Stickman Animation Studio — /make-video
Convierte un solo prompt en un video vertical en inglés, de calidad de estudio (1080×1920, 30 fps, H.264 + AAC) usando solo código. Escribe la historia, crea el storyboard con un contrato de sincronía explícito entre narración y visual, ejecuta el motor integrado a través de sus puertas de control de calidad y entrega el MP4 verificado junto con sus fuentes.
Opera de forma autónoma. Sin preguntas de confirmación, sin narración del progreso, sin detenerse a medio camino. Si un paso se bloquea, trátalo como un problema de enrutamiento: prueba la siguiente herramienta, el siguiente recurso, o constrúyelo tú mismo. Solo detente cuando el video esté renderizado, verificado y entregado.
El idioma de producción es exclusivamente el inglés. Narración, diálogos, texto en pantalla, subtítulos, etiquetas y textos insertados son todos en inglés. La narración debe sonar como una narración documental, educativa o de animación profesional (references/10-english-voice-direction.md).
0. Evalúa tus capacidades, luego adáptate
Antes de producir, inspecciona lo que ESTE agente/modelo puede realmente hacer y adapta el flujo de trabajo. No asumas; verifica. Un minuto aquí ahorra un render roto más tarde.
| Sonda | Cómo | Si falta → adaptación |
|---|---|---|
| Acceso a shell + archivos | Ejecuta node --version | Sin shell → esta habilidad no puede renderizar; cede a install/PASTE-THIS-PROMPT.md para transferir a un agente de codificación |
| Investigación web | ¿Hay una herramienta de búsqueda web disponible? | Sin búsqueda → escribe desde el conocimiento interno, marca cada afirmación como "no verificada" en fact-check.md, prefiere temas de física/historia atemporales |
| Visión en imágenes | ¿Puedes leer archivos de imagen? | Sin visión → confía en engine/scripts/qa_stills.py + engine/scripts/qa_sync.ts compuertas de píxeles/lexicón y menciónalo en el informe de entrega |
| Ejecución en segundo plano | ¿Puedes ejecutar comandos largos en segundo plano? | No → ejecuta los renders en primer plano y usa --preview primero; presupuesta varios minutos |
| Presupuesto de contexto | ¿Contexto muy grande? | Contexto ajustado → lee solo los archivos references/ que la etapa actual nombra, uno a la vez; mantén el JSON de la historia como la única fuente de verdad |
| Profundidad de razonamiento | Modelo fuerte → lleva la artesanía más lejos: puesta en escena más rica, más beats, investigación más profunda | Modelo más débil → sigue los valores predeterminados de las referencias al pie de la letra; están calibrados para producir buenos resultados sin improvisación |
Sea cual sea el entorno, las compuertas de calidad (pasos 4, 5, 7) no son opcionales — un flujo de trabajo más débil debe pasar las mismas comprobaciones ejecutables.
0.5 Resuelve el motor
El motor es un proyecto Remotion autocontenido. Encuéntralo en este orden:
- Un directorio en el proyecto actual cuyo
package.jsonse llamestickman-studio-engine— úsalo. - La carpeta
engine/que viene junto a este archivo — cópiala al espacio de trabajo (cp -r <skill-dir>/engine ./engine) y ejecutanpm installdentro (solo la primera vez). - Si ninguno existe, la habilidad se instaló sin su motor — clona el repositorio de la habilidad y toma
engine/de ahí.
Configuración única dentro del directorio del motor:
npm install # Remotion + three + zod
pip install edge-tts imageio-ffmpeg numpy scipy pillow # narración + audio procedural + QA
Los 65 SFX, 6 pistas musicales y el grano de película se generan proceduralmente en el primer render (sin descargas, sin licencias, sin audio de terceros). La narración necesita internet para edge-tts (gratuito, sin clave); --no-tts funciona completamente offline para trabajo de montaje. Solo voces en inglés — consulta references/10-english-voice-direction.md para el catálogo de voces y las reglas de dirección.
1. Investiga el tema (en inglés)
- La entrada es un tema, un título o una ruta a un archivo TXT (léelo si se proporciona).
- Investiga con búsqueda web antes de escribir. Construye una tabla de verificación de hechos (afirmación | lo que dice la fuente | URL de la fuente) para cada afirmación fáctica que narrarás →
stories/<slug>/fact-check.md. - Si algo es solo un rumor o folklore, o elimínalo o márcalo en la narración ("cuenta la leyenda que…").
- Prefiere el detalle verdadero más extraño sobre uno inventado más suave.
2. Escribe el guión + elige la voz
Apunta a 190–210 palabras ≈ 60–75 s. Estructura (síguela exactamente):
- Línea 1: gancho paradójico expresado como un hecho simple. Sin saludos, sin "¿Sabías que?".
- Contexto y apuestas — héroe, lugar, deseo.
- Escalada + una breve línea citada donde alguien se burla del héroe.
- Punto de inflexión / pregunta retórica.
- "Verás," + el mecanismo, con una analogía cotidiana y un gráfico insertado.
- Giro en la última línea. Termina con fuerza.
Reglas completas de artesanía: references/04-script-craft.md. Guarda el guión en stories/<slug>/script.md.
Luego dirige la voz antes de renderizar: elige el proveedor/voz/velocidad para el género de references/10-english-voice-direction.md (predeterminado: en-US-AndrewMultilingualNeural @ +22%; documental tranquilo lee más lento). Prueba la línea del gancho con una síntesis rápida si no estás seguro.
3. Verifica y construye los activos
- Enumera lo que la historia necesita: lugares, objetos estáticos, objetos sostenidos.
- Verifica qué existe:
npx tsx scripts/locations.ts --list. Reutiliza antes de construir; nunca hagas un duplicado cercano; nombra los activos por lo que son. - Construye los activos faltantes antes del storyboard — recetas en
references/08-extending-assets.md(lugar 3D / objeto 3D / atrezo 2D / fondo 2D / vestuario). - Verifica los nuevos activos 3D con
npx tsx scripts/locations.ts --stills --only=<name>.
4. Storyboard CON un contrato de sincronía (la compuerta de sincronía)
Escribe stories/<kebab-title>.json. Esquema + ids: references/09-schema-reference.md, engine/src/catalog.ts. Reglas de artesanía: references/05-storyboard-craft.md.
La sincronización narración-visual es obligatoria y verificable por máquina. Cada segmento de narración (el say de una toma) debe mostrar visiblemente lo que dice: el lugar correcto, la hora del día correcta, la acción descrita como pose/beat/atrezo, los objetos mencionados en pantalla, las líneas citadas vinculadas a un actor quote, y continuidad entre tomas. El tiempo a nivel de palabra dentro de una toma se vincula con beats (at = una palabra hablada).
Ejecuta la compuerta ejecutable e itera hasta cero errores:
npx tsx scripts/qa_sync.ts stories/<file>.json # comprobaciones de lugar/tiempo/acción/objeto/diálogo/continuidad
npx tsx scripts/qa_sync.ts stories/<file>.json --map # imprime la tabla del contrato de sincronía toma por toma
- Todos los ERRORES deben corregirse (cambia el lugar/tiempo/pose/atrezo de la toma, o reformula la narración).
- Revisa cada ADVERTENCIA; corrígela o registra por qué es aceptable en
stories/<slug>/sync-map.md(genera la tabla con--map; plantilla:templates/sync-map.md). - Un léxico específico de la historia (modismos, sustantivos inventados) va en
stories/<slug>/sync-lexicon.json— consulta la plantilla.
5. Compuerta de fotogramas (nunca la omitas)
npm run make -- stories/<file>.json --stills # un fotograma de QA por toma → out/<slug>/stills/
python scripts/qa_stills.py out/<slug>/stills # compuerta de exposición/fotograma muerto (exit 1 si falla)
Luego inspecciona cada fotograma en busca de encuadre, caras, atrezos flotantes, legibilidad, consistencia — con tu propia visión si la tienes, de lo contrario agentvision check <file> por fotograma más la compuerta de píxeles anterior. Corrige y vuelve a ejecutar hasta que esté limpio. Nunca renderices video antes de que pase esta compuerta.
6. Renderizado
npm run make -- stories/<file>.json # calidad completa → out/<slug>/<slug>.mp4
npm run make -- stories/<file>.json --preview # borrador a mitad de tamaño primero si no estás seguro
Ejecuta en segundo plano cuando sea posible; no inicies trabajos pesados no relacionados al mismo tiempo. La narración se almacena en caché por slug y se resintetiza solo cuando cambian el guión/la voz/la velocidad.
7. Verificación (ffprobe + fotogramas + compuerta de audio)
ffprobe -v error -select_streams v:0 -show_entries stream=width,height,r_frame_rate,codec_name -of csv=p=0 out/<slug>/<slug>.mp4
ffmpeg -i out/<slug>/<slug>.mp4 -vf fps=1/5 qa_%03d.jpg # extrae fotogramas a lo largo del video
python scripts/qa_audio.py out/<slug>/<slug>.mp4 # compuerta de sonoridad/saturación/presencia de voz
- Especificaciones: 1080×1920 (540×960 para
--preview), 30 fps, h264 + aac; duración ≈ narración + 0,6 s. - Fotogramas: primero/medio/último no negros; subtítulos legibles; ninguna toma atascada.
- La compuerta de audio debe PASAR: −14 LUFS ±1,5, pico verdadero ≤ −1,0 dBTP, energía de voz presente.
8. Bucle de reparación y entrega
Bucle etapas 4→7 hasta que todas las compuertas pasen. Presupuesto: hasta 3 rondas de reparación por compuerta; si una compuerta aún falla después de eso, entrega con una nota explícita sobre lo que queda (nunca envíes en silencio una falla conocida, nunca te detengas sin una entrega).
Entrega como un conjunto: el MP4, script.md, fact-check.md, sync-map.md, el JSON de la historia, cualquier nuevo activo de biblioteca y límites honestos (hecho verificado vs. dramatizado; qué compuertas se ejecutaron y cómo se verificaron).
Barra de calidad (no negociable)
- Sincronía: los visuales muestran exactamente lo que la narración comunica — cero contradicciones, cero tomas muertas. Cuando la narración y la animación cuenten dos historias diferentes, reescribe el storyboard.
- Personajes expresivos: reacciones en los beats, poses que se lean en silueta, una fuente de luz consistente por escena; vida inactiva (respiración/parpadeo/caminar) es automática — movimiento intencional encima.
- Cinematografía: escalera de encuadre por escena, variedad de cámara (la compuerta de sincronía marca ≥3 tomas idénticas de encuadre + cámara seguidas), un propósito visual claro por toma.
- El sonido nunca lucha contra la voz: la reducción de volumen es automática;
sfxmanual solo para momentos específicos; la compuerta de audio impone sonoridad y sin saturación. - Sin repetición, sin descuido: varía encuadres, transiciones y reacciones; ≤ 2 fx por toma; ≤ 1 inserto cada 8–10 tomas.
- Nunca imágenes o videos generados por IA, servicios de generación de imágenes o APIs de pago. Jamás.
- Solo inglés — narración, diálogo, texto en pantalla, subtítulos.
Material de referencia profundo (lee por etapa, no todo a la vez)
| Archivo | Léelo para |
|---|---|
references/01-animation-principles.md | movimiento, easing, anticipación, acción secundaria — según los implementa el motor |
references/02-character-system.md | el rig del stickman: proporciones, construcciones, poses, caras, consistencia |
references/03-scenes-camera-light.md | capas de paralaje, encuadre, movimientos de cámara, iluminación, paletas fijas |
references/04-script-craft.md | estructura del guión, ganchos, analogías, presupuestos de palabras |
references/05-storyboard-craft.md | gramática de la toma, beats, transiciones, el contrato de sincronía |
references/06-sound-design.md | reducción de volumen, mapa de SFX automático, estados de ánimo musicales, reglas de confort, compuertas de audio |
references/07-rendering-qa.md | todas las compuertas de QA, comprobaciones de píxeles, ffprobe, bucles de reparación |
references/08-extending-assets.md | recetas: lugar/objeto 3D, atrezo/fondo 2D, vestuario, SFX |
references/09-schema-reference.md | cada campo del JSON de la historia, con valores predeterminados y restricciones |
references/10-english-voice-direction.md | el catálogo de voces en inglés, dirección, ritmo, respaldo offline |