Qué puede hacer MAGI-2: 8 ejemplos y prompts con cronograma

👁 113 lecturas

Lo que realmente puede hacer MAGI-2 Preview solo se puede comprobar hoy a través de dos fuentes: tres vídeos de demostración de Sand.ai y los prompts oficiales publicados en su repositorio de GitHub. He reunido 8 ejemplos: 3 clips del fabricante, 3 instrucciones del repositorio y 2 plantillas para hacer tus propias pruebas. Tienes todos los detalles sobre el modelo, su posición en el ranking y sus requisitos técnicos en la guía sobre MAGI-2 Preview.

Vídeos de demostración de Sand.ai

En la página de inicio de sand.ai, dentro del apartado «Features MAGI-2 Preview», hay tres vídeos disponibles. Los revisé el 11 de octubre: las tres URL responden con código 200, los archivos datan del 28 de agosto de 2026, tienen una resolución de 3840 x 2160 píxeles a 30 fps e incluyen pista de audio. Según el README oficial, el modelo solo genera clips nativos de 10 segundos a 1080p, mientras que estos duran entre 5 y 6 segundos en 4K, por lo que el fabricante tuvo que recortarlos y reescalarlos. No facilitó los prompts empleados.

1. Interpretación de personajes: diálogo, canto y emociones

Casos de uso: escenas con personajes hablando o cantando, vídeos musicales o formatos cortos con actores generados por IA.

Prompt: no facilitado por el creador. Descripción en la web: «Precisely generates dialogue, singing, and emotional shifts» (genera diálogos, canto y cambios emocionales con movimiento labial sincronizado).

Comentario: se trata de una demostración seleccionada minuciosamente por la empresa, por lo que resulta complicado deducir de ella un rendimiento medio habitual. En las comparativas a ciegas de Artificial Analysis, MAGI-2 ocupa el puesto número 10 en generación de imagen a vídeo, un nivel comparable a Grok Imagine 1.5, lejos de los puestos de cabeza.

2. Sincronización de imagen y sonido

Casos de uso: efectos de sonido sincronizados con la acción y entornos acústicos que responden a los cambios dentro del encuadre.

Prompt: no facilitado por el fabricante. Descripción en la web: «Visuals and audio are generated jointly by a single model» (las imágenes y el audio son generados conjuntamente por un único modelo).

Comentario: MAGI-2 no añade el sonido a través de un modelo secundario independiente. El texto, el vídeo y el audio pasan por el mismo transformer, y en la instrucción es posible definir el momento exacto de cada evento sonoro hasta la décima de segundo (ver ejemplo 6).

3. Movimientos de cámara

Casos de uso: tomas con aproximación frontal (push-in), seguimiento de personajes o giros orbitales alrededor de un objeto.

Prompt: no facilitado por el fabricante. Descripción en la web: el modelo comprende el encuadre, la composición y el movimiento de cámara, incluidos «zooming in, tracking, and orbiting» (acercamiento, seguimiento y órbita).

Comentario: en las instrucciones oficiales, el movimiento de cámara se desglosa individualmente para cada tramo: tipo (push-in), dirección e intensidad. Ofrece mucho más control que escribir una frase vaga del tipo «la cámara se acerca despacio».

Prompts oficiales del repositorio

El archivo assets/demo_samples.json ejecuta 5 generaciones: dos prompts en modalidad de imagen a vídeo (con imágenes iniciales incluidas), esos mismos dos en modo texto a vídeo y una instrucción estructurada en formato JSON. El README hace referencia también a un archivo sample_002.txt, pero a fecha de 11 de octubre arrojaba un error 404. Todos los prompts originales están redactados en inglés y son muy extensos (entre 9.000 y 11.000 caracteres); aquí muestro solo los fragmentos clave. El repositorio cuenta con licencia Apache-2.0.

4. Anime: una chica sale del bosque frente al océano

Casos de uso: escena narrativa breve con estética de animación japonesa en 2D, con un único corte y exclusivamente sonido ambiental.

core_caption: A 10-second continuous animated sequence following a young girl
from a dark, mist-filled forest to a sudden, bright clearing overlooking
a vast ocean...
audio_design: Completely ambient and naturalistic. [...] No dialogue
or background music.

shot_timeline1  time_range_seconds: 0.0 | 8.0   (bosque, transición hacia el océano)
shot_timeline2  time_range_seconds: 8.0 | 10.0  (primer plano facial, respiración)
audio_event_timeline: pasos 0-5 s, viento 3-8 s, ramas 5-6,5 s,
olas 4-10 s, respiración 8-9,5 s, gaviotas 8,5-10 s

Traducción de la descripción: secuencia animada de 10 segundos en la que una chica cruza desde un bosque sombrío hasta un claro luminoso frente al océano, acompañada por sonidos de pisadas, viento y olas en lugar de música de fondo.

Material disponible: no existe clip oficial renderizado. En el repositorio solo se incluye la imagen de partida sample_000.jpeg (instrucción completa en GitHub).

Comentario: el prompt dispone de bloques específicos para personajes y ubicaciones (reference_bank), tomas y eventos acústicos. Incluye además instrucciones negativas: sin transiciones de destello blanco («flash-to-white»), sin elementos modernos y sin alterar el estilo hacia el 3D. Este es el formato típico que se obtiene tras una fase de expansión automática (prompt enhancement), recomendada en el README oficial.

5. Animación en plastilina: una figura busca una pelota roja

Casos de uso: animación en stop-motion con música instrumental y efectos foley sincronizados, estructurada en cinco tomas a lo largo de 10 segundos.

core_caption: A 10-second stop-motion style 3D clay animation where a small
clay figure searches a cozy room for a lost red ball...
audio_design: Cheerful, warm ukulele and xylophone background music,
layered with animated Foley [...] No dialogue.

Traducción de la descripción: una figura de plastilina busca una pelota perdida en una acogedora habitación; primero encuentra un botón azul y finalmente halla la pelota, todo ello con música de fondo de ukelele y xilófono.

La longitud de la barra representa la duración de cada toma (barra completa = 10 s), extraída de los campos time_range_seconds en el archivo sample_001.txt.

Material disponible: no hay clip oficial disponible; únicamente se proporciona la imagen base sample_001.jpeg.

Comentario: planificar cinco planos distintos en solo 10 segundos resulta muy exigente. El prompt fuerza además un estilo de movimiento rígido, propio de la técnica de animación fotograma a fotograma, e instruye a mantener constante el volumen de la pelota en las manos de la figura. Si el modelo logra mantener esa coherencia sin fallos es algo imposible de confirmar sin haber podido renderizar el clip.

6. Cafetería bajo la lluvia: cronograma en JSON y una línea de diálogo

Casos de uso: plano cinemático con un personaje que realiza una acción física y después pronuncia una frase breve mientras la cámara avanza despacio. Ideal para spots publicitarios o escenas de ficción.

Se trata del único ejemplo oficial facilitado en sintaxis JSON. Se divide en dos niveles principales: global_layer (estilo visual, iluminación, descripción del sujeto, óptica de 50 mm, relación de aspecto 16:9) y dynamic_layer con los segmentos temporales cronometrados. Estructura simplificada:

{
  "global_layer": {
    "context": "A single continuous take inside a small corner cafe on a rainy afternoon.",
    "video_metadata": { "duration": 10.0, "aspect_ratio": "16:9" },
    "camera_cinematography": { "lens_focal_length": "50mm" }
  },
  "dynamic_layer": {
    "timeline_segments": [
      { "segment_basic_info": { "timestamp_range": "00:00.0-00:05.0",
          "camera_delta": { "camera_movement": { "type": "push-in" } } },
        "audio": { "special_audio_events": [
          { "timestamp": "00:02.4",
            "sound_description": "a short soft ceramic tap..." } ] } },
      { "segment_basic_info": { "timestamp_range": "00:05.0-00:10.0" },
        "audio": { "dialogue_lines": [
          { "timestamp": "00:05.6-00:07.4",
            "speaker": "<subject 1>",
            "text": "Careful, it's still very hot." } ] } }
    ]
  }
}

Traducción de la escena: una barista deposita una taza sobre el plato; en el segundo 2,4 se oye el tintineo de la cerámica y, entre los segundos 5,6 y 7,4, dice en inglés: «Careful, it’s still very hot» («Cuidado, todavía está muy caliente»).

Material disponible: no hay vídeo oficial publicado (archivo en GitHub).

Comentario: el documento completo supera los 9.500 caracteres e incluye detalles tan concretos como el anillo de la mano derecha de la camarera. En el bloque de voz se define expresamente "language": "English". El creador no ha publicado un listado de otros idiomas compatibles, por lo que la generación correcta de diálogos en español no está garantizada.

Plantillas para tus propias pruebas

7. El prompt mínimo del README

Casos de uso: comprobar rápidamente si la instalación en tu servidor se ejecuta sin fallos.

torchrun --nproc_per_node=8 inference/pipeline/entry.py \
    --prompt "a red fox in snow" --output output/

Traducción del texto: «un zorro rojo en la nieve».

Material: ninguno disponible. Comentario: el archivo README subraya que recurrir a instrucciones tan breves infrautiliza («underuses») la arquitectura del modelo, diseñada para alimentarse de descripciones largas y sumamente estructuradas. Por esa razón, el pipeline contempla un paso opcional donde un modelo de lenguaje externo expande la orden previa generación.

8. Mi plantilla: anuncio publicitario con cronograma

Casos de uso: anuncio de producto de 10 segundos con plano de detalle, efecto sonoro y locución de cierre. He construido esta plantilla siguiendo fielmente la estructura del ejemplo 6, aunque no he podido llegar a renderizarla: tómala como un esquema de partida, no como un resultado verificado.

{
  "global_layer": {
    "context": "A single continuous product shot on a dark kitchen counter at night.",
    "video_metadata": { "duration": 10.0, "aspect_ratio": "16:9" },
    "camera_cinematography": { "overall_camera_style": "slow orbit around the product",
                               "lens_focal_length": "85mm" }
  },
  "dynamic_layer": {
    "timeline_segments": [
      { "segment_basic_info": { "timestamp_range": "00:00.0-00:04.0",
          "segment_description": "A hand presses the button of a steel coffee grinder.",
          "camera_delta": { "camera_movement": { "type": "orbit" } } },
        "audio": { "special_audio_events": [
          { "timestamp": "00:01.2", "sound_description": "a sharp mechanical click" } ] } },
      { "segment_basic_info": { "timestamp_range": "00:04.0-00:10.0",
          "segment_description": "Ground coffee falls into a glass jar as the camera orbits." },
        "audio": { "dialogue_lines": [
          { "timestamp": "00:07.0-00:09.0", "speaker": "<narrator>",
            "text": "Fresh every morning." } ] } }
    ]
  }
}

Traducción de la escena: una mano acciona un molinillo de café de acero (clic audible en el segundo 1,2); el café molido cae dentro de un frasco de cristal mientras la cámara gira a su alrededor, y una voz en off añade: «Fresh every morning» («Fresco cada mañana»).

Comentario: estas son las pautas clave extraídas de los ejemplos oficiales:

• los tramos deben cubrir la totalidad de los 10 segundos sin dejar huecos vacíos, ya que es la única duración fija que admite el modelo;
• cada suceso auditivo requiere su propia marca de tiempo y una descripción pormenorizada de lo que suena;
• el diálogo debe ubicarse en un campo independiente con emisor y marcas temporales, en lugar de integrarse en la prosa general de la escena;
• la estética global, el esquema de luz y el aspecto de los personajes se declaran una sola vez en global_layer, reservando los segmentos a describir los cambios directos.

Por qué no he incluido vídeos de prueba propios

Con otros modelos suelo realizar comparativas directas utilizando las mismas escenas estándar en mi Arena de vídeo. En el caso de MAGI-2 resulta inviable por varias razones:

• Falta de API: Artificial Analysis lista su precio como «Próximamente». No se encuentra disponible en plataformas como fal.ai, Replicate, WaveSpeedAI ni OpenRouter (datos a 11 de octubre de 2026).
• Requisitos locales desorbitados: los pesos del modelo rondan los 307 GB y la documentación oficial exige 8 tarjetas NVIDIA de arquitectura Hopper. Mi equipo cuenta con una RTX 4090 de 24 GB.
• Coste en la nube: según los cálculos publicados por el blog especializado mushroom.cv, generar un único clip en AWS toma entre 15 y 30 minutos y cuesta entre 22,36 y 37,56 EUR (25-42 USD; cálculo estimado al cambio de referencia del BCE de 1 EUR = 1,1181 USD a 12 de octubre de 2026, fuente: BCE). Con ese presupuesto es posible obtener decenas de tomas mediante las API de los modelos comerciales punteros.

En cuanto se habilite una API pública con tarifas claras o se publique una versión destilada más ligera, añadiré aquí los vídeos resultantes de los ejemplos 4 al 8. Si te interesa un modelo de código abierto capaz de funcionar en un entorno doméstico, echa un vistazo a Wan 2.2 y a la comparativa de modelos de vídeo abiertos. También puedes consultar ejemplos ya renderizados de otros modelos incluidos en la misma revisión del ranking: HappyHorse 1.1 y HiDream-O1-Video.

Preguntas frecuentes

¿Los vídeos de la web de Sand.ai están hechos con MAGI-2?

Los tres vídeos presentes en la sección «Features MAGI-2 Preview» sí lo están, según asegura la propia compañía. Sin embargo, los clips del bloque inferior «Creative Partners» corresponden a creaciones de la comunidad sin especificar qué herramienta se usó (Sand.ai comercializa también la aplicación VidMuse), por lo que no deben tomarse como muestras fiables de MAGI-2.

¿Cómo estructurar un prompt eficaz para MAGI-2?

Debe ser extenso y estar rigurosamente organizado: descripción general de la toma, catálogo de personajes y escenarios, desglose de planos con sus tiempos exactos e hitos de audio con cronometraje. Puedes consultar los esquemas originales en la carpeta assets/ del repositorio.

¿Permite MAGI-2 generar personajes hablando?

Sí, la muestra ambientada en la cafetería incluye una frase con sincronización temporal exacta. No obstante, las frases de los ejemplos están en inglés y el fabricante no ha especificado soporte para otros idiomas.

¿Qué duración tienen los vídeos generados con MAGI-2?

Siempre 10 segundos exactos. Tal como indica el README del proyecto, es la única duración que soporta actualmente la arquitectura del modelo.

// sigue leyendoQué puede hacer Agnes Video 2.5: 8 ejemplos con promptsHerramientas de IAQué puede hacer Seedance 2.5: 8 ejemplos con promptsHerramientas de IADespidos silenciosos: cómo la IA disuelve empleos sin hacer ruidoRevista

Kinetyra