Este documento propone un método para predecir la etapa de generación de tendencias de buzz mediante el análisis de la información emocional publicada en servicios de redes sociales para información multimodal, como texto publicado e imágenes adjuntas, basado en el contenido de las publicaciones. El método propuesto puede analizar la escala de difusión desde varios ángulos, utilizando solo la información en el momento de la publicación, al predecir con anticipación y la información de error de tiempo, al ser utilizada para análisis posterior. Específicamente, los tweets y los tweets de respuesta se convirtieron en vectores utilizando el modelo de lenguaje de propósito general BERT que fue entrenado previamente, y las imágenes adjuntas se convirtieron en vectores de características utilizando un modelo de red neuronal entrenado para reconocimiento de imágenes. Además, para analizar la información emocional del contenido publicado, se utilizó un modelo de análisis emocional propietario para estimar emociones a partir de tweets, tweets de respuesta y características de imagen, que luego se agregaron a la entrada como características emocionales. Los resultados de los experimentos de evaluación mostraron que el método propuesto, que agregó características lingüísticas (vectores BERT) y características de imagen a los tweets, logró un rendimiento superior al método que utiliza solo una característica. Aunque no pudimos observar la efectividad de las características emocionales, cuantas más emociones coincidían en un tweet y su respuesta, más acciones de empatía ocurrían y más grandes tendían a ser los valores de "me gusta" y RT, lo que en última instancia podría aumentar la probabilidad de que un tweet se vuelva viral.