Palabras clave para videos de stock: ¿tu herramienta ve el clip completo?

Un video de stock recibe un solo título, una sola descripción y una sola lista de palabras clave para toda su duración. Hasta que un comprador lo reproduce, esas palabras son lo único con lo que trabaja el buscador. Así que la pregunta para cualquier clip es sencilla: ¿las palabras describen el clip o solo una imagen de él?

Dos segundos en un clip de 23 segundos

Veamos un clip de una grabación real: una clase de programación en una empresa. Un presentador está de pie junto a una pantalla llena de código, un equipo está sentado alrededor de la mesa de una sala de juntas y lo vemos todo a través de una pared de vidrio. En el 0:06, alguien en la mesa levanta la mano. Para el 0:09 ya la bajó. Dos segundos de 23.

Cuatro fotogramas del mismo clip de 23 segundos. El inicio, la mitad y el final muestran una presentación; solo el fotograma del 0:07 muestra la mano levantada. Video: azmanl

Ahora imagina una herramienta que escribe los metadatos a partir de unos pocos fotogramas, por ejemplo el inicio, la mitad y el final. Cada uno es una buena imagen de una presentación, y en ninguno aparece la mano. Todo lo que escribe esa herramienta es cierto para los fotogramas que vio, y aun así el clip queda mal descrito, por omisión: la pregunta del público nunca ocurrió.

Esta es la descripción que Stock ImageIQ escribió para el clip (en inglés, el idioma que piden las agencias, como todos los ejemplos de este artículo):

Wide shot of a mature Asian male coding presenter standing beside a presentation screen while diverse businesspeople sit around a boardroom table. He gestures toward the displayed code and an audience member briefly raises a hand during the presentation.

La última parte, “an audience member briefly raises a hand” (una persona del público levanta la mano un momento), corresponde a esos dos segundos. Está ahí porque se procesó todo el clip, de principio a fin.

Los compradores de video buscan lo que pasa

Un editor que monta un video de capacitación tiene una voz en off que dice “¿alguna pregunta?”. No necesita “una presentación”: necesita la toma en la que se levanta una mano. Un productor que arma la apertura del video promocional de una conferencia necesita gente que llega, no una sala vacía. En los dos casos, lo que escriben en el buscador es una acción.

Las agencias piden exactamente eso. Storyblocks indica a sus colaboradores que el título de un clip debe nombrar el motivo principal “junto con lo que está pasando y/o dónde está pasando”, y su guía de palabras clave pone la acción justo al lado del motivo y el lugar: “Acción (correr, escribir en el teclado, leer, etc.)”. Shutterstock pide palabras clave que “se relacionen directamente con lo que hay en la imagen o el video”. En un video, lo que hay incluye lo que pasa.

Un clip cambia. Un fotograma, no.

Una foto es un solo momento. Un clip es un tramo de tiempo, y algo cambia en él: la gente llega y se va, algo se mueve, la toma termina en un lugar distinto de donde empezó. Este es otro clip de la misma clase de programación, con la descripción que Stock ImageIQ escribió para él:

Wide shot of a mature Asian male coding trainer standing at a conference table with a digital display behind him, presenting to an empty boardroom. Diverse business professionals walk through the door, approach the table and take seats as the presentation begins.

Su primer fotograma es una sala vacía. El último es una reunión. Los dos son ciertos, y ninguno es el clip: el clip es la gente que llega. Solo una descripción escrita a partir de todo el clip dice lo que pasa, en el orden en que pasa, y las palabras clave también lo reflejan: Empty, Door, Walking, Entering, Sitting (vacío, puerta, caminar, entrar, sentarse).

Con los movimientos de cámara pasa lo mismo. Una toma que se acerca a un edificio o se aleja para revelar una calle empieza como una imagen y termina como otra, y para un editor que monta una secuencia, el movimiento puede ser la única razón para elegirla. Si la descripción no lo dice, el buscador no lo encuentra.

Qué contiene una descripción del clip completo

La descripción del clip de la presentación, desarmada. Tres partes valen para todo el clip; la cuarta depende de dos segundos.

Una buena descripción de video responde a cuatro cosas, normalmente en una o dos oraciones:

1. La toma. Plano general, primer plano, toma aérea. Storyblocks menciona los tipos de toma poco comunes, como las tomas aéreas y con dron o los primeros planos, entre lo que vale la pena poner en un título.
2. Quién y dónde. Los hechos que son ciertos en cada segundo del clip.
3. Qué pasa. La acción que recorre todo el clip.
4. El momento. El hecho breve que quizá busca un comprador y que solo aparece si alguien vio el clip.

Tres fotogramas o el clip completo

Leer tres fotogramas (uno del inicio, uno de la mitad y uno del final) es una función de IA básica y genérica. Trata un clip como tres fotos, y todo lo que pasa entre ellas se pierde: la mano en el 0:06, la gente que entra, el movimiento que define la toma.

Stock ImageIQ ve el clip completo y lo analiza entero, de principio a fin. Por eso la descripción de la presentación dice que se levanta una mano, y la descripción de la sala de juntas vacía dice quién entra y se sienta.

Qué hace Stock ImageIQ con un clip

• Ve y analiza todo el video, de principio a fin, no tres fotogramas.
• Escribe lo que pasa, en el orden en que pasa, incluidos los momentos que duran dos segundos.
• Indica el tipo de toma y, si la cámara se mueve, dice cómo.
• Agrega la duración del clip como palabra clave, si así lo quieres. Selecciona tus videos, marca Duration keyword (palabra clave de duración) y cada clip seleccionado recibe una palabra clave con su duración, desde Less Than 10 Seconds (menos de 10 segundos) hasta 1 Minute or Greater (1 minuto o más). El clip de 23 segundos de arriba recibe 20 Seconds or Greater. Desmarca la casilla y las palabras clave de duración desaparecen.
• La última palabra es tuya: revisas cada campo, reordenas las palabras clave, regeneras con más contexto y exportas.

Preguntas frecuentes

¿El movimiento de cámara debe ir en el título?

Si define el clip, sí. Un acercamiento lento hacia un edificio y una toma fija del mismo edificio son clips distintos, y un editor que necesita el acercamiento no lo va a encontrar si el título solo describe una toma fija. Cuando el movimiento es secundario, déjalo en la descripción, donde hay espacio para decir qué revela.

¿Y si en mi clip no pasa nada?

Entonces la descripción no debe inventar nada. Una toma fija del horizonte de una ciudad al atardecer es eso, el horizonte de una ciudad al atardecer, y decir exactamente eso es escribir metadatos honestos. Ver el clip completo es también la forma de saber que no pasa nada.

¿Tengo que describir cada segundo?

No. Una descripción que enumera cada segundo se lee como una bitácora, y la acción se pierde en ella. Nombra la toma, quién y dónde, qué pasa y el momento que importa, en el orden en que pasa.

Fuentes (en inglés): Storyblocks: cómo escribir mejores títulos para tus clips de video · Storyblocks: cómo escribir mejores palabras clave para tus clips de video · Shutterstock: buenas prácticas para descripciones y palabras clave.

Leer tres fotogramas es una función genérica de IA. Stock ImageIQ ve el clip completo y lo analiza entero, así que la descripción dice lo que de verdad pasa. Pruébalo en tu próximo clip.

Sigue leyendo: Qué es Stock ImageIQ: una sesión de fotos en cada pasillo · Cómo escribir títulos y descripciones para fotos de stock