Por qué tus AI Shorts parecen material de archivo, y las cuatro cosas que lo solucionan

La «bazofia de IA» es un insulto útil y un diagnóstico inútil. Describe la sensación de ver algo ensamblado en lugar de hecho, pero no te dice qué decisión produjo esa sensación, así que tampoco puede decirte qué cambiar.

Hay cuatro cosas que hacen casi todo el trabajo, y las cuatro se pueden medir. Un plano en el que no pasa nada por dentro. Un ritmo de corte que sigue un cronómetro en vez de una frase. Cada clip llegando desde el mismo origen. Y los dos pequeños fallos de producción, fotogramas negros y silencio, que un editor humano elimina sin pensar y que un pipeline automatizado emite por defecto.

Las cifras de abajo provienen de un conjunto de referencia con precisión de fotograma, formado por diez documentales verticales con alta retención, siete en inglés y tres en turco, medidos plano a plano. Diez vídeos son una banda de referencia, no una ley de la física. Basta para desmontar algunos consejos dichos con rotundidad, y no basta para sustituirlos por una fórmula.

1. Dentro del plano no se desarrolla nada

La duración mediana del plano en el conjunto de referencia fue de 2,03 a 6,00 segundos.

La cifra de seis segundos es la interesante, porque el saber recibido dice que un plano vertical estático muere al cabo de unos dos. No es así. Muere cuando dentro no se desarrolla nada.

Son fallos distintos. Un plano de seis segundos de una multitud avanzando hacia cámara no es el mismo objeto que un plano de seis segundos de una fotografía fija, aunque un cronómetro no los distinga. El primero sigue dando información en el segundo cinco. El segundo entregó todo lo que tenía en el primer cuarto de segundo y pasó el resto pidiendo al espectador que espere.

Por eso el consejo de «cortar más rápido» funciona y a la vez engaña. Cortar más rápido sí arregla el síntoma, ya no te quedas en un fotograma muerto, pero lo arregla escondiéndolo. El problema de fondo es que el clip se eligió por su tema y no por su movimiento, y una biblioteca de clips elegida así se leerá como material de stock por muy rápido que recortes entre ellos.

Qué buscar en un clip candidato: ¿cambia algo dentro entre su primer fotograma y el último? El movimiento de cámara cuenta. El movimiento del sujeto cuenta. Un empuje lento sobre una imagen fija es un sustituto, y el espectador ha aprendido a reconocer el sustituto.

2. El ritmo de corte sigue un cronómetro, no una frase

Los cortes por minuto en el conjunto de referencia oscilaron entre 8,2 y 25,1.

Mira lo amplio que es. El extremo bajo es un corte cada siete segundos, el extremo alto es uno cada dos segundos y medio. Ambos estaban en el conjunto, y ambos sostenían la atención. Ese único dato desmonta en una línea el consejo sobre Shorts más repetido: no hay una velocidad de corte correcta. Hay una velocidad de corte correcta para lo que se está diciendo.

El patrón de debajo se enuncia más fácilmente que el número. El ritmo de corte sigue la densidad de la narración, no el reloj. Una frase que nombra tres lugares en ocho segundos quiere tres planos. Una frase que asienta un hecho contundente quiere un plano que se quede ahí mientras el hecho se registra.

Un pipeline automatizado que corta a intervalo fijo se equivoca en esto de una manera específica y reconocible: lo visual deja de coincidir con la frase. Llega una imagen nueva a mitad de una cláusula y la atención del espectador se sale de las palabras y salta al cambio. Hazlo cuarenta veces en un minuto y el resultado es agotador en vez de rápido, que es la queja real detrás de la mayoría de reacciones de «esto parece hecho con IA».

3. Cada clip vino del mismo sitio

Un render real, medido: trabajo b2e4b3eb, una pieza de 53,47 segundos sobre Nadia Comăneci en los Juegos Olímpicos de 1976. Catorce cortes, 15,7 cortes por minuto, mediana de plano 3,2 segundos, y material extraído de cinco archivos distintos.

El número de fuentes es la variable de la que nadie habla y la más visible para un espectador que no sabe articular por qué algo se ve barato. El material de una sola biblioteca comparte grade, grano, convención de encuadre y, a menudo, década. Recorta seis clips de un mismo proveedor de stock juntos y el resultado tiene una superficie uniforme, que se lee como un catálogo en vez de como un registro de algo que ocurrió.

Esta es también la razón por la que tantos canales sin cara se parecen entre sí en lugar de parecerse a sí mismos. Sacan su material del mismo puñado de bibliotecas, así que sus vídeos heredan el mismo acento visual.

4. Fotogramas negros y silencio

Tres cosas se cumplían en los diez vídeos de referencia, sin excepciones.

Sin fotogramas negros. Cero. Ni entre escenas, ni como fundido, nada. Un solo fotograma oscuro en un feed vertical se lee como que el vídeo ha terminado, y el pulgar ya se está moviendo antes de que llegue el siguiente plano.

Sin silencio. También cero. Cada hueco en la narración carga algo, aunque ese algo sea tono de sala.

Una banda de sonoridad estrecha, medida en -14,8 a -11,5 dBFS integrada. No porque la cifra sea mágica, sino porque un vídeo más bajo que el feed que lo rodea se salta antes de que termine su primera frase.

Estos son los fallos que separan un pipeline automatizado de un vídeo editado de la forma más fiable, porque son invisibles en el storyboard y obvios en la reproducción. Un editor humano los elimina sin notar que tomó una decisión. Un renderizador los emite a menos que alguien decidiera que no debería.

De dónde sale el material

La mayoría de los cuatro fallos de arriba se remontan a una elección aguas arriba, así que vale la pena nombrar las opciones con honestidad en lugar de fingir que una gana en todas partes.

Fuente del material	Qué es	Se repite entre canales	Se puede acreditar	Movimiento dentro del plano
Generado (modelo de vídeo)	Inventado a partir de un prompt	Bajo, cada clip es único	No hay original que acreditar	Alto, pero a menudo físicamente incorrecto
Biblioteca de stock	Clips de catálogo licenciados	Alto, mismas bibliotecas, mismos clips	Licencia, no autoría	Mezclado, gran parte es B-roll rodado para ser genérico
Archivo real	Grabaciones del evento real	Bajo, si la búsqueda es amplia	Sí, con una fuente nombrada	Lo que realmente ocurrió
Fotografías con movimiento	Fotografías, con push o paneo	Medio	Sí	Simulado

Ninguna de estas es descalificadora. El material generado es la opción más fuerte cuando el sujeto nunca existió frente a una cámara. El stock es defendible para secuencias abstractas. El archivo es el único que puede sostener una afirmación sobre un evento real, y es aquel cuya debilidad es la disponibilidad, no la credibilidad.

El fallo no es elegir una fuente concreta. Es elegir una y usarla para todo.

Comprobar tu propio vídeo

Cinco cosas que puedes medir en un Short que ya publicaste, en unos diez minutos:

1. Duración mediana del plano. Si está por debajo de dos segundos durante todo el vídeo, probablemente estás ocultando clips muertos en lugar de dosificar una historia.
2. Ritmo de corte frente a la narración. Reprodúcelo solo con el audio y luego solo con el vídeo. Si los cortes caen a mitad de cláusula, el montaje sigue un temporizador.
3. Número de fuentes. ¿De cuántos sitios distintos salió el material? Uno es una señal de aviso.
4. Fotogramas negros. Revisa cada transición. No debería haber ninguno.
5. Silencio. Cualquier hueco más largo que una respiración es un sitio por donde el espectador puede irse.

Cada cifra de este artículo describe un conjunto de referencia de diez vídeos y un manifiesto de producción. Tómalo como una banda con la que comprobarte, no como una especificación que cumplir: un Short a 26 cortes por minuto no es automáticamente erróneo, está fuera del rango que medimos y merece una segunda mirada.

<!-- faq -->

Preguntas que hace la gente

¿El material generado por IA es siempre peor que el material de archivo?

No. El material generado es la opción más fuerte cuando el sujeto nunca existió frente a una cámara, y la más débil cuando sí existió. El problema no es que esté generado, es que un vídeo construido enteramente a partir de una sola fuente, sea generada, de stock o de archivo, hereda la superficie uniforme de esa fuente. Nuestro render de referencia usó cinco archivos distintos para una pieza de 53 segundos.

¿Cuánto puede durar un solo plano en un Short?

Más de lo que sugiere el consejo habitual. La duración mediana del plano en nuestro conjunto de referencia fue de 2,03 a 6,00 segundos, y los vídeos en el extremo alto de ese rango sostuvieron la atención. Lo que importa es si algo se está desarrollando dentro del plano, no cuántos segundos ocupa.

¿Cortar más rápido mejora la retención?

Por sí solo, no. Los cortes por minuto oscilaron entre 8,2 y 25,1 en el conjunto de referencia y ambos extremos funcionaron. El ritmo de corte que sostiene la atención es el que sigue la densidad de lo que se está diciendo, así que un intervalo fijo es la herramienta equivocada independientemente del intervalo que elijas.

¿Por qué tantos canales sin cara se ven idénticos?

Porque sacan su material del mismo puñado de bibliotecas de stock, y el material de una sola biblioteca comparte grade, grano y convención de encuadre. Ampliar el número de fuentes es el cambio más barato disponible: cuesta esfuerzo de búsqueda, no presupuesto de producción.

¿Qué sonoridad debería tener un Short?

Nuestro conjunto de referencia se mantuvo entre -14,8 y -11,5 dBFS integrada. La cifra exacta importa menos que la relativa: un vídeo notablemente más bajo que el feed que lo rodea pierde espectadores antes de que aterrice la primera frase.

¿Usar material de archivo afecta a la monetización?

El sourcing y la monetización son preguntas separadas, y la segunda gira en torno a la originalidad y la atribución, no a si intervino una máquina. Vale la pena leer directamente el lenguaje de la política de YouTube en vez de un resumen de ella.