Bomx/super-video-maker-skill

Super Video Maker

Lo que hace esta habilidad

Convierte una idea de video, guion, flujo de producto, grabación de pantalla, resumen de avatar o video largo existente en activos de video pulidos. La habilidad puede producir:

• Explicadores con Avatar (avatar-explainer): videos con avatar impulsados por pruebas, con un presentador sintético, grabaciones de pantalla/recibos de fuentes, microhistorias de UI, subtítulos y conclusiones de acción,
• Anuncios UGC AI (ugc-ai-ad): anuncios para redes sociales de pago con un creador AI ficticio, consistencia de personaje con imagen de referencia, clips de Seedance 2.5, consistencia de voz de ElevenLabs, variantes de gancho, subtítulos y llamadas a la acción de respuesta directa,
• Explicadores de Collage en Movimiento (motion-collage-explainer): cortos explicativos sin rostro de una sola idea construidos a partir de un collage recortado de impresión de pantalla audaz (gpt-image-2) animado en un collage vivo con Seedance 2.5, narrados con una voz documental tranquila «En pocas palabras» (consulta MOTION_COLLAGE_STYLE.md),
• videos de avatar con HeyGen,
• b-roll AI con Seedance 2.5 a través de fal.ai,
• imágenes generadas o editadas con modelos de imagen de OpenAI,
• grabaciones de pantalla con cursor/registros de eventos,
• gráficos en movimiento en Remotion o HyperFrames,
• subtítulos, música y exportaciones finales con FFmpeg.

Lee estos archivos cuando sea necesario

• VIDEO_COPY_PLAYBOOK.md para la capa de copia de CADA receta: la columna vertebral de cuatro líneas (un espectador, una promesa, un mecanismo, un siguiente paso), la regla de dos pistas (la voz lleva el argumento, la pantalla lleva la evidencia, ninguna repite a la otra), el arte de la copia en pantalla (titulares cinéticos, insignias de datos, títulos fantasma, ofertas de tarjeta final, el golpe tipográfico), arcos formato por formato, reglas de credibilidad y la puerta de copia para ejecutar antes de la primera llamada de generación paga. LÉELO antes de escribir cualquier guion, gancho, titular o CTA, y lee su sección 11 PRIMERO: una VO de referencia transcrita en el REGISTRO SENCILLO aprobado por el propietario (cero figuras retóricas en 70 segundos) más una tabla de antes/después de copia que el propietario rechazó por «demasiado poética, demasiado conceptual, basura AI». La prueba de señalamiento vive allí: si el espectador no puede señalar el sustantivo que acabas de decir, reescríbelo. Se combina con la habilidad copywriting-skill, que posee las reglas generales de voz y ritmo.
• SPOKEN_VO_HUMANIZER.md para cómo debe SONAR una línea hablada (12 reglas para guiones de formato corto + la lista prohibida de marcas de AI hablada).
• HOOK_PLAYBOOK_ARTICLE_SPRINT.md para familias de ganchos, la regla de ángulo antes de copia y la contabilidad de bucles.
• recipes/README.md y tools/video_recipes.py para recetas de video legibles por máquina (listar, coincidir, planificar, validar).
• REFERENCE.md para capacidades de proveedores y decisiones de enrutamiento.
• FFMPEG_PLAYBOOK.md para recetas exactas de FFmpeg.
• WORKFLOW_EXAMPLES.md para ejemplos completos de producción.
• REMOTION_VIDEO_GUIDE.md para reglas de diseño de movimiento en Remotion.
• TABLETOP_EXPLAINER_PLAYBOOK.md + workflows/tabletop-levels-explainer/ para construir carretes explicativos escalonados de «niveles de X» (presentador ficticio + b-roll de artesanía de primer/último fotograma + ensamblaje de interruptores bloqueados por ritmo).
• LIVING_CANVAS_PLAYBOOK.md + workflows/living-canvas-explainer/ para videos de lanzamiento/explicativos SaaS de un solo lienzo de calidad boutique: ritmo a nivel de elemento en un lienzo continuo (0-3 cortes duros), coreografía de cámara bloqueada por palabras VO sobre tarjetas de UI persistentes, física causal + reflujo de diseño + cadenas de transformación, aperturas en frío de historia con VO emocional y sincronización cómica, música de tres bandas y un bus de SFX bloqueado por ritmo. LÉELO antes de cualquier solicitud de «haz que se sienta como un estudio de movimiento superior» — cada duración, factor de zoom y constante de resorte está especificado.
• HYPERREALISTIC_IMAGE_SOP.md para el marco de 12 partes que convierte una imagen de referencia en una instrucción de creador UGC fotorrealista que no parezca AI. LÉELO antes de generar cualquier imagen fija de creador o personaje hiperrealista.
• MOTION_COLLAGE_STYLE.md para la receta motion-collage-explainer: cómo construir un collage recortado de impresión de pantalla audaz con gpt-image-2, animarlo en un collage vivo con Seedance 2.5 y narraarlo con una voz documental explicativa tranquila «En pocas palabras». LÉELO antes de hacer cualquier corto explicativo sin rostro de collage/idea/concepto.
• REVIEW_VIDEO_PLAYBOOK.md + commands/review-video.md para la receta review-conquest-compilation (/review-video): un montaje VO sin rostro de reseñas REALES y verificadas de competidores dirigidas a la palabra clave «reseñas de », que nombra las quejas recurrentes, posiciona el propio negocio del usuario como la alternativa, luego agrega el carrete de testimonios del propio usuario. LÉELO antes de hacer cualquier video de reseña de competidores / comparación / conquista. El negocio al final es una variable — nunca codifiques una empresa específica.

Reglas operativas

1. Ejecuta un pipeline por etapas, no llamadas aleatorias a herramientas. Utiliza: ingesta -> guion/lista de tomas -> activos -> ensamblaje -> finalización FFmpeg -> control de calidad -> exportaciones. 1a. La copia es una puerta de producción, no un adorno. Antes de la primera llamada de TTS, generación de clip o construcción de línea de tiempo, escribe la columna vertebral de cuatro líneas de VIDEO_COPY_PLAYBOOK.md (un espectador, una promesa, un mecanismo, un siguiente paso), elige el ángulo y ejecuta su lista de verificación de copia. La voz y la pantalla nunca deben llevar la misma oración: silencia el video y la historia aún debería seguirse, en blanco la pantalla y el argumento aún debería aterrizar. Este orden no es estilístico. En formatos bloqueados por VO, el guion ES la línea de tiempo, por lo que un cambio de guion después de la construcción rebloquea cada número de fotograma.
2. Confirma la generación paga antes de la primera llamada paga. Muestra los proveedores planificados, el número de clips/imágenes, la duración, la resolución y los probables impulsores de costos.
3. Prefiere herramientas locales de la habilidad. Utiliza archivos en tools/ antes de recurrir a scripts de la raíz del proyecto.
4. Cada herramienta debe emitir RESULT: {...}. Analiza ese JSON como la fuente de verdad.
5. Mantén el estado del trabajo. Coloca cada ejecución en tmp/video_jobs/<job_id>/ con job_state.json, entradas, intermedias y exportaciones finales.
6. No elimines activos intermedios hasta que pase el control de calidad. Los trabajos de video fallidos son más fáciles de arreglar cuando los clips sin procesar aún existen.
7. Nunca comprometas secretos o sesiones de usuario. No publiques .env, cookies, grabaciones generadas, avatares privados o videos de usuario descargados.
8. Haz que los errores sean amigables para el usuario. Oculta los rastreos de pila sin procesar de los usuarios finales, pero guarda registros detallados para depuración.
9. Por defecto, prioriza videos basados en historias. No hagas presentaciones de diapositivas de noticias simples. Utiliza: gancho -> introducción de avatar transparente -> ritmo de noticia -> historia/ejemplo concreto -> prueba de fuente -> paso de acción. 9a. Usa avatar-explainer como nombre de receta predeterminado para el formato que combina narración de avatar HeyGen, grabaciones de pantalla/recibos de fuentes, microhistorias de UI, b-roll, subtítulos y conclusiones de acción.
10. Revela presentadores sintéticos a través de la propia voz del avatar. Incorpora la línea «Nota rápida, este es el avatar digital de » en el guion justo después del gancho. NO antepongas una tarjeta de descargo estática. Si la divulgación falta en el audio, recurre a una pequeña insignia PNG de píldora redondeada transparente en la esquina superior izquierda durante los primeros ~4 segundos (renderizada con Pillow: relleno azul marino oscuro #0A1228 al 96% de opacidad, contorno naranja de marca #FF6B2C de 2px, punto de acento de 16px, «Avatar digital de » en blanco sans-serif, radio de esquina de 22px, 50px desde cada borde). Nunca uses un drawbox pesado en el tercio inferior en la banda inferior — choca con los subtítulos centrados. Incluye siempre una línea de pie de página permanente en la tarjeta de salida: «Avatar digital de . ».
11. Empareja deliberadamente el avatar y la voz de HeyGen. El avatar y la voz son IDs separados. Si no se proporciona una voz explícitamente, primero intenta emparejar el nombre de la voz con el nombre del avatar seleccionado antes de recurrir a otro.
12. Las grabaciones de pantalla deben parecer investigación, no fondo de pantalla que se desplaza. La prueba del navegador debe mostrar al agente verificando la afirmación: abre la fuente, salta al titular, resalta la frase exacta, usa buscar en página para el nombre de la característica, desplázate al párrafo relevante, cambia de pestaña a la cobertura corroborante y haz zoom a la evidencia. Evita páginas estáticas, deambulación aleatoria, recortes repetidos de héroe, anuncios, CAPTCHAs, modales de cookies y desplazamiento lento que no revele nueva información.
13. Usa b-roll como explicación visual, no como decoración. Para cada oración, pregúntate: «¿Qué superficie cambia debido a esta idea?» No emparejes sustantivos con imágenes genéricas («fundador» -> persona en laptop). Muestra el entorno donde ocurre el cambio: un Google Doc, calendario, SERP, panel de análisis, hilo de Slack, editor de CMS, pestaña de navegador o UI de producto con estados antes/acción/después. Evita copiar cualquier estilo de canal de YouTube existente; usa movimiento editorial moderno original, microhistorias de UI, recibos de fuentes y anotaciones limpias.
14. Bloquea cada visual al ritmo de la narración. Siempre transcribe con Whisper el audio del avatar (marcas de tiempo a nivel de palabra) y fija cada cambio de pantalla, corte de b-roll, subtítulo y tercio inferior a los segundos reales en que aparecen las palabras. Nunca superpongas visuales contra un tiempo supuesto.
15. Detecta duplicación de guion de HeyGen. Algunos renders de HeyGen repiten el guion inesperadamente. Después de la descarga, compara los segmentos de Whisper y recorta el maestro a la primera pasada única antes de componer.
16. Construye una jerarquía visual con zonas no conflictivas y un PiP sin bordes. Avatar a pantalla completa para el ritmo del gancho. Avatar en imagen dentro de imagen para cada otro ritmo: sin bordes, esquinas redondeadas de 24px, sombra suave — nunca un marco duro de color. Implementación: Pillow renderiza pip_mask.png (máscara alfa de rectángulo redondeado) y pip_shadow.png (forma oscura borrosa) una vez por trabajo; FFmpeg usa chromakey -> scale -> alphamerge para redondear las esquinas del avatar, luego compone la sombra en el desplazamiento +4, +16 debajo. Tamaño predeterminado 492x276 en un maestro de 1920x1080. La esquina del PiP se adapta a la alineación de subtítulos: si los subtítulos están centrados en la parte inferior (predeterminado), coloca el PiP en la parte superior derecha en x=W-pip_w-50, y=50. Nunca coloques el PiP en la misma banda que los subtítulos, y oculta el PiP por completo durante la cola de CTA de salida para que la tarjeta de resumen posea el fotograma. Omite la tarjeta de título estática; abre directamente en el avatar a pantalla completa. Mantén una tarjeta de resumen de salida al final con los pasos de acción y un pie de página de divulgación permanente.
17. Quema subtítulos de karaoke centrados en la parte inferior. Negrita mayúscula Arial Black ~64px, grupos de 2-3 palabras con la palabra activa resaltada en amarillo, sombra blanca + contorno de 5px. Estilo ASS: Alignment=2 (centrado inferior), MarginL=MarginR=80, MarginV=90. Genera a partir del JSON de palabras de Whisper con el desplazamiento maestro aplicado. NO uses por defecto la esquina inferior izquierda — los subtítulos alineados a la izquierda se ven amateur y chocan con las superposiciones de divulgación.
18. Normaliza el volumen del audio maestro a I=-16:TP=-1.5:LRA=11 para que la subida sea segura para transmisión en YouTube, LinkedIn, X y podcasts.
19. Usa fal.ai para Seedance 2.5 por defecto. tools/fal_seedance_video.py apunta a 2.5 a menos que pases --seedance-version 2.0 o establezcas SEEDANCE_VERSION=2.0. 2.5 tiene derecho en esta cuenta y se ha verificado que funciona (2026-08-09), así que trata un clip de 2.5 como el resultado normal, no uno deseado. Tres reglas permanentes: (i) fal_client debe estar instalado en el intérprete que ejecuta las herramientas (python3 -m pip install fal-client), o cada llamada a Seedance muere con ModuleNotFoundError antes de llegar a fal; (ii) nunca elimines el guardián de marcador de posición de la herramienta, porque fal responde a una solicitud 2.5 sin derecho con HTTP 200 y su clip de ejemplo enlatado en lugar de un error, y la reserva automática a 2.0 es lo único que evita que el metraje de archivo termine en un video terminado; (iii) siempre verifica fell_back en la carga útil de RESULT antes de afirmar que un clip provino de 2.5 — true ahora significa que el acceso caducó, y vale la pena informarlo en lugar de pasarlo por alto. 2.5 es la versión más cara (~$0.4730/s a 720p vs $0.3024/s en 2.0 estándar y $0.2419/s en 2.0 rápido), así que gástalo en tomas que lleven el video y usa --fast para ritmos de relleno. --fast y --mini fijan una llamada a 2.0, que es la única versión con niveles destilados. Cuando fal Seedance esté limitado o sin crédito, recurre en este orden: (a) Replicate Seedance solo si REPLICATE_API_TOKEN está configurado y fal no está disponible; (b) capturas de pantalla de fuentes reales, maquetas de UI, metraje de archivo o tarjetas tipográficas que expliquen directamente el ritmo; (c) imágenes fijas de OpenAI gpt-image-2 en quality=high, 16:9 nativo (2048x1152) + FFmpeg Ken Burns con escala para llenar/recortar; (d) local_explainer_broll.py solo cuando pueda renderizar un cambio real de UI/evento/estado. Nunca recurras a imágenes abstractas de cosmos oscuro, brillantes, flotantes o simbólicas de «AI».
20. Recupera trabajos largos de HeyGen por video_id en lugar de regenerarlos. Si la encuesta local se agota, consulta el trabajo existente de HeyGen y descárgalo cuando esté completo para evitar el doble cobro de créditos.
21. Nunca buclees b-roll dentro de un ritmo largo. Si un ritmo alineado con Whisper es más largo que el clip, (a) genera un b-roll complementario para la segunda mitad, (b) mantén el fotograma final con tpad=stop_mode=clone:stop_duration=N para desbordamientos de hasta ~2 segundos, o (c) haz un corte cruzado con un fotograma fijo de Ken Burns. Un chasquido de bucle visible es más desorientador que un fotograma fijo breve.
22. Elige b-roll por propósito del ritmo, no por creatividad del prompt. Prefiere lo real sobre lo generado, siempre. El b-roll se decide por lo que la narración está haciendo en ese momento, no por lo que es «genial de generar». Usa este enrutamiento:
    • Ritmo de noticia («esto es lo que cambió»): captura de pantalla real del anuncio (blog oficial, página de producto, publicación de lanzamiento) → Ken Burns. Supera cualquier render generado.
    • Prueba de fuente: metraje de navegador operado por agente o una captura de pantalla real de la página de prueba. Nunca reemplaces esto con b-roll generado.
    • Historia/ejemplo («un fundador haciendo X»): metraje de archivo real de una persona real haciendo la cosa (Pexels/Pixabay) > foto editorial + Ken Burns > generado solo como último recurso.
    • Concepto/metáfora: prefiere una tarjeta de «cita destacada» tipográfica o una foto de objeto real única sobre un render simbólico abstracto.
    • Agregado/momento («todos están hablando»): captura de pantalla de Techmeme/Tendencias/HN con Ken Burns, o una foto de titulares de periódicos en un escritorio, no un render de «constelación de datos».
    • Paso de acción: captura de pantalla de UI real con...