Communitygithub.com

calesthio/generative-media-skills

Flujo de trabajo de producción independiente del proveedor para agentes de IA que crean videos musicales, videos líricos, visualizadores, videos de performance/narrativa/baile, recortes para redes sociales, activos de lanzamiento de álbumes o sencillos, y clips multimedia generados sincronizados con canciones.

¿Qué es generative-media-skills?

Esta habilidad transforma un agente de IA en un director de producción de videos musicales, proporcionando un flujo de trabajo completo y estructurado que abarca desde la planificación creativa hasta la entrega final, con un fuerte énfasis en los derechos de autor y la sincronización. Está diseñada para ser independiente del proveedor, lo que significa que funciona con herramientas como Claude Code, Cursor o Codex, guiando al agente a través de fases de ingesta, mapeo de canciones, creación de guiones, dirección de interpretación y edición rítmica. La habilidad es especialmente útil porque aborda los desafíos típicos de la producción de videos musicales, como la sincronización labial exacta, el mapeo de frases musicales y la creación de múltiples versiones para diferentes plataformas (como YouTube, TikTok o Instagram), mientras mantiene un registro claro de los derechos de autor y las licencias. Al seguir su metodología, un agente de IA puede evitar errores comunes como la generación de contenido genérico o la infracción de derechos, asegurando que cada video sea coherente, esté optimizado para la canción y listo para su lanzamiento en el mercado.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/content-formats/music-video-production

Preguntar en tu IA favorita

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

Documentación

Producción de Video Musical

Usa esta habilidad para convertir una canción en un paquete de video coherente, consciente de los derechos y listo para plataformas. Trata la canción como el eje fijo: el video existe para amplificar su estructura, la identidad del artista, la letra y el objetivo de lanzamiento.

No lo trates como una generación de video genérica. Los videos musicales necesitan mapas de ritmo, mapas de frases, precisión de letras, revisión de sincronización, notas de derechos, dirección de interpretación, recortes específicos para plataformas y puntos de control de aprobación.

Reglas básicas

  • Mantén el audio maestro sin cambios a menos que el artista, el sello o el cliente aprueben una edición de radio, una edición limpia, una edición de pistas, un cambio de velocidad, un fundido o una versión acortada.
  • Nunca inventes la autorización de derechos. Registra lo que está autorizado, desconocido, proporcionado por la plataforma, licenciado, libre de regalías, de dominio público o generado.
  • No proporciones asesoramiento legal. Señala preguntas sobre autorización, imagen, respaldo, sindicato, sello, distribuidor o riesgo de plataforma al cliente, titular de derechos, sello, gerente o asesor legal.
  • Vuelve a verificar las reglas de la plataforma en el momento de la producción. Las bibliotecas de música, las etiquetas de IA, las herramientas de divulgación comercial, las especificaciones de anuncios y los límites de carga cambian con frecuencia.
  • Separa los hechos documentados de las heurísticas de producción. Los hechos deben rastrearse hasta fuentes actuales; las heurísticas son recomendaciones creativas.
  • Preserva la procedencia: fuente de la canción, fuente de la letra, pistas, ediciones, modelos, indicaciones, semillas cuando estén disponibles, documentos de consentimiento, licencias, controles de plataforma y notas de revisión.

Ingreso

Recopila suficiente información antes de conceptualizar:

  1. Paquete de la canción
    • archivo de audio final, duración, frecuencia de muestreo, profundidad de bits, objetivo de sonoridad si se conoce
    • título de la canción, nombre del artista, artistas destacados, nombre de la versión, ISRC/UPC si se ha lanzado
    • letra aprobada, estado explícito/limpio, traducción de la letra si es necesaria
    • pistas opcionales: voz, instrumental, batería, bajo, melodía, ad-libs
    • BPM, tonalidad, compás, etiquetas de sección si se conocen
  2. Lanzamiento y audiencia
    • objetivo: estreno, visualizador, video lírico, participación de fans, campaña paga, promo de gira, lanzamiento de álbum, prueba de gancho de formato corto
    • plataformas objetivo y relaciones de aspecto
    • fecha de entrega, aprobadores de revisión, orden de aprobación, pautas de marca/artista bloqueadas
  3. Derechos y seguridad
    • quién posee o controla el máster y la composición
    • si el uso de sincronización, uso social, uso de anuncios pagos, territorio, plazo y derechos de plataforma están autorizados
    • si hay samples, interpolaciones, remixes, covers o pistas de terceros
    • si alguna marca, producto, lugar, obra de arte, tatuaje, logotipo, utilería o persona reconocible necesita autorización
    • si se utilizará video generado por IA, voz, imagen, referencias de coreografía o referencias de estilo
  4. Referencias creativas
    • 2-5 videos de referencia con qué tomar prestado: ritmo, iluminación, bloqueo, ritmo de edición, tratamiento tipográfico, lenguaje de cámara, color, nivel de surrealismo
    • qué no copiar: imágenes de artistas, coreografía exacta, logotipos protegidos, escenografías distintivas, estructuras plano por plano

Si se desconoce el estado de los derechos, procede solo con planificación o maquetas internas. No recomiendes publicación, promoción paga, entrega de distribución o lanzamiento público hasta que se resuelva la autorización.

Elige la ruta conceptual

Elige una ruta principal y una textura secundaria. Un video puede combinar modos, pero no debe parecer seis conceptos no relacionados.

  • Video de performance: el artista o intérprete lleva el centro emocional. Mejor cuando importan el carisma, la entrega vocal, la energía de la banda o la identidad de la estrella.
  • Video narrativo: las escenas de la historia dramatizan el arco emocional de la canción. Mejor cuando la letra implica conflicto, transformación, memoria, romance, rebelión, dolor o triunfo.
  • Video lírico: la tipografía, el ritmo y el diseño llevan la experiencia. Mejor antes del video oficial, cuando la letra es un gancho clave, o cuando el presupuesto/tiempo es ajustado.
  • Visualizador: motivo repetido, bucle, mundo ambiental, movimiento generativo o animación simbólica que apoya la escucha. Mejor para álbumes, lienzos de streaming y activos de lanzamiento de baja fricción.
  • Video de baile o coreografía: el movimiento es el gancho. Mejor para pistas rítmicas, desafíos de formato corto, participación de fans y campañas sociales lideradas por la interpretación.
  • Video abstracto/de medios generados: clips de IA, animación, collage, simulaciones o imágenes surrealistas que crean una lógica onírica alrededor de la canción. Mejor cuando el mundo del artista es más importante que la historia literal.
  • Suite de activos de lanzamiento: combina video principal, cortes de gancho verticales, bucles de avance, bucles estilo Canvas, fragmentos de letras, detrás de escenas y miniaturas de plataforma.

Heurística de producción: si la canción tiene un estribillo memorable, diseña al menos una firma visual repetible para esa frase. Si la canción tiene un drop instrumental, diseña una recompensa visual no lírica: golpe de baile, movimiento de cámara, cambio de color, transformación surrealista o ráfaga de montaje.

Construye el mapa de la canción

Crea un mapa de ritmo y frases antes de escribir listas de tomas o indicaciones.

Mapa mínimo:

  • código de tiempo en mm:ss.mmm
  • sección: intro, verso, pre-coro, coro, post-coro, puente, breakdown, outro
  • recuento de compases o frases si está disponible
  • fragmentos clave de la letra y entradas vocales
  • acentos de ritmo, rellenos, drops, paradas, notas de entrada, ad-libs
  • intensidad emocional del 1 al 5
  • objetivo de densidad de edición: largas sostenidas, cortes medios, cortes rápidos, riesgo de estroboscópico, silencio
  • evento visual: revelación, cambio de movimiento, entrada de texto, primer plano de interpretación, transición, golpe de historia

Ejemplo de fila de mapa de ritmo:

00:45.200-01:07.900 | Coro 1 | gancho se repite dos veces | intensidad 5 | corte en redoble cada 2 compases; sostener gancho final durante 2.5s | el texto lírico entra en la voz, no antes | cambio de iluminación azul a rojo del héroe

El mapeo de frases importa más que el BPM bruto. Corta por razones musicales: tiempos fuertes, inicios de letras, rellenos de batería, espacios de respiración, finales de rima, drops de bajo, cambios armónicos y silencio. Evita cortar mecánicamente en cada tiempo a menos que el género y el concepto recompensen esa intensidad.

Guión, tratamiento y lista de tomas

Escribe un tratamiento corto antes de las indicaciones o la filmación.

El tratamiento debe incluir:

  • promesa de una oración: qué recordará el espectador
  • representación del artista: icónico, vulnerable, juguetón, intocable, documental, mítico, anónimo, animado
  • mundo: ubicación, época, color, textura, clima, iluminación, sensación de lente
  • estructura por sección de la canción
  • motivos recurrentes y cómo evolucionan
  • qué aparece en el coro 1, coro 2, coro final y por qué cada uno escala
  • reglas para letras/texto en pantalla
  • reglas para clips generados: nivel de realismo, lenguaje de cámara, anclas de continuidad, restricciones negativas
  • riesgos de aprobación: derechos, imagen, destellos, contenido explícito, seguridad de marca

Campos de la lista de tomas:

ID | Código de tiempo | Sección | Tamaño de toma | Sujeto | Acción | Cámara/movimiento | Iluminación/color | Requisito de sincronización | Activo/fuente | Notas

Ejemplos de requisitos de sincronización:

  • sincronización labial exacta con la voz principal
  • golpe de baile en el tiempo fuerte
  • palabra de letra aparece en la sílaba
  • corte de distracción; sin movimiento de boca
  • el bucle debe reiniciarse de forma invisible cada 4 compases
  • el clip de IA puede derivar; usar bajo textura instrumental

Dirección de interpretación y coreografía

Para la interpretación:

  • Usa reproducción en el set o en la dirección de sincronización labial generada. El intérprete debe escuchar la versión de audio final aprobada o una versión de reproducción alineada con el código de tiempo.
  • Dirige los momentos emocionales por sección, no solo "canta con energía". Ejemplo: verso 1 contacto visual contenido, pre-coro ritmo acelerado, coro directo a la lente, puente de espaldas, coro final liberación total del cuerpo.
  • Captura cobertura segura para sincronización: primer plano fijo de la boca, interpretación media, interpretación amplia, inserts de detalle, movimiento sobregirado, cortes de distracción sin canto.
  • Evita el canto visible en tomas no destinadas a la sincronización exacta a menos que la boca esté oscurecida o fuera de eje.
  • Para bandas, asigna los instrumentos destacados a los momentos audibles. No cortes a un baterista durante un solo de guitarra a menos que sea intencionalmente irónico.

Para el baile:

  • Marca los conteos contra el mapa de la canción. Anota el nombre del movimiento, la dirección del cuerpo, la dirección de la cámara y el fotograma clave.
  • Mantén una toma amplia limpia para la continuidad de la coreografía, luego agrega primeros planos y tomas de detalle.
  • Planifica secciones de desafío de formato corto alrededor de 5 a 15 segundos de movimiento memorable.
  • Si se utilizan bailarines generados por IA, indica un ritmo amplio y cambio de pose, pero verifica manualmente; el movimiento generado puede no obedecer los conteos exactos.

Letra y texto en pantalla

Usa solo letras aprobadas. Si no se proporcionan las letras, pídelas o transcríbelas y márcalas como no aprobadas.

Reglas para videos líricos:

  • Alinea las palabras con la voz principal, no con la cuadrícula instrumental.
  • Mantén los saltos de línea musicales: frase, rima, respiración o unidad semántica.
  • Diseña jerarquía para voz principal, voz de fondo, ad-lib y subtítulos no líricos.
  • No oscurezcas la cara del artista en momentos emocionales a menos que el concepto sea tipográfico primero.
  • Preserva los márgenes seguros para superposiciones verticales de la interfaz de usuario y subtítulos.
  • Proporciona un máster limpio sin texto cuando sea factible para localización y ediciones futuras.

El texto en pantalla puede incluir tarjetas de título, créditos, advertencias, fecha de lanzamiento, CTA de mercancía/gira y divulgaciones. Mantén las divulgaciones legibles y cerca de la reclamación o el contenido que aclaran.

Traducción de indicaciones para video generado

Al usar herramientas de imagen/video con IA, traduce la dirección del video musical en indicaciones de producción. No le pidas a un modelo que "haga un video musical" y esperes sincronización. La mayoría de los sistemas de video generado son débiles en la sincronización labial exacta, el ritmo de la letra, la fidelidad del texto y la continuidad a menos que el proveedor admita específicamente esos controles.

Componentes de la indicación:

  • duración de la toma y relación de aspecto
  • identidad del sujeto o descripción del personaje ficticio; evita la imagen de personas reales no autorizadas
  • acción en una frase de movimiento clara
  • movimiento de cámara y tamaño de toma
  • iluminación, lente, color, textura, ubicación
  • ancla de tiempo del mapa de la canción
  • anclas de continuidad: vestuario, utilería, color, entorno
  • restricciones negativas: sin texto aleatorio legible, sin dedos extra, sin logotipo, sin boca cantando, sin morphing facial, sin parpadeo

Ejemplo de indicación para clip generado:

Toma vertical 9:16 de 4 segundos para el coro final de un video musical de indie pop. Un intérprete ficticio con chaqueta plateada corre por un callejón de neón mojado por la lluvia, se gira bruscamente hacia la cámara en el tiempo fuerte y lanza un puñado de purpurina que se convierte en estrellas flotantes. Toma de seguimiento a mano, sensación de lente de 35 mm, cian y magenta saturados, reflejos de pavimento mojado, recompensa del coro de alta energía. Sin imagen de celebridad real, sin carteles legibles, sin movimiento de boca de sincronización labial, sin estroboscópico, sin logotipos de marca.

Usa clips generados donde sean más fuertes: inserts surrealistas, visualizadores, entornos, transiciones, acción simbólica, secuencias de sueños y textura. Usa herramientas especializadas de sincronización labial o avatar, metraje en vivo o animación cuidadosamente dirigida cuando la sincronización de la boca sea crítica para la misión.

Ritmo de edición

La edición de videos musicales debe sentirse musicalmente intencional sin volverse predecible.

  • Establece una gramática visual en la introducción.
  • Usa los versos para la historia, la intimidad o la construcción del mundo.
  • Usa los pre-coros para la aceleración: movimiento de cámara, cortes más cortos, densidad de texto creciente, transición de color.
  • Usa los coros para la idea visual más repetible.
  • Guarda una escalada para el coro final: nueva ubicación, toma más amplia, grupo de coreografía, inversión de color, lluvia/fuego/confeti, multitud o transformación abstracta.
  • Deja respirar las letras importantes. Una línea poderosa a menudo funciona mejor con una pausa que con más cortes.
  • Crea contraste: montaje denso después de una pausa larga, silencio después del caos, primer plano después de una coreografía amplia.
  • Evita patrones de destello por encima de los umbrales de accesibilidad; no uses estroboscópico de fotograma completo como una solución de "energía" predeterminada.

Usa los recortes intencionalmente:

  • 6-8 segundos: gancho/bucle de avance/estilo Canvas; solo una idea.
  • 10-15 segundos: desafío social o gancho de coro.
  • 20-30 segundos: social pago o anuncio de lanzamiento.
  • 45-60 segundos: extracto extendido de formato corto.
  • Largo completo: video musical o visualizador canónico.

Sincronización labial y sincronización de reproducción

Para trabajo de acción en vivo o avatar/sincronización labial:

  • Bloquea la versión de audio antes de generar o filmar tomas de sincronización.
  • Usa pizarra/código de tiempo o aplauso visible para tomas en vivo cuando sea posible.
  • Alinea las formas de la boca con las consonantes y los inicios de frase; las vocales solas son tolerantes, las oclusivas no.
  • Verifica la sincronización a velocidad normal y a media velocidad.
  • Si una toma está ligeramente desviada, usa cortes de distracción sobre las peores sílabas en lugar de estirar el audio maestro.
  • No alteres el tono, el tempo o el ritmo de la canción lanzada para que se ajuste a las imágenes generadas a menos que esté explícitamente aprobado.

Para la sincronización de letras:

  • Verifica todas las repeticiones del coro; el ritmo copiado y pegado a menudo se desvía porque la fraseo vocal cambia.
  • Confirma que el tratamiento de la letra censurada/limpia coincida con la versión de audio distribuida.

Puntos de control de derechos, créditos y divulgación

Escala al cliente, titular de derechos, sello, gerente, distribuidor, especialista de plataforma o asesor legal cuando aparezca alguno de estos:

  • la canción protegida por derechos de autor no es propiedad/controlada por el artista o cliente
  • cover, remix, sample, interpolación, arrendamiento de ritmo, bucle de stock o voz de terceros está presente
  • el video se utilizará en anuncios pagos, asociaciones de marca, contextos políticos, industrias reguladas o respaldos
  • imagen de persona real, clon de voz, réplica digital, metraje de archivo, metraje de fans, menores, ubicaciones privadas, tatuajes, logotipos o obras de arte aparecen
  • la biblioteca de música nativa de la plataforma se utiliza fuera de su contexto permitido
  • los medios generados imitan a un artista vivo, celebridad, bailarín, fotógrafo, director o estilo visual reconocible demasiado de cerca
  • pueden aplicarse reglas de intérprete sindicalizado, contrato de sello, distribuidor o lugar

Hechos documentados para aplicar, verificados el 11 de julio de 2026:

  • YouTube requiere que los creadores divulguen contenido sintético o alterado realista que los espectadores podrían confundir con una persona, lugar, escena o evento real; YouTube dice que los usos claramente irreales, animados, de efectos especiales o de asistencia de producción no son generalmente requeridos bajo esa herramienta. Fuente: Blog de YouTube, "How we're helping creators disclose altered or synthetic content" y las páginas de divulgación de la Ayuda de YouTube "How this content was made".
  • TikTok dice que los creadores deben etiquetar el contenido realista generado por IA y ofrece etiquetas de IA de creador y automáticas; etiquetar engañosamente el contenido no alterado como generado por IA puede...

... [truncado para la traducción]

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 localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

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 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