Prompts de iluminación para Gemini Omni 1.1 Flash: nombre la fuente, no la cifra

Escribimos una sola instrucción de iluminación en un prompt de Gemini Omni 1.1 Flash y después medimos lo que volvió, en lugar de mirarlo entornando los ojos. La mitad llegó intacta. La otra mitad —la que casi todo el mundo da por hecho que es la parte fácil— no.

El prompt nombraba una ventana orientada al oeste como luz principal, una lámpara de mesa de tungsteno como segunda fuente más cálida un stop por debajo, polvo girando en el haz y una película cuyas altas luces caen suavemente. Ocho segundos a 720p, $0.72.

Las dos luminarias llegaron. La lámpara se lee más cálida que la luz de día en todos los fotogramas donde ambas son visibles —rojo-azul 3.02 frente a 1.49 a los dos segundos y medio— y el polvo gira en el haz en los cuatro fotogramas que muestreamos. Lo que no llegó fue la cantidad que iba pegada a ellas. Pedimos la lámpara un stop por debajo de la ventana; la diferencia que medimos oscila, conforme avanza el clip, entre 1.47 stops por debajo y medio stop por encima. Ese es el argumento de este post: Omni acepta la entrega de fuentes de luz que se pueden señalar con el dedo, y descarta discretamente los números que van pegados a ellas.

La documentación de Google se contradice, y es útil

La referencia de prompts de Veo, que lleva el vocabulario que Omni comparte, define el ambiente como «cómo contribuyen el color y la luz a la escena, por ejemplo tonos azules, noche o tonos cálidos». Lea solo esa tabla de elementos y concluiría que «warm tones» es el aspecto que tiene una instrucción de iluminación.

Ahora lea los prompts de ejemplo. El ejemplo de escena única de la página de Omni termina con «Sunbeams illuminate dust motes in the air.»: una fuente, una dirección y un medio visible en ocho palabras. La guía de prompting de Veo 3.1 de Google va más lejos: una escena de oficina está «lit by the harsh fluorescent overhead lights and the green glow of the monochrome monitor» con un «Retro aesthetic, shot as if on 1980s color film, slightly grainy.»

Dos luminarias con un color y una cualidad declarados, más una época. Sin luz principal, sin relleno, sin ratio, sin kelvins: describe una habitación en la que se podría entrar. Ese hueco entre las tablas y los ejemplos es lo más accionable de toda la documentación: escriba como los ejemplos.

Las fuentes físicas le ganan a la jerga de iluminación

El instinto de cualquiera con experiencia de rodaje son los términos de departamento: principal por la izquierda de cámara, relleno dos stops por debajo, contra desde atrás. Aquí está ese instinto escrito, junto a la reescritura que sí renderizamos. Solo se generó la segunda; la primera muestra la forma, no un resultado medido.

Cinematic shot of a wooden chair in an empty apartment. Beautiful dramatic
lighting with a strong key light from camera left and soft fill from the
right, plus a rim light separating the subject from the background. Moody
atmosphere, golden hour vibes, professional color grading, high dynamic
range, rich shadows, warm cinematic tones, film look, shot on a cinema
camera, high contrast, 8k, masterpiece quality. Beautiful and atmospheric
throughout.

Nada de eso le dice al modelo dónde está nada. No está simulando luminarias: predice qué aspecto tiene un fotograma descrito así, y «key, fill, rim» encaja en casi todos los fotogramas rodados profesionalmente de la historia, así que la expresión no dice nada sobre este.

La versión que ejecutamos, ocho segundos a 720p:

Late golden hour inside a nearly empty apartment. 35mm lens at f/2.8,
camera on a slow arcing dolly drifting left around a wooden chair. Low sun
through a west-facing window throws a long parallelogram of warm orange
light across a bare floor, dust suspended and turning through the beam. A
practical table lamp with a tungsten bulb glows in the shadowed half of the
room, a full stop under the window and noticeably warmer. As the camera
arcs, the window light rakes across the chair's back and the cool shadow
side of the room enters frame, so warm and cool sit inside the same shot.
Kodak Vision3 250D character: soft highlight roll-off, gentle halation
around the window. Ambient: distant traffic, no music.

Cada cláusula de iluminación nombra algo que está en la habitación: una ventana con orientación, la forma que su luz dibuja en el suelo, partículas en el haz, una lámpara con un tipo de bombilla. El modelo ha visto millones de fotogramas de sol bajo entrando por una ventana y muy pocos con el pie de foto «rim light at 45 degrees».

Lo que mostraron las mediciones

Sacamos cuatro fotogramas —a 0.5, 2.5, 5.0 y 7.5 segundos, que a 24 fps son los fotogramas 12, 60, 120 y 180— y muestreamos un rectángulo por superficie en cada uno. La calidez es el ratio rojo-azul del color medio de una región, sobre los valores de 8 bits tal como se entregan. Las diferencias en stops son el logaritmo en base 2 del cociente de luminancia Rec.709 calculado sobre sRGB linealizado, deshecha antes la función de transferencia. La saturación es la proporción de píxeles de una región clavados en el techo de un canal.

Como la cámara arquea, una región tiene que seguir una superficie con nombre y no una posición fija en pantalla, así que los rectángulos merecen publicarse: como (x0, y0)–(x1, y1) en el fotograma de 1280 por 720, son estos:

Los fotogramas salen con ffmpeg -i golden-hour-interior.mp4 -vf "select=eq(n\,12)" -vsync 0 -frames:v 1 frame.png. Todos los números de abajo los imprime un único script, ejecutado contra el mismo archivo enlazado arriba.

El orden de calidez se mantuvo. Allí donde ambas están en el encuadre, la lámpara de tungsteno se lee más cálida que la luz de día: 3.02 frente a 1.49, después 2.55 frente a 1.72, después 2.30 frente a 1.94. Pedimos «noticeably warmer» y lo conseguimos todas las veces. El margen se estrecha conforme avanza el clip, pero no llega a cerrarse.

Cálido y frío sí acabaron en un mismo fotograma, que era el objetivo de la instrucción. A los 7.5 segundos un único fotograma lleva tres separaciones: pared del fondo 1.52, suelo iluminado 1.94, lámpara 2.30. Dos luminarias con nombre produjeron la horquilla por sí solas.

La puesta en escena, en cambio, no se la podemos acreditar. El prompt pedía que el lado frío entrara conforme la cámara arqueaba, y la pared sí termina más fría de lo que empezó: 2.15 a los dos segundos y medio frente a 1.52 a los siete y medio. Pero no llega ahí de forma limpia —por el camino marca 1.96— y no son la misma pared: el arco mueve el encuadre, así que las muestras tempranas caen dentro del alcance de la lámpara y las tardías quedan fuera de él. La distancia a una luminaria cálida explica el vaivén tan bien como la obediencia, y cuatro fotogramas no pueden separarlas.

La magnitud falló, y además derivó. Pedimos la lámpara «a full stop under the window». Midiendo el suelo iluminado por la luz de día contra la zona en sombra de la propia lámpara, la diferencia va de 1.47 stops a los dos segundos y medio a 0.64 a los cinco y −0.47 a los siete y medio: al final la lámpara se lee más brillante que la luz de sol bajo la que se le dijo que se situara. Nunca el stop que pedimos, y ni siquiera una respuesta equivocada estable.

Esperábamos que la ventana se quemara. No lo hace. En el fotograma de apertura el cristal parece recortado y no lo está: el rojo llega a 255 en el 0.81 % de sus píxeles, el verde en el 0.03 %, y el azul no llega nunca —en todo el fotograma el azul no pasa de 249—. Los valores se apiñan en cambio en los códigos más altos: el rojo del cristal marca 249 en la mediana y 254 en el percentil 99, y el cristal conserva una tenue dominante cálida, con un rojo-azul de 1.11, en lugar de irse a blanco. Así es como se ve un hombro suave. Lo que no podemos decir es que lo hayamos provocado nosotros: una escena que nunca llega al techo se ve igual desde fuera, y no tenemos una versión de este plano renderizada sin la cláusula de la emulsión con la que compararla.

Ordene todo eso por el tipo de instrucción que era cada cosa y el patrón cuesta poco de ver: lo físico y nombrable llegó, la magnitud numérica no, y el lenguaje de etalonaje no podemos puntuarlo en ningún sentido sin un render de control.

Las luces prácticas sostienen un plano en movimiento

El truco más útil que encontramos es meter una luminaria visible en el encuadre. Una práctica —lámpara, monitor, vela, letrero de neón— le da al modelo algo fijo sobre lo que ser consistente, y la consistencia es lo primero que se degrada. La cámara arquea a la izquierda como se le pidió; la lámpara está fuera de encuadre a los medio segundo, al borde derecho a los dos y medio, y completamente visible durante la segunda mitad. En los dos fotogramas en que queda lejos del borde mantiene su esquina, su sitio respecto al rodapié y el charco de luz que arroja sobre la pared. Estar en cuadro la mantiene estable.

La iluminación descrita solo como una cualidad —«moody», «dramatic», «low-key»— no le da al modelo nada que mantener cierto, así que deriva, y más rápido cuando la cámara se mueve. Si su plano tiene algún movimiento, meta una luz dentro.

La hora del día le gana a cualquier adjetivo

«Golden hour» hace más trabajo que «cinematic», «moody» y «dramatic» juntos, porque fija tres variables a la vez: la altura del sol, su color, y la longitud y suavidad de todas las sombras. Nadie le dice al modelo que las sombras son largas: salen solas. El resto del día merece elegirse con la misma deliberación:

• Hora azul: sin sombras duras, dominante fría, y las prácticas dominan porque brillan más que el cielo.
• Mediodía cenital: sombras cortas y duras hacia abajo, contraste alto, poco favorecedor y útil justo por eso.
• Noche: sin luz principal salvo que usted la aporte. Nombre luminarias, porque «night» a secas deja que el modelo se invente una fuente de luz de luna que después no mantendrá.

Especifique también la dirección de forma física: «backlit by a streetlamp behind her» da un contraluz y una sombra larga hacia cámara, mientras que «backlight» a secas da lo que al modelo le apetezca.

Lenguaje de película y de LUT: parte de él sí funciona

La respuesta honesta aquí es parcial. El lenguaje de época y de emulsión es práctica documentada, no folclore: Google escribe «shot as if on 1980s color film, slightly grainy» en su propio ejemplo y lista palabras clave de estilo de película como film noir entre los elementos de estilo, como cubre nuestra guía de prompting anterior.

Lo que nuestro clip respalda es más estrecho. Pedimos «Kodak Vision3 250D character: soft highlight roll-off, gentle halation around the window». Apareció algo parecido a un bloom —un resplandor alrededor de la ventana, un artefacto de flare en la parte baja del fotograma de apertura—, aunque llamarlo halation es una lectura nuestra y no una medición. El roll-off pedido en la misma frase sí está en los números: las altas luces se comprimen hacia el techo sin recortar a través de él. Pero un único render no puede decirnos si el trabajo lo hizo el nombre de la emulsión, la descripción llana o ninguno de los dos: una ventana sin recortar es también, sin más, el aspecto que tiene esta escena. No hemos ejecutado la versión controlada de esa prueba.

Nuestra regla práctica de trabajo:

• Las propiedades visibles funcionan. Grano, bloom, negros aplastados o levantados, contraste bajo y alto, monocromo, viñeteado fuerte: cada una nombra algo que se podría señalar en una foto fija.
• Las relaciones de color funcionan casi siempre. «Teal shadows and orange skin» describe dos cosas medibles; «teal and orange» a secas es una moda de etalonaje y se trata como tal.
• Los looks nombrados sin describirlos no son fiables. «Cinematic», «film look» y «professional color grading» no acotan nada. «Bleach bypass» queda en medio: nombra un proceso real, así que pida lo que hace —contraste muy alto, color desaturado, plata retenida en los negros—.
• «Low contrast log» lo evitaríamos: es una curva de captación pensada para etalonarse después, y dentro del modelo no hay ningún paso de posproducción. Se obtiene una imagen plana y lechosa sin vuelta atrás.

La atmósfera es detalle gratis hasta que se convierte en ruido

Las partículas en suspensión son el realismo más barato del vocabulario de iluminación, porque hacen visible la propia luz. Pedimos «dust suspended and turning through the beam» y las motas están ahí en los cuatro fotogramas que muestreamos: el efecto que Google busca con «Sunbeams illuminate dust motes in the air.» La bruma, la niebla, el humo y el vapor funcionan igual, convirtiendo una fuente en un volumen con forma y caída.

El modo de fallo es apilarlas. Niebla más rayos de luz más lens flare más bokeh más polvo da un fotograma donde la atmósfera se ha comido al sujeto, y sin ninguna forma de que el modelo sepa cuál de los cinco importaba. Un elemento atmosférico por plano, al servicio de la fuente que ha nombrado. Pida lens flare solo cuando quiera que el público note la cámara: llega sin pedirlo de todos modos cuando un objetivo apunta a un sol bajo, como pasó en el nuestro.

El límite honesto: no se puede bajar nada un poco

El lenguaje del prompt es casi la única palanca, y la referencia de Omni de Google es explícita: «las instrucciones de sistema, temperature, top_p, las secuencias de parada y los prompts negativos no están soportados». Sin escala de guía, sin valor de intensidad sobre un estilo. Si un etalonaje vuelve un diez por ciento demasiado cálido, no hay un diez por ciento que quitar: reescribe la frase y el resto del fotograma cambia con ella.

El segundo es la repetibilidad. El mismo prompt de iluminación no devuelve la misma luz dos veces; el determinismo solo viene del seed. Anótelo con cualquier look que merezca la pena conservar, y espere que una sola palabra cambiada le devuelva a territorio desconocido.

El tercero es la posproducción. Existen prompts de edición —Google ofrece «Change the lighting to be more dramatic»—, pero eso regenera el plano en lugar de corregirle el color, y la model card advierte de que «mantener una consistencia completa a lo largo de las ediciones» sigue siendo un reto. Etalone el archivo entregado en su editor. Cada fotograma lleva una marca de agua SynthID que nadie puede desactivar.

Lo que cuesta iterar sobre la luz

La iluminación es la parte de un prompt que más se reescribe, porque no hay nada que ajustar por grados. Así que lo que importa es el coste de equivocarse, y los proveedores divergen más en 4K, donde Gemini Omni 1.1 Flash está a $0.18 por segundo en E2X frente a $0.3041 llamando a Google directamente: alrededor de un cuarenta y uno por ciento menos, nuestra mayor diferencia en cualquier nivel. Por encima de nosotros están WaveSpeed a $0.39 el segundo, Runware a $0.32 y fal a $0.30. Replicate se queda fuera de la comparación: su ficha no adjunta ninguna cifra por segundo al modelo. Una entrega de ocho segundos en 4K son $1.44 aquí y $2.43 desde Google; diez segundos son $1.80 frente a $3.04.

La diferencia es en realidad una diferencia de multiplicadores contra la tarifa de 720p de cada escalera. Las dos arrancan un tercio por debajo y las dos añaden la mitad en 1080p; la separación llega en el peldaño de arriba, donde el multiplicador de Google es tres y el nuestro es dos. La comparación completa entre proveedores va aparte.

El flujo de trabajo se deduce. Explore a 360p, donde una toma de cuatro segundos son doce centavos y todavía se puede juzgar la posición de la fuente, la dirección de la sombra, la separación cálido-frío y si la práctica se quedó en su sitio. Después comprométase una vez: diez pasadas a 360p más un máster de ocho segundos en 4K son $2.63, frente a $8.64 por esos mismos once trabajos en 4K. Lo que 360p no puede mostrar es la textura fina —grano, bloom, roll-off—, así que pruebe la mitad de emulsión de un prompt a 720p, como hicimos nosotros.

Precios comprobados el 29 de agosto de 2026 y sujetos a cambios; compruebe el precio vigente de cada proveedor antes de tomar una decisión de compra. Es una comparación acotada, no una afirmación de ser el más barato en todas las configuraciones.

Preguntas frecuentes

¿Cómo se describe la iluminación en un prompt de Gemini Omni 1.1 Flash?

Nombre fuentes físicas en lugar de roles de iluminación. «Low sun through a west-facing window» le gana a «key light from camera left with soft fill». Los propios ejemplos de Google hacen lo mismo: una escena está iluminada por «harsh fluorescent overhead lights and the green glow of the monochrome monitor», dos luminarias con un color y una cualidad, sin términos de departamento.

¿Nombrar una emulsión como Kodak Portra cambia el resultado?

En parte, y no podemos decir cuánto viene del nombre en sí. Emparejamos «Kodak Vision3 250D character» con descripciones explícitas de halation y roll-off; apareció algo parecido a un bloom, y las altas luces sí se mantuvieron por debajo del techo en lugar de recortar. Ninguno de los dos resultados puede acreditarse al nombre de la emulsión sin un render que lo omita, y ese no lo hemos hecho. El lenguaje de emulsión y de época es práctica documentada —la guía de Veo 3.1 de Google escribe «shot as if on 1980s color film, slightly grainy» en un ejemplo—, pero nombre la emulsión y las propiedades que quiere.

¿Se puede fijar la temperatura de color en kelvins para Gemini Omni?

No como parámetro, y las cifras en kelvins dentro del texto del prompt no son fiables. Nombrar la bombilla o la condición de luz de día sí funciona: tungsteno, vapor de sodio, fluorescente, luz de vela, sol bajo. En nuestras mediciones una lámpara de tungsteno se leyó más cálida que la luz solar de una ventana en todos los fotogramas que contenían ambas: el color relativo entre luminarias con nombre es un control real aunque el número absoluto no lo sea.

¿Por qué sale cálido el lado en sombra de mi plano si pedí que fuera frío?

Normalmente porque algo cálido lo está iluminando de verdad. En nuestro clip las lecturas de pared fueron de 2.15 a 1.52 en rojo-azul, pero la cámara estaba arqueando, así que son superficies distintas y no una misma pared enfriándose; y las cálidas correspondían a una pared que caía dentro del alcance de una lámpara de tungsteno. La lección vale en cualquier caso: una superficie se lee como aquello que la alcanza. Déle a la mitad fría su propia fuente, como una ventana a un cielo azul de atardecer o un monitor, en lugar de describirla como una ausencia de calidez.

¿Las luces prácticas se mantienen consistentes cuando la cámara se mueve?

En nuestro clip, sí. Una lámpara de mesa entró en el encuadre a mitad de un movimiento en arco y mantuvo su esquina, su sitio respecto al rodapié y el charco que arrojaba sobre la pared en los dos fotogramas en que quedó lejos del borde. Una luminaria visible le da al modelo algo concreto que mantener cierto; un estado de ánimo no tiene ancla y deriva más rápido cuando la cámara se mueve.

¿El mismo prompt de iluminación me dará la misma luz dos veces?

No. La repetibilidad solo viene del seed, ya que los parámetros de muestreo no están expuestos. Anote el seed junto a cualquier prompt que produjera un look que merezca la pena conservar, y espere que una sola palabra cambiada mueva el resultado incluso con el seed fijo.

¿Cuánto cuesta iterar sobre la iluminación en 4K?

Un clip de ocho segundos en 4K son $1.44 en E2X frente a $2.43 directos desde Google, y diez segundos son $1.80 frente a $3.04, a 29 de agosto de 2026. Explore a 360p —doce centavos por toma de cuatro segundos— y después comprométase una vez arriba: diez pasadas a 360p más un máster en 4K son $2.63, frente a $8.64 por esos mismos once trabajos en 4K.

Dónde probar esto

El clip de arriba pasó por text-to-video a $0.09 el segundo en 720p; image-to-video y start-end-frame-to-video cuestan lo mismo si prefiere entregarle al modelo una imagen fija ya iluminada. ¿Recién llegado? Empiece por la sintaxis de etiquetas y el comportamiento de número de planos: un prompt de iluminación se desperdicia en un clip que el modelo ha partido en silencio en tres planos. Y si su luz tiene que sobrevivir más allá de diez segundos, las extensiones son un problema aparte.