Cómo creamos NUESTRO ANUNCIO del iPhone 18 QUE SE HIZO VIRAL
Jeroen De SmetCo-founder, Callbuddy · Sep 16, 2026
Lanzamos un anuncio en Callbuddy para la llegada de nuestras fundas para iPhone 18 Pro + Pro Max. Y reventó internet. En los comentarios y por mensajes directos no paraba de repetirse una misma pregunta, tantas veces que era imposible responder una por una: ¿cómo lo habéis hecho? Aquí lo tenéis. El proceso completo, paso a paso, herramienta por herramienta, incluyendo lo que salió mal y lo que haríamos diferente la próxima vez. Al césar lo que es del césar: todo el vídeo lo creó Matthias, el auténtico genio detrás de cada plano. Lo que viene a continuación es su flujo de trabajo, contado tal y como él lo llevó a la práctica. La IA abre un mundo infinito de posibilidades, pero controlarla cuesta bastante más de lo que parece desde fuera. Si esta guía te ahorra parte del tiempo que nos costó a nosotros, habrá valido la pena escribirla.
El flujo de trabajo
- Escribir la historia
- Crear un storyboard
- Diseñar los elementos visuales base
- Guardarlo todo como Elementos reutilizables
- Convertir el guion en prompts de vídeo
- Generar escena por escena y corregir sobre la marcha
- Edición
- Música y diseño de sonido
- Montaje final del vídeo
1. Escribir la historia
Empezamos por la historia. Primero definimos el concepto general con ChatGPT. Solo cuando sentimos que funcionaba lo convertimos en un guion detallado, pensando no solo en qué ocurre, sino en los diálogos, los gags visuales, las micro-reacciones de los personajes y las transiciones entre escenas. Para nosotros, este es el paso más importante de todos. Los vídeos con IA logran planos espectaculares muy rápido, pero sin una historia real detrás te quedas con una simple colección de imágenes bonitas sin conexión entre sí. Antes de generar absolutamente nada, queríamos tener respuesta a esto: ¿Qué pasa en cada escena? ¿Qué debe entender quien está viendo el vídeo en ese instante? ¿Dónde está el toque de humor? ¿Cuándo hay que acelerar el ritmo y cuándo conviene frenarlo? ¿Qué información visual debe quedar clarísima? ¿Cómo pasamos de una escena a la siguiente con lógica? Cuanto más dejes atado al principio, menos tiempo perderás en plena generación intentando averiguar qué se supone que cuenta tu vídeo.
2. Crear un storyboard
El siguiente paso fue darle forma visual a la historia en Higgsfield. Al principio probamos la app Popcorn de Higgsfield, que genera storyboards de forma automática. Le pedimos a ChatGPT que dividiera el guion completo en pequeños prompts de storyboard y los metimos en Popcorn. Vino muy bien para comprobar al instante si la idea general funcionaba a nivel visual. Sin embargo, la próxima vez lo haríamos de otra forma. Primero haríamos el paso 3 y crearíamos los personajes principales, las localizaciones y los objetos. Después montaríamos el storyboard nosotros mismos a partir de esas imágenes usando el generador de imágenes de Higgsfield, por ejemplo con Nano Banana Pro. Este orden tiene dos grandes ventajas: consigues muchísima más coherencia visual desde el minuto uno con el storyboard, y además puedes reutilizar esas mismas imágenes como referencia para generar los vídeos. Así no quemas créditos en imágenes que luego no vas a volver a usar. El storyboard no tiene que ser perfecto. Su objetivo principal es responder a una sola pregunta: ¿funciona la historia en imágenes?
3. Diseñar los elementos visuales base
Después usamos Nano Banana Pro en Higgsfield para crear cada elemento visual que se repetiría a lo largo del vídeo. En nuestro caso incluía: El agente, con distintos atuendos y en diferentes estados. El resto de personajes, algunos de ellos con varios cambios de ropa. Cada localización clave, desde Apple Park hasta nuestra propia oficina de Callbuddy. Objetos clave: los iPhone, las fundas Callbuddy, los coches, la pantalla del CAPTCHA. Este es probablemente el paso más crítico de todo el proceso, porque estas imágenes definen la estética de tu universo. Y en un vídeo de producto importa el doble: no puedes permitir que un modelo de IA se invente una funda, un teléfono, una ropa o una oficina ligeramente diferente en cada toma. Si un personaje sale diez veces, quieres haber decidido con antelación qué aspecto tiene. Lo mismo con los escenarios y los productos. Cuanto más definas por adelantado, menos decisiones tendrá que tomar el generador de vídeo por su cuenta y menos libertad tendrá sobre lo importante, lo que se traduce en un resultado final mucho más consistente. Aquí es preferible pasarse de precavido que quedarse corto. Genera varias imágenes de referencia de un personaje si sabes que lo necesitarás en distintas condiciones: ropa normal, ropa rota, pelo mojado, otra chaqueta, un gesto concreto. Te ahorrará una barbaridad de tiempo después.
4. Guardarlo todo como Elementos reutilizables
Luego guardamos esas imágenes en Higgsfield Cinema Studio organizadas como Personajes, Localizaciones y Objetos, cada una con su propia etiqueta. Gracias a esto, al escribir el prompt de un vídeo podíamos apuntar con total precisión a: El personaje exacto. Una localización concreta. El modelo exacto de iPhone. La funda Callbuddy adecuada. Un coche o accesorio en particular. En lugar de volver a describir el aspecto de cada elemento en cada generación, creas primero una pequeña biblioteca visual. El proceso de generación se vuelve infinitamente más controlable y aumentas radicalmente las opciones de que los distintos planos encajen a la perfección durante el montaje.
5. Traduce el guion a prompts de vídeo
El siguiente paso fue pedirle a ChatGPT que dividiera todo el guion en prompts de vídeo individuales. Nuestro mejor consejo aquí: sé todo lo específico que puedas. No dejes nada importante a la libre interpretación del generador de vídeo. Por eso, el prompt no solo describía lo que pasa en la escena, sino cómo queríamos rodarlo. Por ejemplo: plano general del personaje caminando por un pasillo. Luego, primer plano de su cara. Mira hacia una puerta. Corte rápido a su mano intentando abrir la manilla. Básicamente, estás describiendo un minimontaje. Junto a eso, definimos al detalle cosas como el ángulo de cámara, el movimiento de cámara, el tipo de plano, la hora del día, el clima, la iluminación, el ritmo, las acciones, las reacciones del personaje, hacia dónde mira, los efectos de sonido y cualquier línea de diálogo. Vale la pena describir el ritmo de forma explícita. Durante la infiltración queríamos movimientos más lentos y sigilosos. Durante la huida, planos rápidos y mucho dinamismo. Para ciertos golpes de humor buscamos a propósito un silencio más largo, o un plano que se sostenga una fracción de segundo de más. El diálogo y los efectos de sonido fueron directos a los prompts. La música la dejamos fuera a conciencia, y lo indicamos con total claridad en cada prompt: no generar música. Si cada clip de IA viene con su propia música, o te toca eliminarla después o acabas con varias pistas sonando a la vez. Añadir la música solo al final te permite crear una banda sonora coherente de principio a fin del vídeo. Te ahorra muchísimo trabajo después.
6. Genera escena por escena y corrige sobre la marcha
Generamos el vídeo con Higgsfield Cinema Studio y Seedance 2.5. Decidimos a propósito no intentar generar toda la película de golpe. Fuimos escena por escena, y a menudo plano a plano. Cuanto más corta sea la generación, más control sueles tener. Puedes probar con una secuencia más larga cuando la acción sea relativamente sencilla. Si el modelo entiende bien ese movimiento, te ahorra tiempo. Pero con acciones complejas, dividirlo todo nos funcionó muchísimo mejor. Tras cada generación revisamos varias cosas: ¿Se mantiene consistente la cara del personaje? ¿El movimiento es natural? ¿El teléfono sigue siendo el correcto? ¿Ha cambiado la funda Callbuddy? ¿Queda claro qué está mirando el personaje? ¿Es correcta la dirección del movimiento? ¿El último fotograma encaja de forma lógica con el siguiente plano? En cuanto algo se veía raro, cambiábamos el prompt o la imagen de referencia y volvíamos a generar. Una lección que vale la pena compartir: no intentes arreglar siempre un mal resultado metiendo más texto al mismo prompt. A veces la acción es sencillamente demasiado compleja para una sola generación. Divídela. En vez de un solo clip de alguien caminando hacia una puerta, abriéndola, mirando dentro, retrocediendo asustado y saliendo corriendo, haz cuatro planos cortos. Te dará muchísimo más control en la edición.
7. Edición
Para la edición, esta vez elegimos CapCut. Primero descargamos todas las generaciones aprovechables de Higgsfield y las organizamos en carpetas por escena dentro de CapCut. Ahí es donde empieza el puzle de verdad. De una generación a lo mejor usas los primeros dos segundos. De otra, solo el medio. Un tercer clip puede tener un movimiento perfecto, pero alucinar al final. Así que no veas cada generación como un vídeo terminado que tienes que usar entero. Míralo como material en bruto. Tu trabajo es rebuscar entre todo ese metraje para rescatar los fragmentos que aguantan visualmente y que, juntos, cuentan la historia. En el montaje puedes camuflar un montón de fallos si cortas en el momento justo. ¿Una mano empieza a deformarse? Corta antes de que pase. ¿Una cara cambia a los tres segundos? Usa solo los dos primeros. ¿Una acción no termina de cuajar? Corta el plano A justo antes y arranca el plano B justo después. El vídeo con IA no se hace solo generando. Gran parte de la magia surge en la edición.
8. Música y diseño de sonido
Para la música usamos ElevenLabs. Describimos qué tipo de banda sonora necesitábamos y cómo debía evolucionar a lo largo del vídeo. Puedes ser bastante específico: que empiece tranquila y tensa, que suba poco a poco, que acelere durante la persecución y que caiga en seco para rematar un momento cómico. Esto viene genial porque permite que la música siga la estructura del vídeo en lugar de sonar simplemente de fondo. Para los efectos de sonido adicionales recurrimos, entre otros, a Envato. Pasos, puertas, coches, clics, interfaces, sonido ambiente y esos pequeños efectos que dan peso e impacto a las acciones. El diseño de sonido marca una diferencia brutal. Un vídeo generado con un audio flojo sigue cantando a IA por todos lados. En cuanto los movimientos tienen el sonido adecuado, todo se vuelve infinitamente más creíble.
9. Monta el vídeo final
Y entonces todo encaja. Los mejores fragmentos. El ritmo exacto. Los diálogos. Los efectos de sonido. La música. Los textos o títulos. Y, sobre todo, un montón de microcortes. Para nosotros, esa es la clave de este flujo de trabajo: ata primero la historia y tu universo visual, luego construye tus personajes, localizaciones y productos, genera escenas cortas con una intención muy clara y usa la edición para convertirlo todo en una película coherente. El mayor error sería irte directo al generador de vídeo esperando que la IA cree la película por ti. Cuantas más decisiones tomes tú de antemano, mejor funciona la IA como herramienta de producción. Generar es solo una parte. El verdadero trabajo está en pensar, preparar, seleccionar y editar. Solo por eso pudimos crear un vídeo en el que no se grabó absolutamente nada real y que, aun así, se siente como una sola pieza. La idea central: el vídeo con IA funciona mejor cuando no dejas que la IA lo decida todo. Cuanto más sólidos sean tu historia, tus imágenes de referencia y la planificación de tus planos desde el principio, más coherentes y aprovechables serán tus resultados.
Written by
Jeroen De SmetCo-founder, Callbuddy
