Prompts para vídeos UGC con IA en MiniMax H3: anuncios que parecen grabados por un creador real
Chywe, responsable de producto en HelloGenUn anuncio UGC con IA que funciona necesita tres cosas: alguien que parezca haberlo grabado con su celular, un producto idéntico al que vendes en tu tienda y una frase que suene a recomendación de amiga. MiniMax H3 (Hailuo 3.0) puede lograr las tres en una sola generación: toma tus fotos como referencia y hace hablar a la creadora con sincronización labial en español, portugués, inglés y los demás idiomas que admite. En resumen: nombra cada foto como un <Subject>, indica en retention_analysis lo que no puede cambiar y pon cada frase hablada dentro de <d>[Spanish] … </d>, con la etiqueta del idioma siempre en inglés ([Portuguese], [English]…). A continuación te explicamos por qué importa cada paso y te dejamos una plantilla de 15 segundos. Los dos clips de esta página se generaron en HelloGen con el prompt que verás más abajo.
✦ Prueba MiniMax H3 Unlimited
Tres cosas que casi todos los prompts UGC olvidan
La mayoría de los prompts UGC resuelven la parte difícil: adjuntan una foto de la creadora y otra del producto. Y luego el texto lo echa todo a perder.
| Lo que suele faltar | Qué sale mal | Cómo arreglarlo |
|---|---|---|
| Un nombre para cada foto | El modelo tiene que adivinar qué foto es la persona y cuál es el producto | <Subject 1> is the woman in <Picture 1>; <Subject 2> is the bottle in <Picture 2> |
| Una frase que diga qué no puede cambiar | El producto sale con otra forma, otro color u otra etiqueta | retention_analysis: exact shape, colours and label, fully_preserved |
| Marcadores de diálogo en cada frase | Sonidos que parecen palabras pero no dicen nada, o la frase correcta en boca del personaje equivocado | (S1) says: <d>[Portuguese] …</d> |
Dos fotos, dos papeles: la creadora y el producto
Adjunta primero la foto de la creadora y después la del producto, y di cuál es cuál. En el generador de vídeo de HelloGen, escribe @ y elígelas; H3 las recibe como <Picture 1> y <Picture 2>. La sintaxis de referencias de MiniMax convierte cada foto en un sujeto que luego puedes nombrar en cualquier toma (h3-prompt-writing en GitHub):
<Subject 1> is the woman in <Picture 1>, mid-twenties, dark curly hair, oversized cream sweater. <Subject 2> is the serum bottle in <Picture 2>.
(Es decir: <Subject 1> es la mujer de <Picture 1>, de unos veinticinco años, cabello oscuro y rizado, suéter holgado color crema; <Subject 2> es el frasco de sérum de <Picture 2>.)
Luego, dos reglas para que el producto siga siendo el tuyo:
- No describas el producto en las tomas. En nuestras pruebas con H3, cada vez que el texto y la foto no coincidían, ganaba el texto: a una taza le apareció un asa que no tiene, otro producto se volvió plateado porque el texto decía «silver» (plateado) ocho veces y un tercero perdió el logo. Escribe «keeps its exact shape, colours and label» (conserva su forma, sus colores y su etiqueta exactos) en retention_analysis y no digas nada más del producto.
- Que copie el producto, no la foto. Agrega «do not reuse the reference’s background» (no reutilices el fondo de la referencia). Sin esa frase, en el último segundo de uno de nuestros clips de lanzamiento apareció pegada la foto del producto tal cual, con su fondo blanco, como si la creadora llevara un cartel en el pecho.
Sobre las fotos: la del producto, con un solo producto centrado sobre fondo liso, la etiqueta hacia la cámara y sin manos; la de la creadora, con una sola persona, la cara grande en el encuadre y la ropa que llevará en el anuncio, como las dos de abajo. Que el texto de la etiqueta sea grande y sencillo: en nuestros clips, la palabra MIRA siempre se leyó bien; la letra pequeña de debajo, en cambio, salió borrosa.
Un vídeo UGC de 15 segundos, segundo a segundo
La mayoría de los anuncios UGC siguen la misma estructura: gancho, prueba, veredicto y llamado a la acción. En H3, los tiempos importan tanto como la estructura: una frase hablada cada 3 o 4 segundos y cualquier tramo sin voz marcado como silencio. Si dejas un hueco sin indicar, el modelo lo rellena con frases que nunca escribiste.
| Tiempo | Toma | En pantalla | Sonido |
|---|---|---|---|
| 0:00–0:03 | Gancho: plano medio, cámara frontal | La creadora mira a cámara con el producto en la mano | La frase del gancho |
| 0:03–0:08 | Prueba: primer plano, la cara fuera de cuadro | La prueba visible: el gotero, la textura, las burbujas, cómo queda puesto | Solo el sonido del producto; se indica que nadie habla |
| 0:08–0:12 | Reacción: vuelve a verse la cara | Baja el producto, reacciona y luego habla | La frase del veredicto |
| 0:12–0:15 | Cierre: el producto junto a su cara | La etiqueta de frente a cámara; la imagen se estabiliza | Un llamado a la acción suave |
Frases con buena sincronización labial, en el idioma de tus clientes
Primero la acción, después la frase. Cada frase va en una toma en la que la creadora mira a cámara con la boca visible; la acción ocurre antes o después, en silencio. «She takes a sip, lowers the can, then says…» (da un sorbo, baja la lata y entonces dice…): bajar la lata es lo que deja la boca a la vista. Las frases dichas mientras bebe o muerde, o sobre un primer plano del producto, son justo las que rompen la sincronización labial.
Marcadores, ID de quien habla y etiqueta de idioma. <Subject 1>, a woman in her twenties with a bright, quick Brazilian Portuguese voice (S1), says: <d>[Portuguese] Gente, olha a textura desse sérum.</d> (una mujer de veintitantos años, con una voz alegre y rápida, en portugués de Brasil, dice: «Gente, miren la textura de este sérum»). La guía de MiniMax pide escribir el resto del prompt en inglés y cada frase, palabra por palabra, en el idioma en que se dice, con la descripción de quien habla (acento incluido) antes de «says:».
No pongas nada justo después de </d>. El texto pegado al marcador de cierre se lee en voz alta: en una de nuestras pruebas, el modelo recitó una descripción de voz palabra por palabra. Empieza la siguiente acción aparte, como un momento nuevo.
Los datos los pones tú. Si el frasco dice 30 ml, la frase puede decir 30 ml. Pero un resultado, un ingrediente o una cifra que la página de tu producto no respalde no tiene cabida en la frase.
Cinco formatos UGC y la toma clave de cada uno
La estructura es la misma; lo que cambia es la toma de prueba. Elige el formato según lo que tu cliente necesite ver para creerte.
| Formato | La toma que vende | Cuidado con |
|---|---|---|
| Unboxing | El primer vistazo al producto cuando sale de la caja | La cinta, los cierres y las tapas son lo que peor resuelven los modelos de vídeo: corta de la caja cerrada al producto ya en la mano |
| Reseña o prueba de sabor | Una prueba que se vea: el sorbo, la aplicación sobre la piel, la mezcla | La frase va después del sorbo, nunca durante |
| Problema → solución | Primero, el problema en pantalla; luego, el producto que lo resuelve | La misma persona y el mismo lugar en las dos mitades |
| Antes / después | Mismo encuadre, misma luz, una mitad junto a la otra | Si las dos tomas no coinciden, parecerán dos productos distintos |
| Try-on (probarse la ropa) | Un giro frente a la cámara que muestra cómo queda | Deja que la foto defina el outfit; no lo vuelvas a describir |
Prompt UGC listo para copiar: vídeo de producto de 15 segundos
Dos referencias: primero la creadora, después el producto. En el generador de vídeo de HelloGen son @Image1 y @Image2; H3 las recibe como <Picture 1> y <Picture 2>. Formato vertical 9:16, 15 segundos. Cambia las fotos, el lugar y las frases por los tuyos, pero deja la estructura igual.
El prompt tiene seis bloques: subject_definitions (quién, qué y dónde), summary (el anuncio en una frase), retention_analysis (lo que no puede cambiar), detailed_description (toma por toma, con las frases), overall_soundscape (el sonido ambiente) y non_diegetic_music (la música de fondo; N/A significa sin música). Las frases están en portugués de Brasil, igual que en el clip; en español serían «Gente, miren este sérum que me llegó», «Súper ligero, no queda pegajoso» y «El link está aquí abajo». La versión completa en español está en la sección siguiente.
subject_definitions: <Subject 1> is the woman in <Picture 1>, mid-twenties, dark curly hair, oversized cream sweater. <Subject 2> is the serum bottle in <Picture 2>. <Subject 3> is her bathroom: white tiles, a round mirror, a small plant on the shelf, soft morning light from a window at frame left.
summary: [reference generation] A phone-filmed UGC ad: <Subject 1> shows <Subject 2> to her front camera in <Subject 3>, tries it on the back of her hand and gives a short verdict.
retention_analysis: <Subject 1> (appears in [Shot 1], [Shot 3], [Shot 4]): fully_preserved - face, curly hair and cream sweater are retained. <Subject 2> (appears in [Shot 1], [Shot 2], [Shot 3], [Shot 4]): fully_preserved - exact shape, colours and label, readable whenever it faces the camera. Do not reuse either reference’s background.
detailed_description: Vertical handheld phone footage with slight natural shake, real skin texture, no filters, no on-screen text. [Shot 1] Waist-up, front camera at arm’s length: <Subject 1> faces the lens holding <Subject 2> beside her cheek. <Subject 1>, a woman in her twenties with a bright, quick Brazilian Portuguese voice (S1), says: <d>[Portuguese] Gente, olha esse sérum que chegou.</d> [Shot 2] At 00:03.000, the shot cuts to a close-up of her hands: she squeezes the dropper once onto the back of one hand and spreads the drop with two fingers; it glistens in the window light. No one speaks; only the soft click of the dropper. [Shot 3] At 00:08.000, back to the front camera: she lowers her hand, looks into the lens, and (S1) says: <d>[Portuguese] Super leve, não fica grudando.</d> [Shot 4] At 00:12.000, she lifts <Subject 2> beside her face with the label to the lens; the camera settles, and (S1) says: <d>[Portuguese] O link tá aqui embaixo.</d>
overall_soundscape: A small tiled bathroom with a light echo, the dropper’s click, a soft rub of skin, distant street noise through the window.
non_diegetic_music: N/A
El mismo anuncio en otro mercado: otras frases, otro acento
Para cambiar de mercado basta con reescribir las tres frases y el acento en la descripción de la voz. Lo demás no se toca: mismas fotos, mismas tomas, mismos tiempos. Para compradores hispanohablantes:
<Subject 1>, a woman in her twenties with a bright, quick Latin American Spanish voice (S1), says: <d>[Spanish] Miren el sérum que me llegó.</d> … <d>[Spanish] Súper ligero, no se siente pegajoso.</d> … <d>[Spanish] El link está aquí abajo.</d>
En inglés, el gancho podría ser <d>[English] Okay, look what just came in.</d> (algo así como «Bueno, miren lo que me acaba de llegar»). Genera una versión por mercado con las mismas fotos y tendrás una campaña multilingüe con la misma creadora y el mismo frasco en todas.
Juega limpio y etiqueta tu vídeo en TikTok
El UGC con IA está permitido; hacerlo pasar por un cliente real, no. TikTok exige a los creadores etiquetar el contenido realista generado con IA (sala de prensa de TikTok). En Estados Unidos, la regla de la Comisión Federal de Comercio (FTC) sobre reseñas y testimonios, anunciada en agosto de 2024, prohíbe los testimonios falsos, incluidos los creados con IA y atribuidos a personas que no existen (FTC). Tres hábitos para que tu anuncio no cruce la línea: activa la etiqueta de contenido generado por IA de TikTok, presenta a la creadora como alguien que muestra el producto, no como una compradora que cuenta sus resultados, y promete solo lo que respalda la página del producto. TikTok Shop tiene sus propias reglas para los vídeos con enlace de compra, así que revisa la versión vigente antes de publicar. Esto es información general, no asesoría legal.
Prueba diez ganchos y quédate con el mejor, a 0 créditos por clip
El gancho decide si alguien se queda a ver el resto, y la forma más confiable de dar con uno bueno es generar varios. Ahí es donde H3 Unlimited se gana su lugar: con HelloGen Pro (desde 19,90 US$ al mes) y Max, MiniMax H3 Unlimited cuesta 0 créditos por clip y no tiene límite diario. Tienes al menos 2 clips prioritarios al día en Pro y 5 en Max; a partir de ahí, se generan a velocidad estándar. Deja fijas las fotos y la estructura, cambia solo la frase del gancho y genera una versión tras otra. Después, repite el proceso en el idioma de cada mercado.
Pro genera a 480p, y el escalador de vídeo duplica la resolución del clip ganador por 2 créditos cada 15 segundos; Max añade 720p HD ilimitado. Para la versión final, con los créditos de tu plan también puedes usar MiniMax H3 en 2K nativo (la versión que se paga con créditos), Seedance 2.5, Kling 3.0 y Veo 3.1. Y si escribir etiquetas y marcadores no es lo tuyo, describe el anuncio con tus palabras, adjunta las dos fotos y haz clic en ✦ Mejorar. Esta función reescribe tu idea en el formato de referencias de H3 y está pensada para respetar tus frases al pie de la letra, sin agregar otras (aun así, revisa el resultado antes de generar). Cuesta 2 créditos y solo se cobra si sale bien. ¿Prefieres un personaje que aparezca en cada episodio en lugar de un anuncio suelto? La guía de prompts de MiniMax H3 para series cortas explica cómo mantener las mismas caras y voces de un episodio a otro.
Fuentes
- Skill h3-prompt-writing de MiniMax-H3 en GitHub: nombres de las referencias, retention_analysis, marcadores de diálogo, etiquetas de idioma y la descripción de quien habla (acento incluido) antes de la frase.
- Sala de prensa de TikTok, 9 de mayo de 2024: los creadores deben etiquetar el contenido realista generado con IA.
- FTC, agosto de 2024: la regla final que prohíbe las reseñas y los testimonios falsos, incluidos los generados con IA.
- Los clips de esta página: generados con MiniMax H3 Unlimited en HelloGen a 720p, en octubre de 2026, con los prompts que se muestran.
- Pruebas propias de HelloGen con H3, septiembre de 2026: texto frente a foto, reutilización del fondo de una foto de producto y texto después de </d>.
- Artículos relacionados: guía de prompts de MiniMax H3 para series cortas y por qué MiniMax H3 dice palabras sin sentido (en inglés).
Preguntas frecuentes
¿Se pueden hacer anuncios UGC de productos con MiniMax H3?
Sí. En el modo Referencia Omni, H3 toma una foto de la creadora y otra del producto, genera clips verticales 9:16 de 4 a 15 segundos y la creadora dice las frases con sincronización labial, en el idioma en que las escribas. Define las dos fotos como sujetos y deja el producto fuera de la descripción de las tomas.
¿Cómo consigo que mi producto salga idéntico en un vídeo UGC con IA?
Adjunta una foto limpia del producto, defínelo con <Subject 2> is the bottle in <Picture 2>, márcalo como fully_preserved en retention_analysis y agrega «do not reuse the reference’s background». No describas su color, material ni logo en las tomas: cuando el texto y la foto no coinciden, gana el texto.
¿Cómo hago que un creador UGC con IA hable en español o portugués?
Escribe la frase en ese idioma dentro de los marcadores de diálogo de H3 y agrega la etiqueta de idioma, así: (S1) says: <d>[Spanish] la frase.</d> Indica el acento en la descripción de quien habla, antes de «says:»; por ejemplo, «a bright, quick Latin American Spanish voice» o «a bright, quick Brazilian Portuguese voice». El resto del prompt va en inglés.
¿Cuánto debe durar un anuncio UGC con IA?
Quince segundos bastan para meter en un solo clip de MiniMax H3 un gancho, una prueba visible, un veredicto y un llamado a la acción suave. Si el anuncio es más corto, recorta la toma de prueba, no una frase; si es más largo, une dos clips en un editor de vídeo.
¿Se permiten los vídeos UGC hechos con IA en TikTok y TikTok Shop?
Sí, TikTok los permite, pero exige a los creadores etiquetar el contenido realista generado con IA. Además, en Estados Unidos están prohibidos los testimonios falsos, incluidos los de personajes de IA presentados como clientes reales. Activa la etiqueta de IA y muestra el producto en lugar de contar resultados inventados. TikTok Shop aplica sus propias reglas a los vídeos con enlace de compra, así que revisa su política vigente antes de publicar.
¿Por qué la creadora sigue hablando después de terminar su frase?
Una frase corta en un clip largo deja segundos libres que el modelo rellena por su cuenta, y además el texto que va justo después de </d> se lee en voz alta. Pon una frase cada 3 o 4 segundos o indica qué tramos van en silencio, describe el sonido ambiente y deja las indicaciones antes de «says:».