Video explicativo de tema
Un video vertical de 60 a 90 segundos (1080×1920) con apariencia "keynote": fondo negro, tipografía muy grande, imágenes a sangre, cortes sincronizados con el ritmo, banda sonora original y efectos de sonido, todo renderizado con Python (PIL + numpy) y ffmpeg. Sin editor de video, sin música de stock.
Ejemplo trabajado: examples/gpt-image-2.6/ (RESEARCH.md, script.json, render.py, audio.py, build_all.sh) produjo un video de 92 s, ~20 MB sobre el lanzamiento de un modelo de imágenes. Cópialo y adáptalo en lugar de empezar desde cero. Sus imágenes destacadas no están en el repositorio; genera las tuyas con scripts/gen_image.py. Lee references/render-pipeline.md antes de cualquier renderización.
La configuración proviene del entorno o de un archivo .env (consulta .env.example). Nunca imprimas claves, sus longitudes o prefijos.
Reglas de contenido (aprendidas a base de experiencia)
- Resultado en los primeros 2 segundos. Empieza con la salida más impresionante, no con un título.
- Nada de bambalinas en pantalla ni en la locución: sin nombres de proveedores o relays de API, sin notas de "generación fallida", sin los costes que realmente pagaste.
- Sin final publicitario. No promociones un servicio en el último tercio — los videos que lo hicieron tuvieron mal rendimiento. Termina con una tarjeta de instrucciones copiable ("截图保存") más una pregunta sin marca para los comentarios.
- No midas velocidad en una red deficiente. Cita los precios y velocidades oficiales y atribúyelos ("官方说"); no presentes tus propios tiempos como hechos.
- Juzga con honestidad. Examina cada imagen generada y di qué es débil, no solo qué es fuerte. Recorta cualquier cosa que se parezca a una marca real o cartel de tienda.
Flujo
- Verifica. Revisa cada afirmación en el sitio oficial, la documentación, el registro de cambios y los precios, además de hilos de la comunidad. Mantén
RESEARCH.mdcon fuentes (ejemplo en el ejemplo trabajado). Si una página devuelve 403, verifica mediante cobertura y menciónalo. - Formato: 1080×1920, 60 a 90 s, a menos que el usuario indique lo contrario.
- Activos destacados:
python3 -I scripts/gen_image.py assets/<nombre> --prompt "..." [--size 2:3] [--ref img.png] [--gif 12:150] [--markup layer.png]. Los resultados y la facturación van aassets/results.jsonl(para ti, nunca para el video). - Guión:
script.jsoncomo{"scenes":[{"id":"s01","vo":"..."}]}. Aproximadamente 6 caracteres por segundo a velocidad de habla 8 (520 caracteres ≈ 85 s). Termina con la pregunta de CTA. Muestra el guión al usuario antes de TTS — TTS se factura. - Voz:
python3 -I scripts/tts_doubao.py script.json build/vo [ids] [--dry-run]. Escribe<id>.mp3y los tiempos de palabra<id>.json. - Renderiza: sigue
references/render-pipeline.md. - Entrega: ruta, duración, tamaño, LUFS medido y pico, qué fotogramas fijos se verificaron, y los 1–2 planos más débiles con sus razones. Pregunta antes de cualquier regeneración facturable más allá de lo acordado.