Cómo escribir prompts para música con IA — Guía para no músicos
No necesitas leer partituras, tocar un instrumento ni saber qué es un acorde para hacer con IA una canción que de verdad te guste. La diferencia entre un resultado genérico y la canción que imaginaste está casi por completo en lo que escribes en el cuadro de texto.
Las herramientas de música con IA ya se han generalizado. En una encuesta de LANDR de 2025 a más de 1,200 creadores de música, el 87% dijo que ya usa IA en alguna parte de su proceso. Las herramientas son capaces y están ampliamente adoptadas; para quien empieza, la barrera ya no es la destreza — es saber describir lo que quieres.
Y la mayoría de los principiantes escribe demasiado poco.
La trampa de una sola palabra
El gesto de principiante más común es escribir una sola palabra — "pop", "triste", "lofi" — y pulsar generar. También es el que produce los resultados más olvidables.
En una muestra multiplataforma de unas 650,000 generaciones de música con IA, la longitud de lo que la gente escribe se divide en dos bandos. Cerca del 41% de los prompts superan los 1,000 caracteres — letras completas o indicaciones detalladas. Solo alrededor del 9% se queda por debajo de los 50 caracteres. Hay muy poco entre medias. Quienes consiguen canciones concretas escriben párrafos; quienes consiguen sonido de fondo escriben etiquetas.
No necesitas 1,000 caracteres. Necesitas más de una palabra. Un buen objetivo inicial son una o dos frases completas — como las que usarías para describirle una canción a un amigo antes de que te la ponga.
Describe la escena, el ánimo y el movimiento
Un prompt que el modelo puede aprovechar de verdad nombra tres cosas: la escena a la que va destinada la canción, el ánimo que transmite y qué está haciendo la música. El género por sí solo apenas mueve el resultado.
En la muestra, las palabras de ánimo y emoción aparecen casi con la misma frecuencia que los nombres de instrumentos. La gente describe cómo debe sentirse una canción tanto como lo que contiene — y la sensación es la parte que el modelo no puede adivinar a partir de una etiqueta de género.
Una plantilla fiable:
[escena u ocasión]+[ánimo]+[quién canta]+[qué hace la canción]
Así, "pop" se convierte en:
Un synth-pop animado para una ruta de verano, brillante y alegre, voz femenina joven, que sube a un gran estribillo coreable.
Y "piano triste" se convierte en:
Una balada de piano lenta e íntima sobre extrañar a alguien, nocturna y contenida, con una voz masculina suave que no se alza hasta el estribillo final.
El "movimiento" es la parte que los principiantes se saltan. ¿La canción se mantiene estable, crece o cae? "Sube hasta un gran estribillo", "se mantiene suave de principio a fin", "cae con fuerza después de la primera estrofa" — esto le dice al modelo la forma, no solo la vibra.
La paleta de sonido: nombra la voz y ancla unos pocos instrumentos
Después de la escena, dos cosas moldean el sonido más que nada: la voz, y dos o tres instrumentos ancla.
La voz cantada es el valor por defecto. En la muestra, las descripciones vocales superan a las peticiones de pistas puramente instrumentales en una proporción aproximada de 17.6 a 1 — si no quieres que se cante, escribe "instrumental", o te llegará una voz.
Si sí quieres voz, describe a quien canta en tres trazos: identidad (mujer joven, hombre mayor, un niño), textura (rasgada, aireada, suave) y entrega (rapeada, a pleno pulmón, susurrada).
Con los instrumentos, dos o tres bastan — amontona diez y se difuminan entre sí. Nombra los que definen la canción; el modelo rellena el resto. Entre los instrumentos que la gente sí nombró, el bajo y la guitarra encabezan la lista — los cimientos moldean la sensación más que el solo.
Dos paletas al mismo tempo producen canciones completamente distintas:
una voz masculina cálida y ligeramente rasgada, guitarra acústica punteada, contrabajo suave
una voz femenina brillante con auto-tune ligero, bajo 808 con pegada, plucks de sintetizador cristalinos
Las etiquetas de estructura son el control más barato que no estás usando
Si alguna vez has generado una canción que parecía un loop de dos minutos — sin crecimiento, sin recompensa, la misma idea dando vueltas — esta sección es la solución.
Las canciones que amas tienen partes, y ya las conoces de oído aunque nunca hayas usado sus nombres. La estrofa (verse) es la parte narrativa: hace avanzar la historia, normalmente algo más tranquila. El estribillo (chorus) es la parte que siempre vuelve — la que puedes tararear tras una sola escucha, normalmente la más grande. El puente (bridge) aparece una vez cerca del final, cambia el paisaje y hace que el último estribillo golpee más fuerte.
Las etiquetas de estructura te permiten entregarle esa forma al modelo directamente. Escribe el nombre de la sección entre corchetes y, después, unas pocas palabras llanas sobre cómo debe sentirse esa parte:
[verse] quiet, just guitar and voice
[chorus] full band, big harmonies
[verse] add a steady drum beat
[bridge] strip back to piano
[chorus] biggest version, lift the energy
No hace falta escribir ninguna letra para usarlas. Incluso las etiquetas a secas — [intro] [verse] [chorus] [verse] [chorus] [outro] — convierten un loop en una canción con una forma reconocible.
Y esto no es un truco de nicho. En la muestra, [chorus] aparece alrededor de 453,000 veces y [verse] alrededor de 410,000 — seis de las ocho palabras más comunes de todo el conjunto de datos son etiquetas de sección, no ánimos ni géneros. La mayoría de los tutoriales enseñan a los principiantes a pulir sus palabras de ánimo. Quienes han hecho muchas canciones gastan sus palabras en la estructura.
Melodía y voz, sin jerga
Las etiquetas de estructura se mantienen simples porque solo marcan secciones. La melodía y el canto también merecen dirección — y puedes hacerlo con palabras llanas, sin términos musicales. Solo di cómo quieres que se sienta la melodía:
- Un estribillo que se queda contigo: "a catchy hook that lifts and rises at the end" (un gancho pegadizo que se eleva al final).
- Letras que se pueden seguir: "clear, one note per syllable, easy to sing along" (claro, una nota por sílaba, fácil de corear). O la versión R&B, donde una palabra serpentea por varias notas: "lots of vocal runs" (muchos melismas vocales).
- Energía: "short, punchy notes" (notas cortas, con pegada). Calma: "smooth, flowing, connected notes" (notas suaves, fluidas, ligadas).
- Para rap: "a laid-back flow" (un flow relajado) o "a fast, tight flow" (un flow rápido y preciso).
Los usuarios avanzados a veces escriben esto como etiquetas entre corchetes — [soaring melody], [melismatic vocals], [staccato] — y funcionan en las herramientas que las admiten. Pero no tienes que aprenderte el vocabulario. La descripción llana te lleva la mayor parte del camino, y es el mismo instinto que el resto de esta guía: di lo que quieres escuchar.
Los otros diales: tempo, tonalidad, duración
El tempo, la tonalidad y la duración solo merecen fijarse cuando tienes una razón concreta. El resto del tiempo, tu descripción ya los implica.
- El tempo (BPM) es simplemente la velocidad de la canción — pulsos por minuto. Rangos orientativos: una balada lenta ronda los 60–80, la mayoría del pop 100–130, el house y el EDM cerca de 120–130, el hip-hop 80–100, el drum & bass de 165 en adelante. Fija un número cuando la canción tenga que encajar con algo externo — el corte de un video, un baile, un ritmo de carrera. Si no, "lenta", "de tempo medio" o "con empuje" cumple la función.
- La tonalidad decide lo aguda o grave que suena la canción. La mayoría de los no músicos debería dejarla en blanco; el modelo elige algo cantable. Fíjala solo si estás igualando una pista existente o el registro de un cantante concreto.
- La duración importa cuando la canción llena un hueco — un clip de 30 segundos, una intro de 15 segundos. Si no lo dices, normalmente recibirás un arreglo de duración completa.
- El modo simple frente al avanzado es el único interruptor que vale la pena entender. Simple significa que describes la canción con palabras llanas; avanzado, que escribes tú mismo la letra y las etiquetas de estructura. En la muestra, el avanzado supera por poco al simple en el uso real — alrededor del 46% de las generaciones frente al 38%. Empieza en simple y cambia al avanzado en cuanto quieras controlar la forma de la canción.
Un prompt de partida para seis estilos comunes
Aquí está ese marco convertido en prompts que puedes copiar. Cada fila nombra una escena, un ánimo, una voz y qué hace la canción. Busca la más cercana a lo que quieres y cambia los detalles para que encajen con tu canción.
| Estilo | Un prompt que escribirías de verdad | Diales que conviene fijar |
|---|---|---|
| Pop | Un synth-pop animado para una ruta de verano, brillante y alegre, una voz femenina joven que sube a un gran estribillo coreable | ~120 BPM |
| Balada acústica | Una balada lenta e íntima sobre la nostalgia del hogar, una voz masculina cálida y rasgada, guitarra punteada y contrabajo suave | ~70 BPM |
| Hip-hop | Un rap boom-bap sobre trabajar duro hasta la madrugada, un flow masculino relajado sobre un loop de piano polvoriento y 808s duros | ~90 BPM |
| EDM | Una pista de house eufórica de festival cuyo drop llega tras una larga subida, una línea vocal femenina brillante y stabs de sintetizador cristalinos | ~126 BPM |
| Lo-fi | Un beat lo-fi tranquilo para estudiar, cálido y brumoso, sin voces, piano Rhodes polvoriento y suave crepitar de vinilo | Instrumental, ~80 BPM |
| Cinematográfico | Una pieza cinematográfica de crecimiento lento para un momento de orgullo, sin voces, cuerdas y piano que suben hasta un clímax pleno | Instrumental |
Fíjate en que ninguno es una sola palabra.
Lo que la gente crea realmente con esto
No necesitas un plan de lanzamiento para justificar hacer una canción. Una sola herramienta de IA, Suno, genera, según los informes, alrededor de 7 millones de canciones al día. La mayoría es cotidiana y personal — que es exactamente donde los no músicos tienen la ventaja.
Esa larga cola es la verdadera historia para los aficionados. El 0.6% de canciones de cumpleaños y el 0.4% de jingles no son errores de redondeo — son miles de canciones hechas para una persona o un propósito concretos. Algunos de los usos más comunes:
- Creadores de contenido — música de fondo para videos, podcasts y directos, sin tomar prestada la pista con derechos de autor de otra persona.
- Canciones de regalo — una pista escrita para una sola persona: un cumpleaños, un aniversario, el primer baile de una boda, una despedida.
- Pequeños negocios — un jingle de 20 segundos, una cama musical para un anuncio o música de tienda en loop.
- Solo para ti — una canción de cuna con el nombre de tu hijo, o una semana difícil convertida en tres minutos de algo.
Ninguna de estas necesita entrar en las listas de éxitos. Necesitan hablar de la persona o del momento correctos, y eso es lo único que solo tú puedes poner en el prompt.
El modelo pone el oficio. Tú pones los detalles concretos. Para el panorama completo de quién hace música con IA y cómo, mira nuestro análisis de los datos.
Si hay un hábito que vale la pena cambiar, es el prompt de una sola palabra. Una escena, un ánimo, una voz nombrada y unas pocas etiquetas de sección llevan a un no músico casi hasta la canción que ya está escuchando en su cabeza — sin necesidad de teoría.
Y si incluso eso te parece demasiado, no tienes que hacerlo tú. En Lacuna puedes describirle la canción al agente en lenguaje llano y dejar que él se encargue del prompt — te pregunta qué buscas, ajusta contigo la escena, la voz, la estructura y el tempo, y genera la pista cuando coincide con lo que tenías en mente.