Prompt window peeper: 5 prompts para copiar y pegar en herramientas de vídeo con IA

Si ya pagas por un modelo general de vídeo con IA, no necesitas una web dedicada de window peeper: necesitas un prompt que produzca los cinco momentos con fiabilidad. Es más difícil de lo que parece, porque el formato depende de un tiempo muy preciso: un acercamiento que dura cuatro segundos, una mirada fija que se alarga demasiado, una cortina que cierra la escena.

Abajo están los prompts que usamos al probar modelos, en versión texto a vídeo y en imagen a vídeo, además de los ajustes y los fallos que importan.

Antes de los prompts: los cinco momentos

Todos los prompts tienen que codificar la misma estructura. Si te quedas con una sola cosa, que sea este orden:

1. Exterior nocturno amplio: un bloque de pisos, una ventana iluminada.
2. Acercamiento lento: la cámara se desplaza hacia la ventana, sin corte.
3. La persona comiendo: visible a través del cristal, sin darse cuenta.
4. El levantar la vista: nota el objetivo, se queda quieta a medio masticar, sostiene la mirada.
5. La cortina: se cierra de un tirón, la escena termina.

Los modelos que aciertan 1–3 y se saltan 4–5 producen ambiente, no la tendencia. Pide la mirada fija de forma explícita, en su propia frase y con una duración.

Prompt 1: la base (texto a vídeo)

Sirve para cualquier modelo que acepte prompts largos. Es deliberadamente plano: los adjetivos ponen artísticos a los modelos, y esta escena no debe ser artística.

Vertical 9:16 video, 14 seconds. Night exterior of a plain six-storey
apartment block, shot from across a dark street. Most windows are dark;
one window on the second floor is warmly lit. The camera pushes slowly
toward that window over four seconds, no cuts, handheld but steady.
Inside, a person sits at a small table eating a burger, seen through
the glass. They look up, notice the camera, stop chewing, and stare
directly into the lens without moving for four seconds. They set the
burger down, reach up, and pull a curtain across the window. The video
ends on the closed curtain. Documentary realism, natural window light,
no music, no text.

Por qué funciona: la instrucción de cámara («over four seconds, no cuts») impide que el modelo corte, que es el fallo más habitual. La mirada fija tiene su propia duración. El final es una acción física, y los modelos manejan mejor una acción que un estado de ánimo.

Prompt 2: imagen a vídeo (tu foto)

Esta es la versión que pone a una persona concreta en la ventana. Sube un retrato de frente como referencia y usa:

The person in the reference photo sits at a table in a warmly lit room
at night, seen from outside through a window. They are eating a burger.
Camera: exterior night shot of an apartment block, one lit window, slow
push-in toward the window, no cuts. The person looks up at the camera,
freezes mid-chew, and holds eye contact for four seconds. Then they pull
a curtain closed. Keep the person's face, hair and clothing from the
reference photo exactly. Vertical 9:16, 14 seconds, realistic, no text,
no music.

La frase «keep the face, hair and clothing from the reference photo exactly» es la que hace el trabajo pesado. Sin ella, los modelos de imagen a vídeo se van hacia una cara genérica en dos segundos.

Prompt 3: la mirada larga (corte de comedia)

Si el modelo se corta demasiado pronto una y otra vez, aísla el centro:

Close exterior shot through a lit window at night. A person is eating,
sees the camera, stops chewing and stares straight into the lens. The
stare holds for six seconds. Their expression does not change. Slight
handheld drift. No cut, no zoom, no reaction from the camera. The video
ends while they are still staring.

No es la tendencia completa, pero son sus seis segundos más graciosos, y para un modelo es mucho más fácil de renderizar que un arco de cinco momentos. Hay creadores que publican esto y añaden la cortina como corte en el editor.

Prompt 4: el final de la cortina

El momento más difícil de todos. A los modelos les encanta fundir a negro en lugar de cerrar una cortina.

Interior, night, warm lamp light. A person sits at a table with a
half-eaten burger, looking toward the camera. They stand slightly,
reach to the right, grab a fabric curtain and pull it across the window
in one continuous movement. The frame ends filled with the curtain
fabric. No fade to black, no cut.

Di «no fade to black» de forma explícita. Sin eso te sale un fundido, y un fundido se lee como otro género.

Prompt 5: la escena alternativa

Para variar, cuando la hamburguesa ya está más que vista:

Vertical 9:16, night exterior of a low apartment building. One lit
window. Slow push-in. Inside, a person in a dressing gown stands at a
fridge eating straight from a container. They notice the camera, freeze,
stare for four seconds, then pull the blind down. Realistic, handheld,
no text, no music.

Los mismos cinco momentos, otro objeto. El formato sobrevive al cambio: la broma es la mirada, no la comida.

Prompts negativos que importan

Casi todos los modelos aceptan un campo negativo. Estos son los que merece la pena añadir:

text, subtitles, watermark, logo, cartoon, anime, oversaturated,
studio lighting, camera cut, zoom blur, smiling at camera, waving,
multiple people, extra fingers

Dos merecen una explicación:

• «smiling at camera»: los modelos tienden a lo amable. La broma necesita una cara impasible; una sonrisa lo convierte en un vlog.
• «camera cut»: sin eso, el modelo corta encantado a otro ángulo, y eso destruye la ilusión de plano único de la que depende el formato.

Ajustes que deciden el resultado

El truco de la semilla es lo más útil de esta página. Si un render está al 90% (buen bloque, buena mirada, mala cortina), conserva la semilla y cambia una frase. Volver a tirar desde cero es cómo se quema una tarde.

Por qué escribir prompts sigue siendo más difícil que un preset

Tres problemas estructurales que ningún prompt arregla:

1. Los modelos no cuentan segundos. «Cuatro segundos» es una pista, no una orden. Te saldrán dos, o siete.

2. La consistencia de la cara se degrada. La imagen a vídeo mantiene una cara unos segundos; hacia el segundo diez la referencia pesa menos. La ventana se hace más pequeña a medida que la cámara se acerca, lo que esconde esto de forma conveniente, pero no siempre.

3. Pedir cinco momentos en una sola generación es mucho pedir. Cada momento es una ocasión de fallar, y los fallos se acumulan. Por eso las herramientas dedicadas separan el trabajo: la escena es un proceso fijo y tu foto es la única variable.

Si quieres escribir prompts, escríbelos. Cuando sale, es divertido de verdad, y un buen prompt en un buen modelo gana a un preset en composición. Pero cuenta con reintentos: de tres a ocho generaciones es lo normal para un arco limpio de cinco momentos.

Escribir prompts o usar una herramienta de foto a vídeo

Escribir prompts gana en flexibilidad. Un preset gana en fiabilidad. Si quieres un clip para un grupo de chat esta noche, el preset es la opción racional; si quieres una ventana con lluvia, dos personas y un gato, necesitas el prompt.

Preguntas frecuentes

¿Cuál es el mejor prompt para la tendencia window peeper? El prompt 1 de arriba, con la duración de la mirada y la instrucción de «no cuts» intactas. Esas dos frases arreglan casi todos los fallos.

¿Puedo usar una foto con un modelo de texto a vídeo? Solo los modelos de imagen a vídeo aceptan una referencia. Con los de solo texto estás describiendo a una persona, y no serás tú.

¿Cuántos segundos debe durar la mirada fija? Cuatro en un clip de 14 s. Seis si vas a aislar la mirada como publicación propia.

¿Por qué sale sonriendo en todos mis renders? Porque «persona comiendo» es, en casi todos los datos de entrenamiento, una escena agradable. Añade «deadpan, does not smile» y pon «smiling at camera» en el campo negativo.

¿Necesito un modelo concreto? No. Los prompts están escritos para modelos generales; los resultados varían más por la disciplina del prompt que por la marca.

¿Puedo pedir un bloque de pisos concreto? Puedes describirlo, pero no vas a conseguir una localización real. Para un edificio reconocible hay que grabarlo.

---

Si prefieres saltarte los reintentos, una foto y cuatro minutos te dan los mismos cinco momentos. Si quieres entender qué hace cada momento antes de escribir tu propio prompt, lee el desglose de la tendencia.