Cómo organizar fotos y vídeos del mismo rodaje
Una estructura de carpetas para fotos, clips y audio, por qué las herramientas de foto y de vídeo se pelean, y cómo mantener un rodaje unido a través de los tres.
Mira lo que sale de verdad de un rodaje real. Una tarjeta de vídeo de la cámara principal. Unos cientos de fotos, algunas de una cámara en condiciones y otras del móvil. Una grabación de audio de la entrevista y otros doce minutos de ambiente. Quizá material de dron.
Ahora mira cómo lo organiza casi todo el mundo: el vídeo recibe una estructura de carpetas cuidada y una convención de nombres, las fotos acaban en una carpeta llamada Fotos, y el audio termina en algún sitio que nadie recuerda.
Seis meses después, el vídeo se encuentra y el resto ha desaparecido. No borrado, solo ilocalizable, que viene a ser lo mismo.
Por qué los medios mixtos se desmoronan
Tres razones estructurales, y merece nombrarlas porque explican por qué la buena voluntad sola no lo arregla.
Las herramientas son tribales. El software de foto creció alrededor de catálogos, revelado RAW, valoraciones y edición no destructiva. El de vídeo alrededor de líneas de tiempo, proxies, códecs y código de tiempo. Cada uno trata los medios del otro como un anexo de segunda. Ninguno quiere ser el sistema de referencia para ambos.
Los estándares de metadatos divergieron. Las fotos tienen EXIF e IPTC, incrustados en el archivo, leídos por todo, un estándar que lleva décadas funcionando. El vídeo no tiene equivalente que todos los formatos soporten y todas las herramientas respeten. Así que el mundo de la foto asume que los metadatos viajan dentro del archivo y el del vídeo asume que no.
Los volúmenes están desequilibrados. 800 fotos y 40 clips es una proporción normal, y significa que cualquier vista que los mezcle queda dominada por las fotos. Así que la gente los separa, y luego uno de los dos montones no se vuelve a mirar.
Una estructura, tres carriles
La solución es una carpeta de proyecto que trate los tres tipos de medio como de primera clase, con carriles paralelos en lugar de un montón mezclado:
2026-08-14_Cliente_Proyecto/
01_Video/
A7SIII/
Dron/
02_Fotos/
Camara/
Movil/
03_Audio/
Entrevista/
Ambiente/
04_Transcripciones/
05_Proyecto/
06_Exportaciones/Los principios:
- El rodaje es el nivel superior. No el tipo de medio. Recuerdas trabajos, no formatos de archivo.
- El tipo de medio es el segundo nivel. Porque es donde divergen las herramientas.
- La fuente es el tercer nivel. Qué cámara, qué móvil, qué grabadora.
- Las exportaciones van separadas de los originales. Siempre, en todos los proyectos, sin excepción.
Esto sobrevive a que se lo entregues a otra persona, que es la prueba de verdad. Alguien que no ha visto nunca tu sistema abre esta carpeta y la entiende en cinco segundos.
La capa común: etiquetas y nombres
La estructura separa. Lo que vuelve a unir los tres carriles es el vocabulario.
Usa las mismas etiquetas de sujeto en los tres tipos de medio. Si un clip lleva puerto y hora-dorada, las fotos de esa misma hora llevan las mismas, y la grabación de ambiente también. Entonces una búsqueda por puerto devuelve todo, que es exactamente lo que quieres cuando estás construyendo cualquier cosa.
En macOS esto es fácil, porque las etiquetas de Finder funcionan igual en un JPEG, un MP4 y un WAV. Es el único punto en el que el sistema de archivos es más capaz que las herramientas especializadas: le da igual qué sea el archivo. Un vocabulario de etiquetas que funciona para B-roll funciona sin cambios para fotos.
Usa la misma nomenclatura con la fecha primero. 2026-08-14_Puerto-Amanecer_001.jpg y 2026-08-14_Puerto-Amanecer-Abierto.mp4 se ve que van juntos, en cualquier lista, en cualquier aplicación, para siempre.
Dónde las fotos necesitan trato propio
Tres cosas necesitan las fotos que los clips no.
Parejas RAW y JPEG. Si disparas RAW más JPEG, mantenlos juntos, con el mismo nombre base, y decide de una vez si los JPEG son vistas previas desechables o entregables. Las copias JPEG conservadas a medias son una fuente recurrente de “cuál de estos es el bueno”.
El EXIF es realmente útil, úsalo. Cámara, óptica, distancia focal, diafragma, hora y a menudo GPS. Está incrustado, es estándar y sobrevive a las copias. No lo elimines en una exportación masiva salvo que quieras, y piensa si el GPS debería quedarse en archivos que envías a un cliente.
El descarte ocurre antes. Con 800 fotos, seleccionar es la primera pasada, no algo que se hace después. Una subcarpeta seleccion o una etiqueta seleccion en la primera pasada es la diferencia entre un conjunto usable y una carpeta que nunca se abre.
Dónde el audio necesita trato propio
El audio tiene el problema inverso: pocos archivos, todos invisibles. Sin miniatura, sin vista previa, nada que mirar en una rejilla.
Dos cosas arreglan casi todo:
- Transcribe todo lo que tenga voz, guarda la transcripción como archivo de texto junto a la grabación, y se vuelve buscable por contenido.
- Describe todo lo que no la tenga. Tipo de sonido, entorno, si admite bucle. Veinte palabras en un archivo adjunto.
Detalle en organizar grabaciones de audio, incluido el caso concreto de una biblioteca de sonido que siga siendo usable dentro de diez años.
La pasada única que cubre los tres
Este es el argumento para tratar los medios mixtos en una operación en lugar de tres.
Los tres carriles necesitan lo mismo: una descripción de lo que hay en el archivo, escrita en un sitio que el sistema operativo pueda buscar. Una foto lo necesita tanto como un clip, porque IMG_4821.HEIC es exactamente igual de opaco que C0087.MP4. Una grabación lo necesita más que ninguno.
Históricamente hacían falta tres herramientas distintas, porque describir una foto, describir un vídeo y transcribir audio eran tres problemas técnicos distintos. Están convergiendo: el mismo tipo de modelo que describe un fotograma describe una fotografía, y el reconocimiento de voz trata igual la pista de un clip y una grabación independiente.
Lo que significa que la forma sensata de una pasada de ingesta es: apuntar un proceso a toda la carpeta de proyecto, dejar que describa todo, nombre todo, etiquete todo y transcriba lo que tenga voz, y luego archivar cada tipo de medio en su carril. Una pasada, tres carriles, un vocabulario.
Esa es la versión práctica del argumento de gestión de material de vídeo con IA, aplicada al lío que un rodaje real produce de verdad.
Una lista para el próximo rodaje
- Crea la carpeta de proyecto antes de copiar nada, con las seis subcarpetas.
- Copia cada tarjeta y cada grabadora a su carril. Verifica. Todavía no formatees nada.
- Lanza una pasada de descripción sobre toda la carpeta de proyecto.
- Descarta fotos. Diez minutos, sin piedad.
- Aplica las etiquetas de sujeto compartidas en los tres carriles.
- Lee las transcripciones antes de abrir una línea de tiempo.
- Haz copia de seguridad de toda la carpeta, y entonces formatea las tarjetas.
Los pasos 3 y 5 eran antes una tarde entera. Esa es la parte que merece automatizarse, y por eso importa más hacerla para los tres tipos de medio a la vez que hacerla bien solo para el vídeo.
Cliptag maneja vídeo, fotos y audio en el mismo volcado en macOS. Las fotos se describen, se nombran y se etiquetan, incluidas las personas que puedes nombrar tú. Las grabaciones se clasifican por tipo y se transcriben cuando hay voz. El vídeo recibe la pasada completa. Todo se archiva por tipo de medio y fecha, con etiquetas de Finder en los tres. Modo local gratis e ilimitado en Apple Silicon, y en los planes de nube cuatro fotos cuentan como un solo análisis.
