Communitygithub.com

calesthio/generative-media-skills

Dirección de producción de localización y doblaje independiente del proveedor para agentes de IA que producen videos traducidos, anuncios doblados, clips sociales, explicadores, videos con avatares, documentales, medios de capacitación y campañas multimercado.

¿Qué es generative-media-skills?

Esta habilidad proporciona un marco integral de producción de localización y doblaje para agentes de IA, que abarca desde la planificación estratégica hasta el control de calidad, sin depender de proveedores específicos. Su objetivo es evitar el error común de tratar la traducción como un simple intercambio de palabras, ofreciendo en su lugar una guía completa sobre estrategia de localización, adaptación de guiones, selección de voces (casting), sincronización, accesibilidad y revisión legal. Es compatible con cualquier plataforma o modelo de IA, y su documentación incluye pautas para decidir entre subtítulos, doblaje con sincronía de frases o labial, según el tipo de contenido (entretenimiento, publicidad, formación, etc.) y el público objetivo. Además, incorpora heurísticas de producción, hechos documentados (como los requisitos WCAG 2.1 para subtítulos) y observaciones empíricas para ayudar al agente a tomar decisiones informadas y evitar errores comunes en la localización de medios.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/audio-craft/localization-dubbing-production

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Producción de localización y doblaje

Utiliza esta habilidad para convertir un video fuente en variantes localizadas listas para el mercado sin tratar la traducción como un simple intercambio de palabras. Dirige la estrategia de localización, adaptación del guion, enfoque de voz, sincronización, accesibilidad, verificaciones de derechos, ciclo de revisión y control de calidad antes de elegir cualquier proveedor o modelo.

Esto es una guía de producción, no un asesoramiento legal. Cuando el trabajo implique contratos de talento, artistas cubiertos por sindicatos, datos biométricos/de voz, derechos de imagen, contenido político, afirmaciones reguladas, menores de edad, reclamaciones de salud/finanzas/legales o medios de pago en múltiples jurisdicciones, solicita una revisión legal calificada y específica del mercado local antes del lanzamiento.

Postura probatoria

Los hechos documentados en esta habilidad se basan en las fuentes enumeradas al final y se verificaron el 10 de julio de 2026, a menos que se indique lo contrario. Las observaciones empíricas son patrones de producción recurrentes observados en trabajos de localización/doblaje y deben verificarse con el material fuente real. Las heurísticas de producción son reglas de decisión para agentes; anúlalas cuando un briefing del cliente, una especificación de plataforma, una ley, un requisito de accesibilidad o un revisor nativo indiquen lo contrario.

Comienza clasificando el trabajo

Identifica el tipo de contenido antes de tomar decisiones de localización:

  • Entretenimiento, documental, testimonio, noticias o contenido de creador: preserva la voz, identidad, especificidad cultural y confianza. Los subtítulos pueden ser más honestos que el doblaje para testimonios o periodismo.
  • Anuncio, lanzamiento de producto, demo de aplicación, clip social, video con avatar o explicador: optimiza la comprensión, retención, tono de marca y comportamiento en la plataforma. El doblaje o la regrabación de voz nativa a menudo vale la pena el costo.
  • Capacitación, cumplimiento normativo, medios médicos, financieros, legales o del sector público: prioriza la precisión, control de terminología, accesibilidad, revisión trazable y aprobaciones auditables sobre los atajos de fluidez.
  • Audiencias infantiles/familiares, con baja alfabetización o móviles sin sonido: no asumas que los subtítulos son suficientes por sí solos; considera doblaje, subtítulos descriptivos, refuerzo visual y una carga de lectura más simple.
  • Drama de alta emoción, presentador en primer plano, avatar o anuncio con mucho enfoque en el rostro: decide temprano si se requiere sincronía labial, porque cambia el guion, el casting, la edición y la carga del control de calidad.

Solicita o infiere estos elementos esenciales:

  1. Idioma fuente, locales destino, audiencia, plataforma, fecha de lanzamiento y región.
  2. Contratos/permisos existentes para voz, imagen, música, personas en pantalla y procesamiento sintético.
  3. Activos fuente: video final, pistas separadas de diálogo/música/efectos si están disponibles, transcripción, subtítulos, guía de marca, términos de producto aprobados, afirmaciones de campaña, descargos legales y proyecto de edición o lista de tomas.
  4. Modo de entrega por local: subtítulos, SDH/subtítulos descriptivos, voz en off, doblaje con sincronía de frases, doblaje con sincronía labial, actuación de avatar localizada o corte de mercado completamente reeditado.
  5. Revisores: revisor de idioma nativo, revisor de marca/legal, revisor de materia, revisor de accesibilidad y aprobador final.

Separa hechos, observaciones y heurísticas durante la planificación

Hechos documentados para llevar a producción:

  • WCAG 2.1 requiere subtítulos descriptivos para audio pregrabado en medios sincronizados en el Criterio de Éxito 1.2.2 Nivel A y subtítulos en vivo en 1.2.4 Nivel AA. La descripción de audio se requiere por separado en 1.2.5 Nivel AA cuando la información visual no está disponible de otra forma.
  • La FCC describe la calidad de los subtítulos en televisión en términos de precisión, sincronía, integridad y colocación. Incluso cuando las reglas de la FCC no se aplican a un producto web/social determinado, estas dimensiones son categorías útiles para el control de calidad de subtítulos.
  • Los requisitos generales de texto cronometrado de Netflix especifican una duración mínima de evento de subtítulo de 5/6 de segundo y máxima de 7 segundos para entregas de Netflix; no apliques ciegamente los límites específicos de Netflix a plataformas que no sean Netflix, pero úsalos como una verificación de legibilidad.
  • ISO 17100:2015 define los requisitos para los procesos y recursos centrales de traducción para servicios de traducción; su resumen público establece que la salida de traducción automática sin procesar más posedición está fuera de su alcance.
  • El audio multilingüe de YouTube permite a los creadores elegibles subir pistas de audio en idiomas adicionales a un video o Short; las pistas subidas deben ser solo de audio y aproximadamente de la misma duración que el video. El doblaje automático de YouTube es independiente y puede contener errores en pronunciación, dialecto, modismos, nombres propios, jerga, reconocimiento de voz o coincidencia de voz.
  • YouTube requiere que los creadores divulguen contenido realista generado por IA o alterado significativamente por IA en Studio; YouTube dice que la divulgación no es necesaria para la creación de subtítulos y enumera la clonación de la propia voz para voces en off o doblajes entre ejemplos que los creadores no necesitan divulgar, pero esta es una política de la plataforma, no una autorización de derechos general.
  • WebVTT es un formato de pista de texto del W3C para subtítulos/captions, descripciones, capítulos y metadatos sincronizados.
  • NAVA define el consentimiento activo para voces sintéticas/de IA como una renuncia/acuerdo afirmativo por parte del intérprete o representante, excluyendo cualquier otro uso. Los recursos públicos de IA de SAG-AFTRA enfatizan el consentimiento, la divulgación y las protecciones de réplica digital en contextos sindicales.

Observaciones empíricas para verificar en cada proyecto:

  • Las traducciones literales a menudo rompen la sincronización, el humor, la correspondencia con la interfaz de usuario en pantalla, el movimiento de la boca, los matices legales y el tono de la marca.
  • Los sistemas de doblaje por IA tienen más probabilidades de fallar con hablantes que se superponen, audio ruidoso, acentos regionales, nombres, acrónimos, chistes, sarcasmo, cambio de código, habla rápida, canciones y jerga de dominio.
  • Los espectadores toleran una sincronización más laxa en narraciones, capacitación, explicadores y voces en off fuera de cámara que en actuaciones humanas en primer plano, testimonios, drama o avatares que hablan.
  • Algunos locales esperan el doblaje como opción predeterminada para entretenimiento; otros prefieren subtítulos por autenticidad. Trata esto como una investigación de mercado, no como una regla universal.

Heurísticas de producción:

  • Localiza la intención primero, la redacción después y la sincronización al final. Una línea fluida que falla en la afirmación, el chiste o la llamada a la acción es incorrecta.
  • Bloquea la edición fuente antes de la localización, a menos que el plan de localización incluya explícitamente reediciones por mercado.
  • Construye una base de términos antes de traducir más que una muestra. Arreglar la terminología después de la grabación es costoso.
  • Utiliza revisores nativos para la adecuación al mercado, no solo revisores bilingües para la precisión del diccionario.
  • Prefiere la sincronía de frases sobre la sincronía labial cuando la boca no es central para la confianza o la inmersión; gasta el presupuesto de sincronía labial solo donde el rostro vende la actuación.
  • Trata cada solicitud de voz sintética, voz clonada, reemplazo facial y sincronía labial de avatar como un punto de control de consentimiento y divulgación antes de la producción, no como un problema de papeleo posterior a la entrega.

Elige subtítulos, subtítulos descriptivos, voz en off, sincronía de frases o sincronía labial

Utiliza el modo más ligero que cumpla con los objetivos de comprensión, confianza, accesibilidad y plataforma.

Los subtítulos suelen ser mejores cuando:

  • La actuación original, el testimonio, el acento, la música o la autenticidad documental son importantes.
  • El presupuesto o el cronograma no pueden soportar el casting nativo, la dirección, la mezcla y el control de calidad.
  • El contenido se ve con sonido activado y la carga de lectura es razonable.
  • Restricciones legales o técnicas hacen que reemplazar la voz original sea arriesgado.
  • La fuente tiene muchos hablantes pero no se requiere sincronía labial visible.

Los subtítulos descriptivos (SDH) son necesarios cuando la accesibilidad está incluida:

  • Incluye diálogo, identificación del hablante cuando sea necesario y audio no verbal significativo, como señales musicales, efectos de sonido, voces fuera de pantalla, risas, alarmas o audio que establece el ambiente.
  • Los subtítulos descriptivos no son simplemente subtítulos traducidos; representan información de audio para espectadores que no pueden oírla.
  • Para accesibilidad localizada, crea subtítulos descriptivos para el audio localizado, no solo subtítulos traducidos de la fuente.

La voz en off suele ser mejor cuando:

  • Los hablantes originales pueden permanecer audibles bajo una cama de narración traducida.
  • El contenido es documental, noticias, capacitación, seminario web, entrevista o educativo, y una sincronización perfecta con el rostro se sentiría artificial o innecesaria.
  • La velocidad y la claridad importan más que la ilusión de que la persona está hablando el idioma de destino.

El doblaje con sincronía de frases suele ser mejor cuando:

  • La voz localizada debe comenzar y terminar cerca de las frases del hablante fuente, pero no se necesita una coincidencia exacta de la forma de la boca.
  • La fuente contiene tomas del presentador, demostraciones, explicadores, capacitación corporativa o anuncios con visibilidad moderada del rostro.
  • El guion puede adaptarse para igualar la duración de la frase mientras se preserva una actuación natural en el idioma de destino.

El doblaje con sincronía labial suele ser mejor cuando:

  • La audiencia ve bocas en primer plano, actuación emocional, personajes, avatares o talento que habla directamente a la cámara.
  • La versión localizada debe crear la ilusión de que la persona en pantalla está hablando el idioma de destino.
  • El presupuesto respalda la adaptación, el casting, la dirección de voz, las repeticiones, la alineación y el control de calidad visual.

Evita la sincronía labial cuando:

  • La fuente es principalmente narración fuera de cámara, captura de pantalla, demostración de producto o gráficos en movimiento.
  • La expansión del idioma de destino obligaría a un habla apresurada y poco natural.
  • Falta el consentimiento para la manipulación de rostro/voz.
  • La producción no puede permitirse un control de calidad lingüístico y de actuación nativo.

Construye el briefing de localización

Produce o solicita un briefing con:

  • Locales fuente y destino, no solo idiomas: por ejemplo, español para México, español para España, francés para Canadá, árabe MSA versus dialecto, portugués de Brasil versus Portugal.
  • Audiencia: edad, experiencia, alfabetización, contexto cultural, necesidades de accesibilidad y modo de visualización probable.
  • Propósito: informar, persuadir, capacitar, entretener, convertir, cumplir, apoyar o generar confianza.
  • Voz de marca: formal/informal, tolerancia al humor, política de pronombres/registro, tonos prohibidos, lemas aprobados.
  • Restricciones de mercado: afirmaciones legales, descargos médicos/financieros, terminología regulada, sensibilidad política, restricciones religiosas/culturales, formatos de unidades/monedas/fechas.
  • Plataforma/entrega: audio multilingüe de YouTube, subtítulos incrustados en redes sociales, paquete de texto cronometrado para OTT, módulo de formación LMS, transmisión, carga de anuncios pagados, video en la aplicación o archivo de habilitación de ventas.
  • Objetivo de sincronización: sin sincronización, sincronización de tiempo, sincronización de frases, sincronización labial, sincronización labial de avatar o corte nativo reeditado.
  • Ruta de revisión: quién aprueba la terminología, las afirmaciones, la actuación, la accesibilidad y la entrega final.

Prepara los activos fuente antes de la traducción

No comiences solo con una transcripción automática a menos que no exista una fuente mejor. Crea un paquete de localización fuente:

  • Video fuente bloqueado con referencia de código de tiempo.
  • Transcripción del diálogo con identificación del hablante, códigos de tiempo, notas de superposición de voz, estado dentro/fuera de pantalla y marcas de inaudible.
  • Notas de intención por sección: chiste, advertencia, latido emocional, afirmación de producto, CTA, descargo legal, instrucción de seguridad, relación de personaje o revelación de trama.
  • Texto en pantalla, cadenas de UI, gráficos, tercios inferiores, subtítulos, carteles de título, carteles finales, superposiciones y slates legales.
  • Lista de pronunciación para nombres, productos, acrónimos, lugares, términos inventados y terminología de dominio.
  • Pistas separadas de música/efectos/diálogo cuando se vaya a doblar o remezclar.
  • Notas de derechos para talento, música, material de archivo, clips generados por usuarios, figuras públicas, menores de edad y procesamiento sintético.

Si la fuente no está bloqueada, marca todos los artefactos posteriores como provisionales. Un cambio en la edición fuente puede invalidar subtítulos, sincronización de doblaje, gráficos localizados y aprobaciones.

Traduce para el propósito, luego adapta para el tiempo

Utiliza un proceso de guion en dos pasadas:

  1. Pasada de significado: traduce con precisión todas las afirmaciones, instrucciones, latidos de la historia, intención emocional, terminología, nombres, números, declaraciones de seguridad/legales y llamadas a la acción para el local destino.
  2. Pasada de adaptación: reformula las líneas para la velocidad de lectura, duración de la frase, visibilidad de la boca, respiración del intérprete, modismo del mercado, voz de marca y contexto en pantalla.

Mantén una tabla de líneas para trabajos doblados:

CampoPropósito
Código de tiempo de entrada/salida fuentePreservar la sincronización y hacer que las repeticiones sean trazables.
HablanteApoyar las decisiones de casting, etiquetas de subtítulos y mezcla.
Línea fuenteMantener anclados a los revisores.
Significado literalEvitar que la adaptación se aleje de la intención.
Línea de actuación localizadaLa línea realmente grabada/sintetizada.
Restricción de sincronizaciónSin sincronización, sincronización de tiempo, sincronización de frases, sincronización labial, fuera de cámara o se puede reeditar.
PronunciaciónNombres, términos de producto, acrónimos, términos regionales.
Notas del revisorNotas de marca/legal/cultural/accesibilidad y estado.

Para subtítulos, preserva el significado y la legibilidad en lugar de cada palabra fuente. Para subtítulos descriptivos, preserva la información de audio. Para doblaje, preserva la intención de la actuación y la sincronización mientras permaneces natural en el idioma de destino.

Construye glosario y controles de estilo

Crea una base de términos del proyecto antes de la localización por lotes:

  • Nombres de productos: traducir, transliterar o dejar sin cambios.
  • Cadenas de UI: coincidir exactamente con la UI del producto enviado; no inventes etiquetas locales.
  • Lemas de marca y líneas de campaña: marca las traducciones aprobadas o "transcrear, no literalizar".
  • Términos legales, de seguridad, médicos, financieros y de cumplimiento: requieren aprobación de un experto en la materia.
  • Unidades, moneda, fechas, números de teléfono, direcciones, medidas, tratamientos honoríficos y formalidad/registro.
  • Nombres de competidores, marcas comerciales, referencias culturales, modismos, frases prohibidas y palabras sensibles.
  • Pronunciación: IPA, pronunciación en lenguaje sencillo, acentuación y variantes aceptables.

Para campañas multimercado, crea un glosario global más anulaciones por local. No fuerces una línea de español/francés/árabe/etc. en todos los mercados cuando el uso, la regulación o la expectativa de la audiencia difieran.

Selecciona y dirige las voces

Iguala la función comunicativa antes que la similitud superficial:

  • Rol: narrador, experto, cliente, fundador, instructor, personaje, niño, anciano, agente de soporte, avatar, locutor.
  • Actuación: cálida, urgente, creíble, juguetona, contenida, premium, conversacional, técnica, reconfortante, cómica.
  • Atributos vocales: rango, ritmo, energía, articulación, impresión de edad cuando sea relevante, acento/dialecto, entonación, autoridad, textura.
  • Adecuación cultural: actuación nativa o casi nativa del local destino, comodidad con los modismos, registro y pronunciación correctos.

...

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Provider-independent explainer video production for AI agents creating educational, product, concept, nonprofit/public-service, onboarding, training, animated, mixed-media, and short social explainers. Use when an agent must turn a topic, brief, research corpus, product, process, policy, dataset, or complex idea into a factual, accessible, narrated, captioned, storyboarded, generated-media-ready explainer video with claim review, localization, pacing, variants, and QA.

calesthio/generative-media-skills

Use this skill to plan, direct, finish, and QA provider-independent mono or stereo 180-degree, 360-degree, spherical, spatial, wide-FOV, and immersive video. It covers format choice, capture rigs, stitching, nadir and seam management, stereoscopic comfort, attention direction, stabilization, ambisonic and spatial audio, titles, captions, accessibility, edit, color, VFX, projection metadata, Vision Pro, YouTube, headset delivery, device QA, and privacy, location, and likeness rights. Do not use it for interactive XR apps, volumetric/world-model generation, game-engine experiences, or provider-specific video generation prompts.

calesthio/generative-media-skills

Provider-independent production workflow for AI agents creating music videos, lyric videos, visualizers, performance/narrative/dance videos, social cutdowns, album or single launch assets, and generated-media clips synchronized to songs. Use when planning, directing, prompting, editing, reviewing, or delivering video content built around a recorded song, artist performance, lyrics, beat timing, choreography, platform variants, music rights, likeness consent, accessibility, or synthetic-media disclosure.

calesthio/generative-media-skills

Provider-independent captions and media accessibility direction for AI agents producing or finishing generated videos, ads, social clips, explainers, avatar videos, documentaries, podcasts/video recuts, training media, and localized content. Use when planning, authoring, reviewing, localizing, burning in, exporting, or QAing captions, subtitles, SDH, transcripts, audio description, flashing/motion safety, caption readability, or accessible media handoff files.

calesthio/generative-media-skills

Provider-independent dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

Skills relacionados