Communitygithub.com

gooseworks-ai/goose-skills (crear-video-seedance-2-fal)

Genera un único clip de video vertical de 4 a 15 segundos usando ByteDance Seedance 2.0 (referencia a video) a través de fal.ai. Incluye referencias de múltiples imágenes, voz en off sincronizada con los labios y audio ambiental. Se enruta a través del proxy FAL de GooseWorks.

¿Qué es goose-skills (crear-video-seedance-2-fal)?

Este skill automatiza la creación de clips verticales de video corto para anuncios UGC generados por IA, utilizando el modelo Seedance 2.0 de ByteDance en la plataforma fal.ai. Está diseñado para generar clips de 4 a 15 segundos con un avatar parlante, sincronización labial nativa y audio ambiental, todo a partir de una o más imágenes de referencia (retrato, producto y, opcionalmente, fondo). Es ideal para crear anuncios UGC con un presentador que revisa o demuestra un producto, manteniendo la identidad del personaje a través de referencias de imagen, no de video. El skill se integra con el proxy FAL de GooseWorks para facturación centralizada y maneja automáticamente escenas múltiples dentro de una sola llamada, maximizando la continuidad y reduciendo la deriva del personaje. Incluye reglas de decisión detalladas para optimizar la calidad, como especificar la vestimenta, limpiar imágenes de referencia, y reutilizar semillas para garantizar consistencia entre múltiples clips. Está validado para campañas de belleza, pero es aplicable a cualquier escenario que requiera un avatardigital con expresión y sincronía labial.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/packs/ugc-video-formats/create-video-seedance-2-fal

Preguntar en tu IA favorita

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

Documentación

crear-video-seedance-2-fal

⚠️ VERIFICACIÓN PREVIA OBLIGATORIA (2026-06-04): cada prompt de Seedance que mencione un producto de marca DEBE ir acompañado de una imagen de referencia real de ese producto exacto como una de las entradas --image-ref. La descripción del producto solo con texto sin una referencia invita a Seedance a inventar una geometría que no coincide con el SKU real. Si no existe una referencia localmente, búscala a través de brand-assets → existing-ads → PDP harvest → promuévela a clients/<brand>/brand-assets/reference-photos/. Opcionalmente, limpia una referencia ocluida con un pase rápido de GPT-image-2. Siempre obtén la revisión del usuario de la referencia y el prompt final antes de realizar la llamada paga. Consulta feedback_product_reference_required.md.

Propósito

Envuelve el endpoint de FAL bytedance/seedance-2.0/reference-to-video. Pasa de 1 a N imágenes de referencia (típicamente: retrato + producto + escenario opcional) + un prompt estructurado → obtén un clip de 4 a 15 segundos con voz en off sincronizada con los labios de forma nativa y audio ambiental.

Seedance 2.0 renderiza múltiples cortes internos dentro de una sola llamada de 15 segundos cuando el prompt especifica una estructura de sub-escenas (por ejemplo, WIDE HOOK / PRODUCT HERO / SIDESTEP / REACTION). Esta es la ventaja arquitectónica sobre el enfoque anterior de NB2 + i2v con múltiples fotogramas clave: menos llamadas, sincronización labial nativa, sin necesidad de Soul ID.

Usa este átomo cuando:

  • El clip necesita un avatar parlante que revise o demuestre un producto.
  • Se requiere diálogo sincronizado con los labios de forma nativa (configura --generate-audio).
  • La identidad debe mantenerse mediante referencia de imagen, no de video (consulta la Regla de Decisión 1).
  • La duración es de 4 a 15 segundos, en formato vertical 9:16 (u otras relaciones de aspecto).
  • Se necesita condicionamiento con múltiples imágenes (rostro + producto, o rostro + múltiples productos para una escena de gancho).

NO lo uses para:

  • Clips de más de 15 segundos → divídelos en varias llamadas y únelos (assembly/stitch-videos-ffmpeg).
  • Movimientos de cámara puramente cinematográficos sin una persona en pantalla → create-video-veo3 suele ser mejor.
  • B-roll de solo producto sin persona → create-product-videos-higgsfield-ms o texto a video Seedance.
  • Clips que necesitan referencia de video para continuidad desde una escena generada por IA previa → no compatible (content_policy_violation).

Entradas

Obligatorias:

  • --prompt — bloque estructurado de prompt (ver "Plantilla de prompt" más abajo). Largo, de múltiples bloques. Ejemplo de ejecución de referencia: beauty-by-earth/video-01-three-product-grwm/working/fire_seedance_facewash.py.
  • --output — destino local del MP4.
  • --image-url (alias --image-ref) — al menos una URL de imagen de referencia PÚBLICA (repetible), pasada como image_urls. El orden importa: la primera = @Image1 en la dirección del prompt. El proxy NO sube archivos locales: aloja las referencias locales a través de MCP get_upload_url → get_download_url y pasa la URL (idéntico a create-video-fal).

Opcionales:

  • --resolution — 480p | 720p | 1080p (por defecto). 1080p mejora significativamente la fidelidad de las etiquetas del producto.
  • --duration — 4–15 segundos (por defecto 15). Se pasa como un int (enum de seedance-2.0/reference-to-video {auto,4..15}); una cadena "400s" resulta en invalid_request (validado el 2026-07-18).
  • --aspect-ratio — 9:16 (por defecto), 16:9, 1:1, etc.
  • --generate-audio — booleano, verdadero por defecto. Establécelo como falso para B-roll silencioso donde la VO se añade después.
  • --seed — entero para re-ejecuciones deterministas (FAL devuelve una semilla; pásala de nuevo para reproducir).

Credenciales:

  • No se necesita clave de FAL. Se enruta a través del proxy FAL de GooseWorks (media_proxy.py, incluido) y factura al agente de Ads, usando ~/.gooseworks/credentials.json (escrito por la CLI gooseworks). Tu token cal_/de agente no es una clave de FAL — la antigua ruta de clave directa devolvía 401; por eso esta capacidad se redirigió a través del proxy.

Reglas de Decisión

0. Prefiere llamadas MÁS LARGAS y MENOS FRECUENTES con varias escenas internas en lugar de muchas llamadas cortas. Cada nueva llamada de Seedance desvía ligeramente el personaje, el vestuario, la iluminación y el fondo, incluso con la misma referencia de retrato. 5 llamadas cortas = 5 puntos de desviación que el espectador registra como rupturas de continuidad. Usa la plantilla probada de múltiples escenas DENTRO de una sola llamada de 10 a 15 segundos para obtener cortes internos con sensación natural a partir de un solo render:

ESCENA 1 (0-3s) — GANCHO AMPLIO [encuadre + acción + diálogo]
ESCENA 2 (3-7s) — PRODUCTO HERO [encuadre + movimiento de cámara + diálogo]
ESCENA 3 (7-11s) — PASO LATERAL / PRUEBA [encuadre + acción + diálogo]
ESCENA 4 (11-15s) — REACCIÓN + CTA [encuadre + acción + diálogo]

El ESCENARIO PUEDE variar entre sub-escenas internas dentro de una sola llamada de Seedance. La identidad del personaje está fijada por la imagen de referencia del retrato, no por el escenario. Una referencia validada (ref-01 Bristle UGC, 26s) muestra al mismo creador en más de 5 entornos/habitaciones diferentes dentro de un único render con múltiples escenas. No dividas artificialmente en varias llamadas solo para cambiar de habitación: incorpora los cambios de escenario DENTRO de la estructura de sub-escena ESCENA N (X-Ys) de una sola llamada. Distribuye las llamadas según el ARCO DE LA HISTORIA y el límite máximo de 15 segundos, no según la cantidad de escenarios. Consulta prompt-example.md para la plantilla validada. Memoria: feedback_seedance_long_calls_not_short.md.

0a. El VESTUARIO debe especificarse COMPLETAMENTE: parte superior + inferior + cabello + accesorios. Validado el 2026-05-23 (Bristle): si solo se especifica la parte superior ("sudadera crema"), Seedance alucina la parte inferior (aparecieron pantalones cortos de mezclilla de la nada). Cada prompt debe fijar todo:

  • Parte superior (con negaciones)
  • Parte inferior (con negaciones) — "pantalones cortos con dobladillo de mezclilla claro, hasta el muslo, NO vaqueros, NO pantalones cortos de pijama"
  • Cabello (peinado específico — "cola de caballo baja y suelta en la nuca con mechones que enmarcan el rostro" funciona mejor que un vago "moño")
  • Accesorios (por ejemplo, "aros delgados de oro, nada más")

Para UGC de confesionario / sesión única, el vestuario debe ser IDÉNTICO en todas las llamadas del mismo anuncio (preferencia de usuario validada + patrones ref-01 + ad-03). Varía el vestuario entre llamadas SOLO para formatos GRWM / transformación / de varios días. Memoria: feedback_seedance_long_calls_not_short.md.

0b. PASA UNA IMAGEN DE REFERENCIA DE FONDO como image_urls[2] para escenarios fijos. Validado el 2026-05-23 (Bristle). La descripción del escenario solo con texto produce una estética genérica de alquiler: Seedance la llena con su propio modelo de habitación. Una imagen hero de fondo (generada a través de NB2 Pro en fal-ai/nano-banana-pro, $0.15/1K, texto a imagen con directivas "sin bokeh, enfoque infinito, sin personas, sin rostros") FIJA la habitación en todas las sub-escenas. Usa la MISMA imagen de fondo en todas las llamadas del mismo anuncio: una imagen de fondo diferente por llamada se percibe como "ella se mudó". Memoria: feedback_seedance_long_calls_not_short.md.

0c. LIMPIA PREVIAMENTE LAS IMÁGENES DE REFERENCIA DEL PRODUCTO a través de la edición NB2 si contienen accesorios. Validado el 2026-05-23 (Bristle hi_res-12 tenía viales + embudo junto a la caja; Seedance los fusionó en la cara de la caja). Inspecciona las imágenes de origen del producto en la entrada. Si hay accesorios / productos secundarios / insignias de puntuación / elementos de estilo de vida visibles, enrútalos a través de fal-ai/nano-banana-2/edit ($0.08) para aislar el producto hero antes de pasarlo a Seedance. Es más barato que repetir un render de Seedance de $4.50-$10.20. Memoria: feedback_nb2_clean_product_refs.md.

0d. CONTINUIDAD DE LLAMADAS SECUENCIALES: reutiliza la semilla, NO video_urls. Validado el 2026-05-23 (prueba A/B de variante Bristle). Para la llamada N>1 en un anuncio de varias llamadas, pasa la seed de la llamada anterior (a través de --seed) con las mismas image_urls. NUNCA pases el mp4 de la llamada anterior como video_urls para continuidad secuencial: PERJUDICA la continuidad (el modelo intenta "continuar" el video anterior; el vestuario/producto se desvían más de lo que lo harían de otra manera). video_urls es SOLO para transferencia de estilo desde un video de referencia HUMANO REAL (por ejemplo, tomar un anuncio UGC de un creador real y recrearlo con un creador IA). Memoria: feedback_seedance_video_urls_vs_seed.md.

0e. CUANDO USES video_urls (transferencia de estilo desde una referencia real): establece el tiempo de espera del cliente en 30+ minutos Y recorta la referencia a ≤15 segundos. Validado el 2026-05-23:

  • Tiempo de render: ~18-20 min (frente a ~10 min solo con imagen). El tiempo de espera predeterminado de fal_client.subscribe() de 10 minutos fallará. Usa fal_client.submit() + sondeo manual.
  • Límite de duración combinada de video_urls: 15 segundos. FAL rechaza con input_value_error: Combined video duration must not exceed 15.0s. Recorta los videos de referencia con ffmpeg -t 15 antes de subirlos.
  • Límite de archivos combinados: 50 MB en total. El límite de fal_helpers.upload_file() se aumentó de 10 MB a 50 MB el 2026-05-23.
  • Detecta errores de validación (input_value_error / "must not exceed") en las excepciones de sondeo y abandona después de 1-2 reintentos: los errores terminales no aparecen a través de status=Failed.
  • La referencia de video transfiere MÁS que estilo/ritmo: transfiere estilo de vestuario, accesorios y cabello en un grado no trivial (validado el 2026-05-23 Recreación Probiotic: el cabello cambió para coincidir con la referencia; aparecieron tabletas a pesar de una imagen de producto limpia). Las anulaciones del lado del texto son PARCIALMENTE efectivas; elige una referencia cuyos elementos visuales ya estén alineados con tu objetivo.
  • FAL SÍ acepta video generado por IA como entrada (la antigua suposición "content_policy_violation instantánea" de BBE de principios de 2026 está desactualizada). Memoria: feedback_seedance_video_urls_vs_seed.md.

1. NUNCA pases video generado por IA como video_urls. El validador de política de contenido de FAL rechaza esto con partner_validation_failed. El descuento del 60% en entrada de video es real, pero solo se aplica a video de referencia HUMANO REAL. Para la continuidad del avatar IA en múltiples escenas, usa el mismo retrato de identidad como image_urls en cada escena. Validado en BBE.

2. Rechazo NSFW → DETENTE y notifica, no reintentes automáticamente. Aplicación corporal + mujer + agua/espuma activa el clasificador de manera confiable. Si FAL devuelve content_policy_violation o status: failed con motivo nsfw, NO reintentes el mismo prompt. Notifícalo a la persona que llama con 3 opciones: reescribe el ritmo de aplicación como prueba de olfato/puntas de dedos, reencuadra como POV (sin rostro), o salta la escena. Sigue la política de moderación de todo el proyecto (consulta la memoria feedback_hf_moderation_surface.md).

3. duration como un INT. Pasa 15, no "15". seedance-2.0/reference-to-video rechaza una duración de cadena con invalid_request (validado el 2026-07-18; la antigua nota de "solo cadena" era para el endpoint i2v v1 obsoleto).

4. Un solo producto por llamada (excepto para el gancho). Las escenas hero con múltiples productos dentro de una sola llamada de Seedance degradan la fidelidad de la etiqueta. La excepción es la escena de gancho/introducción donde todos los productos aparecen juntos pero ninguna etiqueta individual es hero.

5. 1080p para calidad hero. La textura de la piel y la nitidez de la etiqueta del producto escalan notablemente con la resolución. Usa 720p solo para llamadas de presupuesto/sonda.

Flujo de trabajo

python3 scripts/generate.py \
  --prompt "$(cat prompt-scene-1.txt)" \
  --output /path/to/scene-1.mp4 \
  --image-url "https://<hosted>/portrait.png" \
  --image-url "https://<hosted>/product.png" \
  --resolution 1080p \
  --duration 15 \
  --aspect-ratio 9:16 \
  --generate-audio

El script:

  1. Se enruta a través de media_proxy.py incluido (proxy FAL de GooseWorks) — no necesita clave de FAL; factura al agente de Ads a través de ~/.gooseworks/credentials.json.
  2. Pasa los valores de --image-url directamente como image_urls (ya deben ser URL PÚBLICAS; el orquestador aloja referencias locales a través de MCP).
  3. Envía bytedance/seedance-2.0/reference-to-video a través del proxy y sondea hasta completarse con:
    {
        "prompt": <prompt>,
        "image_urls": [<refs>],
        "resolution": <res>,
        "duration": <dur>,  # int
        "aspect_ratio": <ar>,
        "generate_audio": <bool>,
        "seed": <optional int>,
    }
    
  4. Descarga el MP4 resultante en --output.
  5. Escribe <output>.meta.json con prompt, referencias, URL del video, semilla, duración, estimación de costo.
  6. En caso de content_policy_violation o fallo NSFW: notifica el error y termina con código de salida distinto de cero (sin reintento silencioso).

Salida

  • <output> — clip MP4 con la duración, resolución y relación de aspecto solicitadas.
  • <output>.meta.json — metadatos de la solicitud + resultado + semilla para reproducibilidad + estimación de costo.

Precios (2026-05)

ResoluciónDuraciónCosto por llamada
720p estándar15s~$4.54
1080p estándar15s~$10.20
1080p estándar8s~$5.44
1080p estándar4s~$2.72

La capa rápida es ~20% más barata, pero tiene un límite de 720p.

Plantilla de prompt

El prompt es la palanca de calidad más importante. Usa la estructura de plantilla probada de BBE:

📱 REEL DE RESEÑA DE [PRODUCTO] DE INFLUENCER UGC (ESTILO SELFIE, NO UN COMERCIAL)

[BLOQUE 0 — apertura anti-patrón]
Esto NO es un comercial cinematográfico, NO es un anuncio de [categoría], NO es una campaña editorial.
Este es un Reel real de Instagram filmado por un creador de [demografía] de unos 20 años con
su cámara frontal, hablando directamente a sus seguidores en un tono relajado y confidencial...

[ASIGNACIONES DE REFERENCIA DE IMAGEN]
Usa @Image1 como la cara/identidad del influencer. Usa @Image2 como el [producto] exacto
que está reseñando: es una [DESCRIPCIÓN VISUAL]. NO es [confusión común].
El producto y la etiqueta DEBEN ser claramente identificables.

[BLOQUE DE FORMATO]
- Estética selfie vertical 9:16 tomada con teléfono, ligero micro-movimiento de mano
- VESTUARIO (ESTRICTO): [vestuario]. ABSOLUTAMENTE NO [lista de negaciones].
- Escenario: [escenario]
- Iluminación: [iluminación]
- Piel real, ligeramente imperfecta (maquillaje natural casi inexistente), bronceado dorado claro

[BLOQUE DE IDENTIDAD]
La misma joven que en @Image1 — [rango de edad, cabello, ojos, tono de piel]

[BLOQUE DE ENCUADRE DINÁMICO]
El video debe variar su encuadre a través de las escenas como un Reel real — NO te quedes
en una sola distancia focal todo el tiempo. Combina tomas amplias / medias / primeros planos.

[ESCENA 1 (0-3s)] GANCHO AMPLIO — [línea de guion] + [emoción + acción]
[ESCENA 2 (3-7s)] PRODUCTO HERO con rotación — [línea de guion] + [emoción + acción]
[ESCENA 3 (7-11s)] PASO LATERAL aplicación o prueba de olfato — [línea de guion] + [emoción + acción]
[ESCENA 4 (11-15s)] REACCIÓN + recomendación — [línea de guion] + [emoción + acción]

[DIRECCIÓN DE AUDIO]
[Carácter de voz: tono, acento, ritmo según DELIVERY_STYLES.md]
SIN música en el audio (agregamos música en postproducción).

[REGLAS GLOBALES]
- Vestuario idéntico en toda la escena
- El producto permanece idéntico y claramente visible en su mano
- Los labios permanecen CERRADOS entre ritmos de diálogo
- [Negaciones de evasión NSFW si corresponde]

[REGLAS DE REALISMO ESTRICTO — Bloque F]
- Pequeñas imperfecciones naturales, vello sutil, líneas finas tenues
- NO plástico, NO retocado, NO parecido a muñeca, NO porcelana
- Reflejos en la piel SOLO en la punta de la nariz, pómulos, arco de cupido
- Cabello: pelusas individuales

…

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-music-video format.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Skills relacionados