundos no se ajustan en la voz, se ajustan después en Remotion, moviendo dónde empieza cada escena.
Parte 2: las animaciones
Antes de los prompts: un requisito técnico
Pídele siempre a Claude que anime todo con el frame actual de Remotion (useCurrentFrame() e interpolate()), y nunca con animaciones CSS ni transiciones del navegador. Las animaciones CSS se ven bien en la vista previa pero no se renderizan bien en el video final: cada cuadro se dibuja por separado, y lo que no depende del frame no avanza o sale entrecortado.
Puedes dejarlo escrito una sola vez en tu CLAUDE.md para no repetirlo:
## Regla de animación
Toda animación se calcula a partir de useCurrentFrame() con
interpolate() o spring(). Prohibido usar animaciones o transiciones
CSS. Los tiempos se sincronizan con las marcas de tiempo por palabra
de la carpeta /transcripciones.Cada prompt de abajo asume que Claude ya tiene tu guía de estilo (paleta, tipografías) y el audio con sus marcas de tiempo, por eso solo describe el efecto. Pídelos de a uno, revisa en Remotion Studio, y ajusta antes de pasar al siguiente.
01 · Glitch de texto
Para un gancho que rompe una expectativa: lo que "está mal" se rompe, lo que "está bien" entra limpio.
En la escena 1, la primera frase entra en gris (Piedra) y se rompe
con un efecto glitch de 10 frames: desplazamiento horizontal por
franjas y separación de canales de color. La segunda frase entra
limpia con un spring, en mi tipografía de títulos, y la palabra
"ROBOT" en mi color de acento. Sincroniza cada frase con sus marcas
de tiempo.02 · Cuadrícula que se repite + zoom out
Para mostrar monotonía o "todo es igual".
Clona el mismo cuadro en una cuadrícula de 3×3 que se va llenando
cuadro por cuadro mientras suena "mismo tono… misma velocidad…
mismas transiciones". Cuando suene "se va", haz un zoom out brusco
(en unos 8 frames) y vacía la cuadrícula.03 · Máquina de escribir con cursor
Para enunciar una regla o una idea que quieres que se lea.
Escribe la frase letra por letra en mi tipografía de cuerpo, con un
cursor que parpadea, al ritmo de la voz. Cuando aparezcan "una
emoción" y "una animación", subráyalas con mi línea de acento
dibujándose de izquierda a derecha.04 · Rueda de etiquetas
Para presentar opciones o categorías.
Haz una rueda vertical de etiquetas en mi tipografía mono (excited,
curious, tired, playful, thoughtful…) que gire y frene con
desaceleración hasta detenerse en la emoción que está sonando. Al
final, una etiqueta en blanco se escribe sola: "[tu emoción]".05 · Subtítulos con ritmo
Para que el texto en pantalla siga la velocidad real de la voz.
Subtítulos palabra por palabra sincronizados con las marcas de
tiempo; la palabra activa en mi color de acento. En la parte
apurada, las palabras entran rápido y con un pequeño salto; en la
parte lenta, cada palabra entra sola con un zoom suave. En "¿Lo
notaste?" haz un zoom digital lento hacia el centro.06 · Onda de audio reactiva
Para escenas donde la voz misma es la protagonista.
Dibuja la forma de onda del audio real de esta escena en mi color de
acento, reaccionando cuadro a cuadro al volumen. En el momento del
suspiro y de la risa, marca etiquetas flotantes "[sighs]" y
"[laughs]" sobre la onda, en mi tipografía mono.07 · Gráfico que crece
Para explicar cualquier número o comparación.
Gráfico de barras que crecen con spring al ritmo de la voz. Las
barras secundarias en gris claro y la barra protagonista en mi color
de acento. Encima de la protagonista, un contador que sube hasta la
cifra final con efecto resorte, en mi tipografía de títulos.08 · Tarjeta 3D + light leak
Para que una escena "se vea cara".
Usa @remotion/three para una tarjeta 3D con la fórmula P = E × IA que
gire lentamente con iluminación suave. Cierra la escena con una
transición de light leak (lightLeak de @remotion/effects) con
hueShift alrededor de 120 para que la luz sea verde, animando
progress con el frame actual.09 · Antes y después
Para cualquier comparación entre "genérico" y "con criterio".
Pantalla dividida: a la izquierda, la misma escena con un gradiente
azul-violeta y tipografía por defecto, tachada con una línea que se
dibuja; a la derecha, la versión con mi paleta y mi tipografía.
Etiquetas mono arriba de cada lado: SIN ESTILO / CON ESTILO.10 · Burbuja de comentario para el CTA
Para cerrar con una acción clara.
La palabra "VOZ" dentro de una burbuja de comentario en mi color de
acento claro, sobre fondo oscuro, que late suavemente una vez por
segundo (escala de 1 a 1.06 y vuelta). Abajo, el pie con mi usuario.Un recurso fijo que ayuda mucho
En mi video hay dos elementos que no cambian en ninguna escena: el contador 03 / 10 arriba a la derecha, y abajo una etiqueta mono con el tag de voz que está sonando, por ejemplo [curious]. El contador sube la tasa de gente que se queda hasta el final, y la etiqueta convierte el video en su propia demostración: el espectador ve la emoción y la escucha al mismo tiempo.
Agrega a todas las escenas un componente fijo: arriba a la derecha
el contador de escena (formato "03 / 10") y abajo una etiqueta mono
con el tag de voz activo, que cambia exactamente cuando cambia el
tag según las marcas de tiempo.Parte 3: cómo juntarlo todo
El orden importa: primero la voz, después la animación. Las escenas se ajustan a la duración real de cada bloque de audio, no al revés.
- Escribe el guion con un tag por frase.
- Escucha las emociones con tu voz clonada antes de decidir los tags finales.
- Genera cada bloque en Eleven v4, dos o tres tomas, y elige la mejor.
- Transcribe cada audio con marcas de tiempo por palabra.
- Pídele a Claude cada animación, una escena a la vez, con los prompts de arriba.
- Revisa en Remotion Studio, ajusta tiempos y pausas, y renderiza.
Consejos finales
No uses las diez animaciones en un video de veinte segundos. La regla es una animación por idea, y si tu video tiene tres ideas, son tres animaciones. Las diez están aquí para que elijas, no para que las metas todas.
Y lo de la escena 9 va en serio: si no le das a Claude tu paleta, tu tipografía y tu forma de hablar, elige por ti, y elige lo mismo que para todo el mundo. La IA pone la velocidad; tu estilo y tu criterio ponen el resultado. De eso va todo este blog.
Fuentes: Audio Tags de Eleven v4, rango emocional de Eleven v4, SSML y Audio Tags, guía de prompts para Eleven v4 de Morphic y Light Leaks en Remotion.
Una voz que respira y una animación que acompaña la idea no son trucos técnicos: son decisiones. La IA las ejecuta en segundos, pero alguien tiene que tomarlas.