Habilidad de Producción de Video Cinematográfico Narrativo
Esta habilidad guía la producción integral de videos cinematográficos narrativos de alta fidelidad a partir de capítulos de novelas o guiones narrativos. Combina generación de imágenes multimodales con anclaje de referencias de personajes, locución pura de estudio mediante Gemini TTS y dirección de cámara con múltiples tomas fluidas usando HyperFrames AI (GSAP).
Filosofía Central y Estándares de Producción
- Consistencia Estricta de Personajes: Cada personaje debe anclarse visualmente utilizando una Hoja de Concepto de Referencia. Nunca generar escenas narrativas solo con prompts de texto ciegos; siempre pasar los bytes de la imagen de referencia del personaje y hacer cumplir el ADN visual (estructura facial, cabello, vestimenta).
- Locución Pura de Estudio (Gemini TTS): La voz del narrador debe generarse usando
gemini-3.8-flash-tts. NUNCA poner instrucciones del sistema, tono o metadatos en el prompt de contenido; pasar estrictamente el texto de la narración pura de la historia, de lo contrario el modelo TTS leerá las instrucciones en voz alta. - Sin Ruido de Audio Sintético: Evitar efectos de sonido sintéticos/procedimentales y música de fondo genérica a menos que el usuario lo solicite explícitamente. Una locución vocal limpia y de alta claridad brinda una experiencia inmersiva, similar a un audiolibro con toques cinematográficos.
- Sin Subtítulos: Evitar quemar o superponer subtítulos en el lienzo cinematográfico a menos que se solicite. Mantener la pantalla limpia con un letterbox anamórfico 2.39:1 para maximizar el impacto visual.
- Tomas Cinematográficas Dinámicas: Evitar tomas estáticas únicas por párrafo. Para escenas de alta intensidad o acción, dividir el ritmo en cortes rápidos de múltiples tomas (p. ej., Corte 1: detalle extremo/reacción, Corte 2: impacto/plano general, Corte 3: primer plano emocional).
- Seguridad Estricta (
.env): Nunca leer, mostrar, imprimir o editar.env. Los scripts backend cargan las variables de entorno programáticamente en la memoria en tiempo de ejecución.
Pipeline de Producción (Paso a Paso)
flowchart TD
A["Texto del Capítulo (chapter_XX.md)"] --> B["1. Desglose de Escenas y Storyboard"]
B --> C["2. Biblia de Personajes y Hojas de Referencia"]
C --> D["3. Generación de Imágenes Multimodales (gemini-2.5-flash-image)"]
B --> E["4. Locución Pura de Estudio (gemini-3.8-flash-tts)"]
D --> F["5. Composición HyperFrames y Movimiento GSAP"]
E --> F
F --> G["6. Validación (npx hyperframes lint)"]
G --> H["7. Renderizado Completo (npx hyperframes render)"]
Paso 1: Desglose de la Historia y Construcción del Storyboard
- Leer el capítulo de la novela o el texto de la historia objetivo (p. ej.,
chapter_01.md). - Dividir el capítulo en 8–12 beats/escenas cinematográficas distintas.
- Para cada escena, especificar:
scene_id: p. ej.,scene_01,scene_02, etc.title: Título descriptivo corto (Tailandés/Inglés).narration: El texto exacto de la narración pura en tailandés para esa escena.visual_prompt: Prompt cinematográfico detallado (16:9, iluminación, ángulo de cámara, ambiente atmosférico).characters_present: Lista de claves de personajes (p. ej.,["prima", "tawan"]).
- Guardar el desglose en
video_project/storyboard.json.
Paso 2: Biblia de Personajes y Anclaje de Referencias
- Revisar
character_references/character_bible.mdpara ver si ya hay personajes definidos. - Si se introducen nuevos personajes, generar primero una Hoja de Referencia de Personaje dedicada:
- Formato: Hoja conceptual panorámica 16:9 que muestre múltiples ángulos (primer plano retrato, vista 3/4, cuerpo completo) sobre un fondo neutro de estudio cinematográfico.
- Guardar en
character_references/<clave_del_personaje>_reference_sheet.png. - Documentar el ADN visual exacto en
character_references/character_bible.md(edad, rasgos faciales, peinado, estilo de vestimenta, rasgos distintivos).
Consulta la Guía de Consistencia de Personajes para ver plantillas detalladas de prompts de referencia.
Paso 3: Generación de Imágenes Multimodales
- Usar
gemini-2.5-flash-imagemediante el SDK de Google GenAI. - Para escenas con personajes establecidos:
- Cargar la hoja de referencia del personaje como bytes de imagen binaria.
- Proporcionar la parte de la imagen de referencia junto con el prompt de texto en la solicitud multimodal.
- Instruir explícitamente al modelo: "Usando el personaje exacto de la imagen de referencia (, <descripción>): [Descripción de la escena]".
- Para escenas de acción o alto drama:
- Generar subcortes de múltiples tomas (p. ej.,
scene1_cut1_tire.png,scene1_cut2_impact.png,scene1_cut3_face.png).
- Generar subcortes de múltiples tomas (p. ej.,
- Guardar las imágenes en
video_project/images/y copiarlas a los activos del proyecto HyperFrames (sample_hyperframe/assets/).
Script auxiliar: scripts/generate_scene_images.py
Paso 4: Locución Pura de Estudio (Gemini TTS)
- Usar el modelo
gemini-3.8-flash-tts. - Configurar la generación de audio:
response_modalities=["AUDIO"]speech_configcon una voz predefinida (p. ej.,PuckoAoede).
- CRÍTICO: Pasar SOLO el texto exacto de la narración en
contents.# CORRECTO: response = client.models.generate_content( model="gemini-3.8-flash-tts", contents=scene["narration"], # ¡Solo texto puro! config=types.GenerateContentConfig(response_modalities=["AUDIO"], speech_config=...) ) - Convertir el PCM/WAV de salida sin procesar a MP3 limpio a 44.1 kHz usando FFmpeg.
- Guardar los archivos de audio en
video_project/audio/voice/y copiarlos asample_hyperframe/assets/.
Script auxiliar: scripts/generate_gemini_tts.py
Paso 5: Ensamblaje HyperFrames y Movimiento Cinematográfico
- Medir la duración de cada archivo de voz de la escena usando
ffprobe. - Calcular los tiempos de inicio y duración de cada escena:
scene_duration = voice_duration + 0.6s(0.2s de pre-roll + 0.4s de margen de respiro).
- Generar
sample_hyperframe/index.htmlcon:- Superposiciones de letterbox panorámico 2.39:1 (
.letterbox-top,.letterbox-bottom). - Contenedores de imagen puros sin subtítulos.
- Elementos nativos
<audio>programados en sus marcas de tiempo exactas (tl.call(() => audio.play(), ..., voice_start)). - Animación de la línea de tiempo GSAP:
- Cortes de múltiples tomas para los beats de acción (alternancia de visualización con transiciones de destello blanco).
- Acercamiento/desplazamiento lento tipo Ken Burns (
scale: 1.0 -> 1.08-1.12). - Fundidos cruzados / cortes suaves entre escenas.
- Registrar la línea de tiempo:
window.__timelines = [tl].
- Superposiciones de letterbox panorámico 2.39:1 (
- Actualizar
sample_hyperframe/hyperframes.jsoncon la duración total exacta:{ "duration": 177.6, "fps": 30, "width": 1920, "height": 1080 }
Script auxiliar: scripts/build_hyperframes_project.py
Guía de animación detallada: Guía de Movimiento HyperFrames
Paso 6: Verificación y Renderizado
- Verificación de Linting:
Asegurar 0 errores, 0 advertencias.cd sample_hyperframe npx hyperframes lint - Renderizar Película Completa:
npx hyperframes render --output ../video_project/output/<nombre_del_capitulo>_full_movie.mp4 - Verificación de Calidad:
- Confirmar que el archivo existe y su tamaño es razonable (~150–250 MB para ~3 min Full HD).
- Verificar la sincronización audio-video y la ausencia de fotogramas negros o cortes de audio.