Habilidad de Producción de Video con Plan
Ámbito de Aplicación
Requisito previo: La colaboración Plan ya está activa (scenario(activate, plan) está activado) y se necesita una tarea que incluya salidas visuales/de video (generación de imágenes, video corto, locución, subtítulos).
Selección de proveedores: Para generación de imágenes, leer byted-ark-seedream-skill; para generación de video, leer el script media-production (Volcengine Seedance). Para otros proveedores, ver agnes-media-generation / wan-media-generation / kling-media-generation.
Credenciales (Variables de Entorno)
En Configuración → Variables de entorno, agrega el KEY=VALUE requerido por la habilidad (por ejemplo, VOLCENGINE_API_KEY / ARK_API_KEY). También puedes completar las claves de otros proveedores en Configuración → Modelo → Medios creativos.
| Capacidad | KEY Común | Habilidad |
|---|---|---|
| Generación de imágenes | VOLCENGINE_API_KEY / ARK_API_KEY | byted-ark-seedream-skill |
| Generación de video | Mismo que arriba | media-production |
| Agnes | AGNES_API_KEY | agnes-media-generation |
Cambio principal: Todos los roles de medios (guionista, planificador visual, artista, director, postproducción) se especifican completamente en plan(goal, steps[]) a través de assigned_agent. Una vez que el plan se guarda y el usuario lo confirma, se entra en ejecución en serie, sin delegar subagentes fuera del plan.
Flujo de Trabajo
El usuario expresa una necesidad
↓
Preguntar y confirmar las necesidades del usuario (tema, duración, estilo, proporción, etc.)
↓
Usar directamente plan(goal, steps[]) para planificar
paso 1: media-screenwriter — Guion/Storyboard/Locución
paso 2: media-visual-planner — Prompt para generación de imágenes
paso 3: media-artist — Generar fotogramas clave
paso 4: media-video-director — Crear video + locución nativa
paso 5: media-post — Subtítulos incrustados
↓
El usuario confirma → Ejecución (en serie, con verificación en cada paso)
Pasos de Operación
Primer Paso: Preguntar las Necesidades del Usuario
Recopila activamente la siguiente información del usuario:
| Pregunta | Ejemplo |
|---|---|
| ¿Cuál es el tema/producto/contenido del video? | Promoción de un nuevo reloj inteligente |
| ¿Duración objetivo? | 15 segundos / 30 segundos |
| ¿Estilo visual? | Tecnológico / Cálido / Estilo chino |
| ¿Proporción de aspecto? | 16:9 / 9:16 vertical |
| ¿Dirección del texto de locución? | Puntos destacados + eslogan de marca |
| ¿Hay material de referencia? | Imagen de referencia / Video de la competencia |
Segundo Paso: Planificar Directamente Después de la Confirmación
Una vez que el usuario confirma los requisitos, usa directamente la herramienta plan para escribir todos los pasos en un plan estructurado:
plan(
goal="Crear un video promocional de producto de 15 segundos, tema: xxx, estilo: xxx",
steps=[
{
"step_id": 1,
"description": "El guionista redacta un production brief, que incluye logline, storyboard y guion de locución",
"assigned_agent": "media-screenwriter",
"expected_output": "outputs/production-brief.md",
"acceptance_criteria": "Incluye User intent, logline, visual style, shot list, narration script"
},
{
"step_id": 2,
"description": "El planificador visual convierte el storyboard en prompts para generación de imágenes",
"assigned_agent": "media-visual-planner",
"expected_output": "outputs/shot-prompts.json",
"depends_on": [1]
},
{
"step_id": 3,
"description": "El artista genera las imágenes de los fotogramas clave",
"assigned_agent": "media-artist",
"expected_output": "Imágenes PNG en outputs con fotogramas clave",
"depends_on": [2]
},
{
"step_id": 4,
"description": "El director de video genera un MP4 con locución nativa",
"assigned_agent": "media-video-director",
"expected_output": "outputs/*.mp4",
"depends_on": [3]
},
{
"step_id": 5,
"description": "Postproducción añade subtítulos incrustados y entrega el MP4 final",
"assigned_agent": "media-post",
"expected_output": "outputs/*-subtitled.mp4",
"depends_on": [4]
}
],
flowchart_mermaid="..."
)
Tercer Paso: El Usuario Confirma la Ejecución
Una vez que el plan se guarda, el usuario confirma "iniciar ejecución" y se entra en la fase de ejecución. Los pasos se ejecutan en serie según el orden de dependencia. Después de cada paso, el agente principal verifica el producto antes de pasar al siguiente paso.
Lista de Subagentes de Medios
| assigned_agent | Responsabilidad | Herramientas Principales |
|---|---|---|
media-screenwriter | Escribir guion, storyboard, guion de locución | read_file, write_to_file |
media-visual-planner | Escribir prompts para generación de imágenes | read_file, write_to_file |
media-artist | Generar imágenes con Seedream (jimeng) | read_file, terminal → scripts/image_generate.py |
media-video-director | Generar video a partir de imagen con Seedance + locución nativa | read_file, terminal → scripts/video_generate.py, task_wait.py |
media-post | Subtítulos SRT + incrustación con ffmpeg | read_file, terminal → scripts/subtitle_build.py, subtitle_burn.py |
Nota: No incluyas media-voice-director en los pasos; Seedance ya incluye audio de forma nativa (generate_audio=true está activado por defecto).
Stack Tecnológico
Directorio de scripts: skills/public/media-production/scripts/ (primero se debe leer la habilidad media-production)
| Capacidad | Script | Proveedor |
|---|---|---|
| Generación de imágenes | image_generate.py | jimeng (Volcengine Ark Seedream) |
| Generación de video | video_generate.py + task_wait.py | jimeng (Volcengine Ark Seedance, con audio por defecto) |
| Subtítulos | subtitle_build.py + subtitle_burn.py | ffmpeg local |
Manejo de errores: Si jimeng falla, no cambiar automáticamente a wan/kling; indicar al usuario que active el punto de acceso del modelo Ark. Reintentar como máximo 1 vez con los mismos parámetros.
Errores Comunes
- Ejecutar
image_generate.pydirectamente en la sesión principal del modo plan → Debe ser ejecutado pormedia-artistdentro de un paso del plan - Delegar subagentes fuera de los pasos del plan → Todos los roles deben estar escritos en
assigned_agentde los pasos del plan - Omitir
task_wait.py→ El video se entrega antes de que se complete la generación - Seguir delegando
media-voice-directoren el flujo predeterminado → Seedance ya incluye audio de forma nativa, es redundante