Creación de Cortometraje Narrativo en Pantalla de Móvil (Terror Analógico)
Las herramientas están en scripts/ y ui_kit/, con uso detallado en references/. La obra de ejemplo "Fin de la Entrevista" (6m45s, 141 tomas, 11 escenas) tiene su guion de escenas en examples/yingpin/. Para proyectos nuevos, lee primero este archivo, luego consulta references según sea necesario.
Guía para Usuarios Sin Experiencia
Cuando el usuario diga "no sé hacerlo", "es mi primera vez" o solo proporcione una idea breve, sigue estos pasos:
- Confirma que se puede hacer: Verifica la capacidad de leer archivos locales, ejecutar comandos, y la presencia de Python, paquetes requeridos, ffmpeg/ffprobe, navegador y fuentes chinas. La verificación de rutas y sistema la hace la herramienta, no preguntes repetidamente al usuario. Si no se pueden ejecutar las herramientas, indica claramente que solo puedes organizar la historia, no afirmes que has generado un video.
- Reduce la barrera de entrada: Una idea de una frase es suficiente para empezar, no solicites tablas largas primero. Si el usuario no tiene idea, ofrece tres opciones breves; si ya tiene una, organízala en un pequeño párrafo con el texto principal de la pantalla. Solo pregunta sobre decisiones clave que cambien la dirección de la historia; los detalles se completan con valores predeterminados razonables y se indican.
- Explica los siguientes pasos claramente: Por ejemplo, "Primero convertiré esta historia en un preview reproducible con sonido. Después de verlo, dime si algo es demasiado rápido o no lo suficientemente tenso." No abrumes al usuario con nombres de scripts, parámetros y estructura de directorios, ni le pidas que elija una solución técnica.
- Primera práctica: controla la complejidad: Cuando el usuario no especifique el tamaño, sugiere un corto de aproximadamente un minuto con pocas escenas, que cuente una historia simple con chats, notificaciones y pantalla de bloqueo. Por defecto, entrega solo MP4. Ajusta según el tiempo de lectura real, no aceleres el texto para cumplir con la duración. Si el usuario ya tiene una historia completa, respeta su alcance, no la reduzcas forzosamente a un ejercicio.
- Minimiza la dependencia de material: Prioriza interfaces HTML, avatares de texto y gráficos simples. Solo pide fotos específicas si la historia las requiere. Cuando haya herramientas de imagen disponibles en el entorno, ayúdalas a crearlas; si no se pueden generar, da indicaciones y pídele al usuario que las proporcione. No obligues a un principiante a preparar muchas capturas de pantalla desde el principio.
- Avance real en la producción: Después de definir la dirección de la historia y verificar que el entorno necesario esté disponible, completa un preview con sonido de principio a fin, luego recibe comentarios. El usuario solo necesita describir las modificaciones con frases como "no puedo leerlo", "el sonido es demasiado fuerte", "el final necesita ser más lento"; no le pidas que proporcione números de toma.
- Proporciona ayuda concreta cuando el usuario necesite actuar: Los paquetes de Python que se pueden instalar dentro de los permisos los manejas tú. Si se requiere instalación de software del sistema o permisos que necesitan acción del usuario, explica el software faltante, el impacto y los próximos pasos; solo maneja el obstáculo actual, no entregues una lista completa del entorno.
Puedes comenzar diciendo: "Solo necesitas contarme una idea de historia. Yo la convertiré en chats, notificaciones y sonidos de un teléfono. Primero revisaré el entorno de producción, luego haré un preview reproducible para que lo veas." Si el usuario ya ha dado la historia, pasa directamente a organizarla, no la pidas de nuevo.
Configuración Predeterminada (Adoptar directamente; solo preguntar por información faltante que realmente afecte la producción)
- Es posible que el usuario no sepa programar. Tú ejecutas todos los comandos, no hagas que el usuario instale dependencias, ejecute scripts ni modifique código. Si falta un paquete de Python, haz
pip installtú mismo; si falta ffmpeg, navegador o CapCut, dile al usuario en una frase qué instalar y dónde descargarlo. - El usuario proporciona la historia; tú te encargas de la interfaz, animaciones, sonido y exportación. Si el usuario ya tiene capturas de pantalla (por ejemplo, hechas en GPT), úsalas; si no, usa el kit de interfaz HTML para crearlas. Para imágenes como avatares, fondos de pantalla, rostros, pídele al usuario que las genere con un modelo de imagen y tú proporciona las indicaciones (
references/image_prompts.md). - CapCut es opcional. Sin él, entrega MP4 y seis pistas WAV separadas.
- Sistema: Windows o macOS. Voz: TTS del sistema (Windows OneCore, macOS
say). Solo probado en Windows + CapCut 11.8; en Mac y CapCut, informa al usuario que no está probado.
Principios Estrictos
- Lo que se entrega es un video con sonido reproducible. Los scripts, capturas de pantalla, pistas de audio silenciosas y planes no cuentan como completos.
- Si no se ha escuchado, escribe "no escuchado"; si no se ha medido, escribe "no medido"; si el borrador de CapCut no se ha abierto realmente, escribe "pendiente de verificación". No falsifiques proyectos ni resultados de verificación.
- No preguntes repetidamente sobre configuraciones ya confirmadas. Si hay dudas sobre la versión del material, verifica tú mismo los fotogramas o valores de comprobación.
- La pantalla solo muestra el móvil: sin marco del teléfono, dedos, círculos de clic, cursor, ni movimientos de cámara. Sin estiramientos, 1170×2532, 30fps.
- El terror proviene de lo cotidiano: sin sobrenatural, glitch de texto, saltos de cara, narración ni subtítulos explicativos. Si se trata de muerte o suicidio, no muestres la forma ni el proceso; solo insinúa con falta de respuesta, paso del tiempo y sirenas lejanas.
- Las escenas con texto denso en la interfaz no se envían a modelos de imagen a video; se sintetizan de forma determinista (PIL). Solo partes locales, como ventanas de rostros, pueden tener movimiento.
- Nunca sobrescribas borradores de CapCut que el usuario haya abierto. Las nuevas versiones deben tener nombres diferentes (ej.
_crude_v4,_final2).
Flujo de Producción
1. Brief
Primero acepta la historia del usuario en una frase o párrafo coloquial. Si es necesario organizarla, usa la plantilla corta de references/brief_template.md; solo usa la plantilla completa si el usuario quiere una planificación detallada. Los personajes, el texto de la pantalla, las escenas y el sonido los organizas tú. Las partes faltantes se completan con valores predeterminados razonables, indicando brevemente las suposiciones. references/brief_example.md es el brief completo de "Fin de la Entrevista" (la duración de "aproximadamente 90 segundos" fue anulada más tarde por los comentarios).
2. Crear Estructura del Proyecto
<proyecto>/project.json Copiado de templates/project.json, completa title, voices
<proyecto>/00_ui/ Interfaces HTML
<proyecto>/01_final_assets/ Todas las imágenes (el motor las busca por nombre de archivo, único en todo el proyecto)
<proyecto>/03_project/tools/ Copia todo scripts/ + la carpeta ui_kit/; también escribe scenes.py, tap_rects.py aquí
02_audio, 04_cache, 05_exports se crean automáticamente por la herramienta. Todos los comandos se ejecutan en 03_project/tools. Las fuentes, el navegador, TTS y el directorio de borradores de CapCut se buscan automáticamente; si no se encuentran, se especifican en project.json (consulta references/pipeline.md para los campos).
3. Material de Interfaz
- Kit de interfaz HTML (primera opción, ver
references/ui_kit.md): Un HTML por interfaz, colocado en00_ui/S01/….python ui_render.pyrenderiza a PNG 1170×2532, genera automáticamente las capas_blank/_textpara escritura, áreas de clic.taps.jsony posiciones de ventanas de rostros.ui.json. Chino preciso, teclado consistente conkeyboard.py. - Capturas de pantalla hechas con modelos de imagen: Colócalas en
01_final_assets/S01/…. Para interfaces de escritura, usaengine.mask_layerspara separar capas; para áreas de clic, usasheet.pypara crear una cuadrícula de coordenadas, mide y escribe entap_rects.py. Verifica carácter por carácter el chino en las imágenes. - Después de renderizar, usa Read para ver algunos PNG y confirmar que el texto, el diseño y el tema de día/noche sean correctos.
4. Escribir Escenas
En tools/scenes.py, cada escena es una función con nombre S + dos dígitos (S01…S99). La plantilla y API están en templates/scenes_template.py:
from scene import *
def S01():
c = Scene('S01', mood='day_bright', k=1.5, music='calm')
s = c.shot('wake'); fade_in(s, img('lock.png')); s.hold(img('lock.png'), 2.0 * c.k); c.add(s)
c.hold('inbox', 'inbox.png', 1.6, 'notify', ('tap', 1.2))
c.save()
if __name__ == '__main__': run(globals())
typ() escritura (teclado visible, pinyin, espacio para confirmar), V() voz, apptrans.open_app/close_app apertura/cierre de apps, engine.scroll/face/timer/xfade, etc. Cada clic debe tener una entrada en TAPS; de lo contrario, no habrá retroalimentación de pulsación (al renderizar se imprimirá [tap] no rect for …).
5. Versión de Baja Resolución con Sonido Completo
YP_RES=proxy (por defecto, 586×1268) renderiza todas las escenas → python build_audio.py → python export.py <nombre> proxy. Haz primero la versión completa con sonido de principio a fin, no perfecciones primero un fragmento de 30 segundos. export.py imprime la duración, el número de tomas y la sonoridad (LUFS / pico).
6. Autoverificación
python peek.py S04genera un mosaico de fotogramas de una escena. Usa Read para revisar escena por escena: texto, estado de pulsación, teclado, transiciones, si hay fotogramas negros.- Revisa la sonoridad impresa por export. Solo puedes medir valores numéricos; al informar, debes indicar que no se ha escuchado.
7. Modificaciones Locales Según Comentarios
- Ritmo: Cambia
ko los segundos de tomas individuales, vuelve a renderizar solo las escenas afectadas (python scenes.py S05 S07), luego build_audio + export. - Solo sonido (música, efectos de sonido, configuración de voz): sin rerenderizar la imagen, directamente build_audio + export.
- Texto o diseño de la interfaz: Modifica HTML, luego
python ui_render.py(solo rerenderiza los modificados), luego rerenderiza las escenas que lo usan. - Cada nueva ronda de MP4 usa un nuevo nombre (export.py no sobrescribe archivos con el mismo nombre). En proyectos largos, mantén un archivo RECOVERY.md (versión actual, comandos, tareas pendientes) para continuar después de una interrupción del contexto.
8. Alta Resolución y CapCut
Cuando el usuario esté satisfecho, establece YP_RES=hd y rerenderiza todas las escenas (1170×2532, mucho más lento que baja resolución, se puede paralelizar por escena) → build_audio.py → export.py <nombre> hd → Si el usuario quiere CapCut, build_jianying.py <nombre> hd.
- build_jianying siempre crea el paquete del proyecto (
05_exports/<nombre>_paquete_proyecto/: material, seis pistas, README.txt); solo escribe el borrador si pyJianYingDraft está instalado; solo copia en el directorio de borradores de CapCut si lo encuentra; se niega a ejecutarse si encuentra un borrador con el mismo nombre. - En una computadora nueva o versión nueva de CapCut, primero ejecuta
jy_roundtrip_test.py, pide al usuario que abra el borrador de prueba y te diga si se puede reproducir. - Los borradores se marcan como "pendiente de verificación" hasta que el usuario los abra. En Windows, puedes usar
winshot.pypara capturar la ventana de CapCut y ayudar a confirmar.
Comentarios Recibidos en la Primera Obra (Aplicar por Defecto en Nuevos Proyectos)
Consulta references/lessons.md para más detalles.
- Ritmo más lento: La primera versión de 94 segundos fue calificada como "demasiado rápida"; la versión final de 6m45s fue satisfactoria. La pausa debe permitir "leer todo". En páginas densas como formularios y evaluaciones, ve especialmente lento. Prioriza la legibilidad, no te dejes atar por la duración total escrita en el brief.
- Velocidad normal: Escritura aproximadamente 7.5 teclas/segundo, pausa de 0.22 segundos después de cada palabra; voz a velocidad normal, sin acelerar ni truncar.
- Cada clic debe tener un cambio en la interfaz: (botón se oscurece o atenúa, línea se resalta), de lo contrario el espectador no sabe dónde está haciendo clic.
- La escritura debe mostrar el teclado: Las teclas deben aparecer al presionarlas, el pinyin debe crecer letra por letra con subrayado, la lista de candidatos debe cambiar, y la barra espaciadora debe confirmar la palabra completa. El texto no puede aparecer de la nada.
- Al entrar a una aplicación desde el escritorio, debe haber una animación de apertura: (el icono se agranda y se expande); al volver al escritorio, debe haber una animación de cierre.
- El sonido de desplazamiento debe ser notable.
- La música de fondo es instrumental: Al principio, suave y melódica; luego, escena por escena, acumula incomodidad hasta que al final sea "suficientemente incómoda". Se basa en cambios en el material, no solo en el volumen.
- El final debe tener paso del tiempo: La fecha, hora y batería de la pantalla de bloqueo cambian día a día, las notificaciones se acumulan, la batería se vuelve roja, y finalmente suenan sirenas lejanas (ejemplo en
examples/yingpin/scripts/lockdays.py).
Archivos de Referencia
references/pipeline.md: Uso de cada script, campos de project.json, eventos de sonido, notas sobre CapCut.references/ui_kit.md: Cómo escribir el kit de interfaz HTML, componentes, capas y áreas de clic.references/image_prompts.md: Indicaciones para modelos de imagen como GPT, y cómo descomponer capas y medir áreas de clic después de obtener las imágenes.references/brief_template.md: Plantilla de brief para que el usuario la complete.references/lessons.md: Comentarios de cada versión de la primera obra, cómo se modificó y problemas técnicos.references/brief_example.md: Brief original de "Fin de la Entrevista".examples/yingpin/scripts/: Guion de escenas de "Fin de la Entrevista" (scenes_v2.pyincluye una instancia de typ/V, equivalente a la escritura descene.py) y herramientas específicas. Solo scripts, sin capturas de pantalla originales, no se puede ejecutar directamente; se usa como referencia para la escritura de tomas.
Formato de Informe
Usa chino, mandarín, sin jerga técnica. Indica claramente: qué cambios se hicieron; la ruta y duración del video final; los valores de sonoridad, indicando que no se ha escuchado; el nombre del borrador de CapCut y si se ha verificado; el texto grabado en el video no se puede modificar en CapCut, solo se puede volver a renderizar la toma.