Describe un disparador, un cuchillo cortando arena cinética, una pastilla de jabón enroscándose bajo la cuchilla, cera goteando por una vela, y recibe un clip con el crujido, el chapoteo o el clic ya mezclados en el audio. Sin estantería de props, sin micrófono boom, sin estudio que reservar.
Un cuchillo deslizándose por arena cinética teñida, una pastilla de jabón enroscándose en cintas, cera acumulándose bajo un goteo lento. Nada de eso necesita ya una estantería de props ni un micrófono boom. Los modelos de video que renderizan el sonido en la misma pasada que la imagen pueden producir el crujido, el chapoteo o el clic exacto que pide un guion, en el formato que pida la plataforma. Esta página cubre qué funciona de verdad, qué todavía necesita una segunda toma y cómo convertir un clip afortunado en un proceso repetible.
Los disparadores ASMR son físicos, táctiles y a menudo destructivos: partir una pastilla de jabón por la mitad, cortar arena que nadie piensa reutilizar, gotear cera hasta que la vela desaparece. Regrabar eso a mano significa comprar el material, montar un objetivo macro y acercar el micrófono lo suficiente para captar la textura sin ruido de sala. Un modelo de video generativo se salta la lista de la compra. Describes el material, la herramienta y el movimiento, y el render incluye el sonido, porque varios de los modelos más nuevos generan audio e imagen a la vez en lugar de dejarte añadir foley en otra app después.
Esto importa más en ASMR que en casi cualquier otro género de video, porque el sonido es el contenido en sí, no un acompañamiento. Picasso IA tiene una categoría de texto a video pensada exactamente para esto dentro del catálogo completo, incluidos bytedance/seedance-2.5 y kwaivgi/kling-v2.6, ambos capaces de renderizar audio sincronizado en la misma generación que lo visual. Las cuentas nuevas empiezan con créditos gratis, suficientes para probar si una idea de disparador realmente suena bien antes de comprometer una serie entera. El Toolkit es donde ocurre la generación en sí, una caja de prompt, sin línea de tiempo de edición.
La palabra del disparador hace más trabajo en un prompt ASMR que en casi cualquier otro género, porque tiene que describir un sonido que el modelo nunca ha escuchado, solo inferido de texto y video de entrenamiento. Nombra el material, la herramienta que lo toca y el sonido en palabras normales, y deja que la dirección de cámara haga el resto: primer plano macro, poca profundidad de campo, plano fijo. Prompts vagos producen sonido vago; prompts específicos producen un crujido específico.
| Disparador | Palabras de prompt que lo dirigen | Un modelo hecho para esto |
|---|---|---|
| Corte de arena cinética | bloque de arena cinética brillante, corte limpio del cuchillo, desmenuzado suave | bytedance/seedance-2.5 |
| Tallado de jabón | pastilla de jabón seca, cuchilla de talla, virutas finas cayendo | kwaivgi/kling-v2.6 |
| Golpeteo en vidrio | superficie fina de vidrio, toques con la punta del dedo, eco tenue | google/veo-3.1 |
| Goteo de cera | cera fundida acumulándose, goteo lento, brillo cálido | bytedance/seedance-2.5 |
| Corte de bloque de espuma | espuma densa de embalaje, tijeras dentadas, crujido suave | kwaivgi/kling-v2.6 |
Ejecuta el mismo prompt en dos modelos antes de decidirte por uno; la calidad del sonido renderizado sigue variando de un modelo a otro más que la calidad de la imagen, y la página de efectos reúne looks predefinidos que vale la pena revisar si el estilo visual, no solo el disparador, necesita un punto de partida.
Este es el flujo que convierte una idea de disparador en un clip publicable, en lugar de una carpeta de intentos a medias. No presupone más que un concepto y el Toolkit abierto en una pestaña.
Buena parte del valor ASMR vive en un puñado de frecuencias que casi ningún video tiene que reproducir con limpieza: un crujido seco, un chapoteo húmedo, un toque resonante. Los modelos que generan audio e imagen en una sola pasada leen el prompt buscando pistas de sonido igual que buscan pistas visuales, así que nombrar el sonido directamente, crujido suave, chapoteo tenue, un toque resonante fino, dirige el render más de lo que lo hace describir solo la acción. Dejar el interruptor de audio activado y el prompt libre de instrucciones de música o voz en off mantiene el render centrado en el único sonido que importa.
Mantén la palabra del sonido y la acción visual en la misma frase, no en dos separadas. Un prompt que describe el corte y luego, aparte, pide un crujido tiende a renderizar los dos ligeramente desincronizados; una frase que los une los renderiza como un solo evento.
El silencio de fondo importa tanto como el sonido del disparador en sí. Un prompt que nunca menciona el ambiente cae por defecto en lo que el modelo asuma que encaja con la escena, que a veces es más silencioso de lo que espera una audiencia ASMR. Nombrar la sala, estudio silencioso, sin zumbido de fondo, cierra esa brecha de forma más fiable que confiar en que el modelo lo infiera.
Un solo clip satisfactorio consigue una vista. Un set reconocible, la misma iluminación, las mismas manos, el mismo borde de mesa en cuadro, consigue un suscriptor, porque la audiencia reconoce un canal, no solo un disparador. Las imágenes de referencia son el mecanismo: seedance-2.5 acepta hasta 30 por generación, suficiente para fijar una mano, una textura de superficie y una fuente de luz durante toda una semana de subidas. La técnica es la misma que se usa para personajes consistentes con IA, aplicada a un set en lugar de a una cara.
El ritmo entre episodios importa tanto como el set visual. Un espectador que avanza rápido cuando el crujido no llega enseguida es el mismo con el que ya cuenta cualquier editor de b-roll, y el mismo truco de clip de referencia del flujo anterior funciona aquí: introduce el mejor clip de la semana pasada como video de referencia y pide un material nuevo con el mismo ritmo. Para una capa de sonido ambiental bajo varios clips, música de fondo para videos cubre esa parte, y quienes republican en plataformas que exigen texto incrustado pueden combinar un clip con subtítulos automáticos de video.
Una página honesta sobre una herramienta dice dónde deja de funcionar. Para el ASMR generado con IA, hay cinco puntos que todavía necesitan una revisión humana antes de publicar nada:
Nada de esto descarta la herramienta. Marca dónde una segunda toma, una capa de audio manual o un clip más corto es la decisión correcta en vez de forzar una generación más allá de para lo que está hecho el modelo.
Picasso IA da créditos gratis a las cuentas nuevas, suficiente para probar varios prompts de disparadores en dos o tres modelos y ver si el sonido realmente funciona antes de comprometer una serie entera a un enfoque. Pasados los créditos gratis, los planes de pago y sus límites están en la página de precios, y cambian lo bastante a menudo como para que un número escrito aquí quedara desactualizado en un mes.
No hay una única respuesta, y por eso conviene ejecutar el mismo prompt en más de un modelo. bytedance/seedance-2.5 maneja clips más largos y hasta 30 imágenes de referencia para mantener un set consistente en una serie. kwaivgi/kling-v2.6 renderiza rápido y admite un prompt negativo para mantener fuera sonidos no deseados en un clip corto. google/veo-3.1 añade 1080p e interpolación de fotogramas cuando un clip necesita transicionar visualmente entre dos tomas exactas.
Para los modelos nombrados en esta página, sí, juntos. Seedance 2.5, Kling v2.6 y Veo 3.1 generan cada uno una pista de sonido sincronizada como parte del mismo render que produce la imagen, en lugar de devolver un clip mudo para una pasada de audio aparte. Eso marca una diferencia importante en ASMR específicamente, porque el sonido es el contenido y un doblaje desajustado lo estropearía todo.
Depende del modelo. Seedance 2.5 puede renderizar hasta 30 segundos en una sola generación, y Kling v2.6 ofrece clips de 5 o 10 segundos. Para un video de recopilación más largo, lo práctico es generar varios clips más cortos alrededor de disparadores distintos y montarlos juntos, en lugar de esperar un render continuo de varios minutos.
Las imágenes de referencia son la herramienta para esto. Genera o fotografía el set una vez, y vuelve a introducir esa imagen como referencia en cada generación siguiente; Seedance 2.5 acepta hasta 30 imágenes de referencia por ejecución, suficiente para mantener fija una mano, una superficie y una fuente de luz durante toda una semana de subidas. El flujo de personajes consistentes con IA explica el mismo mecanismo aplicado a una cara en lugar de a un set.
De cerca, lo bastante como para pasar en el altavoz de un móvil, pero no de forma idéntica a una grabación de estudio con micrófono de contacto del material real. Los modelos renderizan una versión estadísticamente plausible del sonido descrito en el prompt, convincente para ver de forma casual y para redes sociales, pero un canal ASMR profesional con equipo binaural dedicado seguirá notando la diferencia al escuchar de cerca con auriculares.
Sí. Kling v2.6 saca 16:9, 9:16 o 1:1 directamente, y Veo 3.1 admite 16:9 y 9:16. Generar directamente en formato vertical funciona mejor que recortar después un clip horizontal, porque recortar puede cortar el encuadre de primer plano del que depende el disparador ASMR.
Razonablemente bien cuando el prompt nombra el material de forma explícita y describe cómo se ve y suena, porque son temas bastante comunes en el video con el que se entrenaron los modelos. Los materiales menos comunes o inventados se renderizan de forma menos predecible, así que probar un disparador poco habitual con una generación corta y barata antes de comprometerse a una serie completa ahorra créditos y decepción.
Sí. Seedance 2.5 y Kling v2.6 aceptan ambos una imagen subida como primer fotograma o imagen de inicio, y Veo 3.1 acepta una imagen de entrada más hasta tres imágenes de referencia. Fotografiar tu mesa, manos o props reales una vez y usarlos mantiene los clips generados anclados visualmente a un set real y reconocible en lugar de partir de un prompt en blanco cada vez.
Las generaciones se pagan en créditos, y el coste depende del modelo, la duración y la resolución elegidos, así que un número concreto aquí estaría mal en pocas semanas. Los clips de prueba más cortos y de menor resolución cuestan menos que un render completo en 1080p, lo que hace barato probar un disparador antes de comprometerse con la versión final. Las cuentas nuevas empiezan con créditos gratis, y los precios de los planes actuales viven en la página de precios, el único sitio fiable para los números.
La próxima idea de disparador está a un prompt de convertirse en un clip real con el sonido ya dentro. Abre el Toolkit y genera el primero en los próximos minutos.
