Handmade Stage Film

¿Qué hace Handmade Stage Film?

Noche de Halloween, no hay nada en la tele: una chica con un bob negro se sienta dentro de un sofá de cartón pintado, con un trago rosa en la mano, y hace clic en el control remoto de cartón. La televisión de cartón se enciende con estática, un pequeño fantasma baila en la pantalla, luego se despega y flota. Planea junto a su taza ("Quería un sorbo."), aterriza en la mesa cuadriculada donde un tenedor gigante apuñala un plato de bayas pintadas ("Gardenia. Bayas. Yogur."), y un sorbo después está sentada sobre un enorme sombrero de bruja mientras aparecen estrellas a su alrededor ("...magia completa."). La taza recibe su primer plano con un garabato "Agua Mágica Bonita" y una flecha, y la última tarjeta tiene la marca, la taza, el fantasma, "Edición limitada de Halloween" y dónde está a la venta. Cada fotograma proviene de las siete fotos de campaña propias de la marca.

Se compone de cuatro partes:

• scripts/generate.mjs convierte las fotos fijas en las piezas: keyframes 9:16 (Nano Banana 2 pinta la extensión, los píxeles originales se superponen), clips de Kling, props recortados, etiquetas recolocadas y la marca.
• scripts/reel.mjs corta los clips en un único reel en el reloj de la película.
• scripts/sfx.mjs sintetiza el sonido: un vals de caja de música original y un sonido en cada evento.
• scripts/render.mjs lo reproduce todo como un espectáculo escénico: movimiento escalonado a 12 fotogramas por segundo, vibración de mano, grano en movimiento, títeres, subtítulos en papel rasgado, etiquetas con flechas, una pantalla de televisión que se enciende y la última tarjeta. Se renderiza localmente con Chrome sin interfaz gráfica y FFmpeg.

Configuración (una vez por máquina)

Ejecuta dentro de la carpeta de esta habilidad:

npm install

Esto instala puppeteer-core y ffmpeg-static. Debes tener Google Chrome instalado, o configurar CHROME_PATH con la ruta a un ejecutable de Chrome/Chromium (npx @puppeteer/browsers install chrome-headless-shell@stable te muestra una).

El metraje necesita una clave API para Nano Banana 2 y Kling 2.5 Turbo; los scripts las llaman a través de una puerta de enlace API de modelos, donde se crea la clave (https://fal.ai/dashboard/keys). El usuario la configura en su propio terminal como FAL_KEY (por ejemplo, en su perfil de shell). Nunca le pidas que pegue la clave en el chat, y nunca la imprimas.

Costo

Uso de modelos, facturado a tu propia clave API: $0.08 por cada foto fija extendida a 9:16 (y cada edit), $0.35 por cada clip de 5 segundos, y una fracción de centavo por cada recorte (precios de octubre de 2026). Una película de siete fotos fijas con cinco clips cuesta aproximadamente $2.30. El reel, los títeres, los subtítulos, el sonido y el MP4 final se hacen gratis en tu máquina. Informa al usuario del costo antes de generar.

Qué lo hace funcionar

• Sus propias fotos, intactas donde importa. La extensión y cada clip comienzan a partir de las fotos fijas reales de la marca; extend vuelve a colocar los píxeles originales sobre la versión de la IA, y relabel coloca una etiqueta nítida sobre cualquier fotograma donde el clip la haya borroso.
• Una historia, no una presentación de diapositivas. Planea una pequeña trama a través de las tomas, con algo que viaje entre ellas (aquí un títere fantasma que escapa de un TV). Los subtítulos son pequeños latidos de la historia, no eslóganes.
• Torpe a propósito. Todo se mueve en pasos de 1/12 s con un temblor diminuto, los títeres se tambalean sobre sus puntos clave, los subtítulos aparecen en tres pasos y las flechas se dibujan en tres trazos. No lo suavices.
• Mitad producto, mitad marca. El producto aparece en la mayoría de las tomas y recibe un primer plano con una etiqueta; la última tarjeta es la marca, el producto, el nombre y dónde comprarlo.

Flujo de trabajo

1. Recolecta de 4 a 8 fotos fijas de una sesión (3:4, 4:5 o 9:16), el nombre del producto, una línea (sabores, materiales), una nota ("Edición limitada de Halloween") y la CTA. Pregunta si las fotos llevan una marca o insignia impresa en la parte inferior (se pinta fuera de los fotogramas y se recorta para la última tarjeta).
2. Guión (muéstralo antes de generar): el orden de las tomas, la trama, lo que se mueve en cada clip (una o dos acciones pequeñas, el producto se mantiene quieto), qué props recortar como títeres y qué hacen, los subtítulos y las etiquetas, y el costo. Mantenlo en 15–20 s.
3. Keyframes: node scripts/generate.mjs extend --in still.jpg --out keys/<shot>.png --cover <rows> para cada foto fija que no sea 9:16 (--cover = la altura en píxeles de la banda de marca impresa en la parte inferior del original, si la hay). Mira cada una a tamaño completo: si el modelo dejó un objeto duplicado o reflejado en las nuevas bandas, cúbrelo con textura plana de la misma foto.
4. Prueba: un clip, la toma con el gancho de la trama: node scripts/generate.mjs clip --start keys/<shot>.png --prompt "…" --out clips/<shot>.mp4. El prompt nombra solo lo que se mueve ("ella presiona un botón en el control remoto con su pulgar; la taza permanece vertical e inmóvil"); un sufijo fijo mantiene la cámara bloqueada y el decorado, la cara y el producto sin cambios. Muéstralo, luego haz el resto.
5. Clips para las otras tomas en movimiento. Mira cada uno fotograma a fotograma: anota dónde aterriza la acción (para colocar el sonido y los títeres ahí) y dónde se emborrona el texto pequeño del producto. Arregla las etiquetas con relabel --clip … --key keys/<shot>.png --box x,y,w,h (el cuadro de la etiqueta en el keyframe), o usa solo los fotogramas anteriores a que el producto se mueva. No es necesario un clip para cada toma: un primer plano fijo con un lento zoom in (still, box, boxTo) suele ser mejor para el producto.
6. Props: cutout --in keys/<shot>.png --box x,y,w,h --out props/<name>.png para cada títere (un personaje, estrellas, una flor, una baya, el producto en una mano); edit para un plato con algo eliminado (una pantalla de TV sin su fantasma). La marca: wordmark --in still.jpg --box x,y,w,h --out props/wordmark.png. El fondo de la última tarjeta es un recorte de una pared pintada de uno de los keyframes.
7. Construye effect.json a partir de examples/example.json (ver Tomás y la última tarjeta), luego node scripts/reel.mjs effect.json --out reel.mp4 y configura "reel": "reel.mp4".
8. Sonido: node scripts/sfx.mjs effect.json --out stage.m4a, luego "music": "stage.m4a". Ejecútalo de nuevo después de cualquier cambio en la sincronización. --no-bed --music track.mp3 cambia el vals por una pista que el usuario tenga licencia para usar.
9. Valida: node scripts/validate.mjs effect.json — corrige todos los errores y lee las advertencias al usuario.
10. Borrador: node scripts/render.mjs effect.json --quality draft --width 540 --out draft.mp4, y revisa un fotograma de cada toma: ningún subtítulo, etiqueta o títere sobre una cara o el producto, todo fuera del 14% derecho donde se encuentran los botones de la plataforma.
11. Final: node scripts/render.mjs effect.json --out film.mp4 --poster poster.png. Para Xiaohongshu, recorta una versión 3:4: ffmpeg -i film.mp4 -vf crop=720:960:0:160 -c:a copy film-3x4.mp4 (con el ancho predeterminado de 720; verifica que nada importante esté en los 160 píxeles superior o inferior).

Tomás

Todas las posiciones están en píxeles de fotograma 1080 × 1920. Cada toma es una de:

• Una toma de clip: clip (el archivo que reel.mjs corta), from y to (segundos en el clip), speed (0.5 = media velocidad, que con la reproducción de 12 pasos usa cada fotograma de un tramo bueno corto), hold (segundos que el primer fotograma se mantiene antes de moverse).
• Una toma fija: still (una imagen), len, box y boxTo ([x, y, width] ventanas 9:16 en los píxeles de la imagen; la vista se mueve de una a otra).

Cada toma puede tener:

• captions: { "text", "at", "out", "x", "y", "rot", "size" } — recortes de papel rasgado con palabras escritas a mano; \n rompe una línea.
• tags: { "text", "at", "x", "y", "to": [x, y], "ink": "dark" | "light", "rot", "size" } — palabras escritas a mano con una flecha que se dibuja hacia to.
• puppets: { "image", "path": [[t, x, y, width, rotation], …], "sound", "exit", "flip", "wobble" } — un recorte movido entre sus puntos clave (t en segundos dentro de la toma, x e y su centro). Un punto clave con ancho 0 y luego uno completo un paso después es un pop. Mantiene su último punto clave a menos que "exit": true. sound suena en su primer punto clave.
• screen: { "rect": [x, y, w, h], "off", "static", "plate", "plateAt" } — una pantalla de TV o teléfono que está negra hasta off, estática hasta static, y muestra plate (el mismo keyframe con la pantalla vacía) desde plateAt, para que un títere pueda salir de ella.
• sounds: [[t, "kind"], …] — click, tvon, static, ghost, boing, tap, pop, whoosh, land, stab, sip, sparkle, chime, paper, scribble, cut. Los cortes, subtítulos, etiquetas, pantallas y títeres con un sound obtienen el suyo automáticamente.

La última tarjeta

end: len, bg (una pared pintada 9:16), wordmark (wordmarkY, wordmarkWidth), name (nameY, nameSize), line (lineY), note en un recorte de papel (noteX, noteY), cta en una píldora (ctaY), y puppets como los de una toma (el producto en una mano deslizándose desde el borde, el personaje, las estrellas). Cada uno tiene un tiempo …At.

Campos

Campo	Obligatorio	Notas
reel	sí	ruta a un archivo de video, relativa al archivo JSON — cada toma de clip cortada en un único reel 9:16 sin sonido por scripts/reel.mjs (reel.mp4)
shots	sí	lista de 2–10 entradas: clip, from, to, speed, hold, still, len — la película en orden: tomas de clip (un clip de IA de una de tus fotos fijas) y tomas fijas (una foto fija con un movimiento lento); ver SKILL.md, Tomás
end.bg	no	ruta a una imagen, relativa al archivo JSON — el fondo de la última tarjeta: una pared pintada o telón de fondo de tus fotos, 9:16
end.wordmark	no	ruta a una imagen, relativa al archivo JSON — tu marca sobre fondo transparente (scripts/generate.mjs wordmark)
end.name	no	texto, menos de 4 palabras — el nombre del producto, escrito a mano en la última tarjeta
end.line	no	texto, menos de 6 palabras — una línea corta debajo del nombre, por ejemplo los sabores
end.note	no	texto, menos de 4 palabras — en un recorte de papel rasgado, por ejemplo "Edición limitada de Halloween"
end.cta	no	texto, menos de 12 palabras
music	no	ruta a un archivo de audio, relativa al archivo JSON — la banda sonora de scripts/sfx.mjs (stage.m4a)
palette	no	colores como #RRGGBB; claves: ink (subtítulos y etiquetas oscuras), paper (los recortes de papel y etiquetas claras) y accent (la píldora CTA)

Consejos

• Escribe los prompts de los clips ajustados: una o dos acciones pequeñas, una cara inexpresiva, "la taza permanece vertical e inmóvil, la etiqueta mirando a la cámara". Los gestos grandes emborronan las caras y las etiquetas.
• Kling elige su propio ritmo: mira dónde aterriza la acción y coloca el clic, el corte y los títeres en ese fotograma, no en un número redondo.
• Dale a la historia un viajero: un títere recortado de una foto que aparece en las siguientes tomas une siete fotos fijas en una película.
• Recorta los títeres de las propias fotos, no de arte nuevo: la misma pintura, papel y luz los hacen pertenecer.
• Mantén los subtítulos en tres o cuatro palabras; las imágenes cuentan la mayor parte de la historia.

Salida

H.264 MP4, 1080 × 1920, 30 fps (la imagen se mueve en 12 pasos por segundo), 15–20 segundos con el sonido, más un fotograma de póster (PNG).