Script-to-Video AI Production Skill
Sistema de automatización integral y profundo para convertir guiones de texto puro en videos AI 9:16 Full HD completos, optimizados para la retención de audiencia en TikTok, Reels y Shorts.
🎯 7 REGLAS FUNDAMENTALES (ALWAYS-ON RULES)
-
PROCESO IMAGE-FIRST Y REVISIÓN CON OJO AI:
- Siempre crear las imágenes de los storyboards primero usando el modelo
meta_muse. - Activar el modo de herencia en cadena (
image_chain_mode: "chained") para mantener 100% de consistencia de personajes, vestimenta y escenarios. - Extraer las imágenes y usar el Ojo AI (
read_file) para revisarlas directamente; solo se permite pasar a la creación del video cuando cumplan 10/10.
- Siempre crear las imágenes de los storyboards primero usando el modelo
-
AUDITOR DE VOZ BIDIRECCIONAL (BIDIRECTIONAL STT AUDITOR):
- Dirección directa (Anti-tragación de palabras): Asegurar una cobertura de palabras clave $\ge 70%$ y escanear las últimas 3-5 palabras del guión (evita cortes al final del habla).
- Dirección inversa (Anti-balbuceo al final): Escanear palabras después de la palabra clave final del guión. Si el video es demasiado largo y la AI inventa $\ge 2$ palabras extra ➔ Marcar
FAILEDinmediatamente. - Reporte veraz 100%: Prohibido maquillar los datos del STT u ocultar palabras extra inventadas.
- Regla de bloqueo duro (Hard Gatekeeper): Prohibido absolutamente concatenar videos si alguna escena no ha pasado
PASSED.
-
FÓRMULA DE DURACIÓN DE PACING PRECISA:
- Menos de 25 palabras: 6s - 8s
- 25 - 38 palabras: 10s
- 39 - 50 palabras: 12s
- 51 - 65 palabras: 15s (Voice Directing: lectura rápida y clara)
-
BLOQUEO DEL DIALECTO DEL SUR Y UNIFICACIÓN DE VOCABULARIO LOCAL:
- Cuando el guión solicite voz sureña: Obligatorio reemplazar todas las conjunciones/conectores del norte de Vietnam en el guión y el prompt (ejemplo: usar "ba với mẹ" en lugar de "ba và mẹ", usar interjecciones "hả", "nghen", "nhen", "hén", "sao kì dạ").
- Voice Directing bilingüe obligatorio:
Voice Directing: Giọng phụ nữ miền Nam Sài Gòn ngọt ngào, phát âm chuẩn phương ngữ miền Nam Việt Nam (Authentic Southern Vietnamese Saigon female voice, soft sweet Southern dialect). Cấm tuyệt đối giọng miền Bắc.
-
PRESERVACIÓN DE LA VOZ INFANTIL AL HABLAR DE TEMAS DE ADULTOS Y AUDITORÍA DE TONO:
- Aislamiento de la descripción del diálogo (Isolate Prompt from Dialogue): Prohibido citar contenido filosófico/de dinero/dotes en la descripción de la imagen o movimiento (
[PROMPT],[MOTION]). Mantener la descripción 100% ingenua y animada. - Voice Directing para bloquear voz de niño:
Voice Directing: Voz de niño sureño clara, inocente, ingenua, que habla con tono infantil y balbuceo adorable (Cute toddler boy child voice). Prohibido absolutamente voz de adulto, prohibido absolutamente voz de mujer adulta. - Verificación de tono (Gate $F_0$): La voz infantil debe alcanzar obligatoriamente $F_0 \ge 250$ Hz (normalmente 280-350 Hz). Si $F_0 < 220$ Hz ➔ Marcar
FAILEDinmediatamente, ¡prohibido concatenar el video!
- Aislamiento de la descripción del diálogo (Isolate Prompt from Dialogue): Prohibido citar contenido filosófico/de dinero/dotes en la descripción de la imagen o movimiento (
-
BLOQUEO DE LIP-SYNC DE UN SOLO PERSONAJE Y PLANO PING-PONG:
- Cada plano de video debe tener solo 1 personaje que hable mirando a cámara. Los personajes secundarios deben mantener los labios cerrados escuchando.
- Las escenas de diálogo de 2 o más personas deben dividirse obligatoriamente en planos Ping-pong (1A: Persona que pregunta, 1B: Persona que responde) para evitar solapamiento de lip-sync 100%.
-
PROCESO DE POSTPRODUCCIÓN ESTÁNDAR DE 4 PASOS:
- Snappy Trim: Detectar el punto final de la sílaba usando búsqueda binaria con STT, cortar justo después del habla (+0.15s) con un micro fade-out de 0.15s, eliminando 100% del silencio muerto.
- Re-encode Concat: Concatenar usando libx264 para eliminar errores de paquetes corruptos.
- Speedup 1.1x (Pitch Preserved): Acelerar 1.1x manteniendo 100% el tono natural de la voz.
- Google Drive Sync: Subir automáticamente a la carpeta designada de Google Drive y limpiar los archivos pesados del equipo.
🛠️ ESTRUCTURA DEL SKILL
script-to-video-ai-skill/
├── SKILL.md # Definición de la habilidad para el Agente AI Antigravity
├── PROJECT_RULES.md # Reglas fundamentales obligatorias del sistema (CEREBRO)
├── AGENTS.md # Guía de comportamiento y estilo de trabajo para el Agente
├── GEMINI.md # Documentación detallada de normas y resolución de problemas
├── requirements.txt # Bibliotecas Python necesarias
├── scripts/ # Conjunto de herramientas de ejecución automática:
│ ├── run_render.py # Enviar trabajos y monitorear el pipeline
│ ├── dialogue_auditor.py # Cerebro auditor de voz STT bidireccional y auditoría de tono
│ ├── snappy_trimmer.py # Recorte de silencio muerto usando búsqueda binaria con STT
│ ├── add_footer.py # Agregar pie de página adaptable a la resolución
│ ├── gdrive_uploader.py # Subir video a Google Drive automáticamente
│ └── audio_verifier.py # Soporte para análisis de audio
├── configs/ # Archivos de configuración de ejemplo
│ └── sample_pipeline.json
└── README.md # Guía de instalación e implementación de la A a la Z